Wie funktioniert Data Mining Arbeit, Business Intelligence Hinweise
Ein klares Verständnis der Daten ist wichtig, zu bestimmen, wie die Informationen für geschäftliche Zwecke zu nutzen. Eine Möglichkeit, Daten zu verstehen, ist eine oder mehrere der folgenden verwandten Gruppen zu erstellen:
Datenklassen sind Gruppen, die leicht identifizierbare Merkmale aufweisen. Dies erklärt, warum sie werden auch als vorbestimmte Gruppen bezeichnet. Im Zusammenhang mit einem Einzelhandelsgeschäft, Kunden, die ein bestimmtes Produkt gekauft haben, stellen eine Datenklasse.
Auch hier lassen mit Amazon.com als Beispiel Datencluster den Händler zu identifizieren, was andere Produkte von den Kunden gekauft werden, die Business-Bücher kaufen. Mit diesen Informationen kann der Einzelhändler „Produktempfehlungen“ im Rahmen ihres Kundenbeziehungsmanagement (CRM) Programme entwickeln. Die Fähigkeit zu fördern führt, ist effizient entscheidend zum Umsatz bei.
Während der Analyse vergangene Käufe hilfreich ist, glauben einige Experten, dass der wahre Nutzen des Data Mining ist die Kundenkäufe durch Predictive Analytics zu antizipieren. Durch den Aufbau von historischen Daten, ermöglichen sequenzielle Muster entwickelt werden Projektionen. Die prognostizierten Branchentrends sind für die zukunftsweisenden Unternehmensplanung und Competitive Intelligence.
Komponenten von Data Mining-Modellen
Ausnahmslos hingen die potenziellen Vorteile von Datenbeziehungen auf der Qualität der zugrunde liegenden Daten. Der bekannte sagen, dass „Garbage-in-Garbage-out“ gilt. Ungenaue oder falsch codierte Daten ungenau und irreführend Gruppierungen produzieren, was wiederum falsche Geschäftssignale erzeugen.
Neben der Datenqualität hängt die Funktionalität eines Data-Mining-Tool auf der zugrunde liegende Modellierungsmethodik. Praktisch befürworten alle Data-Mining-Modelle sorgfältige Datenerhebung, Datenaufbereitung, Auswertung und analytische Kontrollen.
Zum Beispiel entwickelten die Data-Mining-Lösungen von SAS Institute verfügen über eine Abfolge von Schritten genannt SEMMA. die für die Probe steht, Erforschen, Ändern, Model, und bewerten. hochgenaue prädiktive und Beschreibungsmodelle erstellen basierte auf der Analyse von großen Datenmengen aus dem gesamten Unternehmen nach SAS, strafft Modellierungsmethodik des Data-Mining-Prozess, Business-Analysten und Data-Mining ermöglicht.
Vorhersagegenauigkeit ist entscheidend.
Nur wenige werden das Potenzial von Data-Mining-Werkzeugen bestreiten wertvolle Einblicke in Geschäftsprozesse zu erstellen. Doch wie bei allen Technologien, muss der Einsatz von Data-Mining von gut recherchierten Unternehmensanforderungen sowie Kosten und Benutzerfreundlichkeit Überlegungen getrieben werden.