資料探勘在商業領域的應用是什麼?
資料探勘,也稱為資料知識發現,是一種識別數百萬資料(特別是結構化資料)之間任何異常、相關性、趨勢或模式的技術,以獲取對商業決策有用的見解,而這些見解在傳統分析中可能被忽略。資料探勘的目的是利用複雜的數值演算法找出以前被忽略或未知的事實或資料。
資料探勘類似於資料科學。它由一個人在特定情況下,對特定資料集進行,並具有特定目標。此階段包含多種型別的服務,包括文字挖掘、網路挖掘、音訊和影片挖掘、影像資料探勘和社交媒體挖掘。它是透過簡單或高度專業的軟體完成的。
透過外包資料探勘,所有工作都可以更快地完成,並且運營成本更低。特定公司還可以使用新技術來儲存手動查詢不可能找到的資料。多個平臺上存在大量資料,但可訪問的知識非常有限。
主要挑戰在於分析資料以提取可用於解決問題或促進公司發展的重要資料。有許多動態工具和技術可用於挖掘資料並從中獲得更好的判斷。
資料探勘在私營和公共部門中用於多種目的。包括銀行、保險、醫療和零售在內的行業通常使用資料探勘來降低成本、增強研究和增加銷售額。
保險和銀行行業使用資料探勘應用程式來發現欺詐行為並協助風險評估,例如信用評分。
公司可以透過多年來收集的資料庫建立模型,來預測使用者是否是良好的信用風險,或者事故索賠是否是欺詐性的,需要更仔細地調查。
醫學界使用資料探勘來預測某種手術或藥物的有效性。
製藥公司使用對化合物和遺傳物質的資料探勘來幫助研究治療疾病的新療法。
零售商可以使用透過關聯計劃(例如,購物者俱樂部卡、常旅客積分、競賽)收集的資料來評估產品選擇和擺放決策、優惠券優惠以及哪些產品經常一起購買的有效性。
電信服務提供商和音樂俱樂部可以使用資料探勘來生成“流失分析”,以評估哪些使用者可能會繼續作為訂戶,哪些使用者可能會轉向競爭對手。
在公共部門,資料探勘應用程式最初用作檢測欺詐和浪費的手段,但它們也已發展到用於包括衡量和增強程式績效在內的目的。
資料結構
網路
關係型資料庫管理系統 (RDBMS)
作業系統
Java
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP