16/05/2021 09:57:43 AM

Bài viết sưu tầm

Data Mining

Data Mining là khai thác dữ liệu. Data Mining là quá trình tìm kiếm các mẫu từ tập dữ liệu lớn (Data Set) và phân tích dữ liệu từ những quan điểm khác nhau. Nó cho phép người dùng trong doanh nghiệp dùng để phân tích dữ liệu từ nhiều góc độ khác nhau và tóm tắt các mối quan hệ xác định (relationship).

Data Mining rất hữu ích trong việc tăng doanh thu và cắt giảm chi phí.

Ví dụ:

Trong một siêu thị, người mua bàn chải đánh răng vào ngày chủ nhật cũng mua kem đánh răng. Thông tin này có thể được sử dụng trong việc tăng doanh thu bằng cách đặt 2 sản phẩm này cạnh nhau. Việc đó sẽ thúc đẩy việc tăng số lượng bán ra của 2 loại sản phẩm đó nhiều hơn vào những ngày chủ nhật.

Data Mining Process (Quy trình khai thác dữ liệu)

Data Mining phân tích các mối quan hệ và các mẫu trong các dữ liệu được lưu trữ dựa trên các truy vấn của người dùng. Khai thác dữ liệu liên quan đến những nhiệm vụ như sau:

Association (Kết hợp):
- Tìm mối quan hệ giữa các biến.
- Ví dụ như trong một cửa hàng bán lẻ, có thể xác định sản phẩm được mua cùng với nhau thường xuyên và thông tin này có thể được sử dụng để tiếp thị các sản phẩm này.
Clustering (Phân cụm):
- Xác định mối quan hệ hợp lý trong các sản phẩm và nhóm chúng lại với nhau.
- Ví dụ như trong một cửa hàng bán lẻ, kem đánh răng và bàn chải đánh răng có thể được nhóm lại.
Classifying (Phân loại):

Liên quan đến việc áp dụng một mô hình được biết đến với các dữ liệu mới.

Data Mining Process (Quy trình khai thác dữ liệu)

Association (Kết hợp):
- Tìm mối quan hệ giữa các biến.
- Ví dụ như trong một cửa hàng bán lẻ, có thể xác định sản phẩm được mua cùng với nhau thường xuyên và thông tin này có thể được sử dụng để tiếp thị các sản phẩm này.
Clustering (Phân cụm):
- Xác định mối quan hệ hợp lý trong các sản phẩm và nhóm chúng lại với nhau.
- Ví dụ như trong một cửa hàng bán lẻ, kem đánh răng và bàn chải đánh răng có thể được nhóm lại.
Classifying (Phân loại):

Liên quan đến việc áp dụng một mô hình được biết đến với các dữ liệu mới.

Nhiệm vụ của Data Mining

Có thể phân thành 2 loại chính đó là Dự đoán (Predictive) và Mô tả (Descriptive)

Predictive:
- Classification - phân lớp
- Regression - hồi quy
- Deviation Detection - phát hiện độ lệch
Descriptive:

Clustering - phân cụm
Association Rule Discovery - phát hiện luật kết hợp

*** Một số thuật toán phổ biến được dùng trong Data Mining

Descision tree: Cây quyết định (Classification Task)
Nearest Neighbor: Láng giềng gần nhất (Classification Task)
Neural Network: Mạng Neural (Classification and Clustering Task)
Rule Induction: Luật quy nạp (Classification Task)

K-Means: Thuật toán K-Means (Clustering Task)

Ứng dụng của Data Mining trong các lĩnh vực như sau:

Kinh doanh - thương mại:
- Xác định thói quen mua hàng của khách hàng
- Dự đoán chu kỳ kinh doanh sản phẩm
- Liên hệ giữa khách hàng và các yếu tố khác
- Xác định loại khách hàng tiềm năng, đối tượng có khả năng trở thành khách hàng

Dự đoán hiệu quả của một đợt quảng cáo, tiếp thị

Ngân hàng:

Dự đoán các dấu hiệu của một giao dịch trái luật
Xác định các khách hàng sẽ cộng tác lâu dài
Dự đoán rủi ro của các khoản cho vay
Xác định các nhân tố dẫn đến vỡ nợ vay

Liên hệ giữa các chỉ số tài chính với hoạt động ngân hang

Viễn thông:

Nhận biết các dấu hiệu của sự gian lận dịch vụ

Xu thế phát triển khách hàng, đối tượng, khu vực cần phát triển

Bảo hiểm:

Loại khách hàng có rủi ro cao? Gian lận?
Liệu khách hàng có thực hiện hết hợp đồng bảo hiểm?

Đối tượng, vùng nào có khả năng tham gia bảo hiểm?

Y tế:

Chuẩn đoán bệnh qua các triệu chứng
Liên hệ giữa các loại bệnh

Dự đoán hiệu quả của một cuộc phẫu thuật, điều trị

Các kỹ thuật Data Mining

Descriptive Data Mining
- Gom nhóm, phân cụm, nhận dạng
- Cây quyết định
- Khai phá luật kết hợp
- Phân tích sự phát triển và độ lệch
- Thống kê
Predictive Data Mining
- Phân lớp, máy học, hệ chuyên gia
- Thống kê hồi quy
- Mạng nơ-ron