داده کاوی

صفحه 1:


صفحه 2:
داده کاوی 0 ROIee, 

صفحه 3:
Rep er cares nee ee ‏جایگاه‎ - ‏موارد قابل ملاحظه‎ - هدف ‎oy‏ ۰ oe re FARE Ors cre rer Oh eb ce ee os عملیات داده کاوی ‎re‏ ا ‏فعاليت ها و كام هاى ذاده كاوى ‎plas ese Su,‏ لك 

صفحه 4:


صفحه 5:
0/0۳ هكاوى * سوالات مرتبط با بازار ا ا ا كن ۱ Es oe ey Sr ret Res av cc sees ORS is Renee sea ‏که بتوان با آن ارزیلبی نمود که به چه میزان اين گروه محصول جدید ما را‎ ‏خریداری می نمایند؟‎ Bee ee el eee ee Reel Serene aoc Pea ‏مشتریانی که در آینده تزدیک مارا ترک می نمابد دار ؟‎ جه مشتريانى تمايل بيشترى به خريد محصولات جديد ما را دارند؟ ‎relies)‏ نا ۱ ا ل 

صفحه 6:
0/0۳ هكاوى Sg ‎PCO a‏ ا ان ‎pe ieee ave ST PI Ir)‏ ا ‏- آیا داده ها برای داده کاوی به صورت مناسب کد و ساختاربندی شده اند؟ ابزار داده كاوى ‎ ‏جه كونه اى از ابزارهاى داده كاوى براى سازمان ما مقيد ‎ome‏ ‏- چه مولفه هایی را باید در انتخاب ابزارهای داده کاوی باید در نظر گرفت؟ ا ی را یت نيروى انسانى ‏> آيا تحليل كتندكاتى كه مهارت تفسير خروجى هاى داده كاوى را للش ‎٩‏ ‎cel ect Rea Coen‏ ا ‎Or cel‏ 0 بايد اين نيروها را استجدام کنیم؟ تمام وقت با پاره وقت؟ ‎ ‎ 

صفحه 7:
1 ‏وار هک‎ WN Pe مقدار زياد داده در پایگاه های داده های عملیاتی 7 دانش پر اهمیت پنهان - الگوهای ارزشمند پا نز ا 0 ا 5 > راهبردهاى خلاقانه در ارتباط با محصولات ارائه دهند 23200 eB) ee ea i 

صفحه 8:
او و ۳ داده کاوی یک محصول استانداردی نیست که یکباره خریداری شود. * داده کار ۲ ۳ شاده از ابزار مناسب و بکارگیری 4 - - شناسابى الكو - بايكاه داده اسن ‎CRC rey‏ تعريف داده كاوى - یک تحلیل برای کشف اطلاعات و دانش نهفته در میان مقدار زیادی داده 

صفحه 9:
| ۳ 7 7 211100007 ‎ee ۲۷ ea‏ آمارى: بك ار كات رات ‎eo oe‏ ‎1 ‎۸۱ ‎ 

صفحه 10:
۸ ar oD 211111112 ‎ae‏ يل ل ی ‎ ‎ ‎ ‎ ‎ ‏* تکنیک های تحلیلی گذشته و ال ل 0 7 پرس و چو در داده ها و ارزیابی آن - تعیین درستی الگوهای ارائه شده ‏ار ‏ل ا ال جل سرس ۱ 

صفحه 11:
2 ar oD 211111112 موضوع تجزیه و تحلیل حوزه های بازار * تکنیک های تحلیلی گذ: - صورت ۰4-۰ مطالعه رفتارهای خرید گروه های از پیش مشخص شده ‎ig Were peeete tery mane‏ ‎Tecate rc rap ere rele Pea‏ ‎Se te ens ons eo ome‏ تکرار مراحل بالات یدست آوردن یک گروه بندی معاار ۱ ۲ داده کاوی خوشه بندی مشتریان و مطالعه هر خوشه - استخراج ويزكى هاى هر خوشه ا ا ل ا ا 2000 

صفحه 12:
رز ۱۳ FR ‏ار‎ Ty ECAR) ‏از طرح آن عاجز هستند.‎ ‏پاسخ سوالات مهم راهبردی در مورد کسب و کار سازمان‎ ‏مسائل و موضوعات چند بعدی که تحلیل آن ها بسیار سخت و با روش‎ 500 ‏را‎ ‏لت ل 0ك‎ ee ie ‏ا‎ 

