Информация как бесценный актив
В неоклассических экономических моделях изобилует предположение, позволяющее создавать условия для объяснения поведения агентов на рынке. Однако это предположение редко встречается в реальных ситуациях: это предположение является точной информацией.
В идеальном мире все агенты, которые конкурируют на рынке, прекрасно знают предпочтения своих потребителей и решения своих конкурентов. Кроме того, потребители прекрасно осведомлены обо всех событиях, происходящих на рынке, и принимают решения на основе этой точной информации.
Совершенная информация относится к ситуации, в которой все агенты полностью осведомлены обо всех событиях, произошедших на рынке. Однако получить точную информацию невозможно, потому что рынки находятся в постоянном и неудержимом преобразовании.
Компаниям необходимо разработать методологии, которые позволят им определять тенденции и предпочтения потенциальных потребителей, а также анализировать потенциальные движения своих конкурентов. Знание всех этих переменных бесценно для рассматриваемой компании, потому что выживание и рост компании связаны с принимаемыми решениями.
Однако рыночная информация, как правило, максимально статична. Из-за социальных тенденций, политических движений, религиозных убеждений и идеологических тенденций потребители постоянно адаптируют свои идеи и предпочтения. Следовательно, знание рыночных предпочтений в определенное время не является гарантией того, что эта информация останется актуальной в долгосрочной перспективе.
Компаниям необходимо разработать инструменты, которые позволят им получать и анализировать большие объемы информации для выявления тенденций, которые позволят им сделать наилучший выбор. В мире, где существуют миллионы различных предпочтений, компании должны выбрать вариант, который позволит им удовлетворить как можно больше клиентов.
Наличие верной информации позволяет людям принимать соответствующие решения для каждой ситуации. В сценарии, где недостаточно информации, очевидно, что тенденция имеет тенденцию к неудаче или удаче. Поскольку информация важна для принятия решений, ее ценность неизмерима.
В реальном мире идеальной информации не существует. Информация требует затрат, и компании должны включать в свои расходы расходы, понесенные для получения соответствующей информации. Организация, которая эффективно получает информацию, - это организация с безграничным потенциалом.
Как компании могут получить информацию о рыночных тенденциях? С развитием технологий пользователи становятся все ближе к компаниям. Несколько лет назад компании получали свои данные посредством опросов потребителей, которые они проводили сами. Однако с появлением Интернета как средства массовой коммуникации люди могут выражать свои предпочтения через социальные сети, в которых используются способы определения предпочтений.
Компании могут получать рыночную информацию различными способами, которые в зависимости от их методологии и размера выбранной выборки имеют разную степень достоверности. Однако этот анализ обычно приводит к большой необработанной базе данных, из которой нельзя получить тенденцию невооруженным глазом.
Для анализа базы данных, содержащей миллионы качественных и количественных данных, необходимо использовать методологии, которые позволяют нам определять наиболее важные части информации, тенденции и возможности. Есть аналогия между анализом базы данных и майнингом. При добыче полезных ископаемых используется большое количество ресурсов, однако они требуют особого планирования.
Горнодобывающая компания не тратит миллионы долларов на раскопки без предварительного проведения специального анализа подземного содержимого. Компания не заходит на территорию случайным образом и не запускает шахту. Точно так же у аналитика данных есть определенные методики, которые позволяют избежать анализа, на который он тратит дополнительные ресурсы.
Интеллектуальный анализ данных - это процесс, в котором задействованы различные науки и дисциплины, от психологии до статистики, вычислений, математики и даже с использованием прикладных технологий в искусственном интеллекте. Интеллектуальный анализ данных направлен на выявление тенденций, которые позволяют аналитикам принимать правильные решения.
Использование интеллектуального анализа данных соответствует не только анализу рынка, этот инструмент можно использовать в любом расследовании, требующем анализа больших объемов информации. Однако в этом кратком эссе использование инструмента будет проанализировано в контексте рынков и организаций.
Что такое интеллектуальный анализ данных?
Принимая во внимание аналогию, в которой упоминаются несколько абзацев, можно составить расплывчатое представление о том, что такое интеллектуальный анализ данных. Согласно Валлехосу (2006, стр. 11), который цитирует Файяда и др. (1996), он определяет, что интеллектуальный анализ данных - это «нетривиальный процесс проверки достоверности идентификации, новый, потенциально полезный и понятный из найденных понятных закономерностей. скрыто в данных ".
Это техническое определение предлагает определенные фундаментальные концепции для понимания использования инструмента. Валлехос (2006) также цитирует Молина и другие (2001), чтобы объяснить концепцию с точки зрения бизнеса, определяя концепцию как: «Интеграция набора областей, цель которой - идентифицировать набор областей из базы данных, обеспечивающие предвзятость при принятии решений ".
