data mining examples
Aquest tutorial inclou els exemples més populars de mineria de dades de la vida real. Obteniu informació sobre les aplicacions de mineria de dades en finances, màrqueting, salut i CRM:
En aquest Sèrie de formació gratuïta sobre mineria de dades , vam fer una ullada al Procés de mineria de dades al nostre tutorial anterior. La mineria de dades, que també es coneix com a descobriment del coneixement a les bases de dades (KDD), és un procés de descobriment de patrons en un gran conjunt de dades i magatzems de dades.
A les dades s’apliquen diverses tècniques, com ara l’anàlisi de regressió, l’associació i l’agrupació, la classificació i l’anàlisi perifèrica, per identificar els resultats útils. Aquestes tècniques utilitzen algoritmes de programari i backend que analitzen les dades i mostren patrons.
programari de còpia de DVD gratuït per a mac
Alguns dels mètodes coneguts d’extracció de dades són l’anàlisi de l’arbre de decisions, l’anàlisi del teorema de Bayes, la mineria freqüent de conjunts d’elements, etc. El mercat del programari té moltes eines de codi obert i de pagament per a l’explotació de dades, com ara Weka, Rapid Miner i Eines de mineria de dades taronja.
El procés de mineria de dades comença donant una certa entrada de dades a les eines de mineria de dades que utilitzen estadístiques i algorismes per mostrar els informes i els patrons. Els resultats es poden visualitzar mitjançant aquestes eines que es poden entendre i aplicar posteriorment per dur a terme modificacions i millores empresarials.
La mineria de dades és àmpliament utilitzada per les organitzacions per construir una estratègia de màrqueting, pels hospitals per a eines de diagnòstic, pel comerç electrònic per vendre productes creuats a través de llocs web i moltes altres maneres.
A continuació, es detallen alguns exemples d’explotació de dades com a referència.
Què aprendreu:
- Exemples de mineria de dades a la vida real
- Exemples de mineria de dades en finances
- Aplicacions de la mineria de dades al màrqueting
- Exemples d'aplicacions de mineria de dades en salut
- Mineria de dades i sistemes de recomanació
- Data Mining for CRM (Customer Relationship Management)
- Exemple de mineria de dades mitjançant l'arbre de decisions
- Exemple més popular de mineria de dades: màrqueting i vendes
- Grans empreses que utilitzen mineria de dades
- Conclusió
- Lectura recomanada
Exemples de mineria de dades a la vida real
La importància de la mineria de dades i l’anàlisi creix dia a dia a la nostra vida real. Avui en dia la majoria d’organitzacions utilitzen l’explotació de dades per a l’anàlisi del Big Data.
Vegem com ens beneficien aquestes tecnologies.
# 1) Proveïdors de serveis mòbils
Els proveïdors de serveis mòbils utilitzen la mineria de dades per dissenyar les seves campanyes de màrqueting i evitar que els clients es traslladin a altres proveïdors.
A partir d’una gran quantitat de dades, com ara informació de facturació, correu electrònic, missatges de text, transmissions de dades web i servei d’atenció al client, les eines d’explotació de dades poden predir el “buit” que indica als clients que volen canviar de proveïdor.
Amb aquests resultats, es dóna una puntuació de probabilitat. Els proveïdors de serveis mòbils poden proporcionar incentius i ofertes als clients que tinguin més risc de sofisticació. Aquest tipus de mineria és freqüentment utilitzat pels principals proveïdors de serveis com ara banda ampla, telèfon, proveïdors de gas, etc.
(imatge font )
# 2) Sector minorista
Data Mining ajuda els propietaris del supermercat i del sector minorista a conèixer les opcions dels clients. Mirant l'historial de compres dels clients, les eines de mineria de dades mostren les preferències de compra dels clients.
Amb l’ajut d’aquests resultats, els supermercats dissenyen les ubicacions de productes a les prestatgeries i ofereixen ofertes en articles com cupons en productes coincidents i descomptes especials en alguns productes.
Aquestes campanyes es basen en l'agrupació RFM. RFM significa recència, freqüència i agrupació monetària. Les promocions i les campanyes de màrqueting estan personalitzades per a aquests segments. El client que gasta molt però amb menys freqüència serà tractat de manera diferent del client que compra cada 2-3 dies però amb una quantitat inferior.
