همانطور که می دانید تحلیل کسب و کار از طریق تعدادی تکنیک انجام می‌شود که یکی از این تکنیک ها داده کاوی است. در این نوشته تکنیک داده کاوی را معرفی و مطالبی در خصوص آن ارائه خواهیم کرد.
زمانی‌که یک چالش و مشکل در کسب و کاری ایجاد می‌شود مهم‌ترین ابزاری که به تحلیگران کسب و کار کمک می‌کند داده‌ها و اطلاعات مربوط به کسب و کار است که برای تصمیم گیری به آن نیاز دارند. می‌توان گفت که داده کاوی از اهمیت به‌سزایی برای کسب و کارها و تحلیل کسب و کار برخوردار است. در ادامه با دادهکاوی آشنا و مثال‌هایی از تاثیر آن در رشد کسب و کارها می‌خوانیم. با ما همرا باشید.
داده کاوی چیست؟
داده کاوی را می‌توان به عنوان فرآیند استخراج داده‌ها، تجزیه و تحلیل آنها از ابعاد یا دیدگاه های مختلف، و سپس تولید خلاصه ای از اطلاعات به شکل مفید که روابط درون داده ها را مشخص می کند، تعریف کرد. بر اساس تعریف موسسه SAS رهبر جهانی در حوزه تجزیه و تحلیل کسب و کار داده کاوی به دنبال ناهنجاری‌ها، الگوها یا همبستگی میان میلیون‌ها رکورد است.
دادهکاوی دو نوع است: داده کاوی توصیفی که اطلاعات مربوط به داده های موجود را نشان میدهد. از دادهکاوی توصیفی معمولا برای ارسال گزارشاتی مانند دلایل ریزش مشتریان یا گزارشات تجزیه و تحلیل رضایت مشتریان استفاده می‌شود. در واقع از دادهکاوی توصیفی برای ارائه گزارشات و دلایل ایجاد مشکلات صحبت می‌شود. نوع دیگر دادهکاوی داده کاوی پیشگویانه است. در این مدل دادهکاوی مدل با استفاده از داده‌ها و اطلاعات گذشته اقدام به پیش‌بینی رفتار کرد. از دادهکاوی پیشگویانه می‌توان برای مدیریت مشتریان، بازاریابی مستقیم در خرده فروشی و … استفاده کرد.
دادهکاوی چگونه کار می‌کند؟
فرآیند دادهکاوی به پنج مرحله تقسیم می شود. ابتدا سازمان‌ها داده‌ها را جمع آوری کرده و در انبارهای داده خود بارگیری میکنند. سپس، آنها داده ها را، یا در سرورهای داخلی یا فضای ابری ذخیره و مدیریت میکنند. تحلیلگران کسب و کار، تیم های مدیریتی و متخصصان فناوری اطلاعات به داده ها دسترسی پیدا می کنند و نحوه تنظیم آنها را تعیین میکنند. سپس نرم افزارهایی که در داده کاوی کاربرد دارند مانند Python و R داده ها را بر اساس نتایج کاربر مرتب می کند و در نهایت، کاربر نهایی داده ها را در یک قالب به اشتراک گذاری آسان مانند نمودار یا جدول ارائه می دهد.
الگوریتم‌های داده کاوی براساس آن‌چه که کاربران می‌خواهند، روابط و الگوهای موجود در داده ها را تحلیل می کنند. به عنوان مثال، یک شرکت می‌تواند با استفاده از نرم افزار دادهکاوی کلاس‌هایی از اطلاعات را ایجاد کند. برای مثال، تصور کنید یک رستوران می‌خواهد از داده کاوی استفاده کند تا تعیین کند چه زمانی باید محصولات خاص خود را ارائه دهد. با استفاده از اطلاعاتی که جمع آوری شده است می‌تواند کلاس‌هایی براساس زمان‌هایی که مشتری مراجعه می‌کند و همچنین سفارش‌هایی که آنان در آن زمان دارند ایجاد کنند.
در موارد دیگر، استخراج کنندگان داده خوشه‌های اطلاعاتی را براساس روابط منطقی پیدا میکنند و یا به انجمن‌ها و الگوهای پی در پی نگاه میکنند تا در مورد روند رفتار مصرف کننده نتیجه گیری کنند.
از داده کاوی در حوزه‌های مختلفی استفاده شده که در زیر به نمونه‌هایی از آنها اشاره می‌کنیم:
- در زمینه صنعت:
شرکت فولادسازی پوهانگ (Pohang) کره جنوبی برای این‌که در مصرف انرژی کوره‌های بلند خود صرفه‌جویی کند از الگوریتم‌های داده کاوی استفاده کرد که توانست مصرف انرژی را تا ۱۵% کاهش دهد.
این موضوع توانست ۳/۱ میلیون دلار در هزینه‌ها صرفه‌جویی کند که منجر به کاهش هزینه‌های شرکت و در نتیجه افزایش تعداد مشتریان و سود شرکت شد.
- در حوزه هتلداری:
یکی از هتل‌های مشهور در لاس‌وگاس آمریکا، برای افزایش رضایت مسافران از الگوریتم‌های دادهکاوی استفاده کرد.
به این صورت که با استفاده از اطلاعاتی که از مسافران جمع‌آوری می‌کند و آنالیز داده‌های موجود توانست عواملی که باعث می‌شد مسافران دوباره به این هتل بازگردند را پیدا کرده و با طبقه‌بندی آنها، مسافران وفادار به هتل را پیدا کنند.
- در مدیریت ریسک:
یکی از بانک‌های معروف کانادا با استفاده از الگوریتم‌های دادهکاوی، مدلی را برای داده‌ها ارائه کرد و به وسیله نتایج آنالیز آن، مسئله مهم تقلب در حساب‌ها و چگونگی و میزان برگشت وام‌های داده شده توسط بانک را حل کرد و تصمیمی صحیح را برای مشتری‌های جدید بانک گرفتند.
در پایان می‌توان گفت که نتایج حاصل از تکنیکهای دادهکاوی معمولاً مدلهای ریاضی یا معادلاتی است که الگوها و روابط اساسی را شرح میدهد. این مدلها میتوانند برای تصمیمگیری از طریق داشبوردهای تصویری و گزارشها یا برای مکانیزه کردن سیستمهای تصمیمگیری از طریق سیستمهای مدیریت قواعد کسب و کار بکار گرفته شوند.
دوره تحلیل کسب و کار