Целью интеллектуального анализа данных является анализ доступной информации, направленный на поиск закономерностей, определяющих последовательность действий организаций. Интеллектуальный анализ данных - это один из этапов гораздо более крупного процесса, известного как извлечение знаний из баз данных.
Дисциплины, которые включают анализ баз данных, включают статистику, искусственный интеллект, компьютерную графику и огромную вычислительную мощность. Было бы невозможно придумать адекватную методологию анализа данных без вычислительных мощностей, способных обрабатывать и вычислять миллионы результатов в минуту.
Однако, согласно Валлехосу (2006), идея интеллектуального анализа данных - это не концепция, которая возникла в результате зарождения современных вычислений. Чтобы объяснить концепции интеллектуального анализа данных, необходимо понять концепцию «обнаружения знаний в базах данных ». Эта концепция является фундаментальным элементом, позволяющим проводить правильный анализ данных на основе правильных методологий.
Открытие знаний в базах данных
С развитием вычислительной техники в 20 веке стоимость хранения информации значительно снизилась в дополнение к сокращению затрат на обработку самой информации. С уменьшением затрат анализ самой информации был преобразован, и теперь стало возможным проводить детальные исследования с меньшими затратами.
Однако бесполезно иметь большой объем данных, если вы не можете проанализировать скрытую информацию, которую образуют шаблоны в необработанной информации. Настоящая ценность данных заключается в информации, которую можно извлечь из них. Успешный бизнес основан на правильном исследовании закономерностей и принятии решений, основанных на ожидании и подготовке.
Согласно Валлехосу (2006), способность производить и анализировать мировую информацию выросла настолько, что удваивается каждые 20 месяцев. Организации выполняют последовательности SQLчтобы получить основную информацию. Однако для определения наиболее важных тенденций в данных требуются более совершенные методы.
CBD согласно Валлехосу (2006) направлен на автоматическую обработку больших объемов данных, чтобы найти в них полезные знания. Таким образом, пользователь может использовать информацию для своего удобства. Знания имеют особую иерархию, которую необходимо анализировать от общего к частному.
Методы, основанные на интеллектуальном анализе данных
Основы интеллектуального анализа данных являются результатом длительного исследовательского процесса. Разработка методов началась, когда информация была сохранена в компьютерном оборудовании. Интеллектуальный анализ данных зависит от 3 технологий:
- Сбор массивных данных Мощные микропроцессорные компьютеры Алгоритмы интеллектуального анализа данных
Валлехос (2006) отмечает, что коммерческие базы данных растут беспрецедентными темпами. Алгоритмы интеллектуального анализа данных находят способ сознательно преодолеть классические статистические методы.
Основные характеристики и цели интеллектуального анализа данных следующие: (Vallejos, 2006)
- Исследуйте данные глубоко в базах данных, хранящихся в хранилищах данных. Данные могут быть получены из источников в Интернете или интрасети. Среда интеллектуального анализа данных поддерживает архитектуру клиент-сервер. Инструменты позволяют извлекать руду из информации, хранящейся в открытых архивах. Майнер - это конечный пользователь, наделенный полномочиями по бурению данных. Копание в данных позволяет получать неожиданные результаты. Инструменты интеллектуального анализа данных легко комбинируются и соответствующим образом анализируются. производит 5 типов информации o ассоциации o последовательности o классификации o группировки или прогнозы
Интеллектуальный анализ данных сохраняет научный метод, потому что он формулирует гипотезу, в которой эксперимент предназначен для сбора данных. С помощью этой системы вы можете получить новые знания. Интеллектуальный анализ данных представляет собой исследовательский, а не подтверждающий подход.
Объем интеллектуального анализа данных
В последние годы технология интеллектуального анализа данных претерпела множество изменений. Современные технологии открывают новые возможности для бизнеса, предоставляя новые возможности. Однако затраты на интеллектуальный анализ данных имеют тенденцию увеличиваться с увеличением степени специализации. Согласно Vallejos (2006), объемы следующие:
- Автоматизированное прогнозирование тенденций и поведения:
Data Mining позволяет автоматизировать процесс поиска предсказуемой информации в больших базах данных. Вопросы обычно требуют ручного анализа, однако теперь на них можно ответить напрямую.
Примером такого анализа является систематический маркетинг, направленный на достижение целей. Интеллектуальный анализ данных использует аналитику результатов для нацеливания новых маркетинговых кампаний. С помощью этой техники мы можем определить поведение определенных слоев населения и повторить их поведение.
- Автоматическое обнаружение ранее известных моделей:
Инструменты интеллектуального анализа данных позволяют идентифицировать ранее известные модели за один шаг. Этот метод также может определять мошеннические транзакции в банковских системах и обнаруживать отклонения от нормы.