La mineria de dades es pot utilitzar per recomanar productes i fer referències creuades d’elements.
Mineria de dades al sector minorista a partir de diferents fonts de dades.
(imatge font )
# 3) Intel·ligència artificial
Un sistema es fa artificialment intel·ligent alimentant-lo amb patrons rellevants. Aquests patrons provenen de resultats de mineria de dades. Els resultats dels sistemes intel·ligents artificialment també s’analitzen per la seva rellevància mitjançant les tècniques de mineria de dades.
Els sistemes de recomanació utilitzen tècniques de mineria de dades per fer recomanacions personalitzades quan el client interactua amb les màquines. La intel·ligència artificial s'utilitza en dades extretes, com ara recomanacions de productes basades en l'historial de compres del client a Amazon.
# 4) Comerç electrònic
Molts llocs de comerç electrònic utilitzen la mineria de dades per oferir vendes creuades i vendes en augment dels seus productes. Els llocs de compres com Amazon, Flipkart, mostren 'La gent també ha vist' i 'Compreu freqüentment junts' als clients que interactuen amb el lloc.
Aquestes recomanacions es proporcionen mitjançant l'explotació de dades sobre l'historial de compres dels clients del lloc web.
# 5) Ciència i enginyeria
Amb l'arribada de la mineria de dades, les aplicacions científiques passen de tècniques estadístiques a tècniques de 'recopilació i emmagatzematge de dades' i, a continuació, realitzen mineria de dades noves, obtenen nous resultats i experimenten amb el procés. Es recopila una gran quantitat de dades de dominis científics com astronomia, geologia, sensors de satèl·lit, sistema de posicionament global, etc.
La mineria de dades en informàtica ajuda a controlar l’estat del sistema, millorar-ne el rendiment, conèixer errors de programari, descobrir plagis i esbrinar errors. La mineria de dades també ajuda a analitzar els comentaris dels usuaris sobre productes, articles per deduir opinions i sentiments de les opinions.
# 6) Prevenció del delicte
La mineria de dades detecta valors atípics en una gran quantitat de dades. Les dades penals inclouen tots els detalls del delicte ocorregut. Data Mining estudiarà els patrons i les tendències i predirà els esdeveniments futurs amb una major precisió.
Les agències poden esbrinar quina zona és més propensa a la delinqüència, quina quantitat de personal policial s’hauria de desplegar, quin grup d’edat s’hauria d’orientar, els números de vehicles que s’han d’examinar, etc.
# 7) Recerca
Els investigadors utilitzen eines de mineria de dades per explorar les associacions entre els paràmetres investigats, com ara les condicions ambientals com la contaminació atmosfèrica i la propagació de malalties com l'asma entre les persones de les regions objectiu.
# 8) Agricultura
Els agricultors utilitzen Data Mining per esbrinar el rendiment de les verdures amb la quantitat d’aigua necessària per les plantes.
# 9) Automatització
En utilitzar la mineria de dades, els sistemes informàtics aprenen a reconèixer patrons entre els paràmetres que es comparen. El sistema emmagatzemarà els patrons que seran útils en el futur per assolir els objectius empresarials. Aquest aprenentatge és automatització, ja que ajuda a assolir els objectius mitjançant l'aprenentatge automàtic.
# 10) Preus dinàmics
La mineria de dades ajuda els proveïdors de serveis, com ara els serveis de taxi, a carregar dinàmicament els clients en funció de la demanda i l’oferta. És un dels factors clau per a l'èxit de les empreses.
# 11) Transport
La mineria de dades ajuda a programar el trasllat de vehicles des de magatzems a punts de venda i a analitzar els patrons de càrrega del producte.
# 12) Assegurança
Els mètodes de mineria de dades ajuden a pronosticar els clients que compren les polítiques, analitzen les reclamacions mèdiques que s’utilitzen juntes, esbrinen comportaments fraudulents i clients de risc.
Exemples de mineria de dades en finances
( imatge font )
El sector financer inclou bancs, companyies d’assegurances i empreses d’inversió. Aquestes institucions recullen una gran quantitat de dades. Les dades solen ser completes, fiables i d’alta qualitat i requereixen una anàlisi sistemàtica de les dades.
