November 14, 2018

Data Mining é o processo automatizado de classificação de grandes conjuntos de dados para identificar tendências e padrões e estabelecer relações   As organizações hoje estão reunindo volumes cada vez maiores de informações de todos os tipos de fontes, incluindo sites, aplicativos corporativos, mídias sociais, dispositivos móveis e, cada vez mais, a Internet das coisas (IoT). A grande questão é: como você pode derivar o valor comercial real dessas informações? É aí que a mineração de dados pode contribuir de maneira significativa. Mas o que é data mining? A mineração de dados é o processo automatizado de classificação de grandes conjuntos de dados para identificar tendências e padrões e estabelecer relacionamentos, para resolver problemas de negócios ou gerar novas oportunidades por meio da análise dos dados Não é apenas uma questão de analisar os dados para ver o que aconteceu no passado para poder agir de forma inteligente no presente. As ferramentas e técnicas de mineração de dados permitem prever o que vai acontecer no futuro e agir de acordo para aproveitar as tendências futuras. O termo “mineração de dados” é usado de forma bastante ampla no setor de TI. Geralmente, aplica-se a uma variedade de atividades de processamento de dados em grande escala, como coleta, extração, armazenamento e análise de dados. Ele também pode abranger aplicativos e tecnologias de apoio à decisão, como inteligência artificial , aprendizado de máquina e business intelligence. Onde podemos aplicar Data Mining? A mineração de dados é usada em muitas áreas de negócios e pesquisa, incluindo desenvolvimento de produtos, vendas e marketing, genética e cibernética – para citar alguns. Se for usado da maneira correta, a mineração de dados combinada com a análise preditiva pode dar uma grande vantagem sobre os concorrentes que não estão usando essas ferramentas. Derivando o valor comercial da mineração de dados O valor real da mineração de dados vem da descoberta de gemas ocultas na forma de padrões e relacionamentos nos dados, que podem ser usados ​​para fazer previsões que podem ter um impacto significativo nos negócios. Por exemplo, se uma empresa determina que uma determinada campanha de marketing resultou em vendas extremamente altas de um modelo específico de um produto em certas partes do país, mas não em outras, ele pode reorientar a campanha no futuro para obter o máximo retorno. Os benefícios da tecnologia podem variar dependendo do tipo de negócio e seus objetivos. Por exemplo, os gerentes de vendas e marketing no varejo podem coletar informações de clientes de maneiras diferentes para melhorar as taxas de conversão do que as da indústria de serviços financeiros ou de companhias aéreas. Independentemente do setor, a mineração de dados aplicada aos padrões de vendas e ao comportamento do cliente no passado pode ser usada para criar modelos que prevejam vendas e comportamento futuros. Há também o potencial de mineração de dados para ajudar a eliminar atividades que podem prejudicar as empresas. Por exemplo, você pode usar a mineração de dados para aprimorar a segurança do produto ou detectar atividades fraudulentas em transações de serviços financeiros e de seguros. As aplicações da mineração de dados A mineração de dados pode ser aplicada a uma variedade de aplicativos em praticamente todos os setores. Os varejistas podem implementar a mineração de dados para identificar melhor quais produtos as pessoas provavelmente comprarão com base em seus hábitos de compra anteriores ou quais produtos provavelmente venderão em determinadas épocas do ano. Isso pode ajudar os comerciantes a planejar inventários e armazenar layouts. Os bancos e outros provedores de serviços financeiros podem extrair dados relacionados às contas, transações e preferências de canal de seus clientes para melhor atender às suas necessidades. Eles também podem coletar dados analisados ​​a partir de seus sites e interações de mídia social para ajudar a aumentar a fidelidade dos clientes existentes e atrair novos. As empresas de manufatura podem usar a mineração de dados para procurar padrões no processo de produção, para que possam identificar precisamente os gargalos e os métodos defeituosos e encontrar maneiras de aumentar a eficiência. Eles também podem aplicar o conhecimento da mineração de dados ao design de produtos e fazer ajustes com base no feedback das experiências do cliente. As instituições de ensino podem se beneficiar da mineração de dados, como a análise de conjuntos de dados para prever os futuros comportamentos de aprendizagem e o desempenho dos alunos, e depois usar esse conhecimento para melhorar os métodos de ensino ou os currículos. Os prestadores de cuidados de saúde podem extrair e analisar dados para determinar as melhores formas de prestar cuidados aos pacientes e reduzir custos. Com a ajuda da mineração de dados, eles podem prever quantos pacientes precisarão cuidar e que tipo de serviços esses pacientes precisarão. Nas ciências da vida, a mineração pode ser usada para coletar insights de dados biológicos massivos, para ajudar a desenvolver novos medicamentos e outros tratamentos. Em vários setores , incluindo assistência médica e varejo, você pode usar a mineração de dados para detectar fraudes e outros abusos – muito mais rapidamente do que com os métodos tradicionais para identificar essas atividades. Os principais componentes da mineração de dados O processo de mineração de dados inclui vários componentes distintos que atendem a diferentes necessidades: Pré-processando. Antes de poder aplicar algoritmos de mineração de dados, você precisa criar um conjunto de dados de destino. Uma fonte comum de dados é um data mart ou warehouse. Você precisa executar o pré-processamento para poder analisar os conjuntos de dados. Limpeza e preparação de dados. O conjunto de dados de destino deve ser limpo e preparado para remover “ruído”, endereçar valores ausentes, filtrar pontos de dados (para detecção de anomalias) para remover erros ou explorar mais, criar regras de segmentação e executar outras funções relacionadas à preparação de dados. . Aprendizagem de regras de associação (também conhecida como análise de cesta de mercado ). Essas ferramentas buscam relacionamentos entre variáveis ​​em um conjunto de dados, como determinar quais produtos em uma loja são frequentemente comprados juntos. Clustering Esse recurso de mineração de dados é usado para descobrir grupos e estruturas em conjuntos de dados que são, de alguma forma, semelhantes entre si, sem usar estruturas conhecidas nos dados. Classificação. As ferramentas que executam a classificação