يعتمد أساس الثورة الصناعية الرابعة إلى حد كبير على البيانات^(Data) والاتصال . ^{(Connectivity)}ستلعب خدمات التحليل^{(Analysis Services)} القادرة على تطوير أو إنشاء حلول التنقيب عن البيانات دورًا رئيسيًا في هذا الصدد. يمكن أن يساعد في تحليل والتنبؤ بنتائج سلوك الشراء للعملاء^{(customer purchasing behavior)} لاستهداف المشترين المحتملين. ستصبح البيانات مورداً طبيعياً جديداً وستكتسب عملية استخراج المعلومات ذات الصلة من هذه البيانات غير المصنفة أهمية كبيرة. ^(Data)على هذا النحو ، يمكن أن يساعدنا الفهم الصحيح للمصطلح - ^{(term –)} التنقيب في البيانات^{(Data Mining)} وعملياتها وتطبيقها في تطوير نهج شامل لهذه الكلمة الطنانة.

أساسيات التنقيب عن البيانات^{(Data Mining Basics)} وتقنياتها

التنقيب في البيانات ، المعروف أيضًا باسم اكتشاف المعرفة في البيانات^{(Knowledge Discovery in Data)} ( KDD ) ، يتعلق بالبحث في مخازن كبيرة من البيانات للكشف عن الأنماط والاتجاهات التي تتجاوز التحليل البسيط. هذا ، مع ذلك ، ليس حلاً من خطوة واحدة ولكنه عملية متعددة الخطوات ويتم إكمالها في مراحل مختلفة. وتشمل هذه:

1] جمع البيانات وإعدادها

يبدأ بجمع البيانات والتنظيم المناسب. يساعد هذا في تحسين فرص العثور على المعلومات التي يمكن اكتشافها من خلال التنقيب عن البيانات بشكل كبير

2] بناء النموذج والتقييم

الخطوة الثانية في عملية التنقيب^{(mining process)} عن البيانات هي تطبيق تقنيات النمذجة المختلفة. تستخدم هذه لمعايرة المعلمات إلى القيم المثلى. تعتمد التقنيات المستخدمة إلى حد كبير على القدرات التحليلية المطلوبة لمعالجة سلسلة كاملة من الاحتياجات التنظيمية والتوصل إلى قرار.

دعونا نفحص بعض تقنيات التنقيب عن البيانات باختصار. لقد وجد أن معظم المؤسسات تجمع بين تقنيتين أو أكثر من تقنيات التنقيب عن البيانات معًا لتشكيل عملية مناسبة تلبي متطلبات أعمالها.

