मेन्यू

डेटा माइनिंग उदाहरण: डेटा माइनिंग 2021 के अधिकांश सामान्य अनुप्रयोग

  • मुख्य
  • अन्य
  • डेटा माइनिंग उदाहरण: डेटा माइनिंग 2021 के अधिकांश सामान्य अनुप्रयोग

data mining examples

समस्याओं को खत्म करने के लिए हमारे साधन का प्रयास करें

यह ट्यूटोरियल वास्तविक जीवन में सबसे लोकप्रिय डेटा खनन उदाहरण है। वित्त, विपणन, स्वास्थ्य सेवा और सीआरएम में डाटा माइनिंग एप्लीकेशन के बारे में जानें:

इस में मुफ्त डेटा खनन प्रशिक्षण श्रृंखला , हम पर एक नजर थी डाटा माइनिंग प्रोसेस हमारे पिछले ट्यूटोरियल में। डेटा माइनिंग, जिसे डेटाबेस (केडीडी) में नॉलेज डिस्कवरी के रूप में भी जाना जाता है, डेटा और डेटा वेयरहाउस के एक बड़े सेट में पैटर्न की खोज करने की एक प्रक्रिया है।

प्रतिगमन विश्लेषण, संघ और क्लस्टरिंग, वर्गीकरण और बाह्य विश्लेषण जैसी विभिन्न तकनीकों को उपयोगी परिणामों की पहचान करने के लिए डेटा पर लागू किया जाता है। ये तकनीक सॉफ़्टवेयर और बैकएंड एल्गोरिदम का उपयोग करती है जो डेटा का विश्लेषण करती है और पैटर्न दिखाती है।

.bin फ़ाइल का उपयोग कैसे करें

कुछ प्रसिद्ध डेटा माइनिंग मेथड्स डिसीजन ट्री एनालिसिस, बेयस प्रमेय एनालिसिस, फ्रिक्वेंट आइटम-सेट माइनिंग इत्यादि हैं। सॉफ्टवेयर मार्केट में कई ओपन-सोर्स के साथ-साथ वीका, रैपिड माइनर और जैसे डेटा माइनिंग के लिए पेड टूल्स हैं। नारंगी डेटा खनन उपकरण।

डेटा माइनिंग उदाहरण

डेटा माइनिंग प्रक्रिया डेटा खनन उपकरणों को डेटा का एक निश्चित इनपुट देने के साथ शुरू होती है जो रिपोर्ट और पैटर्न दिखाने के लिए सांख्यिकी और एल्गोरिदम का उपयोग करते हैं। परिणामों को इन उपकरणों का उपयोग करके देखा जा सकता है जिन्हें समझा जा सकता है और आगे व्यापार संशोधन और सुधार करने के लिए लागू किया जा सकता है।

डेटा माइनिंग का उपयोग संगठनों द्वारा मार्केटिंग टूल बनाने में, नैदानिक ​​उपकरणों के लिए अस्पतालों द्वारा, ई-कॉमर्स द्वारा वेबसाइटों और कई अन्य तरीकों से क्रॉस-सेलिंग उत्पादों के लिए किया जाता है।

आपके संदर्भ के लिए कुछ डेटा माइनिंग उदाहरण नीचे दिए गए हैं।

आप क्या सीखेंगे:

वास्तविक जीवन में डेटा खनन के उदाहरण

डेटा खनन और विश्लेषण का महत्व हमारे वास्तविक जीवन में दिन-प्रतिदिन बढ़ रहा है। आज अधिकांश संगठन बिग डेटा के विश्लेषण के लिए डेटा माइनिंग का उपयोग करते हैं।

आइए हम देखें कि इन तकनीकों से हमें क्या लाभ होता है।

(1) मोबाइल सेवा प्रदाता

मोबाइल सेवा प्रदाता अपने मार्केटिंग अभियानों को डिजाइन करने और ग्राहकों को अन्य विक्रेताओं के पास जाने से रोकने के लिए डेटा माइनिंग का उपयोग करते हैं।

