Vilka olika typer av data mining?

Data mining refererar generellt till en metod som används för att analysera data från ett mål källa och skriva att feedback till användbar information. Denna information vanligtvis används för att hjälpa en organisation kostnader skära i ett visst område, öka intäkterna, eller båda. Ofta underlättas av en data-mining ansökan, är dess huvudsakliga syfte att identifiera och ta ut mönster i en viss datamängd.

Viktigast av allt är data mining syftar till att ge insikt som möjliggör en bättre förståelse av data och dess grundläggande funktioner. Företag och organisationer kan använda många olika typer av data mining. Även om de kan ta ett liknande tillvägagångssätt, alla brukar sträva efter att uppnå olika mål.

Syftet med prediktiva data mining nästan alltid är att identifiera statistiska modeller eller mönster som kan utnyttjas för att förutsäga ett svar av intresse. Exempelvis kan ett finansiellt institut använda den för att identifiera vilka transaktioner som har den högsta sannolikheten för bedrägeri. Detta är den vanligaste data mining teknik och en som har blivit ett effektivt beslutsfattande verktyg för medel-till stora företag. Det har också visat sig bidra till att kunna förutse kundernas beteende, kategorisera kundsegment, och prognostisering olika evenemang.

Sammanfattning bygger på att data mining att agera i enlighet med sammanfattade data. Till exempel kan en organisation tilldela flygpassagerare eller kortförsäljning i olika grupper baserat på deras egenskaper ur den analytiska processen. Denna modell kan också hjälpa företag att få en djupare förståelse för deras kunder.

Association modeller ta hänsyn till att vissa händelser kan inträffa tillsammans på en regelbunden basis. Detta kan samtidigt köpa på exempelvis en mus och tangentbord eller en sekvens av händelser som ledde till misslyckandet av en viss maskinvaruenhet. Förening modeller representera data mining används för att identifiera och karakterisera dessa närliggande händelser.

Nätverk modeller använder data mining för att visa data strukturer som är i form av noder och länkar. Till exempel kan ett organiserat bedrägeri ring sammanställa en lista över stulna kreditkortsnummer och sedan vända sig om och använda dem för att köpa produkter online. I den här illustrationen, kreditkort och köpmän online representerar noderna medan de verkliga transaktionerna fungera som länkar.

Data mining har många syften och kan användas för både positiva och skadliga vinna. Fler organisationer kommer att upptäcka fördelarna med att slå samman data mining för att bilda hybridmodeller. Dessa kraftfulla kombinationer resulterar ofta i tillämpningar med överlägsen prestanda. Genom att integrera de viktigaste funktionerna i olika metoder till en enda hybridlösningar, organisationer vanligtvis kan övervinna begränsningarna i enskilda strategi system.


Kommentarer

  • Om oss
  • Reklam
  • Kontakta redaktören
  • Få nyhetsbrev
  • RSS-feed

Redaktör: Beáta Megyesi
Nyheter redaktör: Christiane Schaefer

Kundservice: Mats Schaefer,
Helena Löthman

Tel: +46 00 79 22 00
Fax: +46 00 79 22 01

© Copyright 2014 Debok.net - All rights reserved.