عوامل و تغییرات سریع در محیط عملیات شرکت ها و سازمان ها، آنها را به سوی پشتیبانی رایانه ای از عملیاتشان سوق می دهد. بدین معنی که فشارهای خارج از شرکت ها منجر به ایجاد رویکرد پاسخ در سازمان ها می شود که با توجه به سرعت محیط، این پاسخ ها باید با سرعت همراه باشد؛ چرا که محیط بسیار رقابتی است و لذا برای دستیابی به پاسخ های سریع، لازم است سامانه های رایانه ای به کمک شرکت ها بیایند. سامانه های رایانه ای می توانند فرآیند پاسخ را تسهیل و تسریع نمایند.
سازمانها برای پیروزی در میدان رقابت جهانی نیاز به شناخت و پایش رفتار مشتریان خود دارند تا بتوانند برای نگهداری آنها زودتر از دیگران تمایلات و رفتارهایشان را پیش بینی كنند. این مقاله به شناسایی خصیصه های منجر به رو گردانی مشتریان به مثابه گرانقیمت ترین دارایی سازمان می پردازد. برای این كار، از داده های مربوط به رفتار یک ساله 3150 تن از مشترکین یكی از اپراتورهای تلفن همراه اعتباری در ایران كه به طور تصادفی از پایگاه داده مركز تماس اپراتور استخراج شده اند، استفاده شده است.
بسیاری از مؤسسات مالی که در شرایط امروزی بازار سرمایه فعال هستند بدون ارزیابی صحیح ریسک ها نمی توانند بقای خود را تضمین کنند. مدیریت ریسک فرآیندی است که در آن ریسک هایی که بر فعالیت های کسب وکار اثرگذار است، شناسایی می گردد و تلاش می شود تا تهدیدات به حداقل برسند. اصولا با شناسایی ریسک هایی که می تواند منجر به نتایج زیان باری برای منابع ملموس و ناملموس مورد تملک شرکت منجمله پرسنل، مالی و … شود، می توان احتمال وقوع خسارت را کاهش داد. یکی از ابزارهایی که می تواند مدیریت ریسک را برای حداقل کردن ریسکهای پیش آمده از جانب مشتریان کاهش دهد و مدیریت نگهداری مشتری را تسهیل نماید، داده کاوی است. با کمک داده کاوی بانک ها می توانند تقاضای کارت اعتباری، وام، تسهیلات و …. را مدیریت ریسک نمایند و از طریق تحلیل رفتار مشتریان در مورد میزان قابل اعتماد بودن آنها و ریسک های تقاضاها تصمیم گیری نمایند. داده کاوی ابزاری است که مدل هایی را برای یافتن الگوها از درون انبوه داده ها ایجاد میکند. با استفاده از این مدلها کاربران نهایی داده ها را آنالیز کرده و رفتار مشتری را به منظور کسب مزیت رقابتی، کاهش ریسک های مشتریان و یا پیش بینی رفتار آنها استخراج می نمایند. درواقع داده کاوی به عنوان پروسه ای از استخراج اطلاعات ناشناخته، معتبر و قابل اجرا در عمل است که از پایگاه داده های بزرگ نشات میگیرد و برای کمک به تصمیم گیری ها میباشد.
