Khai phá dữ liệu (Data mining) là quá trình phân loại, sắp xếp các tập hợp dữ liệu lớn để xác định các mẫu và thiết lập các mối liên hệ nhằm giải quyết các vấn đề nhờ phân tích dữ liệu. Các công cụ khai phá dữ liệu cho phép các doanh nghiệp có thể dự đoán được xu hướng tương lai.
- Đầu tiên, các tổ chức sẽ phải thu thập dữ liệu và tải chúng lên kho dữ liệu.
- Tiếp đến, họ sẽ lưu giữ và quản lí những dữ liệu này trên server riêng hoặc trên một dịch vụ điện toán đám mây.
- Những nhà phân tích kinh doanh, đội ngũ quản lí và các chuyên gia công nghệ thông tin sẽ truy cập vào dữ liệu và xác định xem họ sẽ tổ chức chúng như thế nào.
- Và rồi ứng dụng phần mềm sẽ thực hiện sắp xếp lại dữ liệu dựa theo kết quả của người dùng.
- Cuối cùng thì các chương trình dành cho người dùng đầu cuối sẽ thể hiện những dữ liệu này dưới một định dạng đơn giản và dễ chia sẻ như là đồ thị hoặc bảng thống kê.
Trong data mining, các quy tắc liên kết được tạo ra nhờ phân tích dữ liệu các mẫu if/then một cách thường xuyên, sau đó sử dụng các tiêu chí support và tín nhiệm để xác định đâu là các mối liên hệ quan trọng nhất trong khối dữ liệu. Support là tần suất các mục xuất hiện trong cơ sở dữ liệu, trong khi độ tín nhiệm là số lần chính xác của các câu lệnh if/then.
Các tham số data mining khác bao gồm Phân tích chuỗi hoặc Path analysis, Classification/Phân loại, Clustering/Phân cụm và Dự báo. Các tham số Sequence hoặc Path Analysis sẽ tìm kiếm các mẫu đáp ứng điều kiện: một sự kiện sẽ dẫn đến một sự kiện khác sau đó. Sequence là một danh sách các mục được sắp xếp theo thứ tự, đây là một kiểu cấu trúc dữ liệu phổ biến có trong nhiều cơ sở dữ liệu.
Tham số Classification/Phân loại tìm ra các mẫu dữ liệu mới có thể dẫn đến các thay đổi trong cách dữ liệu được sắp xếp. Thuật toán phân loại sẽ dự đoán các biến dựa trên các yếu tố bên trong cơ sở dữ liệu.
Các tham số Clustering/phân cụm tìm và ghi lại các nhóm sự kiện chưa được nhận biết trước đây. Clustering tổng hợp các đối tượng dựa trên mức độ tương đồng giữa các đối tượng với nhau và nhóm chúng thành một tập hợp.
Có nhiều cách khác nhau người dùng có thể sử dụng để triển khai cluster, mỗi cách sẽ giúp phân biệt giữa các mô hình phân cụm với nhau. Việc chăm sóc các tham số trong khai phá dữ liệu có thể dẫn đến phát hiện ra các mẫu mà dựa vào đó người ta đưa ra được những dự đoán hợp lý cho tương lai. Quá trình này còn được gọi là phân tích dự đoán.Có nhiều cách thức khai phá dữ liệu khác nhau
Kỹ thuật khai phá dữ liệu được sử dụng trong khá nhiều lĩnh vực nghiên cứu, bao gồm toán học, công nghệ mạng, di truyền học và marketing. Trong khi kỹ thuật khai phá dữ liệu là phương tiện giúp gia tăng hiệu quả trong việc dự đoán hành vi của khách hàng, nếu biết tận dụng đúng cách, doanh nghiệp có thể tạo ra lợi thế và sức ép rất lớn, giúp doanh nghiệp vượt lên bỏ xa các đối thủ cạnh tranh.
Webmining, cũng là một kiểu datamining được ứng dụng trong quản lý các mối quan hệ khách hàng, tích hợp thông tin được thu thập theo các phương pháp khai phá dữ liệu truyền thống cùng các kỹ thuật web. Webmining hướng đến việc thấu hiểu hành vi khách hàng và đánh giá mức độ hiệu quả của một website cụ thể là như thế nào.
Các kỹ thuật khai phá dữ liệu khác bao gồm các phương pháp mạng dựa trên khả năng tự học hỏi khi xử lý đa nhiệm vụ để phân loại mẫu, đảm bảo triển khai các thuật toán khai phá dữ liệu song song và có thể mở rộng được, khai phá cơ sở dữ liệu lớn, xử lý các kiểu dữ liệu quan hệ và dữ liệu phức hợp, machine learning. Machine learning là một loại công cụ khai phá dữ liệu, lập trình các thuật toán cụ thể để tự học và đưa ra các dự đoán hành vi dựa trên số liệu có sẵn.Cung cấp khả nằn tự học hỏi và dự đoán hành vi
Nhìn chung, lợi ích chính của data mining nằm ở khả năng phát hiện các mẫu và mối liên hệ tiềm ẩn trong cơ sở dữ liệu có giá trị sử dụng trong việc đưa ra các dự đoán tác động đến hoạt động kinh doanh của doanh nghiệp.
Các lợi ích cụ thể sẽ tùy thuộc vào từng mục tiêu khai phá và lĩnh vực hoạt động của doanh nghiệp. Phòng bán hàng và marketing có thể khai phá dữ liệu khách hàng để cải thiện tỷ lệ chuyển đổi khách hàng tiềm năng hoặc tạo chiến dịch marketing cá nhân hóa. Các thông tin data mining trong lịch sử bán hàng và hành vi của khách hàng có thể được sử dụng để xây dựng các mô hình dự báo doanh số, sản phẩm và dịch vụ mới cho tương lai.Ứng dụng trong xây dựng các mô hình dự báo doanh số, sản phẩm và dịch vụ mới cho tương lai
Các công ty trong ngành tài chính sử dụng các công cụ data mining để xây dựng các mô hình phát hiện rủi ro và gian lận. Lĩnh vực sản xuất công nghiệp lại sử dụng nguồn lực này cho cải thiện an toàn sản phẩm, xác định các vấn đề về chất lượng, quản lý chuỗi cung ứng và cải thiện hoạt động vận hành sản xuất...
Người đăng: hoy