बिलिंग जानकारी, ईमेल, पाठ संदेश, वेब डेटा प्रसारण और ग्राहक सेवा जैसे डेटा की एक बड़ी मात्रा से, डेटा खनन उपकरण 'मंथन' का अनुमान लगा सकते हैं जो उन ग्राहकों को बताता है जो विक्रेताओं को बदलना चाहते हैं।

इन परिणामों के साथ, एक संभावना स्कोर दिया जाता है। मोबाइल सेवा प्रदाता तब ग्राहकों को प्रोत्साहन, ऑफ़र प्रदान करने में सक्षम हैं जो मंथन के उच्च जोखिम में हैं। इस तरह के खनन का उपयोग अक्सर प्रमुख सेवा प्रदाताओं जैसे ब्रॉडबैंड, फोन, गैस प्रदाताओं आदि द्वारा किया जाता है।

मोबाइल सेवा प्रदाताओं में डेटा खनन

(छवि स्रोत )

# 2) रिटेल सेक्टर

डाटा माइनिंग सुपरमार्केट और खुदरा क्षेत्र के मालिकों को ग्राहकों की पसंद जानने में मदद करता है। ग्राहकों के खरीद इतिहास को देखते हुए, डेटा माइनिंग टूल ग्राहकों की खरीदारी की वरीयताओं को दर्शाता है।

इन परिणामों की मदद से, सुपरमार्केट अलमारियों पर उत्पादों के प्लेसमेंट को डिजाइन करते हैं और मिलान वाले उत्पादों पर कूपन और कुछ उत्पादों पर विशेष छूट जैसी वस्तुओं पर प्रस्ताव लाते हैं।

ये अभियान RFM ग्रुपिंग पर आधारित हैं। RFM का मतलब होता है, पुनरावृत्ति, आवृत्ति और मौद्रिक समूहन। इन खंडों के लिए प्रचार और विपणन अभियान अनुकूलित किए जाते हैं। वह ग्राहक जो बहुत कम लेकिन बहुत कम खर्च करता है, उस ग्राहक से अलग व्यवहार किया जाएगा जो हर 2-3 दिन में कम राशि पर खरीदता है।

डेटा माइनिंग का उपयोग उत्पाद की सिफारिश और वस्तुओं के क्रॉस-रेफ़रिंग के लिए किया जा सकता है।

विभिन्न डेटा स्रोतों से खुदरा क्षेत्र में डेटा खनन।

खुदरा क्षेत्र में डेटा खनन

(छवि स्रोत )

# 3) आर्टिफिशियल इंटेलिजेंस

एक प्रणाली को कृत्रिम रूप से प्रासंगिक पैटर्न के साथ खिलाकर बुद्धिमान बनाया जाता है। ये पैटर्न डेटा माइनिंग आउटपुट से आते हैं। डेटा माइनिंग तकनीकों का उपयोग करके उनकी प्रासंगिकता के लिए कृत्रिम रूप से बुद्धिमान सिस्टम के आउटपुट का विश्लेषण किया जाता है।

जब ग्राहक मशीनों के साथ बातचीत कर रहा होता है, तो सिफारिशकर्ता प्रणालियाँ व्यक्तिगत अनुशंसाएँ करने के लिए डेटा माइनिंग तकनीकों का उपयोग करती हैं। कृत्रिम बुद्धिमत्ता का उपयोग खनन डेटा पर किया जाता है जैसे कि अमेज़न में ग्राहक के पिछले खरीद इतिहास के आधार पर उत्पाद सिफारिशें देना।

# 4) ई-कॉमर्स

कई ई-कॉमर्स साइट अपने उत्पादों की क्रॉस-सेलिंग और अपग्रेडिंग की पेशकश करने के लिए डेटा माइनिंग का उपयोग करती हैं। अमेज़ॅन, फ्लिपकार्ट जैसी शॉपिंग साइटें 'लोगों को भी दिखाई देती हैं', 'अक्सर एक साथ खरीदे गए' ग्राहकों के साथ जो साइट के साथ बातचीत कर रहे हैं।

ये सिफारिशें वेबसाइट के ग्राहकों के क्रय इतिहास पर डेटा खनन का उपयोग करके प्रदान की जाती हैं।