صفحه 13:
۳ Rae CEC re Seay UC nr Cr 0 1 Cee SS IE AE SS ‏سس‎ Oo Pee pecan e veal ep rote Fete Pipes Estes) 00 

صفحه 14:
لزوم 2 كاه واوه ‎REDE‏ 4 جرا به طور مستقيم از ”0008 و (0001 براى عمليات داده كاوى استفاده نمى كين در ی ۱ بایست ساختار و فرمت داده ها نغییر کند. ‎tl. ay‏ و - نباربه اطلاعات جرنی تاریخی که در نوارهای آرشیو موجود است. Re Pes HP A eS SE lS Sra ‏نياز به تركيب اطلاعات موجود‎ - E et oe در بج 8 5 - 3] - 656 5 5 5 ‎a‏ 

صفحه 15:
شيف إى داده كاد كك ل ل ب ناا ‎at ree‏ يا ا د ‎ae‏ ات ‎Guppont *‏ ‎CocPidewe *‏ * طبقه بندی 50 - ارائه مدلى براى تعيين كروه ودسته داده هاى جديدا > ساخت مدل بر اسان داده هاى موجود و ارزيابى آن با داده طاى 001 ‎rely yr Heures‏ ا رد ل 

صفحه 16:
الات 11 واد هكاوى - ادامم 9 ‏007ل‎ a 7 دسته بندی داده ها 0 ۳۳ و ار 0 ‎pen‏ تا و Ca 7 رگرسیون * بادانستن مقادير قبلى دادى مقادير آن را در آينده بيش ب ل تا پیش بینی فروش تابستان بر اساس فروش های قبلی 7 کشف روند زمانی * فرقش با رگرسیون : فقط مربوط به داده های زمانی. مثال: نرخ تصادفات در ۳ 

صفحه 17:
لیات ی داد هکا ‎A‏ واه 98 0 8 مدل های پیش بینی و طبقه بندی 7 برای پیش بینی و جواب به یک سوال مشخص * مثال: تحليلكر بانك براى جواب به اين سوال كه جه مشتريانى بانك را ترك مى كنند. يك مدل طبقه با دو مقدار خوب و بد طراحى مى كند. اا ‎ep‏ ‏تحليل ارتباط ‎el ergy Ren a‏ 0 ‎Peer el peas Sta Oreos‏ ‎PPS RY ye are weer pe a om SPOS Oe od‏ ۱ al od Tea ea on ae ‏قطعه بندی پایگاه داده‎ * ‏ا ا‎ ae ‏اا ا ل اك‎ 

صفحه 18:
لات بى داد ‎Ce‏ * کشف انحراف 1 ‎a‏ كشف كاهش ناكهانى فروش و يا تعداد مشتريان 

صفحه 19:
۳ 12200107 ‎Bog‏ بازار ‎ee 2-05‏ جديد به مشتريان موجود * مانند تبلیغات و ارسال پست الکترونیک: کاهش هزینه های فروش و ۱ * تحلیل آسیب پذیری و اتخاذ راهبرد های مناسب برای نگه داشتن این گونه مشتریان ‎one eae rome cad‏ ۷۱ ‎ ‏* قطعه بندی بازار برای ارتقا و پیشرفت در جهت شناخت و ارائه محصولات جدید ‎SU a‏ ‎I en ne ane one ae ae ‏تحلیل سبد محصول‎ 7 ‏ا ا ‎ee‏ ل ‎ROS‏ 

صفحه 20:
۳ - تقلبات کارت های اعتباری * بدست آوردن الكوهاى نرمال سيس كشف داده هاى خارج از الكو 02000 caet ad ۰ ees sera cess ven ی * تحلیل گسترده بر روی دعوای مطرح شده از سوی بیمه شده بپ ا رد * اعتبار سنجی برای دادن وام به مشتری بر اساس مدل پیش بینی 7 کنترل کیفیت ‎SCO‏ 1 مرجوعی 

صفحه 21:
۳ سرویس های مالی ‎ce eS‏ * حفظ مشتريان خوب براى بانك ها بسيار آسان تر از جذب مشترى جديد بازدهى سهام ارائه مدل های بازدهی سهام در جهت مدیریت بهینه دارایی ها ل موجودى * ارتقاى كنترل موجودى با ساخت مدل پیش بینی در نقاط مهم برای پخش محصولات 

