Get Started. It's Free
or sign up with your email address
Data Mining by Mind Map: Data Mining

1. ความหมายของ Data Mining

1.1. -เป็นกระบวนการ (Process) ที่กระทำกับข้อมูลขนาดใหญ่เพื่อค้นหารูปแบบ แนวทาง และความสัมพันธ์ที่ซ่อนอยู่ในชุดข้อมูลนั้นโดยอาศัยหลักสถิติ การรู้จำ การเรียนรู้ของเครื่อง และหลักคณิตศาสตร์เพื่อให้ได้สารสนเทศที่เราไม่รู้ออกมา โดยสารสนเทศที่ได้จะมีเหตุผลและสามารถนำไปใช้ประโยชน์ได้

2. การประยุกต์ใช้งาน Data Mining

2.1. ธุรกิจค้าปลีก

2.1.1. - ใช้งาน Data Mining ในการพิจารณาหากลยุทธ์ให้เป็นที่สนใจกับผู้บริโภคในรูปแบบต่าง ๆ

2.2. กิจการโทรคมนาคม

2.2.1. -ใช้ตรวจสอบการโกงโดยวิเคราะห์รูปแบบการใช้งานของสมาชิกลูกข่ายในการใช้งานโทรศัพท์

2.3. การวิเคราะห์ผลิตภัณฑ์

2.3.1. - สร้างโมเดลด้วยเทคนิค Data Mining และใช้โมเดลในการทำนายราคาผลิตภัณฑ์ตัวอื่น ๆ

2.4. การวิเคราะห์บัตรเครดิต

2.4.1. - ช่วยบริษัทเครดิตการ์ดตัดสินใจในการที่จะให้เครดิตการ์ดกับลูกค้าหรือไม่ - แบ่งประเภทของลูกค้าว่ามีความเสี่ยงในเรื่องเครดิต ต่ำ ปานกลาง หรือสูง - ป้องกันปัญหาเรื่องการทุจริตบัตรเครดิต

2.5. การวิเคราะห์ลูกค้า

2.5.1. - ช่วยแบ่งกลุ่มและวิเคราะห์ลูกค้าเพื่อที่จะผลิตและเสนอสินค้าได้ตรงตามกลุ่มเป้าหมายแต่ละกลุ่ม - ทำนายว่าลูกค้าคนใดจะเลิกใช้บริการจากบริษัทภายใน 6 เดือนหน้า

2.6. การวิเคราะห์การขาย

2.6.1. - ช่วยในการโฆษณาสินค้าได้อย่างเหมาะสมและตรงตามเป้าหมาย - ช่วยในการจัดวางสินค้าได้อย่างเหมาะสม

3. มีข้อเสียของ Data Mining

3.1. ข้อดี

3.1.1. 1.ค้นหาข้อมูลโดยอาศัยเทคโนโลยีของData mining

3.1.2. 2.ผู้ใช้ระบบไม่จำเป็นต้องทักษะในการเขียนโปรแกรม

3.1.3. 3.ผู้ใช้ต้องกำหนดขอบเขตและเป้าหมายของระบบให้ชัดเจน เพื่อความรวดเร็วและถูกต้องตามความต้องการ

3.1.4. 4.การประมวลผลแบบขนานจะช่วยเพิ่มประสิทธิภาพและความเร็วในการค้นหาข้อมูล

3.2. ข้อเสีย

3.2.1. 1.ต้องเสียเวลาในการเตรียมข้อมูล

3.2.2. 2.ความไม่ถูกต้องของข้อมูลหรือข้อมูลเอาไปใช้ประโยชน์ไม่ได้

3.2.3. 3.ความปลอดภัยของข้อมูลพวกนี้มีประโยชน์มหาศาลสำหรับบริษัท รวมถึงคู่แข่งถ้ามันหลุดออกไปก็อาจสร้างความเสียหายกับบริษัทได้ ดังนั้นเรื่อง Security ก็เป็นเรื่องสำคัญ

4. วัตถุประสงค์ในการใช้ Data Mining

4.1. 1. เพื่อการค้นพบองค์ความรู้ใหม่ในฐานข้อมูล

4.2. 2. เพื่อการสกัดองค์ความรู้ที่ซ่อนเร้นอยู่

4.3. 3. เพื่อจัดการกับข้อมูลในอดีต

4.4. 4. เพื่อสำรวจข้อมูล

4.5. 5. เพื่อค้นหา Pattern ของข้อมูลที่ซ่อนอยู่

4.6. 6. เพื่อใช้ขุดเจาะข้อมูล

4.7. 7. เพื่อเก็บเกี่ยวผลประโยชน์ให้ได้มาซึ่งสารสนเทศที่มีประโยชน์

5. ลักษณะการทำงานของ Data Mining

5.1. -คล้ายกับกระบวนการKnowledge Discovery in Databases : KDD เป็นการสืบค้นความรู้ที่เป็นประโยชน์ในฐานข้อมูลขนาดใหญ่ ซึ่งนิยมใช้ Data Mining เป็นขั้นตอนหนึ่งในกระบวนการ KDD

6. คุณลักษณะของ Data Mining

6.1. -การค้นหาข้อมูลโดยอาศัยเทคโนโลยีการทำเหมืองข้อมูล ภายใต้ฐานข้อมูลขนาดใหญ่หรือคลังข้อมูล ซึ่งข้อมูลอาจถูกสะสมมานานหลายปี

6.2. -ผู้ใช้งานระบบสารสนเทศไม่จำเป็นต้องมีทักษะในการเขียนโปรแกรม เนื่องจากมีเครื่องมือช่วยค้นหาข้อมูลจากคลังข้อมูลได้อย่างรวดเร็ว

6.3. -ผู้ใช้ต้องกำหนดขอบเขตการค้นหาข้อมูลให้ชัดเจนเพื่อความรวดเร็ว

6.4. - อาจมีการประมวลผลข้อมูลแบบขนาน เพื่อเพิ่มประสิทธิภาพในการค้นหาและวิเคราะห์ข้อมูล

6.5. -เครื่องมือสำหรับทำเหมืองข้อมูลสามารถใช้งานร่วมกับโปรแกรม Spreadsheet และเครื่องมือพัฒนาต่าง ๆ ได้เป็นอย่างดี