داده کاوی توصیفی

ش

داده کاوی توصیفی (Descriptive Data Mining) یکی از شیوه های کاربرد دانش داده کاوی در عمل را بیان نموده و در برابر داده کاوی پیشگویانه (Predictive Data Mining) قرار دارد. ویژگی های اصلی داده کاوی توصیفی به صورت زیر می باشد:

  • در داده کاوی توصیفی با استفاده از داده های ذخیره شده به تشریح، توصیف و تبیین آنچه در گذشته اتفاق افتاده، پرداخته می شود.
  • در داده کاوی توصیفی نتایج و یافته ها به صورت دقیق حاصل شده و گزارش می گردند. چرا که مربوط به گذشته بوده و داده های کل فیلدهای اطلاعاتی مربوط به موضوع مورد مطالعه، در دسترس می باشد.
  • معمولا گزارشات تهیه شده در داده کاوی توصیفی دقیق و بر اساس فرمت و ساختار مشخص می باشند. خیلی از اوقات برای مقاصد مشخص کسب و کار، قالب و تمپلیت مشخصی برای گزارشات تیپ مربوط به ارائه نتایج داده کاوی توصیفی تهیه می شود و در دوره های زمانی مختلف بر اساس قالب تهیه شده، گزارشات ادواری ارائه می شود. مثلا گزارشات مربوط به دلایل ریزش مشتریان که هر سه ماه یکبار در یک شرکت تهیه می شود. یا گزارشات مربوط به سنجش و تحلیل رضایت مشتریان از خدمات دریافت شده در یک تعمیرگاه بزرگ که هر ماه تهیه و ارائه می شود. 
  • در داده کاوی توصیفی تجمیع و ادغام داده ها (data aggregation) در کنار داده کاوی، انجام می گیرد.
  • رویکرد داده کاوی توصیفی بیشتر واکنشی و منفعل (reactive) می باشد، چرا که پس از وقوع و رخداد موضوعات، صرفا به گزارش آنها و ارائه دلایل و علل می پردازد. به قول معروف در این حالت دیگر امکان ارائه راهکاری برای جلوگیری از اتفاقات نامطلوب و حوادث رخ داده در گذشته نیست و یا دیگر نمی توان از فرصت های پدیدار شده در گذشته بهره برداری کرد، چرا که امکان برگشت به زمان گذشته وجود ندارد.
  • داده کاوی توصیفی منجر به ارائه توصیف از ویژگی های داده ها در یک دیتاست مشخص و هدف می شود.
  • در داده کاوی توصیفی عموما به سه سوال زیر به خوبی پاسخ داده می شود:
    • چه چیزی در گذشته اتفاق افتاده است؟
    • مشکل، مساله و چالش اصلی در کجا بوده است؟
    • میزان فراوانی و تکرار مسائل و اتفاقات رخ داده در گذشته به چه صورت بوده است؟
رای دادن به این post

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.