قراءة^(Read) : ما هي البيانات الضخمة؟

تقنيات التنقيب عن البيانات

1. الرابطة -  ^{(Association – )}الرابطة^{(Association)} هي إحدى تقنيات التنقيب عن البيانات المعروفة على نطاق واسع. تحت هذا ، يتم فك نمط بناءً على العلاقة بين العناصر في نفس المعاملة. ومن ثم^(Hence) ، فهي تُعرف أيضًا باسم تقنية العلاقة^{(relation technique)} . يعتمد تجار التجزئة ذوو العلامات التجارية الكبرى على هذه التقنية للبحث في عادات / تفضيلات الشراء لدى العملاء. على سبيل المثال ، عند تتبع عادات الشراء لدى الأشخاص ، قد يحدد تجار التجزئة أن العميل دائمًا ما يشتري كريمًا عند شراء الشوكولاتة ، وبالتالي يقترحون أنه في المرة القادمة التي يشترون فيها الشوكولاتة ، قد يرغبون أيضًا في شراء كريم.
2. التصنيف^{(Classification)} - تختلف تقنية استخراج البيانات^{(data mining technique)} هذه عن ما سبق في الطريقة التي تعتمد على التعلم الآلي^{(machine learning)} وتستخدم التقنيات الرياضية مثل البرمجة الخطية^{(Linear programming)} ، وأشجار القرار ، ^(Decision)والشبكة العصبية^{(Neural network)} . في التصنيف ، تحاول الشركات بناء برمجيات يمكنها تعلم كيفية تصنيف عناصر البيانات إلى مجموعات. على سبيل المثال ، يمكن للشركة تحديد تصنيف في التطبيق "بالنظر إلى جميع سجلات الموظفين الذين عرضوا الاستقالة من الشركة ، توقع عدد الأفراد الذين من المحتمل أن يستقيلوا من الشركة في المستقبل". في ظل هذا السيناريو ، يمكن للشركة تصنيف سجلات الموظفين إلى مجموعتين هما "إجازة" و "إقامة". يمكنه بعد ذلك استخدام بياناتهبرنامج التعدين^{(mining software)} لتصنيف الموظفين إلى مجموعات منفصلة تم إنشاؤها مسبقًا.
3. التجميع^(Clustering) - يتم تجميع الكائنات المختلفة^(Different) التي تظهر خصائص متشابهة معًا في مجموعة واحدة عبر الأتمتة. يتم إنشاء العديد من هذه المجموعات كالفئات والكائنات (ذات الخصائص المتشابهة) توضع فيها وفقًا لذلك. لفهم هذا بشكل أفضل ، دعونا نفكر في مثال لإدارة الكتب^{(book management)} في المكتبة. في المكتبة ، يتم فهرسة المجموعة الهائلة من الكتب بشكل كامل. يتم سرد العناصر من نفس النوع معًا. هذا يسهل علينا العثور على كتاب يهمنا. وبالمثل ، باستخدام تقنية التجميع^{(clustering technique)} ، يمكننا الاحتفاظ بالكتب التي بها بعض أنواع التشابه في مجموعة واحدة وتعيين اسم مناسب لها. لذلك ، إذا كان القارئ يتطلع إلى الحصول على كتاب ذي صلة^{(book relevant)}لمصلحته ، عليه فقط الذهاب إلى هذا الرف بدلاً من البحث في المكتبة بأكملها. وبالتالي ، فإن تقنية التجميع^{(clustering technique)} تحدد الفئات وتضع الكائنات في كل فئة ، بينما في تقنيات التصنيف ، يتم تخصيص الكائنات في فئات محددة مسبقًا.
4. التنبؤ^(Prediction) - التنبؤ هو تقنية للتنقيب عن البيانات^{(data mining technique)} تُستخدم غالبًا مع تقنيات التنقيب عن البيانات^{(data mining technique)} الأخرى . يتضمن تحليل الاتجاهات والتصنيف ومطابقة الأنماط^{(pattern matching)} والعلاقة. من خلال تحليل الأحداث أو الأحداث الماضية في تسلسل مناسب ، يمكن للمرء^{(sequence one)} أن يتنبأ بأمان بحدث مستقبلي. على سبيل المثال ، يمكن استخدام تقنية تحليل التنبؤ^{(prediction analysis technique)} في البيع للتنبؤ بالربح المستقبلي إذا تم اختيار البيع كمتغير مستقل والربح^{(variable and profit)} كمتغير يعتمد على البيع. بعد ذلك ، بناءً على بيانات البيع والربح^{(sale and profit data)} التاريخية ، يمكن للمرء رسم منحنى انحدار ملائم^{(regression curve)} يُستخدم من أجلهتوقع الربح^{(profit prediction)} .
5. أشجار القرار^{(Decision trees)} - ضمن شجرة القرار^{(decision tree)} ، نبدأ بسؤال بسيط له إجابات متعددة. تؤدي كل إجابة إلى سؤال إضافي للمساعدة في تصنيف البيانات أو تحديدها بحيث يمكن تصنيفها ، أو حتى يمكن إجراء تنبؤ بناءً على كل إجابة. على سبيل المثال ، نستخدم شجرة القرار^{(decision tree)} التالية لتحديد ما إذا كنت ستلعب لعبة ODI للكريكيت أم لا : شجرة قرار تعدين البيانات^{(Data Mining Decision Tree)} : بدءًا من عقدة الجذر^{(root node)} ، إذا كانت توقعات الطقس^{(weather forecast)} تتنبأ بالمطر ، فيجب علينا تجنب المباراة لليوم. بدلاً من ذلك ، إذا كانت توقعات الطقس^{(weather forecast)} واضحة ، فيجب أن نلعب المباراة.

يعد تعدين البيانات^{(Data Mining)} في صميم جهود التحليلات عبر مجموعة متنوعة من الصناعات والتخصصات مثل الاتصالات والتأمين ^{(Manufacturing)}والتعليم^(Insurance) والتصنيع والخدمات^(Education) المصرفية والتجزئة والمزيد^{(Banking and Retail)} . لذلك ، من الضروري الحصول على معلومات صحيحة عنها قبل تطبيق التقنيات المختلفة.

What is Data Mining? Basics and its Techniques.

The foundation of the fourth іndustrial revolution will largely depend upon Data and Connectivity. Analysis Services capable of developing or creating data mining solutions will play a key role in this regard. It could assist in analyzing and predicting outcomes of customer purchasing behavior for targeting potential buyers. Data will become a new natural resource and the process of extracting relevant information from this unsorted data will assume immense importance. As such, a proper understanding of the term – Data Mining, its processes, and application could help us in developing a holistic approach to this buzzword.