صفحه 22:


صفحه 23:
تست وکامای داد هکاوی خروجی فعالیت های داده کاوی و ۳ 5 ۲ ۲ اساس نیازهای تحلیلی فراهم شده است و داده های آن 0 لك و و در ابزار ‎I ere) Se re‏ ‎CE One RO Onn Be‏ ‎EE ee ge reece is‏ ‎So oe‏ 0 . اد 

صفحه 24:
۰ ‎ae‏ عدم 24 داو هكاوى ‏مب ۰ * عدم توجه به داد هلبی که منلبع ذخیره شده لند. سب اتلاف منلبع و نگه تیه ی * عدم 200075 "الى در مور رفتارء الكوها و ... در ارتباط )ا بازارء مشتريان و فعالين حوزه كسب و كار قبا ‏- اگر رقبا بستر داده کاوی را فراهم آورند و بتوانند به موار ز ۰ ۳۱ ‎1 ‏* كاهش در هزينه ‏* افزايش منفعت و سود 5 ‏وا 000 صم 00 ۳ ‏شکست کسب و کار 

صفحه 25:


دانشگاه صنعتی امیرکبیر داده کاوی فص ل 13کتاب نقشه راه هوش تجاری ارائه دهنده :محمد رضا هراتی نیک 88131081 استاد درس :جناب آقای دکتر احمد عبداهلل زاده دانشکده مهندسی کامپیوتر و فناوری اطالعات فهرست • معرفی داده کاوی از ابعاد – – – – • • • • • • • جایگاه موارد قابل مالحظه هدف تعریف تفاوت داده کاوی با تحلیل های آماری اهمیت داده کاوی و منابع داده ای مرتبط با آن تکنیک های های داده کاوی عملیات داده کاوی برنامه های کاربردی داده کاوی فعالیت ها و گام های داده کاوی ریسک عدم انجام داده کاوی در س هوش تجاری – داده کاوی :فصل 13کتاب نقشه ر0اه هوش تجاری -دانشکده مهندسی کامپیوتر و فناوری اطالعات دانشگاه صنعتی امیرکبیر -محمد رضا هراتی نیک ح ی جا گاه داده کاوی رد رما ل 16گاهن راه ت اندازی هوش جاری گام :13داده کاوی در س هوش تجاری – داده کاوی :فصل 13کتاب نقشه ر0اه هوش تجاری -دانشکده مهندسی کامپیوتر و فناوری اطالعات دانشگاه صنعتی امیرکبیر -محمد رضا هراتی نیک ب موارد اق ل مالحظه رد ارتباط با داده کاوی • سواالت مرتبط با بازار – – – – – – – آیا یک طبقه بندی کلی بر روی مشتریان وجود دارد؟ آی?ا زی?ر مجموع?ه های?ی از مشتریان ب?ا الگوهای رفتاری مشاب?ه پیدا می شود؟پیام های هدفمند می تواند مورد استفاده قرار بگیرد؟ آی?ا شناخ?ت مناس?بی از گروه بهتری?ن مشتریانمان داری?م؟ آی?ا الگویی وجود دارد ک?ه بتوان ب?ا آ?ن ارزیاب?ی نمود ک?ه ب?ه چ?ه میزان ای?ن گروه محص?ول جدی?د ما را خریداری می نمایند؟ آی?ا م?ی دانی?م چگون?ه م?ی بایس?ت مشتریانمان را نگ?ه داری?م؟ آی?ا تخمینی از مشتریانی که در آینده نزدیک ما را ترک می نمایند ،داریم؟ چه مشتریانی تمایل بیشتری به خرید محصوالت جدید ما را دارند؟ آیا مشتریانی داریم که برای ما هزینه داشته باشند؟ آیا به رفتارهای متقلبانه ای که نیاز به کشف و بررسی دارند ،اهمیت می دهیم؟ در س هوش تجاری – داده کاوی :فصل 13کتاب نقشه ر0اه هوش تجاری -دانشکده مهندسی کامپیوتر و فناوری اطالعات دانشگاه صنعتی امیرکبیر -محمد رضا هراتی نیک ب موارد اق ل مالحظه رد ارتباط با داده کاوی • داده – آیا داده های ما به اندازه کافی برای داده کاوی تمیز هستند؟ – آیا داده ها به درستی می تواند مورد استفاده و تفسیر قرار بگیرد؟ – آیا داده ها برای داده کاوی به صورت مناسب کد و ساختاربندی شده اند؟ • ابزار داده کاوی – چه گونه ای از ابزارهای داده کاوی برای سازمان ما مفید است؟ – چه مولفه هایی را باید در انتخاب ابزارهای داده کاوی باید در نظر گرفت؟ – چگونگی برگشت سرمایه مربوط به عملیات داده کاوی و ابزار آن مشخص است؟ • نیروی انسانی – آیا تحلیل کنندگانی که مهارت تفسیر خروجی های داده کاوی را داشته باشند، داریم؟ آیا مدیران پایگاه داده ما مهارت کار با پایگاه داده داده کاوی را دارند؟ یا باید این نیروها را استخدام کنیم؟ تمام وقت یا پاره وقت؟ در س هوش تجاری – داده کاوی :فصل 13کتاب نقشه ر0اه هوش تجاری -دانشکده مهندسی کامپیوتر و فناوری اطالعات دانشگاه صنعتی امیرکبیر -محمد رضا هراتی نیک هدف از داده کاوی • مقدار زیاد داده در پایگاه های داده های عملیاتی – دانش پر اهمیت پنهان – الگوهای ارزشمند • داده کاوی سبب می شود تا مدیران کسب و کار بتوانند: – – – – منفعت بیشتری کسب نمایند هزینه ها را کاهش دهند راهبردهای خالقانه در ارتباط با محصوالت ارائه دهند سهم خود را در بازار افزایش دهند در س هوش تجاری – داده کاوی :فصل 13کتاب نقشه ر0اه هوش تجاری -دانشکده مهندسی کامپیوتر و فناوری اطالعات دانشگاه صنعتی امیرکبیر -محمد رضا هراتی نیک تع ی ر ف داده کاوی • داده کاوی یک محصول استانداردی نیست که یکباره خریداری شود. • داده کاوی نیازمند استفاده از ابزار مناسب و بکارگیری – – – – – هوش مصنوعی شناسایی الگو پایگاه داده آمار سنتی ماژول های گرافیکی • تعریف داده کاوی – یک تحلیل برای کشف اطالعات و دانش نهفته در میان مقدار زیادی داده نمایش الگوها وارتباطات نهفته بین داده های سازمان در س هوش تجاری – داده کاوی :فصل 13کتاب نقشه ر0اه هوش تجاری -دانشکده مهندسی کامپیوتر و فناوری اطالعات دانشگاه صنعتی امیرکبیر -محمد رضا هراتی نیک تفاوت داده کاوی با ت حلی ل اهی آماری • تفاوت داده کاوی با تحلیل های سنتی آماری ،یکی از موضوعات مهم برای شروع داده کاوی می باشد: تحلیل های آماری آمارگران کار خود را با فرضیه شروع می کنند. مثال :کار ب?ا اینترن?ت بی?ش از س?ه س?اعت در روز سبب بروز اختالل های روانی در انسان می شود. آمارگران م?ی بایس?ت بر اس?اس فرضیاتشان ،معادل?ه تشکیل دهند. تحلی?ل های آماری فق?ط از داده های عددی اس?تفاده می کنند. آمارگران نتای?ج خود را تفس?یر و ب?ه مدیران و فعالی?ن کسب و کار ارائه می دهند. داده کاوی داده کاوی نیاز به فرضیه ندارد. الگوریت?م های داده کاوی ب?ه ص?ورت اتوماتیک معادالت را کشف می نمایند. داده کاوی از فرم?ت های گوناگون?ی عالوه بر فرمت عددی مانند متن ،صدا و ...استفاده می کند. تفس?یر خروج?ی های داده کاوی کار آس?انی نیست .آمارگران نی?ز م?ی بایس?ت در تفس?یر خروج?ی های داده کاوی شرکت کنن?د و در ارائ?ه نتای?ج ب?ه ب?ه مدیران و فعالی?