За последний месяц мне удалось убедиться в том, что аналитика данных прочно завоевывает новые позиции. Встречи с представителями нескольких розничных сетей и одним банком, которые используют специальное аналитическое ПО, позволяют с уверенностью говорить о том, что поиск закономерностей в данных перешел от теоретических наработок к этапу активного использования.
Однако, подкованных компаний пока совсем немного и большинство находится только в начале этого интересного пути.
Для того, чтобы преодолеть первый существующий барьер использования Data Mining нужно не так уж много - понять, какие закономерности могут быть получены из накопленных данных и решить, как они могут быть использованы.
Ниже описаны примеры закономерностей для различных сфер деятельности.
Закономерность - это существенная, постоянно повторяющаяся взаимосвязь явлений.
Результат применения методов Data Mining по отношению к любой предметной области может быть представлен в виде одной из закономерностей:
- классификация
- кластеризация
- ассоциации
В процессе выбора типа закономерности необходимо ориентироваться на результат, который должен быть получен в результате использования методов Data Mining (результат должен иметь практическую ценность для компании).
Классификация - закономерность, позволяющая относить объект (клиента, наблюдение, событие) к одному из заранее известных классов.
Примеры.
- в банковской сфере: Кредитный скоринг, определение клиентов банка, склонных к не возврату кредита.