Data Mining And Modelling

Bagi anda yang mencari jasa rental mobil dengan pelayanan terbaik bagi para pelanggannya, dan mencari pilihan kendaraan yang anda butuhkan. Anda bisa mengunjungi rentalelfcenter.com

Proses penting yang harus digambarkan secara jelas untuk Data Mining, Analysis and Modelling adalah:


Model data: data apa yang akan tersedia dan bagaimana alirannya?
Pengumpulan data: bagaimana data akan dikumpulkan baik dalam hal fisik dan teknologi?
Data dikumpulkan: data apa yang akan dikumpulkan?
Tipe data: jenis data apa yang akan dikumpulkan?
Pemformatan data: bagaimana data akan disimpan?
Data warehousing: dimana data akan disimpan?
Penambangan data: bagaimana kita akan mengambil data dari gudang?
Pemodelan informasi: bagaimana kita membuat model dan bagaimana?
Akses informasi: bagaimana kami akan mengakses model dan laporan data?
Presentasi & pelaporan: pada apa yang akan kami laporkan?

Sebagian besar perusahaan ingin mengetahui informasi penting tentang pelanggan di setiap titik kontak, misalnya:

Nilai kehidupan
X menjual dan meningkatkan potensi
Biaya Akuisisi
Preferensi saluran
Loyalitas / retensi
Beli pola perilaku

Sebagian besar data yang mereka miliki akan memiliki frekuensi perubahan, penyegaran atau kejadian yang berbeda. Ini akan disimpan untuk periode yang berbeda. Dalam beberapa kasus, data agregat dapat disimpan daripada data sumber. Semua faktor ini mempengaruhi latihan pemodelan data dan persyaratan perangkat lunak pemodelan akhir.

Mengubah data menjadi informasi yang berguna membutuhkan:

Mengidentifikasi masalah (s)
Merakit kumpulan data
Membangun model
Verifikasi model
Interpretasi hasil
Otomatisasi pengiriman

Setelah itu, alat dan teknik pemodelan harus digunakan. Ini dapat dibagi menjadi dua kelompok: teori didorong dan data didorong.

Pemodelan yang digerakkan oleh teori (pengujian hipotesis) mencoba untuk membuktikan atau menyanggah gagasan yang terbentuk sebelumnya. Alat pemodelan yang digerakkan oleh teori mengharuskan pengguna untuk menentukan sebagian besar model berdasarkan pengetahuan sebelumnya dan kemudian menguji untuk melihat apakah model tersebut valid.

Alat pemodelan berbasis data secara otomatis membuat model berdasarkan pola yang mereka temukan dalam data. Ini juga perlu diuji sebelum dapat diterima sebagai valid.

Pemodelan adalah proses berulang dengan model akhir biasanya merupakan kombinasi dari pengetahuan sebelumnya dan informasi yang baru ditemukan. Alat dan teknik mesin termasuk:

Teknik statistik
Alat penggerak data
Korelasi
Analisis Cluster
t-tes
Analisis faktor
Analisis Varians
CHAID (Chi-square Automatic Interaction Detector) pohon keputusan
Regresi linier
Alat visualisasi
Regresi logistik
Jaringan syaraf
Analisis diskriminan