# 5) विज्ञान और इंजीनियरिंग

डेटा माइनिंग के आगमन के साथ, वैज्ञानिक अनुप्रयोग अब सांख्यिकीय तकनीकों से 'कलेक्ट और स्टोर डेटा' तकनीकों का उपयोग करने के लिए आगे बढ़ रहे हैं, और फिर नए डेटा पर खनन करते हैं, नए परिणाम आउटपुट करते हैं और प्रक्रिया के साथ प्रयोग करते हैं। वैज्ञानिक डोमेन जैसे खगोल विज्ञान, भूविज्ञान, उपग्रह सेंसर, ग्लोबल पोजिशनिंग सिस्टम आदि से बड़ी मात्रा में डेटा एकत्र किया जाता है।

कंप्यूटर विज्ञान में डेटा माइनिंग सिस्टम की स्थिति की निगरानी करने, उसके प्रदर्शन में सुधार करने, सॉफ़्टवेयर बग्स का पता लगाने, साहित्यिक चोरी का पता लगाने और दोष का पता लगाने में मदद करता है। डेटा माइनिंग उत्पादों, लेखों के बारे में राय और विचारों की भावनाओं को कम करने के लिए उपयोगकर्ता की प्रतिक्रिया का विश्लेषण करने में मदद करता है।

# 6) अपराध की रोकथाम

डेटा माइनिंग डेटा की एक विशाल मात्रा में आउटलेर्स का पता लगाता है। आपराधिक डेटा में हुए अपराध के सभी विवरण शामिल हैं। डाटा माइनिंग पैटर्न और रुझानों का अध्ययन करेगा और बेहतर सटीकता के साथ भविष्य की घटनाओं की भविष्यवाणी करेगा।

एजेंसियां ​​यह पता लगा सकती हैं कि किस क्षेत्र में अपराध की अधिक संभावना है, पुलिस कर्मियों को कितना तैनात किया जाना चाहिए, किस आयु वर्ग को लक्षित किया जाना चाहिए, वाहन संख्या की जांच की जानी चाहिए, आदि।

# 7) शोध

शोधकर्ता अनुसंधान के तहत मानकों के बीच संघों का पता लगाने के लिए डेटा माइनिंग टूल्स का उपयोग करते हैं जैसे कि वायु प्रदूषण जैसी पर्यावरणीय स्थिति और लक्षित क्षेत्रों में लोगों में अस्थमा जैसी बीमारियों का प्रसार।

# 8) खेती

पौधों द्वारा आवश्यक पानी की मात्रा के साथ सब्जियों की उपज का पता लगाने के लिए किसान डाटा माइनिंग का उपयोग करते हैं।

# 9) स्वचालन

डेटा माइनिंग का उपयोग करके, कंप्यूटर सिस्टम उन मापदंडों के बीच पैटर्न को पहचानना सीखते हैं जो तुलना में हैं। सिस्टम उन पैटर्न को संग्रहीत करेगा जो भविष्य में व्यावसायिक लक्ष्यों को प्राप्त करने के लिए उपयोगी होंगे। यह शिक्षण स्वचालन है क्योंकि यह मशीन सीखने के माध्यम से लक्ष्यों को पूरा करने में मदद करता है।

# 10) डायनामिक प्राइसिंग

डेटा माइनिंग सेवा प्रदाताओं को कैब सेवाओं जैसे मांग और आपूर्ति के आधार पर ग्राहकों को गतिशील रूप से चार्ज करने में मदद करता है। यह कंपनियों की सफलता के लिए महत्वपूर्ण कारकों में से एक है।

# 11) परिवहन

डेटा माइनिंग वेयरहाउस से आउटलेट तक उत्पाद ले जाने और उत्पाद लोडिंग पैटर्न का विश्लेषण करने में मदद करता है।

# 12) बीमा

डेटा माइनिंग के तरीके उन ग्राहकों को पूर्वानुमान लगाने में मदद करते हैं जो पॉलिसी खरीदते हैं, साथ में उपयोग किए जाने वाले मेडिकल दावों का विश्लेषण करते हैं, धोखाधड़ी वाले व्यवहार और जोखिम वाले ग्राहकों का पता लगाते हैं।