ن کسب و کار کمک نمایند. در س هوش تجاری – داده کاوی :فصل 13کتاب نقشه ر0اه هوش تجاری -دانشکده مهندسی کامپیوتر و فناوری اطالعات دانشگاه صنعتی امیرکبیر -محمد رضا هراتی نیک سن ت م مقایسه روش اهی ی آماری با داده کاوی – ثال 1 • موضوع کشف الگوهای تقلب در شرکت بیمه • تکنیک های تحلیلی گذشته – تعریف الگوهای رفتاری متقلبانه بر اساس دانش و اطالعات بدست آمده – پرس و جو در داده ها و ارزیابی آن – تعیین درستی الگوهای ارائه شده • داده کاوی – شناسایی الگوهای غیر طبیعی که فاصله زیادی با رفتار نرمال دارند – بررسی میزان تقلبانه بودن الگوهای کشف شده در س هوش تجاری – داده کاوی :فصل 13کتاب نقشه ر0اه هوش تجاری -دانشکده مهندسی کامپیوتر و فناوری اطالعات دانشگاه صنعتی امیرکبیر -محمد رضا هراتی نیک سن ت م مقایسه روش اهی ی آماری با داده کاوی – ثال 2 • موضوع تجزیه و تحلیل حوزه های بازار • تکنیک های تحلیلی گذشته – صورت مسئله :مطالعه رفتارهای خرید گروه های از پیش مشخص شده مشتریان در راستای هدفمند کردن برنامه های بازاریابی – بکارگیری ویژگی های شناخته شده هر کدام از گروه ها و منظم کردن آنها – مطالعه بر روی رفتارهای خرید معمول هر گروه تکرار مراحل باال تا بدست آوردن یک گروه بندی مطلوب از مشتریان • داده کاوی – خوشه بندی مشتریان و مطالعه هر خوشه – استخراج ویژگی های هر خوشه توانایی کمک گرفتن از پرس و جو ها و گزارش گیری های مختلف و ابزارهای تحلیل چند بعدی در س هوش تجاری – داده کاوی :فصل 13کتاب نقشه ر0اه هوش تجاری -دانشکده مهندسی کامپیوتر و فناوری اطالعات دانشگاه صنعتی امیرکبیر -محمد رضا هراتی نیک هم ی ا ت داده کاوی • داده کاوی در پاسخ سواالتی کمک می کند که تصمیم گیرندگان از طرح آن عاجز هستند. پاسخ سواالت مهم راهبردی در مورد کسب و کار سازمان • مسائل و موضوعات چند بعدی که تحلیل آن ها بسیار سخت و با روش های قدیمی امکان حل آنها وجود ندارد. • در نتیجه یکی از مولفه های حیاتی در هوش تجاری :داده کاوی د0ا0د0ه 0ک0ا0و0ی در س هوش تجاری – داده کاوی :فصل 13کتاب نقشه ر0اه هوش تجاری -دانشکده مهندسی کامپیوتر و فناوری اطالعات دانشگاه صنعتی امیرکبیر -محمد رضا هراتی نیک ب منا ع داده ای ربای داده کاوی • داده هایی که در داده کاوی مورد استفاده قرار می گیرند: ‏DW داده های ارزشمند و تجمیع شده داخلی ‏DB داده های خارجی مانند قوانین و مسائل جمعیتی -جغرافیایی ‏DM در س هوش تجاری – داده کاوی :فصل 13کتاب نقشه ر0اه هوش تجاری -دانشکده مهندسی کامپیوتر و فناوری اطالعات دانشگاه صنعتی امیرکبیر -محمد رضا هراتی نیک ی ی زلوم ا جاد اپ گاه داده داده کاوی چرا به طور مستقیم از DBو DWبرای عملیات داده کاوی استفاده نمی کنیم: – – – – در بعضی کاربرد ها می بایست ساختار و فرمت داده ها تغییر کند. بازده و کارایی پایگاه داده و پایگاه داده تحلیلی پایین نیاید. نیاز به اطالعات جزئی تاریخی که در نوارهای آرشیو موجود است. نیاز به ترکیب اطالعات موجود در پایگاه داده و پایگاه داده تحلیلی می باشد .مانند الگوی رفتاری مشتری • در نیتجه ‏E ‏T ‏L ‏DM در س هوش تجاری – داده کاوی :فصل 13کتاب نقشه ر0اه هوش تجاری -دانشکده مهندسی کامپیوتر و فناوری اطالعات دانشگاه صنعتی امیرکبیر -محمد رضا هراتی نیک تک ن یک اهی داده کاوی • کشف وابستگی ()Associations Discovery – اگر فردی شامپو بخرد با احتمال 96درصد صابون هم خریداری می کند. – پارامترهای میزان وابستگی • Support • Confidence • طبقه بندی – – – – دسته ها از قبل مشخص هستند. ارائه