داده کاوی فرآیند انتخاب، کشف و مدل سازی مقادیر زیادی از داده برای کشف الگوهای ناشناخته است داده کاوی باتوجه به مقادیر زیاد داده بسیار سودمند است و میتواند برای بیمه گران مزیت رقابتی ایجاد کند. از فرآیند داده کاوی در صنعت بیمه در مسائلی مانند بهینه سازی قیمت ها، بهینه سازی خدمات، جذب مشتریان جدید، حفظ مشتریان کنونی و کشف کلاهبرداریها در زمینه ادعای خسارات میتوان استفاده کرد. هریک ازاین موارد جای بحث فراوان دارند و مورد کاوی های زیادی در هر مورد انجام شده است. آنچه در اینجا بحث میشود قابلیت های داده کاوی برای مورد استفاده قرارگرفتن در محاسبات بیمه ای و مراحل داده کاوی، روشهای مختلف از جمله محاسبات خطی و غیرخطی و قابلیت های کاربردی آن در شاخه های مختلف بیمهای است. اما تمرکز بر چگونگی استفاده از داده کاوی در حفظ مشتریان فعلی قرار دارد؛ زیرا نیاز به انجام محاسبات علمی بر بازاریابی ً مشتریان در بازار فعلی بیمه در ایران کاملا احساس می شود. تبلیغات و فعالیت های شناسایی شرکت ها خیلی کم انجام میشوند و عمده بازاریابی به عهده نمایندگان بیمه است. نمایندگان هم با مشکلاتی از قبیل عدم اعتماد به نام شرک تهای خصوصی، عدم وجود فرهنگ خرید خدمات و ناآشنایی با مقوله بیمه و شاخه های متفاوت و خدمات آن روبرو هستند. ازاین رو لازم است تا راه هایی پیش روی نمایندگان و شرکت های بیمه قرار داده شود تا بتوانند با بررسی داده های انبوهی که دردست دارند در جذب مشتریان جدید و حفظ مشتریان فعلی و با اقداماتی برای مقبولیت بیشتر در بالا بردن مزیت رقابتی خود بکوشند.
برای استخراج اطلاعات خـاص از اینترنـت، کتابخانه ها، و سـایر مجموعه های داده ای از مفـاهیمی نظیـر داده کـاوی و ابزارهـا و الگوریتم های مختلف مربوط به آن استفاده می شود. داده کاوی یکـی از روشهای تحلیـل داده ها اسـت. هـدف داده کـاوی کشـف انگاره های معتبر، جدید، و قابل ردیابی در حجم عظیمی از داده ها با استفاده از الگوریتم های آماری و هوش مصنوعی است. رسالت اصلی داده کاوی در دو طبقه کلی جای می گیرد: توصیف و پیش بینی.
هدف ابزارهای تحلیل، آنالیز داده و به دست آوردن اطلاعات مناسب برای استفاده در کسب وکار جهت بالا بردن نتایج یا عملکرد است. امروزه ابزارهای متفاوتی دردسترس قرار دارند و بدین جهت باید بدانیم از هر کدام چه زمانی و کجا استفاده کنیم.
نظرکاوی یا تحلیل احساسات فیلد مطالعاتی است که سعی می کند احساسا، رفتار، نظرات و تحلیل افراد مختلف را نسبت به موجودیت ها و ویژگی های آن بیان کند. این موجودیت می تواند محصول ها، سرویس ها، سازمان ها، افراد و رخدادها و موضوعات باشد.
نظرکاوی امروزه به یکی از فیلدهای مهم تحقیقاتی پردازش زبان طبیعی تبدیل شده است و البته به غیر از پردازش زبان طبیعی در بین محققان فیلدهای دیگری مثل داده کاوی وب کاوی و بازیابی داده نیز مورد توجه است. و پژوهشگران این فیلدها نیز تحقیقات بسیاری در زمینه نظرکاوی به انجام رسانیده اند.
سازمان دهی دانش و متن کاوی، در بازیابی دقیق اطلاعات کاربرد بسیاری دارند. از این رو، متن کاوی می تواند کارکردهای بسیاری در بهبود سازماندهی دانش داشته باشد. اگرچه متن کاوی، به ویژه در بخش یادگیری ماشینی و به دست آوردن اسناد و نمونه های آموزشی، نیازمند نظامهای اصطلاح نامه، طبقه بندی، فهرست نویسی و نمایه سازی است، سازماندهی برای تسریع کار خود، نیازمند فنون متن کاوی و نتیجه کارهای آن خواهد بود تا هم سرعت کار خویش را افزایش دهد و هم هزینه هایش را بکاهد. در این نوشتار، به کارکردهای متن کاوی در حوزه سازماندهی دانش پرداخته خواهد شد.
