Dettagli

Visite: 367

Come interveniamo 

Il contesto

In generale, il data mining è il processo di analisi dei dati secondo diverse prospettive che riassume utili informazioni che possono essere utilizzate per aumentare le entrate e ridurre i costi. Il software di data mining è formato da una serie di strumenti analitici per l'analisi dei dati. Esso consente agli utenti di analizzare dati provenienti da diversi database, classificarli e sintetizzarli. Tecnicamente, il data mining è il processo di ricerca di correlazioni e modelli fra decine di campi in grandi basi di dati relazionali. 

Il data mining è principalmente usato oggi dalle aziende con una forte attenzione verso il consumatore - vendita al dettaglio, finanza, comunicazione e marketing. Il data mining consente alle aziende di determinare le relazioni tra fattori interni, come la capacità di prezzo, il posizionamento del prodotto o il personale, e fattori esterni, come gli indicatori economici, la concorrenza e la demografia dei clienti. Il data mining permette inoltre di determinare l'impatto sulle vendite, la customer satisfaction e i profitti aziendali, di ottenere informazioni di riepilogo sui dati di dettaglio transazionali.
 

Il data mining è composto da cinque elementi principali:

• estrarre, trasformare e caricare i dati delle transazioni sul sistema di data warehouse
• memorizzare e gestire i dati in un sistema di database multidimensionale
• fornire accesso ai dati per analisti aziendali e professionisti dell'Information Technology
• analizzare i dati dal software applicativo
• presentare i dati in un formato utile.

Sono disponibili diversi livelli di analisi:

• Reti neurali artificiali : modelli di previsione non lineare
• Gli algoritmi genetici : tecniche di ottimizzazione che utilizzano processi come combinazione genetica, la mutazione e la selezione naturale in un design basato sui concetti di evoluzione naturale
• Alberi di decisione: albero a forma di strutture che rappresenta una serie di decisioni. Queste decisioni generano regole per la classificazione di un dataset. Specifici metodi di classificazione tramite alberi decisionali comprendono la regressione (CART) e il Chi Quadrato Automatic Interaction Detection (CHAID). CART e CHAID sono tecniche decisionali ad albero utilizzati per la classificazione di un dataset. Essi forniscono un insieme di regole che è possibile applicare a un nuovo set di dati per prevedere gli esiti.
• Regola di induzione : l'estrazione di utili regole what-then a partire dai dati sulla base della loro significatività statistica
• Visualizzazione dei dati : l'interpretazione visiva di relazioni complesse in dati multidimensionali.