वित्त में डाटा माइनिंग उदाहरण

वित्त में डाटा माइनिंग उदाहरण

( छवि स्रोत )

वित्त क्षेत्र में बैंक, बीमा कंपनियां और निवेश कंपनियां शामिल हैं। ये संस्थान बड़ी मात्रा में डेटा एकत्र करते हैं। डेटा अक्सर पूर्ण, विश्वसनीय और उच्च गुणवत्ता का होता है और एक व्यवस्थित डेटा विश्लेषण की मांग करता है।

वित्तीय डेटा स्टोर करने के लिए, डेटा वेयरहाउस जो डेटा क्यूब्स के रूप में डेटा स्टोर करते हैं, का निर्माण किया जाता है। इस डेटा का विश्लेषण करने के लिए, उन्नत डेटा क्यूब अवधारणाओं का उपयोग किया जाता है। डेटा माइनिंग के तरीके जैसे क्लस्टरिंग और आउटलाइयर विश्लेषण, वित्तीय डेटा विश्लेषण और खनन में लक्षण वर्णन का उपयोग किया जाता है।

वित्त में कुछ मामले जहां डेटा खनन का उपयोग किया जाता है, नीचे दिए गए हैं।

(1) ऋण भुगतान की भविष्यवाणी

विशेषता चयन और विशेषता रैंकिंग जैसी डेटा माइनिंग विधियां ग्राहक भुगतान इतिहास का विश्लेषण करेंगी और महत्वपूर्ण कारकों जैसे आय अनुपात, क्रेडिट इतिहास, ऋण की अवधि आदि का चयन करेंगी। परिणाम बैंकों को अपनी ऋण देने की नीति तय करने में मदद करेंगे, और कारक विश्लेषण के अनुसार ग्राहकों को ऋण भी देते हैं।

# 2) लक्षित विपणन

डेटा माइनिंग के तरीकों के क्लस्टरिंग और वर्गीकरण से उन कारकों को खोजने में मदद मिलेगी जो बैंकिंग के प्रति ग्राहकों के निर्णयों को प्रभावित करते हैं। समान व्यवहार वाले ग्राहकों की पहचान लक्षित विपणन की सुविधा प्रदान करेगी।

# 3) वित्तीय अपराधों का पता लगाएं

बैंकिंग डेटा कई अलग-अलग स्रोतों, विभिन्न शहरों और विभिन्न बैंक स्थानों से आते हैं। अध्ययन के लिए और बड़े मूल्य के लेनदेन जैसे असामान्य रुझानों का पता लगाने के लिए कई डेटा विश्लेषण उपकरण तैनात किए जाते हैं। डेटा विज़ुअलाइज़ेशन टूल, आउटलाइज़ एनालिसिस टूल, क्लस्टरिंग टूल आदि का उपयोग रिश्तों और क्रिया के पैटर्न की पहचान करने के लिए किया जाता है।

नीचे दिया गया आंकड़ा विभिन्न देशों में बैंकिंग ऑनलाइन प्रणाली के लिए ग्राहक की इच्छा को दर्शाने वाले इन्फोसिस का एक अध्ययन है। इन्फोसिस ने इस अध्ययन के लिए बिग डेटा एनालिटिक्स का इस्तेमाल किया।

इन्फोसिस का एक अध्ययन

(छवि स्रोत )

xml फ़ाइल कैसे देखें

विपणन में डेटा खनन के अनुप्रयोग

डेटा माइनिंग कंपनी की मार्केटिंग रणनीति को बढ़ाता है और व्यापार को बढ़ावा देता है। यह कंपनियों की सफलता के लिए महत्वपूर्ण कारकों में से एक है। बिक्री, ग्राहक खरीदारी, उपभोग आदि पर भारी मात्रा में डेटा एकत्र किया जाता है। ई-कॉमर्स के कारण यह डेटा दिन-प्रतिदिन बढ़ता जा रहा है।

डेटा माइनिंग ग्राहक की खरीद व्यवहार की पहचान करने, ग्राहक सेवा में सुधार, ग्राहक प्रतिधारण पर ध्यान केंद्रित करने, बिक्री बढ़ाने और व्यवसायों की लागत को कम करने में मदद करता है।

