data mining examples
このチュートリアルでは、実際の生活で最も人気のあるデータマイニングの例について説明します。財務、マーケティング、ヘルスケア、CRMのデータマイニングアプリケーションについて学ぶ：
これで 無料のデータマイニングトレーニングシリーズ 、私たちは見ていた データマイニングプロセス 前のチュートリアルで。データベース内のナレッジディスカバリー（KDD）とも呼ばれるデータマイニングは、大量のデータおよびデータウェアハウスのパターンを検出するプロセスです。
回帰分析、関連付け、クラスタリング、分類、外れ値分析などのさまざまな手法をデータに適用して、有用な結果を特定します。これらの手法では、データを分析してパターンを表示するソフトウェアとバックエンドアルゴリズムを使用します。
動作するyoutubeからmp3へのコンバーター
よく知られているデータマイニング方法には、意思決定ツリー分析、ベイズの定理分析、頻繁なアイテムセットマイニングなどがあります。ソフトウェア市場には、Weka、Rapid Miner、オレンジ色のデータマイニングツール。
データマイニングプロセスは、統計とアルゴリズムを使用してレポートとパターンを表示するデータマイニングツールに特定のデータ入力を与えることから始まります。結果は、これらのツールを使用して視覚化できます。これらのツールを理解し、さらに適用して、ビジネスの変更や改善を行うことができます。
データマイニングは、マーケティング戦略の構築において組織によって、診断ツールのための病院によって、ウェブサイトや他の多くの方法を通じて製品をクロスセルするためのeコマースによって広く使用されています。
参考までに、データマイニングの例をいくつか以下に示します。
学習内容：
- 実生活でのデータマイニングの例
- 金融におけるデータマイニングの例
- マーケティングにおけるデータマイニングのアプリケーション
- ヘルスケアにおけるデータマイニングアプリケーションの例
- データマイニングとレコメンダーシステム
- CRMのデータマイニング（顧客関係管理）
- デシジョンツリーの例を使用したデータマイニング
- データマイニングの最も人気のある例：マーケティングと販売
- データマイニングを使用する大企業
- 結論
- 推奨読書
実生活でのデータマイニングの例
データマイニングと分析の重要性は、私たちの実生活で日々高まっています。今日、ほとんどの組織はビッグデータの分析にデータマイニングを使用しています。
これらのテクノロジーがどのように私たちに利益をもたらすかを見てみましょう。
＃1）モバイルサービスプロバイダー
モバイルサービスプロバイダーは、データマイニングを使用して、マーケティングキャンペーンを設計し、顧客が他のベンダーに移動するのを防ぎます。
データマイニングツールは、請求情報、電子メール、テキストメッセージ、Webデータ送信、カスタマーサービスなどの大量のデータから、ベンダーの変更を検討している顧客に通知する「チャーン」を予測できます。
これらの結果により、確率スコアが与えられます。その後、モバイルサービスプロバイダーは、解約のリスクが高い顧客にインセンティブやオファーを提供できるようになります。この種のマイニングは、ブロードバンド、電話、ガスプロバイダーなどの主要なサービスプロバイダーによってよく使用されます。
(画像 ソース )
＃2）小売セクター
データマイニングは、スーパーマーケットおよび小売部門の所有者が顧客の選択を知るのに役立ちます。顧客の購入履歴を見ると、データマイニングツールは顧客の購入の好みを示しています。
これらの結果を利用して、スーパーマーケットは棚への商品の配置を設計し、一致する商品のクーポンや一部の商品の特別割引などの商品のオファーを出します。
これらのキャンペーンは、RFMグループ化に基づいています。 RFMは、最新性、頻度、および金銭的グループ化の略です。プロモーションとマーケティングキャンペーンは、これらのセグメント向けにカスタマイズされています。費用は多いが頻度が非常に少ない顧客は、2〜3日ごとに購入するが金額が少ない顧客とは異なる扱いを受けます。
データマイニングは、製品の推奨とアイテムの相互参照に使用できます。
さまざまなデータソースからの小売セクターにおけるデータマイニング。
(画像 ソース )
＃3）人工知能
システムは、関連するパターンをシステムに供給することにより、人工知能になります。これらのパターンは、データマイニングの出力に由来します。人工知能システムの出力も、データマイニング技術を使用してそれらの関連性について分析されます。
レコメンダーシステムは、データマイニング技術を使用して、顧客がマシンを操作しているときにパーソナライズされたレコメンデーションを作成します。人工知能は、Amazonでの顧客の過去の購入履歴に基づいて製品の推奨を提供するなど、マイニングされたデータに使用されます。
