O que é data mining ?

O que é data mining ?

Um processo utilizado pelas empresas para transformar dados brutos em informações úteis.

Ao usar o software para procurar padrões em grandes quantidades de dados, as empresas podem aprender mais sobre seus clientes e desenvolver estratégias de marketing mais eficazes, bem como aumentar as vendas e diminuir os custos. A mineração de dados depende de coleta de dados eficaz e armazenagem, bem como de processamento do computador.

O que pode Data Mining Fazer?

Mineração de dados ajuda os analistas a reconhecer significativos fatos, relacionamentos, tendências, padrões, exceções e anomalias que poderiam passar despercebidos.

Para as empresas, a mineração de dados é usada para descobrir padrões e relações nos dados, a fim de ajudar a tomar melhores decisões de negócios. A mineração de dados pode ajudar as tendências de vendas no local, desenvolver campanhas de marketing mais inteligentes, e prever com precisão a lealdade do cliente. Usos específicos de mineração de dados incluem:..

A segmentação de mercado - Identificar as características comuns dos clientes que compram os mesmos produtos de sua empresa.

A rotatividade de clientes - Prever que os clientes estão propensos a deixar sua empresa e ir para um concorrente.

Detecção de fraudes - Identificar quais as transações é mais susceptível de ser fraudulento.

Marketing direto - Identificar quais as perspectivas deve ser incluído em uma lista de discussão para obter a mais alta taxa de resposta.

Marketing interativo - Prever o que cada indivíduo acessando um site é mais provável interessado em ver.

Análise de cesta de mercado - Entenda o que produtos ou serviços são comumente comprados juntos; por exemplo, cerveja e fraldas.

Análise de tendências - Revelar a diferença entre um cliente típico deste mês e durar.

Como funciona a Mineração de Dados?

Como é a mineração de dados capaz de dizer coisas importantes que você não sabia ou o que vai acontecer a seguir? Esta técnica que é usada para executar esses feitos é chamada de modelagem.

A modelagem é simplesmente o ato de construir um modelo (um conjunto de exemplos ou uma relação matemática) com base em dados de situações em que a resposta é conhecida e, em seguida, aplicar o modelo para outras situações em que as respostas não são conhecidas.

Como um exemplo simples de construir um modelo, considere o diretor de marketing para uma empresa de telecomunicações. Ele gostaria de concentrar seu marketing e esforços de vendas em segmentos da população com maior probabilidade de se tornar grandes usuários de serviços de longa distância. Ele sabe muito sobre seus clientes, mas é impossível discernir as características comuns de seus melhores clientes, porque há tantas variáveis. De sua base de dados existente de clientes, que contém informações como idade, sexo, histórico de crédito, renda, CEP, ocupação, etc., ele pode usar ferramentas de mineração de dados, tais como redes neurais, para identificar as características dos clientes que fazem lotes de chamadas de longa distância. Por exemplo, ele pode aprender que seus melhores clientes são mulheres solteiras com idade entre 34 e 42 que fazem mais de US $ 60.000 por ano. Este, então, é seu modelo para clientes de alto valor, e ele faria orçamento seus esforços de marketing para conformidade.

Algumas das ferramentas usadas para mineração de dados são:

Redes neurais artificiais - modelos preditivos não lineares que aprendem através de treinamento e se assemelham redes neurais biológicas na estrutura.

As árvores de decisão - estruturas em forma de árvore, que representam conjuntos de decisões. Estas decisões geram regras para a classificação de um conjunto de dados.

Indução de regras - A extração de regras úteis se então dos dados baseados em significância estatística.

Algoritmos genéticos - técnicas de otimização baseadas nos conceitos de combinação genética, mutação e seleção natural.

Vizinho mais próximo - uma técnica de classificação que classifica cada registro com base nos registros mais semelhantes a ele em um banco de dados histórico.

Exemplos do Mundo Real

Associações à procura de padrões em que um evento é conectado a um outro evento. O exemplo a cerveja-fralda é um exemplo de mineração associativa. Um exemplo clássico da aplicação dessa tarefa é na área de Marketing. Em particular, uma história que já virou folclore na área de Data Mining é o das cervejas e fraldas: durante um processo de Descoberta de Associações em sua base de dados, uma grande rede de mercados norte-americana descobriu que um número razoável de compradores de fralda também comprava cerveja na véspera de finais de semana. Por meio de uma análise das transações de compra, os analistas de dados puderam perceber que os compradores eram homens que, ao comprarem fraldas para seus filhos, compravam também cerveja para consumo enquanto cuidavam das crianças e assistiam aos jogos na televisão durante o final de semana. Este exemplo ilustra a

associação entre fraldas e cervejas. De acordo com a história, essa empresa utilizou o novo conhecimento para aproximar as gôndolas de fraldas e cervejas na rede de mercados, incrementando assim a venda conjunta dos dois produtos.

● Agrupamento (Clusterização): encontrar