विपणन में डेटा खनन के कुछ उदाहरण हैं:

(1) पूर्वानुमान बाजार

बाजार की भविष्यवाणी करने के लिए, विपणन पेशेवर ग्राहक के व्यवहार, परिवर्तनों, और आदतों, ग्राहक की प्रतिक्रिया और विपणन बजट, अन्य आवक लागत, आदि जैसे अन्य कारकों का अध्ययन करने के लिए प्रतिगमन जैसी डेटा खनन तकनीकों का उपयोग करेंगे। भविष्य में, पेशेवरों के लिए यह आसान हो जाएगा। किसी भी कारक परिवर्तन के मामले में ग्राहकों की भविष्यवाणी करना।

# 2) विसंगति का पता लगाना

डेटा माइनिंग तकनीकों को डेटा में किसी भी तरह की असामान्यता का पता लगाने के लिए तैनात किया जाता है जो सिस्टम में किसी भी तरह की खराबी का कारण हो सकता है। सिस्टम इस ऑपरेशन को करने के लिए हजारों जटिल प्रविष्टियों को स्कैन करेगा।

# 3) सिस्टम सुरक्षा

डेटा माइनिंग टूल्स घुसपैठ का पता लगाते हैं जो पूरे सिस्टम को अधिक सुरक्षा प्रदान करने वाले डेटाबेस को नुकसान पहुंचा सकते हैं। ये घुसपैठ डुप्लिकेट प्रविष्टियों के रूप में हो सकते हैं, हैकर्स द्वारा डेटा के रूप में वायरस, आदि।

हेल्थकेयर में डेटा माइनिंग एप्लिकेशन के उदाहरण

हेल्थकेयर में डेटा माइनिंग उदाहरण

(छवि स्रोत )

स्वास्थ्य सेवा में, डेटा खनन तेजी से लोकप्रिय और आवश्यक होता जा रहा है।

हेल्थकेयर द्वारा उत्पन्न डेटा जटिल और स्वैच्छिक है। मेडिकल धोखाधड़ी और दुर्व्यवहार से बचने के लिए, डेटा माइनिंग टूल्स का उपयोग धोखाधड़ी वस्तुओं का पता लगाने के लिए किया जाता है और इस तरह नुकसान को रोका जाता है।

स्वास्थ्य सेवा उद्योग के कुछ डेटा खनन उदाहरण आपके संदर्भ के लिए नीचे दिए गए हैं।

(1) हेल्थकेयर प्रबंधन

डेटा माइनिंग विधि का उपयोग पुरानी बीमारियों की पहचान करने के लिए किया जाता है, रोग के प्रसार के लिए उच्च जोखिम वाले क्षेत्रों को ट्रैक करता है, रोग के प्रसार को कम करने के लिए डिज़ाइन कार्यक्रम। हेल्थकेयर पेशेवर बीमारियों, अस्पताल में अधिकतम प्रवेश वाले रोगियों के क्षेत्रों का विश्लेषण करेंगे।

इस डेटा के साथ, वे लोगों को बीमारी के बारे में जागरूक करने के लिए क्षेत्र के लिए अभियान डिजाइन करेंगे और देखेंगे कि इससे कैसे बचा जाए। इससे अस्पतालों में भर्ती मरीजों की संख्या में कमी आएगी।

# 2) प्रभावी उपचार

डेटा माइनिंग का उपयोग करके, उपचारों में सुधार किया जा सकता है। लक्षणों, कारणों और दवाओं की निरंतर तुलना करके, प्रभावी उपचार करने के लिए डेटा विश्लेषण किया जा सकता है। डेटा माइनिंग का उपयोग विशिष्ट बीमारियों के उपचार और उपचार के दुष्प्रभावों के संबंध के लिए भी किया जाता है।

# 3) धोखाधड़ी और अपमानजनक डेटा

डेटा माइनिंग एप्लिकेशन का उपयोग असामान्य पैटर्न खोजने के लिए किया जाता है जैसे प्रयोगशाला, चिकित्सक के परिणाम, अनुचित नुस्खे, और धोखाधड़ी वाले चिकित्सीय दावे।