＃4）eコマース
多くのEコマースサイトは、データマイニングを使用して、製品のクロスセルとアップセルを提供しています。アマゾン、フリップカートなどのショッピングサイトは、サイトを操作している顧客に「人々も見た」、「頻繁に一緒に購入した」と表示します。
これらの推奨事項は、Webサイトの顧客の購入履歴に関するデータマイニングを使用して提供されます。
＃5）科学と工学
データマイニングの出現により、科学アプリケーションは現在、統計的手法から「データの収集と保存」手法の使用に移行し、新しいデータに対してマイニングを実行し、新しい結果を出力し、プロセスを実験しています。天文学、地質学、衛星センサー、全地球測位システムなどの科学分野から大量のデータが収集されます。
コンピュータサイエンスのデータマイニングは、システムステータスの監視、パフォーマンスの向上、ソフトウェアのバグの発見、盗用の発見、および障害の発見に役立ちます。データマイニングは、製品、記事に関するユーザーフィードバックを分析して、意見や意見の感情を推測するのにも役立ちます。
＃6）防犯
データマイニングは、膨大な量のデータにわたる外れ値を検出します。犯罪データには、発生した犯罪のすべての詳細が含まれています。データマイニングは、パターンと傾向を調査し、より正確に将来のイベントを予測します。
当局は、どの地域が犯罪になりやすいか、どのくらいの警察官を配置すべきか、どの年齢層を対象にすべきか、車両番号を精査するべきかなどを知ることができます。
＃7）研究
研究者は、データマイニングツールを使用して、大気汚染などの環境条件などの調査中のパラメータと、対象地域の人々の間での喘息などの病気の蔓延との関連を調査します。
＃8）農業
農家はデータマイニングを使用して、植物が必要とする水量で野菜の収量を調べます。
＃9）自動化
データマイニングを使用することにより、コンピュータシステムは比較中のパラメータ間のパターンを認識することを学習します。システムは、ビジネス目標を達成するために将来役立つパターンを保存します。この学習は、機械学習を通じて目標を達成するのに役立つため、自動化されています。
＃10）ダイナミックプライシング
データマイニングは、タクシーサービスなどのサービスプロバイダーが需要と供給に基づいて顧客に動的に課金するのに役立ちます。これは、企業の成功の重要な要素の1つです。
＃11）輸送
データマイニングは、倉庫から店舗への車両の移動をスケジュールし、製品の積載パターンを分析するのに役立ちます。
＃12）保険
データマイニング手法は、ポリシーを購入する顧客の予測、一緒に使用される医療請求の分析、不正行為やリスクの高い顧客の発見に役立ちます。
金融におけるデータマイニングの例
( 画像 ソース )
金融セクターには、銀行、保険会社、投資会社が含まれます。これらの機関は膨大な量のデータを収集します。多くの場合、データは完全で信頼性が高く、高品質であり、体系的なデータ分析が必要です。
財務データを保存するために、データキューブの形式でデータを保存するデータウェアハウスが構築されます。このデータを分析するために、高度なデータキューブの概念が使用されます。クラスタリングや外れ値分析、特性評価などのデータマイニング手法は、財務データ分析やマイニングで使用されます。
データマイニングが使用される金融のいくつかのケースを以下に示します。
＃1）ローン支払いの予測
属性の選択や属性のランク付けなどのデータマイニング方法は、顧客の支払い履歴を分析し、支払い対収入の比率、信用履歴、ローンの期間などの重要な要素を選択します。結果は、銀行がローンの付与ポリシーを決定するのに役立ちます。また、要因分析に従って顧客にローンを付与します。
＃2）ターゲットマーケティング
クラスタリングおよび分類データマイニング手法は、銀行業務に対する顧客の意思決定に影響を与える要因を見つけるのに役立ちます。同様の行動をとる顧客の識別は、ターゲットを絞ったマーケティングを促進します。
＃3）金融犯罪を検出する
銀行データは、さまざまなソース、さまざまな都市、さまざまな銀行の場所から取得されます。複数のデータ分析ツールが展開され、大きな価値のあるトランザクションなどの異常な傾向を調査および検出します。データ視覚化ツール、外れ値分析ツール、クラスタリングツールなどを使用して、アクションの関係とパターンを識別します。
以下の図は、さまざまな国のオンラインバンキングシステムに対する顧客の意欲を示すInfosysの調査です。 Infosysは、この調査にビッグデータ分析を使用しました。
(画像 ソース )
マーケティングにおけるデータマイニングのアプリケーション
データマイニングは、会社のマーケティング戦略を後押しし、ビジネスを促進します。これは、企業の成功の重要な要素の1つです。販売、顧客の買い物、消費などに関する膨大な量のデータが収集されます。このデータは、eコマースのために日々増加しています。
