Velika podjetja vedo več o tebi, kot si jih sploh lahko predstavljate - tukaj je kako
Podatkovno rudarjenje je analiza velikih količin podatkov za odkrivanje vzorcev in znanja. Podatkovno rudarjenje je znano tudi kot odkrivanje podatkov ali odkrivanje znanja.
Podatkovno rudarjenje uporablja statistične podatke, načela strojnega učenja (ML), umetne inteligence (AI) in velike količine podatkov (pogosto iz podatkovnih zbirk ali podatkovnih nizov) za prepoznavanje vzorcev na način, ki je čim bolj avtomatiziran in uporaben.
Kaj naredi Data Mining?
Podatkovno rudarjenje ima dva glavna cilja: opis in napovedovanje. Prvič, podatkovno rudarjenje opisuje vpoglede in znanje, pridobljeno z analizo vzorcev podatkov. Drugič, rudarjenje podatkov uporablja opise prepoznanih vzorcev podatkov za napovedovanje prihodnjih vzorcev.
Na primer, če ste čas na spletnem mestu za nakupovanje preživeli brskanje za knjige o tem, kako prepoznati različne vrste rastlin, storitve iskanja podatkov, ki delajo za prizorom na tej spletni strani, vnesejo opis vaših iskanj v povezavi s svojim profilom. Ko se znova prijavite dva tedna kasneje, storitve iskanja podatkov na spletnem mestu uporabljajo opise svojih prejšnjih iskanj, da napovedujejo svoje trenutne interese in ponudijo prilagojena priporočila za nakupovanje, ki vsebujejo knjige o prepoznavanju rastlin.
Kako deluje rudarstvo podatkov
Podatkovno rudarjenje deluje z uporabo algoritmov, sklopov navodil, ki pripovedujejo računalnik ali obdelujejo nalogo, odkrivajo različne vrste vzorcev znotraj podatkov. Nekaj različnih metod za prepoznavanje vzorcev, ki se uporabljajo pri podatkovnem rudarjenju, vključujejo analizo grozdov, odkrivanje anomalije, povezovanje učenja, odvisnosti od podatkov, odločitvena drevesa, regresijske modele, klasifikacije, odkrivanje zunaj in nevronske mreže.
Medtem ko se lahko rudarjenje podatkov uporablja za opisovanje in napovedovanje vzorcev v vseh različnih vrstah podatkov, se uporabljajo mnogi ljudje, ki se najpogosteje srečujejo, četudi se ne zavedajo, da opisujejo vzorce v svojih nakupnih izbirah in vedenju, da napovedujejo verjetnost prihodnjega nakupa odločitve.
Na primer, ali ste se kdaj spraševali, kako Facebook vedno zdi, da vedo, kaj ste iskali v spletu, in vam prikaže oglase v novicah, povezanih z drugimi spletnimi mesti, ki ste jih obiskali, ali spletnimi iskanji? Podatkovno rudarjenje v Facebooku uporablja podatke, shranjene v vašem brskalniku, ki sledijo vašim dejavnostim, kot so piškotki , skupaj z lastnim poznavanjem vaših vzorcev, ki temeljijo na vaši prejšnji uporabi storitve Facebook za odkrivanje in predvidevanje izdelkov ali ponudb, ki bi vas utegnile zanimati.
Kakšne vrste podatkov se lahko mine?
Odvisno od storitve ali trgovine (fizične trgovine uporabljajo podatkovno rudarjenje tudi), lahko presenetljivo količino podatkov o vas in vaših vzorcih mine. Podatki, zbrani o vas, lahko vključujejo vrsto vozila, ki ga vozite, kjer živite, kraji, ki ste jih potovali, revije in časopise, ki ste se naročili, in ali ste poročeni ali ne. Prav tako lahko ugotovi, ali imate otroke ali ne, kakšni so vaši hobiji, ki vas zanimajo, vaše politične naklonjenosti, kaj kupite na spletu, kaj kupite v fizičnih trgovinah (pogosto prek kartic nagrad za zvestobo) in vse podrobnosti, ki si jih delite o vašem življenju na socialnih medijih.
Na primer, trgovci na drobno in modne publikacije, namenjene najstnikom, uporabljajo vpogled v podatke o rudarjenju fotografij na socialne medijske storitve, kot sta Instagram in Facebook, da bi napovedali modne trende, ki bodo privabili mladoletne kupce ali bralce. Spoznanja, odkrita s pomočjo podatkovnega rudarjenja, so lahko tako natančna, da nekateri trgovci na drobno celo napovedujejo, ali bi lahko bila ženska noseča, na podlagi zelo specifičnih sprememb v njenih nakupih. Poročali so, da je trgovec na drobno, Target, tako natančen, da napoveduje nosečnost, ki temelji na vzorcih odkupa zgodovine, da je mladi dami kupila kupljene izdelke za dojenčke in ji skrivala skrivnost nosečnosti, preden je povedala družini.
Podatkovno rudarjenje je povsod, vendar pa večina informacij, ki so jih odkrile in analizirale o naših navadah nakupa, osebnih preferencah, izbirah, financah in spletnih dejavnostih, uporabljajo prodajalne in storitve z namenom izboljšati izkušnje s strankami.