Интеллектуальный анализ данных — это способ обнаружить неявные закономерности в наборе информации. Такой способ анализировать данные появился в начале 90-х, как раз в тот момент стала зарождаться автоматизированная обработка информации, накопленная в компьютерных системах. Простой поиск информации в базе данных существовал уже давно, но его уже не хватало, так как появилась потребность устанавливать связи между разной информацией.
Классическое определение звучит так. Интеллектуальный анализ данных — это исследование информации и обнаружение поисковыми алгоритмами и искусственным интеллектом в ее «сыром» виде новой информации, которая ранее не была известна, но достаточно полезна, чтобы ее интерпретировать.
Интеллектуальный анализ данных имеет еще несколько названий — это «data mining», «добыча информации», «раскопка информации». Все это можно считать синонимами.
Интеллектуальный анализ данных
Интеллектуальный анализ данных возник отнюдь не спонтанно. Все мы знаем, что с приходом интернета большинство компаний стало собирать информацию о своей деятельности. Работа каждой организации: коммерческой, производственной, медицинской, научной и др. связана со сбором разного рода информации. Информация собрана и ее очень много, но что с ней делать? Таким образом созрела потребность в продуктивном способе обработки информации. Этим самым способом и стал интеллектуальный анализ данных.
Интеллектуальный анализ данных проводится с помощью программного обеспечения. Это программное обеспечение разделяется на несколько категорий:
-
специализированное программное обеспечение;
-
математические пакеты;
-
электронные таблицы с надстройками;
-
системы управления базами данных;
-
и др.
Интеллектуальный анализ данных и его задачи
Основные задачи этого вида анализа заключаются в следующем:
-
Нужно классифицировать. Смысл этой задачи заключается в том, что по ряду признаков нужно выделять и классифицировать какую-то информацию. Например, кредитные организации классифицируют потенциальных клиентов по десяткам признаков: платежеспособен или неплатежеспособен.
-
Нужна регрессия. Смысл этой задачи очень схож с задачей по классификации. Но отличается конечным результатом. В задачах по регрессии обычно ищут какое-то число из огромного непрерывного диапазона.
-
Нужно прогнозирование. Смысл заключается в том, что нужно максимально точно определить предположительный результат, исходя из имеющейся информации и последовательности значений, связанных между собой.
-
Нужно разделить. Смысл задачи сводится к разделению большого объема информации на более мелкие доли, связанные между собой какими-то параметрами.
-
Нужно определить взаимосвязи. Смысл заключается в том, чтобы обнаружить наборы свойств, которые встречаются во всем объеме информации и взаимосвязаны между собой.
-
Нужно проанализировать последовательность. Смысл заключается в изучении последовательности значений и выявлении закономерности, по которым они происходят.
-
Нужно проанализировать отклонения. Смысл в том, чтобы найти отклонения в значениях, которые очень сильно отличаются от норматива.
Интеллектуальный анализ данных: кто им пользуется
Таким видом анализа пользуется широчайший круг сфер человеческой жизнедеятельности. Можно смело сказать, что интеллектуальный анализ данных применяется везде, где имеется хоть какая-то информация. Основное место применение такого анализа — бизнес-деятельность и места работы с Big Data. Интеллектуальный анализ данных — это основной инструмент в конкурентной борьбе.
Рассмотрим подробнее несколько сфер, где применяется такой вид анализа:
-
Розничная торговля. В этой сфере о покупателях собирают разную информацию: что покупают, когда покупают, чем расплачиваются и др. С помощью анализа подобной информации получается: проанализировать покупательскую корзину, исследовать шаблоны действий покупателей, спрогнозировать будущие модели поведения покупателей и др.
-
Банковская сфера. В этой сфере информации собирается не меньше, чем в первом случае. Анализ информации из этой сферы помогает: выявить финансовых и кредитных мошенников, разбивать клиентскую базу по категориям, прогнозировать изменение клиентской базы и др.
-
Телекоммуникационная сфера. Благодаря интеллектуальному анализу данных в этой сфере удается внедрять маркетинговые и ценообразующие программы. В частном случае анализ помогает: выявлять категории пользователей со стереотипным поведением, выявить лояльность клиентов, чтобы понимать как их можно удержать и др.
-
Страхование. В этой сфере информация о клиентах и о случаях страхования помогает: выявить мошенников по стереотипному поведению, проанализировать потенциальные риски и др.
-
Автомобилестроение. Анализ поведения и требований покупателей помогает конструировать автомобили, которые будут интересны людям. Тем самым компании способны прогнозировать потенциальную прибыль.
-
Авиакомпании. Анализ собственных клиентов позволяет авиакомпаниям проводить более качественные акции, раздавать мили, поощрять частые перелеты и др.
-
Медицина. Здесь анализ позволяет точнее выявлять болезнь у заболевших людей, тем самым лучше проводить лечение, что влияет на качество медицины.
-
Генетика и генная инженерия. Интеллектуальный анализ генетических данных позволяет выявлять последовательности и закономерности в экспериментальных исследованиях.
Заключение
Интеллектуальный анализ данных — это не самостоятельная область. Такой вид анализа основывается на других известных дисциплинах, поэтому часто строится на их основе. К таким дисциплинам относят:
-
нейронную сеть;
-
искусственный интеллект;
-
статистику;
-
эффективные вычисления;
-
хранилища информации;
-
теорию баз данных;
-
оперативную аналитическую обработку информации;
-
информационный поиск;
-
экспериментальные системы;
-
визуализацию данных;
-
распознавание объектов и образов;
-
и др.
Интеллектуальный анализ данных применяется везде, где присутствует хоть какая-то информация. Если учитывать, что объем информации растет в геометрической прогрессии, тогда становится ясным, что такой вид анализа пришел к нам надолго.