データマイニングは、顧客の購買行動を特定し、顧客サービスを改善し、顧客維持に重点を置き、販売を強化し、ビジネスのコストを削減するのに役立ちます。
マーケティングにおけるデータマイニングの例は次のとおりです。
＃1）市場予測
市場を予測するために、マーケティングの専門家は回帰などのデータマイニング技術を使用して、顧客の行動、変化、習慣、顧客の反応、およびマーケティング予算やその他の発生コストなどの他の要因を調査します。将来的には、専門家にとってより簡単になります。要因が変化した場合に顧客を予測するため。
＃2）異常検出
データマイニング技術は、システムにあらゆる種類の欠陥を引き起こす可能性のあるデータの異常を検出するために展開されます。システムは、この操作を実行するために何千もの複雑なエントリをスキャンします。
＃3）システムセキュリティ
データマイニングツールは、データベースに損害を与える可能性のある侵入を検出し、システム全体のセキュリティを強化します。これらの侵入は、重複エントリの形、ハッカーによるデータの形のウイルスなどの形である可能性があります。
ヘルスケアにおけるデータマイニングアプリケーションの例
(画像 ソース )
ヘルスケアでは、データマイニングがますます普及し、不可欠になっています。
ヘルスケアによって生成されるデータは複雑で膨大です。医療詐欺や不正使用を回避するために、データマイニングツールを使用して不正なアイテムを検出し、それによって紛失を防ぎます。
参考までに、ヘルスケア業界のデータマイニングの例をいくつか以下に示します。
＃1）ヘルスケア管理
データマイニング手法は、慢性疾患の特定、病気の蔓延しやすい高リスク地域の追跡、病気の蔓延を減らすためのプログラムの設計に使用されます。医療専門家は、病院への最大入院患者の病気、地域を分析します。
このデータを使用して、地域のキャンペーンを設計し、人々に病気を認識させ、それを回避する方法を確認します。これにより、病院に入院する患者の数が減ります。
＃2）効果的な治療
データマイニングを使用すると、治療法を改善できます。症状、原因、薬を継続的に比較することで、データ分析を行い、効果的な治療を行うことができます。データマイニングは、特定の疾患の治療、および治療の副作用の関連付けにも使用されます。
＃3）詐欺的で虐待的なデータ
データマイニングアプリケーションは、検査室、医師の結果、不適切な処方箋、不正な医療請求などの異常なパターンを見つけるために使用されます。
データマイニングとレコメンダーシステム
レコメンダーシステムは、ユーザーが興味を持つ可能性のある製品のレコメンデーションを顧客に提供します。
おすすめの商品は、過去にユーザーから問い合わせられた商品と類似しているか、ユーザーと同じ趣味を持つ他の顧客の好みを調べたものです。このアプローチは、コンテンツベースのアプローチおよび適切なコラボレーションアプローチと呼ばれます。
レコメンダーシステムでは、情報検索、統計、機械学習などの多くの手法が使用されます。
レコメンダーシステムは、キーワード、ユーザープロファイル、ユーザートランザクション、アイテム間の共通機能を検索して、ユーザーのアイテムを推定します。これらのシステムは、同様の購入履歴を持つ他のユーザーも検出し、それらのユーザーが購入できるアイテムを予測します。
このアプローチには多くの課題があります。レコメンデーションシステムは、数百万のデータをリアルタイムで検索する必要があります。
レコメンダーシステムによって発生するエラーには、次の2つのタイプがあります。
偽陰性および偽陽性。
偽陰性 システムによって推奨されなかったが、顧客がそれらを望んでいる製品です。 誤検知 システムによって推奨されたが、顧客には望まれなかった製品です。もう1つの課題は、購入履歴のない新規ユーザーへの推奨です。
インテリジェントなクエリ応答技術を使用して、クエリを分析し、クエリに関連する一般化された関連情報を提供します。 例えば： 検索したレストランの住所と電話番号だけでなく、レストランのレビューを表示します。
CRMのデータマイニング（顧客関係管理）
顧客関係管理は、データマイニングで強化できます。より適切な顧客を引き付けること、より良いクロスセルとアップセル、より良い保持によって、良好な顧客関係を構築することができます。
データマイニングは、次の方法でCRMを強化できます。
- データマイニングは、企業がより高い応答とより良いROIのためのターゲットプログラムを作成するのに役立ちます。
- 企業は、アップセルやクロスセルを通じて、顧客の希望に応じてより多くの製品やサービスを提供できるため、顧客満足度が向上します。
- データマイニングを使用すると、企業はどの顧客が他のオプションを探しているかを検出できます。その情報を使用して、企業は顧客が離れないようにするためのアイデアを構築できます。