مدلی برای تعیین گروه و دسته داده های جدید ساخت مدل بر اساس داده های موجود و ارزیابی آن با داده های تست خروجی به صورت یک مدل مانند درخت تصمیم ،شبکه عصبی ،قانون بیز و ... در س هوش تجاری – داده کاوی :فصل 13کتاب نقشه ر0اه هوش تجاری -دانشکده مهندسی کامپیوتر و فناوری اطالعات دانشگاه صنعتی امیرکبیر -محمد رضا هراتی نیک تک ن یک اهی داده کاوی -اداهم • خوشه بندی ()Clustering – – – – دسته بندی داده ها دسته بندی از قبل تعریف نشده است. بر اساس شباهت میان اعضای یک دسته و تفاوت با بقیه دسته ها پارامتری که بیان کننده خوبی خوشه بندی است: • Silhouette • پیش بینی – رگرسیون • با دانستن مقادیر قبلی داده ،مقادیر آن را در آینده پیش بینی کنیم .مثال: پیش بینی فروش تابستان بر اساس فروش های قبلی – کشف روند زمانی • فرقش با رگرسیون :فقط مربوط به داده های زمانی .مثال :نرخ تصادفات در فصول در س هوش تجاری – داده کاوی :فصل 13کتاب نقشه ر0اه هوش تجاری -دانشکده مهندسی کامپیوتر و فناوری اطالعات دانشگاه صنعتی امیرکبیر -محمد رضا هراتی نیک ع مل یات اهی داده کاوی • مدل های پیش بینی و طبقه بندی – برای پیش بینی و جواب به یک سوال مشخص • مثال :تحلیلگر بانک برای جواب به این سوال که چه مشتریانی بانک را ترک می کنند ،یک مدل طبقه با دو مقدار خوب و بد طراحی می کند. – به دنبال وابستگی ها ،الگوها ،روندها و حقایقی برای تصمیم گیری • تحلیل ارتباط – ترکیب الگوریتم های محاسباتی و تکنیک های نمایشی برای ارائه ارتباطات میان موجودیت های دا?ده ای در پایگاه داده – تکینک های مورد استفاده :کشف وابستگی ،کشف روند زمانی – برای مثال :چه اجناسی با هم خریداری می شود. • قطعه بندی پایگاه داده – گروه بندی داده های همگون با یکدیگر با استفاده از خوشه بندی • به عنوان ورودی برای دیگر تکنیک های داده کاوی در س هوش تجاری – داده کاوی :فصل 13کتاب نقشه ر0اه هوش تجاری -دانشکده مهندسی کامپیوتر و فناوری اطالعات دانشگاه صنعتی امیرکبیر -محمد رضا هراتی نیک ع مل یات اهی داده کاوی • کشف انحراف – کشف داده هایی که خارج از روند معمول و مورد انتظار هستند. – کاربرد :کشف تقلب ،کشف کاهش ناگهانی فروش و یا تعداد مشتریان در س هوش تجاری – داده کاوی :فصل 13کتاب نقشه ر0اه هوش تجاری -دانشکده مهندسی کامپیوتر و فناوری اطالعات دانشگاه صنعتی امیرکبیر -محمد رضا هراتی نیک ربانهم اهی کارربدی داده کاوی • مدیریت بازار – – – – – فروش محصوالت جدید به مشتریان موجود • مانند تبلیغات و ارسال پست الکترونیک :کاهش هزینه های فروش کشف مشتریانی که در حال ترک سازمان ما هستند. • تحلیل آسیب پذیری و اتخاذ راهبرد های مناسب برای نگه دا?