CC BY
69ЭКОНОМИЧЕСКИЕ НАУКИ И МЕНЕДЖМЕНТ
(ECONOMIC SCIENCES & MANAGEMENT)
УДК 339.138
Арланова А.А.
старший преподаватель кафедры «Цифровая экономика»
Туркменский государственный институт экономики и управления
(Туркменистан, г. Ашгабад)
Нобатов А.М.
старший преподаватель кафедры «Цифровая экономика»
Туркменский государственный институт экономики и управления
(Туркменистан, г. Ашгабад)
ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ: ВИДЫ И МЕТОДЫ
Аннотация: в данной статье рассматриваются особенности развития методик использования данных в сферу цифровых технологий. Приведены методы и стратегии влияния системы развития технологий и инновационных методов на управление данными в разработке больших данных. Даны рекомендации по внедрению технологий в отрасль.
Ключевые слова: анализ, метод, исследование, большие данные, технологии.
Интеллектуальный анализ данных — это процесс, используемый компаниями для превращения необработанных данных в полезную информацию. Используя программное обеспечение для поиска закономерностей в больших объемах данных, компании могут больше узнать о своих клиентах, чтобы разработать более эффективные маркетинговые стратегии, увеличить продажи и снизить затраты. Интеллектуальный анализ данных зависит от эффективного сбора данных, их хранения и компьютерной обработки.
Как работает интеллектуальный анализ данных
Интеллектуальный анализ данных включает в себя изучение и анализ больших блоков информации для выявления значимых закономерностей и тенденций. Его можно использовать различными способами, например, для маркетинга баз данных, управления кредитными рисками, обнаружения мошенничества, фильтрации спама по электронной почте или даже для определения настроений или мнений пользователей.
Процесс интеллектуального анализа данных разбит на пять этапов. Во-первых, организации собирают данные и загружают их в свои хранилища данных. Затем они хранят данные и управляют ими либо на собственных серверах, либо в облаке. Бизнес-аналитики, команды менеджеров и специалисты по информационным технологиям получают доступ к данным и определяют, как они хотят их организовать. Затем прикладное программное обеспечение сортирует данные на основе результатов пользователя, и, наконец, конечный пользователь представляет данные в удобном для обмена формате, таком как график или таблица.
Программы интеллектуального анализа данных анализируют взаимосвязи и закономерности в данных на основе того, что запрашивают пользователи. Например, компания может использовать программное обеспечение для интеллектуального анализа данных для создания классов информации. Для иллюстрации представьте, что ресторан хочет использовать интеллектуальный анализ данных, чтобы определить, когда он должен предлагать определенные специальные предложения. Он просматривает собранную информацию и создает классы на основе того, когда клиенты посещают сайт и что они заказывают.
В других случаях специалисты по сбору данных находят кластеры информации на основе логических взаимосвязей или просматривают ассоциации и последовательные закономерности, чтобы сделать выводы о тенденциях в поведении потребителей.
Хранилище — важный аспект интеллектуального анализа данных. Складирование — это когда компании централизуют свои данные в одной базе данных или программе. С помощью хранилища данных организация может выделять сегменты данных для анализа и использования конкретными пользователями. Однако в других случаях аналитики могут начать с нужных им данных и создать хранилище данных на основе этих спецификаций.
Интеллектуальный анализ данных использует алгоритмы и различные методы для преобразования больших коллекций данных в полезный результат. К наиболее популярным методам интеллектуального анализа данных относятся:
• Правила ассоциации, также называемые анализом потребительской корзины, ищут связи между переменными. Эта связь сама по себе создает дополнительную ценность в наборе данных, поскольку она стремится связать фрагменты данных. Например, правила ассоциации будут искать в истории продаж компании, чтобы увидеть, какие продукты чаще всего покупаются вместе; с этой информацией магазины могут соответственно планировать, продвигать и прогнозировать.
• Классификация использует предопределенные классы для присвоения объектам. Эти классы описывают характеристики предметов или представляют то общее, что точки данных имеют с каждым из них. Этот метод интеллектуального анализа данных позволяет более точно классифицировать базовые данные и обобщать их по схожим функциям или линейкам продуктов.
• Кластеризация похожа на классификацию. Однако кластеризация выявила сходство между объектами, а затем сгруппировала эти элементы на основе того, что отличает их от других элементов. В то время как классификация может привести к таким группам, как «шампунь», «кондиционер», «мыло» и «зубная паста», кластеризация может идентифицировать такие группы, как «уход за волосами» и «здоровье зубов».
СПИСОК ЛИТЕРАТУРЫ:
1. Bill Schmarzo Big Data: Understanding How Data Powers Big Business; Wiley -М., 2013. - 240 c.
2. Christopher Cook Diet for a Dead Planet: Big Business and the Coming Food Crisis; Высшая школа - Москва, 2010. - 336 c.
3. Dr. Arvind Sathi Big Data Analytics: Disruptive Technologies for Changing the Game; Огни - Москва, 2012. - 323 c.
4. Elizabeth Bixby Big Shots Big Date; ИЛ - Москва, 2012. - 428 c.
Arlanova A.A.
Senior Lecturer of the Department "Digital Economy" Turkmen State Institute of Economics and Management (Turkmenistan, Ashgabat)
Nobatov A.M.
Senior Lecturer of the Department "Digital Economy" Turkmen State Institute of Economics and Management (Turkmenistan, Ashgabat)
INTELLIGENT DATA ANALYSIS: TYPES AND METHODS
Abstract: this article discusses the features of the development of methods for using data in the field of digital technologies. Methods and strategies for the influence of the technology development system and innovative methods on data management in the development of big data are given. Recommendations are given for the introduction of technologies in the industry.
Keywords: analysis, method, research, big data, technologies.