- Автоматический массовый анализ:
Когда методы автоматизации реализованы в системах параллельной обработки, можно анализировать базы данных за считанные минуты. Пользователи могут выполнять автоматический анализ за все более сложные минуты. Эта высокая скорость позволяет делать более точные прогнозы.
Как решить проблему с интеллектуальным анализом данных?
Определив, что интеллектуальный анализ данных - это процесс, с помощью которого можно обнаруживать информацию в больших наборах данных, мы можем приблизиться к методологии, используемой инструментом. Мы должны знать, что фундаментальный прогресс в добыче полезных ископаемых заключается в анализе сложных взаимосвязей, которые не видны с помощью традиционных методов.
SQL-сервер Microsoft (Microsoft, 2014) предлагает нам методологию, которую легко понять новичкам в области анализа данных. Как мы упоминали ранее, последовательности SQL очень полезны, когда дело доходит до выполнения простого анализа, но для получения всей информации требуются более сложные методы. В этом случае мы проанализируем методологию SQL во вводной части.
Для выполнения модели интеллектуального анализа данных необходимо определить следующие моменты (Microsoft, 2014):
- Определите проблему Подготовьте данные Изучите данные Создайте модели Изучите и проверьте модели Разверните и обновите модели
Однако этот процесс не односторонний, а цикличный. После внедрения модели необходимо повторить процесс еще раз, чтобы подтвердить возможность разработки новых моделей. Интеллектуальный анализ данных, который позволяет выполнять SQL, имеет тенденцию улучшаться.
Определение проблемы:
Первым шагом в процессе интеллектуального анализа данных, как показано на диаграмме ниже, является четкое определение проблемы и рассмотрение способов использования данных для решения проблемы. (Microsoft, 2014 г.)
Подготовка данных:
Очистка данных включает не только удаление недопустимых данных или интерполяцию отсутствующих значений, но также поиск скрытых корреляций в данных, определение наиболее точных источников данных и определение столбцов, которые лучше всего подходят для анализа. (Microsoft, 2014 г.)
Изучение данных:
Изучая данные для понимания бизнес-проблемы, вы можете решить, содержит ли набор данных ошибочные данные, а затем вы можете изобрести стратегию для исправления проблем или получить более глубокое описание поведения, типичного для вашего бизнеса. (Microsoft, 2014) Создание модели:
Перед обработкой структуры и модели модель интеллектуального анализа данных представляет собой просто контейнер, в котором указываются столбцы, которые используются для ввода, атрибут, который он прогнозирует, и параметры, которые сообщают алгоритму, как обрабатывать данные. (Microsoft, 2014 г.)
Использование и проверка модели:
Набор обучающих данных используется для построения модели, а тестовый набор данных используется для проверки точности модели путем создания прогнозных запросов. (Microsoft, 2014 г.)
Реализация и обновление модели:
После того, как модели интеллектуального анализа данных окажутся в производственной среде, вы сможете выполнять различные задачи в зависимости от ваших потребностей, такие как использование моделей прогнозирования, создание статистических запросов или создание отчетов. (Microsoft, 2014 г.)
Будущее аналитики данных
С развитием социальных сетей люди с достаточной покупательной способностью для доступа в Интернет стали безграничным и бесценным источником информации. В настоящее время пользователи сами передают свои вкусы и потребительские привычки через Интернет, что упрощает получение данных.
Благодаря такому виду контроля в информационных системах компании имеют возможность знать потребительские привычки каждого человека и создавать рекламу в соответствии с тем, что демонстрируется в информации, предоставляемой пользователем.
В настоящее время интернет-реклама строится в основном на индивидуальном изучении предпочтений отдельных лиц. Важно, чтобы развитие интеллектуального анализа данных позволяло создавать системы, которые не только выявляют тенденции, но и определяют индивидуальное поведение.
Дипломная работа:
Предлагается тема: «Интеллектуальный анализ данных: использование инструмента для маркетинга, ориентированного на отдельного потребителя» для разработки инструментов интеллектуального анализа данных, которые позволяют управлять информацией, доступной через социальные сети, и фокусировать их на целевых рекламных целях.
Цели диссертации:
- Разработка интеллектуального анализа данных Разработка методов маркетинга Техническое применение анализа данных
Библиография
Microsoft. (2014). SQL server 2014. Получено с
Советы и подсказки. (2012). Основные операторы в SQL. Получено с
Валлехос, С. (2006). Национальный университет Северо-Востока. Получено в результате интеллектуального анализа данных:
exa.unne.edu.ar/informatica/SO/Mineria_Datos_Vallejos.pdf
Операторы SQL - это декларативный язык для доступа к базам данных, который позволяет вам определять различные типы операций. Эти предложения позволяют обращаться с алгеброй и реляционным исчислением для извлечения информации. Источник: (Tips And Tips, 2012).
Скачать оригинальный файл
