Czym jest Data Mining?

Data Mining, czyli eksploracja danych, jest jednym z etapów procesu odkrywania wiedzy w danych (KDD - Knowledge Discovery in Databases). Polega ona na wyszukiwaniu nieoczywistych, a potencjalnie użytecznych zależności pomiędzy danymi. Można wyróżnić dwa główne cele eksploracji danych, którymi są opis oraz predykcja. Opis polega na znajdowaniu w danych wzorców, które pozwolą np. scharakteryzować wybrane grupy klientów oraz modele ich zachowań. Predykcja polega na prognozowaniu wartości wybranych atrybutów, jak np. spodziewanego przychodu od danego klienta na przestrzeni najbliższych 3 lat, czy określenie prawdopodobieństwa przejścia klienta do konkurencyjnej firmy. Poniżej opisano niektóre spośród biznesowych zastosowań technik odkrywania wiedzy i Data Mining.

Analizy koszykowe
Pozwalają one określić, jakie produkty nasi klienci kupują najczęściej razem. Dzięki zdobytej w ten sposób wiedzy można efektywnie zarządzać kampaniami marketingowymi, promocjami, czy rozłożeniem produktów na półkach, w celu minimalizacji kosztów i maksymalizacji przychodów.

Credit Scoring
Dzięki zastosowaniu technik credit scoring możliwe jest dokonanie błyskawicznych analiz pozwalających na:

• Oszacowanie parametrów ryzyka kredytowego/ ryzyka spłaty należności
• Ocenę potencjalnej straty z tytułu niewykonania zobowiązań
• Ocenę wielkości długu w okresie zaniechania
• Oszacowanie prawdopodobieństwa zaniechania spłaty kredytu przez klienta.

Fraud Detection
Wykrywanie nadużyć, to metoda pozwalająca na znaczącą poprawę wykrywalności przestępstw, na jakie narażone są instytucje finansowe. Metoda ta opiera się na identyfikacji grup rachunków o podwyższonym ryzyku, analizie danych historycznych oraz implementacji algorytmów wykrywających potencjalne i rzeczywiste nadużycia. Fraud Detection pozwala na wykrywanie nadużyć, przede wszystkim w obszarze kart płatniczych i kredytów. Dzięki zaimplementowaniu odpowiednich algorytmów i zaszyciu ich w modelach data mining, możliwe jest odnalezienie pojedynczych przypadków nadużyć, poprzez statystyczną analizę całości zgromadzonych danych historycznych.

Forecasting
Ma zastosowanie do estymowania spodziewanego zużycia, przychodów ze sprzedaży, wzrostu, lub spadku ilości potrzebnego surowca, czy estymowania kosztów surowców. Forecasting jest możliwy przy wykorzystaniu trendów czasowych i metod analizy regresji. Możliwa jest także automatyczna identyfikacja cykli. Forecasting umożliwia estymowanie zmiennych nie tylko na podstawie danych historycznych, ale także na podstawie innych parametrów wprowadzanych przez użytkownika.