Per emmagatzemar dades financeres, es construeixen magatzems de dades que emmagatzemen dades en forma de cubs de dades. Per analitzar aquestes dades, s’utilitzen conceptes avançats de cub de dades. En l'anàlisi de dades financeres i la mineria s'utilitzen mètodes de mineria de dades, com ara l'agrupació i l'anàlisi de valors extrems, la caracterització.
A continuació es detallen alguns casos en finances on s’utilitza l’explotació de dades.
# 1) Predicció de pagament de préstecs
Els mètodes d’explotació de dades, com ara la selecció d’atributs i el rànquing d’atributs, analitzaran l’historial de pagaments dels clients i seleccionaran factors importants com ara la relació entre ingressos, historial de crèdit, la durada del préstec, etc. Els resultats ajudaran els bancs a decidir la seva política de concessió de préstecs també concedeix préstecs als clients segons l'anàlisi de factors.
# 2) Màrqueting orientat
Els mètodes de mineria de dades de classificació i classificació ajudaran a trobar els factors que influeixen en les decisions del client cap a la banca. La identificació de clients comportamentals similars facilitarà la comercialització específica.
# 3) Detectar delictes financers
Les dades bancàries provenen de moltes fonts diferents, de diverses ciutats i de diferents ubicacions bancàries. Es desenvolupen múltiples eines d’anàlisi de dades per estudiar i detectar tendències inusuals, com ara transaccions de gran valor. Per identificar les relacions i els patrons d’acció s’utilitzen eines de visualització de dades, eines d’anàlisi perifèrica, eines de clusterització, etc.
La figura següent és un estudi d’Infosys que mostra la predisposició del client a la banca en línia del sistema en diferents països. Infosys ha utilitzat Big Data Analytics per a aquest estudi.
(imatge font )
Aplicacions de la mineria de dades al màrqueting
La mineria de dades augmenta l’estratègia de màrqueting de l’empresa i promou el negoci. És un dels factors clau per a l'èxit de les empreses. Es recopila una gran quantitat de dades sobre vendes, compres de clients, consum, etc. Aquestes dades augmenten dia a dia a causa del comerç electrònic.
La mineria de dades ajuda a identificar el comportament de compra dels clients, millorar el servei al client, centrar-se en la retenció del client, millorar les vendes i reduir el cost de les empreses.
Alguns exemples de mineria de dades en màrqueting són:
# 1) Mercat de previsions
Per predir el mercat, els professionals del màrqueting utilitzaran tècniques de mineria de dades com la regressió per estudiar el comportament, els canvis i els hàbits dels clients, la resposta del client i altres factors com el pressupost de màrqueting, altres costos, etc. En el futur, serà més fàcil per als professionals predir els clients en cas de canvis de factors.
# 2) Detecció d'anomalies
Es desenvolupen tècniques de mineria de dades per detectar qualsevol anomalia en les dades que pugui causar qualsevol tipus de defecte al sistema. El sistema escanejarà milers d’entrades complexes per realitzar aquesta operació.
# 3) Seguretat del sistema
Les eines de mineria de dades detecten intromissions que poden perjudicar la base de dades, oferint una major seguretat a tot el sistema. Aquestes intromissions poden ser en forma d’entrades duplicades, virus en forma de dades per part de pirates informàtics, etc.
Exemples d'aplicacions de mineria de dades en salut
(imatge font )
En salut, la mineria de dades és cada vegada més popular i essencial.
Les dades generades per l’assistència sanitària són complexes i voluminoses. Per evitar fraus i abusos mèdics, s’utilitzen eines de mineria de dades per detectar articles fraudulents i evitar així la pèrdua.
A continuació, es detallen alguns exemples de mineria de dades de la indústria sanitària.
# 1) Gestió sanitària
El mètode de mineria de dades s’utilitza per identificar malalties cròniques, rastrejar regions d’alt risc propenses a la propagació de malalties, dissenyar programes per reduir la propagació de malalties. Els professionals sanitaris analitzaran les malalties, les regions dels pacients amb ingressos màxims a l’hospital.
Amb aquestes dades, dissenyaran les campanyes per a la regió per donar a conèixer la malaltia i veure com evitar-la. D’aquesta manera es reduirà el nombre de pacients ingressats als hospitals.