データマイニングは、次の点でCRMを支援します。
- データベースマーケティング： マーケティングソフトウェアを使用すると、企業は顧客にメッセージや電子メールを送信できます。このツールとデータマイニングは、ターゲットを絞ったマーケティングを行うことができます。データマイニングを使用すると、ジョブの自動化とスケジューリングを実行できます。それはより良い意思決定に役立ちます。また、どのような顧客が新製品に興味を持っているか、どの市場領域が製品の発売に適しているかについての技術的な決定にも役立ちます。
- 顧客獲得キャンペーン： データマイニングを使用すると、市場の専門家は、製品や新規購入者に気付いていない潜在的な顧客を特定できます。彼らはそのような顧客のためのオファーやイニシアチブを設計することができます。
- キャンペーンの最適化： 企業は、キャンペーンの効果のためにデータマイニングを使用しています。マーケティングオファーに対する顧客の反応をモデル化できます。
デシジョンツリーの例を使用したデータマイニング
決定木アルゴリズムはCART（分類および回帰ツリー）と呼ばれます。教師あり学習方法です。ツリー構造は、選択した機能、分割の条件、および停止するタイミングに基づいて構築されます。決定木は、以前のトレーニングデータからの学習に基づいてクラス変数の値を予測するために使用されます。
内部ノードは属性を表し、リーフノードはクラスラベルを表します。
(画像 ソース )
デシジョンツリー構造を構築するには、次の手順を使用します。
- ツリーの一番上（ルート）に最適な属性を配置します。
- サブセットは、各サブセットが属性に同じ値を持つデータを表すように作成されます。
- 同じ手順を繰り返して、すべてのブランチのリーフノードを見つけます。
クラスラベルを予測するために、レコードの属性がツリーのルートと比較されます。比較すると、次のブランチが選択されます。到達したリーフノードがクラス変数を予測するまで、内部ノードも同じ方法で比較されます。
デシジョンツリー誘導に使用されるアルゴリズムには、ハンツアルゴリズム、CART、ID3、C4.5、SLIQ、およびSPRINTが含まれます。
データマイニングの最も人気のある例：マーケティングと販売
マーケティングと販売は、企業が大量のデータを持っているドメインです。
＃1）銀行 信用評価に役立つデータマイニングテクノロジーの最初のユーザーです。データマイニングは、銀行が提供するサービスが顧客によって使用されているか、どのタイプの顧客がATMカードを使用しているか、およびカードを使用して一般的に何を購入するか（クロスセル用）を分析します。
銀行は、データマイニングを使用して、顧客の離職を減らすために銀行を変更することを決定する前に、顧客が行うトランザクションを分析します。また、トランザクションの一部の外れ値は、不正検出のために分析されます。
＃2）携帯電話 企業 データマイニング技術を使用して、かき回しを回避します。チャーニングは、サービスを離れる顧客の数を示す指標です。それは、顧客が顧客を維持するためにサービスからどのように利益を得ることができるかを示すパターンを検出します。
＃3）マーケットバスケット分析 店舗で一緒に購入されたアイテムのグループを見つける手法です。トランザクションを分析すると、パンやバターのように一緒に購入されることが多いものや、金曜日のビールなど、特定の日に販売量が多いアイテムなどのパターンがわかります。
この情報は、店舗レイアウトの計画、需要の少ないアイテムへの特別割引の提供、「2つ購入すると1つ無料」、「2回目の購入で50％取得」などのオファーの作成に役立ちます。
(画像 ソース )
データマイニングを使用する大企業
データマイニング技術を使用しているいくつかのオンライン企業を以下に示します。
- アマゾン： Amazonは、テキストマイニングを使用して、製品の最低価格を見つけます。
- MCドナルド： マクドナルドは、ビッグデータマイニングを使用して顧客体験を向上させています。顧客の注文パターン、待ち時間、注文のサイズなどを調査します。
- NETFLIX： Netflixは、データマイニングの洞察を使用して、映画やシリーズを顧客に人気のあるものにする方法を見つけます。
結論
データマイニングは、銀行、マーケティング、ヘルスケア、通信業界、その他多くの分野など、さまざまなアプリケーションで使用されています。
データマイニング技術は、企業が知識のある情報を取得し、プロセスと運用を調整することで収益性を高めるのに役立ちます。これは、隠れたパターンや傾向の分析を通じて意思決定においてビジネスを支援する高速プロセスです。
デシジョンツリーデータマイニングアルゴリズムの詳細については、今後のチュートリアルをご覧ください。
C ++での継承の種類