شتن این گونه مشتریان کشف گونه های مختلف طبیعی حوزه های بازار • قطعه بندی بازار برای ارتقا و پیشرفت در جهت شناخت و ارائه محصوالت جدید گروه بندی دورنمای بازار • طبقه بندی گروه های انتظار برای پیدا کردن راه حل های هدفمند سازی بازار تحلیل سبد محصول • کشف این که چه محصوالتی با هم خریداری می شوند. در س هوش تجاری – داده کاوی :فصل 13کتاب نقشه ر0اه هوش تجاری -دانشکده مهندسی کامپیوتر و فناوری اطالعات دانشگاه صنعتی امیرکبیر -محمد رضا هراتی نیک ربانهم اهی کارربدی داده کاوی • کشف تقلب – تقلبات کارت های اعتباری • بدست آوردن الگوهای نرمال ،سپس کشف داده های خارج از الگو – تقلبات کارت های تلفن • تعیین وضعیت های مشکوک کارت تلفن – تقلبات بیمه • تحلیل گسترده بر روی دعوای مطرح شده از سوی بیمه شده • مدیریت ریسک – ریسک اعتبار • اعتبار سنجی برای دادن وام به مشتری بر اساس مدل پیش بینی – کنترل کیفیت • پیدا کردن الگوی مشکالت کیفی خطوط تولید در جهت کاهش محصوالت مرجوعی در س هوش تجاری – داده کاوی :فصل 13کتاب نقشه ر0اه هوش تجاری -دانشکده مهندسی کامپیوتر و فناوری اطالعات دانشگاه صنعتی امیرکبیر -محمد رضا هراتی نیک ربانهم اهی کارربدی داده کاوی • سرویس های مالی – حفظ مشتری • حفظ مشتریان خوب برای بانک ها بسیار آسان تر از جذب مشتری جدید است. – بازدهی سهام • ارائه مدل های بازدهی سهام در جهت مدیریت بهینه دارایی ها • پخش – کنترل موجودی • ارتقای کنترل موجودی با ساخت مدل پیش بینی در نقاط مهم برای پخش محصوالت در س هوش تجاری – داده کاوی :فصل 13کتاب نقشه ر0اه هوش تجاری -دانشکده مهندسی کامپیوتر و فناوری اطالعات دانشگاه صنعتی امیرکبیر -محمد رضا هراتی نیک لی م فعا ت اه و گا های داده کاوی در س هوش تجاری – داده کاوی :فصل 13کتاب نقشه ر0اه هوش تجاری -دانشکده مهندسی کامپیوتر و فناوری اطالعات دانشگاه صنعتی امیرکبیر -محمد رضا هراتی نیک لی م فعا ت اه و گا های داده کاوی • خروجی فعالیت های داده کاوی – پایگاه داده مخصوص داده کاوی • این پایگاه داده بر اساس نیازهای تحلیلی فراهم شده است و داده های آن از DB,DWتهیه می شود. – مدل های تحلیل داده • مدل های تحلیلی بدست آمده و تست شده می تواند توسط الگوریتم هایی در ابزار داده کاوی موجود اند ،مورد استفاده قرار بگیرند. • افراد درگیر در فعالیت های داده کاوی – – – – نماینده کسب و کار :افرادی که از خروجی های داده کاوی منفعت می برند متخصص داد کاوی مدیر پایگاه داده متخصص حوزه فعالیت کسب و کار در س هوش تجاری – داده کاوی :فصل 13کتاب نقشه ر0اه هوش تجاری -دانشکده مهندسی کامپیوتر و فناوری اطالعات دانشگاه صنعتی امیرکبیر -محمد رضا هراتی نیک ن ریسک عدم ا جام داده کاوی • عدم توجه ب?ه داده های?ی ک?ه مناب?ع ذخیره شده ان?د ،س?بب اتالف مناب?ع و نگه داری آنان می شود. • عدم کش?ف دان?ش های?ی در مورد رفتار ،الگوه?ا و ...در ارتباط با بازار، مشتریان و فعالین حوزه کسب و کار • رقبا – اگر رقبا بستر داده کاوی را فراهم آورند و بتوانند به موارد زیر دست پیدا کنند: • کاهش در هزینه • افزایش منفعت و سود چه می شود؟ • اتخاذ تصمیمات خالقانه • افزایش سهم بازار از دست دادن مشتریان و شکست کسب و کار در س هوش تجاری – داده کاوی :فصل 13کتاب نقشه ر0اه هوش تجاری -دانشکده مهندسی کامپیوتر و فناوری اطالعات دانشگاه صنعتی امیرکبیر -محمد رضا هراتی نیک با تشکر ؟ در س هوش تجاری – داده کاوی :فصل 13کتاب نقشه ر0اه هوش تجاری -دانشکده مهندسی کامپیوتر و فناوری اطالعات دانشگاه صنعتی امیرکبیر -محمد رضا هراتی نیک