# 2) Tractaments efectius
Mitjançant la mineria de dades, es poden millorar els tractaments. Mitjançant una comparació contínua de símptomes, causes i medicaments, es poden realitzar anàlisis de dades per fer tractaments eficaços. La mineria de dades també s'utilitza per al tractament de malalties específiques i l'associació d'efectes secundaris dels tractaments.
# 3) Dades fraudulentes i abusives
Les aplicacions d’explotació de dades s’utilitzen per trobar patrons anormals com ara els resultats de laboratori, els metges, prescripcions inadequades i reclamacions mèdiques fraudulentes.
Mineria de dades i sistemes de recomanació
Els sistemes de recomanació ofereixen als clients recomanacions sobre productes que poden ser d’interès per als usuaris.
Els elements recomanats són similars als elements consultats per l’usuari en el passat o mirant les altres preferències del client que tenen un gust similar a l’usuari. Aquest enfocament s’anomena un enfocament basat en el contingut i un enfocament col·laboratiu adequadament.
En sistemes de recomanació s’utilitzen moltes tècniques com la recuperació d’informació, estadístiques, aprenentatge automàtic, etc.
Recomanar sistemes de cerca de paraules clau, perfils d'usuari, transaccions d'usuari, funcions habituals entre els articles per estimar un article per a l'usuari. Aquests sistemes també troben els altres usuaris que tenen un historial similar de compra i prediuen articles que aquests usuaris podrien comprar.
Hi ha molts reptes en aquest enfocament. El sistema de recomanacions ha de cercar milions de dades en temps real.
Hi ha dos tipus d'errors comesos per Recommender Systems:
Falsos negatius i Falsos positius.
Falsos negatius són productes que el sistema no recomana, però el client els desitjaria. Fals positiu són productes recomanats pel sistema però que el client no volia. Un altre repte és la recomanació per als usuaris que són nous sense cap historial de compres.
S'utilitza una tècnica intel·ligent de resposta de consultes per analitzar la consulta i proporcionar informació associada i generalitzada rellevant per a la consulta. Per exemple: Es mostra la ressenya de restaurants en lloc de només l'adreça i el número de telèfon del restaurant cercats.
Data Mining for CRM (Customer Relationship Management)
La gestió de la relació amb el client es pot reforçar amb la mineria de dades. Es poden crear bones relacions amb els clients atraient clients més adequats, millor venda creuada i venda al màxim, millor retenció.
La mineria de dades pot millorar CRM mitjançant:
- La mineria de dades pot ajudar les empreses a crear programes específics per obtenir una resposta més elevada i un millor ROI.
- Les empreses poden oferir més productes i serveis que desitgin els clients mitjançant la venda creuada i la venda creuada, augmentant així la satisfacció dels clients.
- Amb la mineria de dades, una empresa pot detectar quins clients busquen altres opcions. Utilitzant aquesta informació, les empreses poden crear idees per evitar que el client marxi.
La mineria de dades ajuda CRM a:
- Màrqueting de bases de dades: El programari de màrqueting permet a les empreses enviar missatges i correus electrònics als clients. Aquesta eina, juntament amb la mineria de dades, pot fer màrqueting específic. Amb la mineria de dades, es pot realitzar automatització i programació de treballs. Ajuda a prendre millors decisions. També ajudarà a prendre decisions tècniques sobre quin tipus de clients estan interessats en un producte nou, quina àrea de mercat és bona per al llançament del producte.
- Campanya d'adquisició de clients: Amb la mineria de dades, el professional del mercat podrà identificar els clients potencials que desconeixen els productes o els nous compradors. Podran dissenyar les ofertes i iniciatives per a aquests clients.
- Optimització de la campanya: Les empreses utilitzen l'explotació de dades per a l'eficàcia de la campanya. Pot modelar les respostes dels clients a les ofertes de màrqueting.
Exemple de mineria de dades mitjançant l'arbre de decisions
Els algoritmes d’arbres de decisions s’anomenen CART (arbres de classificació i regressió). És un mètode d’aprenentatge supervisat. Una estructura d’arbre es basa en les característiques escollides, les condicions per dividir-se i el moment d’aturar-se. Els arbres de decisió s’utilitzen per predir el valor de les variables de classe en funció de l’aprenentatge de les dades de formació anteriors.