بر عصــر حاضر، “عصــر اطلاعات ” نام نهاده شــده و آنچه که منجــر به قدرت و موفقیت می شــود اطلاعات است. اکنون با کمک فناوری های پیچیدهای مانند کامپیوتر، ماهــواره و وســایلی برای ذخیره ســازی اطلاعات ، میتوان شــروع به جمع آوری و ذخیره ســازی انواع داده ها کرد و از توانایی کامپیوترها برای کمک به مرتب سازی انبوه اطلاعات بهره برد. متاســفانه، این مجموعه عظیــم داده هــای ذخیره شــده بــر روی کامپیوترهای متفاوت به ســرعت دست و پاگیر شدند. این هرج و مرج منجر به ایجاد پایگاه داده های ساختار یافته و سیستم های مدیریت پایگاه داده شده است. سیستم های مدیریت پایگاه داده کارآمد، ســرمایه بسیار ارزشــمندی برای مدیریت حجم انبوهی از داده ها و به خصوص برای بازیابی اثربخش و کارآمد اطلاعات از مجموعه ای بزرگ در زمان مورد نیاز است. گسترش سیستم های مدیریــت پایــگاه داده نیز بــه جمع آوری انواع اطلاعات کمک کرده اســت. امروزه، اطلاعاتی به مراتب بیشــتر از نياز در اختیار داریم: ما به اطلاعات معاملات کسب و کار و داده های علمی تــا تصاویر ماهوارهای و اطلاعات نظامی دسترســي داريم. بنابراين ديگر بازیابــی اطلاعات بــه تنهایی برای تصمیم گیــری کافی نیســت. راه کارهای جدیدی برای کمک بــه تصمیم گیری های بهتر مدیریتی در مواجه با مجموعه عظیمی از داده ها ایجاد شــده است.
امروزه شرکت ها و سازمان های حجم های فرآینده ای از داده ها را تولید می کنند. توانایی تحلیل و تجسم داده ها برای یافتن دانشی که بتواند به عنوان ورودی درساخت تصمیمات تجاری استفاده شود فاکتور مهمی برای افزایش توان رقابتی آنها می باشد. در سال های اخیر، به دلیل تغییر نیازمندی های برنامه ها، انواع جدیدی از پایگاه داده ها تحت عنوان NoSQL محبوب شده اند. پایگاه های داده های NoSQL عموما در این زمینه که مدل داده ای غیر رابطه ای را استفاده می کنند و مقیاس پذیری آنها به صورت افقی می باشد با RDMMS ها تفاوت دارند.
NoSQL شامل مجموعه ای بسیط و گسترده از تکنولوژی های مختلف پایگاه داده است که در پاسخ به افزایش بسیار سریع حجم داده های ذخیره شده درباره کاربران، اشیاء و محصولات و نیز تناوب دسترسی به داده ها و نیازهای اجرا و پردازش، توسعه داده شده اند. از سوی دیگر، پایگاه های داده رابطه ای، به منظور مقابله با چالش های مقیاس و چابکی ای که برنامه های مدرن با آن ها روبرو هستند، و نیز بهره گیری از امکان ذخیره ارزان قیمت و قدرت پردازش بالای دنیای امروز، طراحی نشده بودند.
پروژه متن باز Apache Arrow، علیرغم نوپا بودنش در اکو سیستم آپاچي، در حال تبدیل شدن به یک استاندارد در حوزه پردازش داده و ایجاد یک بستر مناسب برای تعامل بین فناوری های مختلف کلان داده است.
وبینار علم داده برای مدیران1400/08/22 - 16:36وبینار علم داده برای مدیران موضوعات علم داده و رابطه آن با هوش تجاری و هوش مصنوعی رویکردهای تحلیلی کسب و کار مفاهیم پایه Big Data اجزای پلتفرم داده یادگیری ماشین و علم داده محاسبات شناختی ثبت نام کنید!