डाटा माइनिंग एंड रिकमेंडर सिस्टम

सिफारिशकर्ता सिस्टम ग्राहकों को उत्पाद की सिफारिशें देते हैं जो उपयोगकर्ताओं के लिए रुचि के हो सकते हैं।

अनुशंसित आइटम या तो अतीत में उपयोगकर्ता द्वारा बोली जाने वाली वस्तुओं के समान हैं या अन्य ग्राहक वरीयताओं को देखकर जो उपयोगकर्ता के समान स्वाद हैं। इस दृष्टिकोण को सामग्री-आधारित दृष्टिकोण और उचित रूप से एक सहयोगी दृष्टिकोण कहा जाता है।

कई तकनीकों जैसे सूचना पुनर्प्राप्ति, सांख्यिकी, मशीन लर्निंग, आदि का उपयोग अनुशंसित प्रणाली में किया जाता है।

उपयोगकर्ता के लिए किसी आइटम का अनुमान लगाने के लिए अनुशंसित सिस्टम कीवर्ड, उपयोगकर्ता प्रोफ़ाइल, उपयोगकर्ता लेनदेन, सामान्य सुविधाओं के बीच खोज करता है। ये सिस्टम उन अन्य उपयोगकर्ताओं को भी खोजते हैं जिनके पास सामान खरीदने और उनका अनुमान लगाने का एक समान इतिहास है, जिसे वे उपयोगकर्ता खरीद सकते हैं।

इस दृष्टिकोण में कई चुनौतियां हैं। सिफारिश प्रणाली को वास्तविक समय में लाखों डेटा के माध्यम से खोजने की आवश्यकता है।

सिफारिशकर्ता सिस्टम द्वारा दो प्रकार की त्रुटियाँ हैं:

झूठी नकारात्मक और झूठी सकारात्मक।

झूठी नकारात्मक ऐसे उत्पाद हैं जो सिस्टम द्वारा अनुशंसित नहीं थे, लेकिन ग्राहक उन्हें चाहते हैं। सकारात्मक झूठी ऐसे उत्पाद हैं जो सिस्टम द्वारा अनुशंसित थे लेकिन ग्राहक द्वारा नहीं चाहते थे। एक और चुनौती उन उपयोगकर्ताओं के लिए सिफारिश है जो किसी भी क्रय इतिहास के बिना नए हैं।

क्वेरी का विश्लेषण करने और क्वेरी से संबंधित सामान्यीकृत, संबंधित जानकारी प्रदान करने के लिए एक बुद्धिमान क्वेरी आंसरिंग तकनीक का उपयोग किया जाता है। उदाहरण के लिए: रेस्तरां के पते और फोन नंबर के बजाय रेस्तरां की समीक्षा दिखाना।

CRM के लिए डेटा खनन (ग्राहक संबंध प्रबंधन)

ग्राहक संबंध प्रबंधन को डेटा माइनिंग के साथ प्रबलित किया जा सकता है। अधिक उपयुक्त ग्राहक, बेहतर क्रॉस-सेलिंग और अप-सेलिंग, बेहतर प्रतिधारण को आकर्षित करके अच्छे ग्राहक संबंध बनाए जा सकते हैं।

डेटा माइनिंग सीआरएम को बढ़ा सकता है:

  1. डेटा माइनिंग व्यवसायों को उच्च प्रतिक्रिया और बेहतर आरओआई के लिए लक्षित कार्यक्रम बनाने में मदद कर सकता है।
  2. व्यवसाय ग्राहकों द्वारा वांछित बिक्री और क्रॉस-सेलिंग के माध्यम से अधिक उत्पादों और सेवाओं की पेशकश कर सकते हैं जिससे ग्राहकों की संतुष्टि बढ़ रही है।
  3. डेटा माइनिंग के साथ, एक व्यवसाय यह पता लगा सकता है कि कौन से ग्राहक अन्य विकल्पों की तलाश कर रहे हैं। उस सूचना का उपयोग करके ग्राहक ग्राहक को छोड़ने से रोकने के लिए विचार बना सकते हैं।