El node intern representa un atribut i el node full representa una etiqueta de classe.
(imatge font )
Els passos següents s’utilitzen per crear una estructura d’arbre de decisions:
- Col·loqueu el millor atribut a la part superior de l'arbre (arrel).
- Els subconjunts es creen de manera que cada subconjunt representa dades amb el mateix valor per a un atribut.
- Repetiu els mateixos passos per trobar els nodes de les fulles de totes les branques.
Per predir una etiqueta de classe, es compara l'atribut del registre amb l'arrel de l'arbre. En comparar, es tria la següent branca. Els nodes interns també es comparen de la mateixa manera fins que el node fulla assolit prediu la variable de classe.
Alguns algorismes utilitzats per a la inducció de l’arbre de decisions inclouen l’algorisme de Hunt, CART, ID3, C4.5, SLIQ i SPRINT.
Exemple més popular de mineria de dades: màrqueting i vendes
El màrqueting i les vendes són els dominis en què les empreses tenen grans volums de dades.
el millor servidor mundial de warcraft
# 1) Bancs són els primers usuaris de tecnologia de mineria de dades, ja que els ajuda a avaluar el crèdit. La mineria de dades analitza quins serveis ofereixen els bancs els clients, quin tipus de clients utilitzen les targetes ATM i què compren generalment amb les seves targetes (per a la venda creuada).
Els bancs utilitzen la mineria de dades per analitzar les transaccions que fan els clients abans de decidir canviar de banc per reduir el desgast del client. A més, s’analitzen alguns valors atípics de les transaccions per detectar fraus.
# 2) Telèfon mòbil Empreses utilitzeu tècniques de mineria de dades per evitar la barreja. Churning és una mesura que mostra el nombre de clients que abandonen els serveis. Detecta patrons que mostren com els clients poden beneficiar-se dels serveis per fidelitzar-los.
# 3) Anàlisi de la cistella de mercat és la tècnica per trobar els grups d'articles que es compren junts a les botigues. L'anàlisi de les transaccions mostra patrons com ara les coses que es compren juntes sovint, com el pa i la mantega, o quins articles tenen un volum de vendes més alt en determinats dies, com ara la cervesa els divendres.
Aquesta informació ajuda a planificar els dissenys de la botiga, oferint un descompte especial als articles amb menys demanda, creant ofertes com ara 'comprar 2 obtenir 1 gratis' o 'obtenir un 50% en segona compra', etc.
(imatge font )
Grans empreses que utilitzen mineria de dades
A continuació es detallen algunes empreses en línia que utilitzen tècniques de mineria de dades:
- AMAZON: Amazon utilitza Text Mining per trobar el preu més baix del producte.
- MC Donald's: McDonald’s utilitza la mineria de dades grans per millorar la seva experiència del client. Estudia el patró de comanda dels clients, els temps d’espera, la mida de les comandes, etc.
- NETFLIX: Netflix descobreix com fer popular una pel·lícula o una sèrie entre els clients mitjançant els seus coneixements sobre mineria de dades.
Conclusió
La mineria de dades s’utilitza en diverses aplicacions com ara la banca, el màrqueting, la sanitat, les indústries de les telecomunicacions i moltes altres àrees.
Les tècniques de mineria de dades ajuden a les empreses a obtenir informació adequada i augmenten la seva rendibilitat mitjançant ajustos en processos i operacions. És un procés ràpid que ajuda les empreses a prendre decisions mitjançant l'anàlisi de patrons i tendències ocults.
Consulteu el nostre proper tutorial per obtenir més informació sobre l'algorisme de mineria de dades de l'arbre de decisions.
Lectura recomanada
- Mineria de dades: processos, tècniques i grans qüestions en l'anàlisi de dades
- Tècniques de mineria de dades: algorisme, mètodes i eines principals de mineria de dades
- Procés de mineria de dades: models, passos de procés i reptes implicats
- Mineria de dades contra aprenentatge automàtic contra intel·ligència artificial contra aprenentatge profund
- 10+ millors eines de governança de dades per satisfer les vostres necessitats de dades el 2021
- Les 14 millors eines de gestió de dades de proves del 2021
- Top 15 de les millors eines gratuïtes de mineria de dades: la llista més completa
- Top 10 de conferències de Big Data que heu de seguir el 2021