داده کاوی فصل 13 کتاب نقشه راه هوش تجاری

2. دانشگاه صنعتی امیرکبیر داده کاویفصل 13 کتاب نقشه راه هوش تجاری ارائه دهنده: محمد رضا هراتی نیک 88131081 استاد درس: جناب آقای دکتر احمد عبدالله زاده دانشکده مهندسی کامپیوتر و فناوری اطلاعات

3. فهرست • معرفی داده کاوی از ابعاد • جایگاه • موارد قابل ملاحظه • 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 13 کتاب نقشه راه هوش تجاری - دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر - محمد رضا هراتی نیک

4. جایگاه داده کاوی در مراحل 16 گانه راه اندازی هوش تجاری گام 13: داده کاوی در س هوش تجاری – داده کاوی: فصل 13 کتاب نقشه راه هوش تجاری - دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر - محمد رضا هراتی نیک

5. موارد قابل ملاحظه در ارتباط با داده کاوی • سوالات مرتبط با بازار • آیا یک طبقه بندی کلی بر روی مشتریان وجود دارد؟ • آیا زیر مجموعه هایی از مشتریان با الگوهای رفتاری مشابه پیدا می شود؟پیام های هدفمند می تواند مورد استفاده قرار بگیرد؟ • آیا شناخت مناسبی از گروه بهترین مشتریانمان داریم؟ آیا الگویی وجود دارد که بتوان با آن ارزیابی نمود که به چه میزان این گروه محصول جدید ما را خریداری می نمایند؟ • آیا می دانیم چگونه می بایست مشتریانمان را نگه داریم؟ آیا تخمینی از مشتریانی که در آینده نزدیک ما را ترک می نمایند، داریم؟ • چه مشتریانی تمایل بیشتری به خرید محصولات 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 13 کتاب نقشه راه هوش تجاری - دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر - محمد رضا هراتی نیک

6. موارد قابل ملاحظه در 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 13 کتاب نقشه راه هوش تجاری - دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر - محمد رضا هراتی نیک

7. 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 خلاقانه در ارتباط با محصولات ارائه دهند • سهم خود را در بازار افزایش دهند در س هوش تجاری – داده کاوی: فصل 13 کتاب نقشه راه هوش تجاری - دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر - محمد رضا هراتی نیک

8. تعریف 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 اطلاعات و دانش نهفته در میان مقدار زیادی داده نمایش الگوها وارتباطات نهفته بین داده های سازمان در س هوش تجاری – داده کاوی: فصل 13 کتاب نقشه راه هوش تجاری - دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر - محمد رضا هراتی نیک

9. تفاوت داده کاوی با تحلیل های آماری • تفاوت داده کاوی با تحلیل های سنتی آماری، یکی از موضوعات مهم برای شروع داده کاوی می باشد: در س هوش تجاری – داده کاوی: فصل 13 کتاب نقشه راه هوش تجاری - دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر - محمد رضا هراتی نیک

10. مقایسه روش های سنتی آماری با داده کاوی –مثال 1 • موضوع کشف الگوهای تقلب در شرکت بیمه • تکنیک های تحلیلی گذشته • تعریف الگوهای رفتاری متقلبانه بر اساس دانشو اطلاعات 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 13 کتاب نقشه راه هوش تجاری - دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر - محمد رضا هراتی نیک

11. مقایسه روش های سنتی آماری با داده کاوی –مثال 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 بالا 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 13 کتاب نقشه راه هوش تجاری - دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر - محمد رضا هراتی نیک

12. اهمیت داده کاوی • داده کاوی در پاسخ سوالاتی کمک می کند که تصمیم گیرندگان 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 های قدیمی امکان حل آنها وجود ندارد. • در نتیجه یکی از مولفه های حیاتی در هوش تجاری: داده کاوی داده کاوی در س هوش تجاری – داده کاوی: فصل 13 کتاب نقشه راه هوش تجاری - دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر - محمد رضا هراتی نیک

13. منابع داده ای برای داده کاوی • داده هایی که در داده کاوی مورد استفاده قرار می گیرند: DB DW داده های ارزشمند و تجمیع شده داخلی داده های خارجی مانند قوانین و مسائل جمعیتی -جغرافیایی DM در س هوش تجاری – داده کاوی: فصل 13 کتاب نقشه راه هوش تجاری - دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر - محمد رضا هراتی نیک

14. لزوم ایجاد پایگاه داده داده کاوی چرا به طور مستقیم از DB و DW برای 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 اطلاعات جزئی تاریخی که در نوارهای آرشیو موجود است. • نیاز به ترکیب اطلاعات موجود در پایگاه داده و پایگاه داده تحلیلی می باشد. مانند الگوی رفتاری مشتری • در نیتجه ETL DM در س هوش تجاری – داده کاوی: فصل 13 کتاب نقشه راه هوش تجاری - دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر - محمد رضا هراتی نیک

15. تکنیک های 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 13 کتاب نقشه راه هوش تجاری - دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر - محمد رضا هراتی نیک

16. تکنیک های داده کاوی - ادامه • 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 13 کتاب نقشه راه هوش تجاری - دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر - محمد رضا هراتی نیک

17. عملیات های 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 داده 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 13 کتاب نقشه راه هوش تجاری - دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر - محمد رضا هراتی نیک

18. عملیات های 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 13 کتاب نقشه راه هوش تجاری - دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر - محمد رضا هراتی نیک

19. برنامه های کاربردی داده کاوی • مدیریت بازار • فروش محصولات 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 داشتن این گونه مشتریان • کشف گونه های مختلف طبیعی حوزه های بازار • قطعه بندی بازار برای ارتقا و پیشرفت در جهت شناخت و ارائه محصولات 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 محصولاتی با هم خریداری می شوند. در س هوش تجاری – داده کاوی: فصل 13 کتاب نقشه راه هوش تجاری - دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر - محمد رضا هراتی نیک

20. برنامه های کاربردی 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 مشکلات کیفی خطوط تولید در جهت کاهش محصولات مرجوعی در س هوش تجاری – داده کاوی: فصل 13 کتاب نقشه راه هوش تجاری - دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر - محمد رضا هراتی نیک

21. برنامه های کاربردی 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 محصولات در س هوش تجاری – داده کاوی: فصل 13 کتاب نقشه راه هوش تجاری - دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر - محمد رضا هراتی نیک

22. فعالیت ها و گامهای داده کاوی در س هوش تجاری – داده کاوی: فصل 13 کتاب نقشه راه هوش تجاری - دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر - محمد رضا هراتی نیک

23. فعالیت ها و گامهای 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,DW تهیه 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 13 کتاب نقشه راه هوش تجاری - دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر - محمد رضا هراتی نیک

24. ریسک عدم انجام داده کاوی • عدم توجه به داده هایی که منابع ذخیره شده اند، سبب اتلاف منابع و نگه داری آنان می شود. • عدم کشف دانش هایی در مورد رفتار، الگوها 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 • اتخاذ تصمیمات خلاقانه • افزایش سهم بازار چه می شود؟ از دست دادن مشتریان و شکست کسب و کار در س هوش تجاری – داده کاوی: فصل 13 کتاب نقشه راه هوش تجاری - دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر - محمد رضا هراتی نیک

25. با تشکر ؟ در س هوش تجاری – داده کاوی: فصل 13 کتاب نقشه راه هوش تجاری - دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر - محمد رضا هراتی نیک