डेटा माइनिंग सीआरएम में मदद करता है:

  1. डेटाबेस मार्केटिंग: मार्केटिंग सॉफ्टवेयर कंपनियों को ग्राहकों को संदेश और ईमेल भेजने में सक्षम बनाता है। यह उपकरण डेटा माइनिंग के साथ लक्षित विपणन कर सकता है। डाटा माइनिंग, ऑटोमेशन और नौकरियों की समय-सारणी के साथ प्रदर्शन किया जा सकता है। यह बेहतर निर्णय लेने में मदद करता है। यह तकनीकी निर्णयों में भी मदद करेगा कि नए उत्पाद में किस तरह के ग्राहक रुचि रखते हैं, उत्पाद लॉन्च के लिए कौन सा बाजार क्षेत्र अच्छा है।
  2. ग्राहक अधिग्रहण अभियान: डेटा माइनिंग के साथ, बाजार पेशेवर उन संभावित ग्राहकों की पहचान करने में सक्षम होगा जो उत्पादों या नए खरीदारों से अनजान हैं। वे ऐसे ग्राहकों के लिए ऑफ़र और पहल डिज़ाइन करने में सक्षम होंगे।
  3. अभियान अनुकूलन: अभियान की प्रभावशीलता के लिए कंपनियां डेटा माइनिंग का उपयोग करती हैं। यह विपणन प्रस्तावों के लिए ग्राहकों की प्रतिक्रिया मॉडल कर सकता है।

निर्णय वृक्ष के उदाहरण का उपयोग करते हुए डाटा माइनिंग

निर्णय वृक्ष के एल्गोरिदम को कार्ट (वर्गीकरण और प्रतिगमन पेड़) कहा जाता है। यह एक पर्यवेक्षित शिक्षण पद्धति है। एक पेड़ की संरचना का चयन सुविधाओं पर किया जाता है, विभाजन के लिए स्थितियां और कब रोकना है। निर्णय वृक्षों का उपयोग पिछले प्रशिक्षण डेटा से सीखने के आधार पर वर्ग चर के मूल्य का अनुमान लगाने के लिए किया जाता है।

आंतरिक नोड एक विशेषता का प्रतिनिधित्व करता है और पत्ती नोड एक वर्ग लेबल का प्रतिनिधित्व करता है।

निर्णय वृक्ष उदाहरण का उपयोग करते हुए डेटा खनन

(छवि स्रोत )

निर्णय ट्री संरचना बनाने के लिए निम्नलिखित चरणों का उपयोग किया जाता है:

  1. सबसे अच्छी विशेषता पेड़ (जड़) के शीर्ष पर रखें।
  2. सबस्क्रिप्शन इस तरह से बनाए जाते हैं कि प्रत्येक सब्मिट किसी विशेषता के लिए समान मान के साथ डेटा का प्रतिनिधित्व करता है।
  3. सभी शाखाओं के पत्ती नोड्स को खोजने के लिए समान चरणों को दोहराएं।

क्लास लेबल की भविष्यवाणी करने के लिए, रिकॉर्ड की विशेषता की तुलना पेड़ की जड़ से की जाती है। तुलना करने पर, अगली शाखा को चुना जाता है। आंतरिक नोड्स की तुलना भी उसी तरह से की जाती है जब तक कि पत्ती नोड कक्षा चर की भविष्यवाणी नहीं करता है।

डिसीजन ट्री इंडक्शन के लिए उपयोग किए जाने वाले कुछ एल्गोरिदम में हंट्स एल्गोरिथम, कार्ट, आईडी 3, सी 4.5, एसएलआईक्यू और एसपीआरआईएनटी शामिल हैं।

डेटा खनन का सबसे लोकप्रिय उदाहरण: विपणन और बिक्री

मार्केटिंग और सेल्स ऐसे डोमेन हैं जिनमें कंपनियों के पास बड़ी मात्रा में डेटा होता है।

# 1) बैंक डेटा माइनिंग तकनीक के पहले उपयोगकर्ता हैं क्योंकि यह उन्हें क्रेडिट मूल्यांकन में मदद करता है। डेटा माइनिंग विश्लेषण करता है कि ग्राहकों द्वारा बैंकों द्वारा दी जाने वाली सेवाओं का उपयोग किस प्रकार के ग्राहक एटीएम कार्ड का उपयोग करते हैं और वे आम तौर पर अपने कार्ड (क्रॉस-सेलिंग के लिए) का उपयोग करके क्या खरीदते हैं।

ग्राहक लेन-देन का विश्लेषण करने के लिए बैंक डेटा माइनिंग का उपयोग करते हैं, जो ग्राहक को कम करने के लिए बैंक को बदलने का निर्णय लेने से पहले ग्राहक करते हैं। इसके अलावा, लेन-देन में कुछ आउटलेर्स का धोखाधड़ी की पहचान के लिए विश्लेषण किया जाता है।

# 2) सेलुलर फोन कंपनियों मंथन से बचने के लिए डेटा माइनिंग तकनीकों का उपयोग करें। मंथन सेवाओं को छोड़ने वाले ग्राहकों की संख्या को दर्शाने वाला एक उपाय है। यह उन पैटर्नों का पता लगाता है जो बताते हैं कि ग्राहकों को बनाए रखने के लिए ग्राहक सेवाओं से कैसे लाभ उठा सकते हैं।

# 3) मार्केट बास्केट एनालिसिस दुकानों में एक साथ खरीदी गई वस्तुओं के समूहों को खोजने की तकनीक है। लेन-देन का विश्लेषण पैटर्न को दर्शाता है जैसे कि चीजें एक साथ अक्सर खरीदी जाती हैं जैसे कि रोटी और मक्खन, या किन चीजों की बिक्री कुछ दिनों में अधिक होती है जैसे कि शुक्रवार को बीयर।

यह जानकारी स्टोर लेआउट की योजना बनाने में मदद करती है, जो मांग में कम हैं उन मदों के लिए एक विशेष छूट की पेशकश करते हैं, जैसे कि '2 खरीदें 1 मुफ्त' या 'दूसरी खरीद पर 50% प्राप्त करें' आदि।

मार्केट बास्केट विश्लेषण

(छवि स्रोत )

डाटा माइनिंग का उपयोग करने वाली बड़ी कंपनियां

डेटा खनन तकनीकों का उपयोग करने वाली कुछ ऑनलाइन कंपनियां नीचे दी गई हैं:

  • AMAZON: उत्पाद की सबसे कम कीमत खोजने के लिए अमेज़न टेक्स्ट माइनिंग का उपयोग करता है।
  • MC डोनाल्ड: मैकडॉनल्ड्स अपने ग्राहक अनुभव को बढ़ाने के लिए बड़े डेटा खनन का उपयोग करता है। यह ग्राहकों के ऑर्डरिंग पैटर्न, प्रतीक्षा समय, ऑर्डर के आकार आदि का अध्ययन करता है।
  • नेटफ्लिक्स: नेटफ्लिक्स अपने डेटा माइनिंग इनसाइट्स का उपयोग करके ग्राहकों के बीच एक फिल्म या श्रृंखला को लोकप्रिय बनाने का तरीका खोजता है।

निष्कर्ष

डेटा माइनिंग का उपयोग बैंकिंग, मार्केटिंग, हेल्थकेयर, टेलिकॉम इंडस्ट्रीज और कई अन्य क्षेत्रों जैसे विभिन्न अनुप्रयोगों में किया जाता है।

डेटा माइनिंग तकनीक कंपनियों को ज्ञानवर्धक जानकारी हासिल करने में मदद करती है, प्रक्रियाओं और संचालन में समायोजन करके उनकी लाभप्रदता बढ़ाती है। यह एक तेज़ प्रक्रिया है जो छिपे हुए पैटर्न और रुझानों के विश्लेषण के माध्यम से निर्णय लेने में व्यापार में मदद करता है।

निर्णय ट्री डाटा माइनिंग एल्गोरिदम के बारे में अधिक जानने के लिए हमारे आगामी ट्यूटोरियल की जाँच करें !!

PREV ट्यूटोरियल | अगले ट्यूटोरियल

अनुशंसित पाठ

^