Data Mining Basics and its Techniques

Data mining, also known as Knowledge Discovery in Data (KDD) is about searching large stores of data to uncover patterns and trends that go beyond simple analysis. This, however, is not a single-step solution but a multi-step process and is completed in various stages. These include:

1] Data gathering and Preparation

It starts with data collection and its proper organization. This helps in significantly improving the chances of finding the information that can be discovered through data mining

2] Model Building and Evaluation

The second step in data mining process is the application of various modeling techniques. These are used to calibrate the parameters to optimal values. Techniques employed largely depend on analytic capabilities required to address a gamut of organizational needs and to arrive at a decision.

Let us examine some data mining techniques in brief. It is found that most organizations combine two or more data mining techniques together to form an appropriate process that meets their business requirements.

Read: What is Big Data?

Data Mining Techniques

1. Association – Association is one of the widely-known data mining techniques. Under this, a pattern is deciphered based on a relationship between items in the same transaction. Hence, it is also known as the relation technique. Big brand retailers rely on this technique to research customer’s buying habits/preferences. For example, when tracking people’s buying habits, retailers might identify that a customer always buys cream when they buy chocolates, and therefore suggest that the next time that they buy chocolates they might also want to buy cream.
2. Classification – This data mining technique differs from the above in the way that it is based on machine learning and uses mathematical techniques such as Linear programming, Decision trees, Neural network. In classification, companies try to build software that can learn how to classify the data items into groups. For instance, a company can define a classification in the application that “given all records of employees who offered to resign from the company, predict the number of individuals who are likely to resign from the company in future.” Under such a scenario, the company can classify the records of employees into two groups that namely “leave” and “stay”. It can then use its data mining software to classify the employees into separate groups created earlier.
3. Clustering – Different objects exhibiting similar characteristics are grouped together in a single cluster via automation. Many such clusters are created as classes and objects (with similar characteristics) are placed in it accordingly. To understand this better, let us consider an example of book management in the library. In a library, the vast collection of books is fully cataloged. Items of the same type are listed together. This makes it easier for us to find a book of our interest. Similarly, by using the clustering technique, we can keep books that have some kinds of similarities in one cluster and assign it a suitable name. So, if a reader is looking to grab a book relevant to his interest, he only has to go to that shelf instead of searching the entire library. Thus, the clustering technique defines the classes and puts objects in each class, while in the classification techniques, objects are assigned into predefined classes.
4. Prediction – The prediction is a data mining technique that is often used in combination with the other data mining techniques. It involves analyzing trends, classification, pattern matching, and relation. By analyzing past events or instances in a proper sequence one can safely predict a future event. For instance, the prediction analysis technique can be used in the sale to predict future profit if the sale is chosen as an independent variable and profit as a variable dependent on sale. Then, based on the historical sale and profit data, one can draw a fitted regression curve that is used for profit prediction.
5. Decision trees – Within the decision tree, we start with a simple question that has multiple answers. Each answer leads to a further question to help classify or identify the data so that it can be categorized, or so that a prediction can be made based on each answer. For example, We use the following decision tree to determine whether or not to play cricket ODI: Data Mining Decision Tree: Starting at the root node, if the weather forecast predicts rain then, we should avoid the match for the day. Alternatively, if the weather forecast is clear, we should play the match.

Data Mining is at the heart of analytics efforts across a variety of industries and disciplines like communications, Insurance, Education, Manufacturing, Banking and Retail and more. Therefore, having correct information about it is essential before apply the different techniques.

Related posts

• أفضل 26 برنامج لاستخراج البيانات

• كيفية استخدام Automatic Data Type feature في Excel

• فشل BitLocker Setup في تصدير متجر BCD (Boot Configuration Data)

• كيفية إدارة Data Usage Limit على Windows 10

• لا يمكن استيراد Registry File. لم يتم كتابة جميع Data إلى التسجيل

• Best Free Online Data Visualization Tools

• 0xc0000098: لا يحتوي Windows Boot Configuration Data على OS entry

• ما هو Data Analytics وما هو عليه

• BurnAware Free Download: CD مجانا، DVD، Blu-Ray، HD-Media Burner

• Data Recovery Software: استعادة الملفات والمجلدات المحذوفة

• أفضل 10 Backup and Data recovery software المهنية لWindows 10

• مسح Site Data لموقع معين في Chrome or Edge باستخدام Developer Tools

• Renee Becca Data Backup Software ل Windows PC

• لماذا تقوم الشركات بجمع أو بيع أو شراء أو تخزين البيانات الشخصية

• Create Gifs باستخدام هذا Data GIF Maker الجديد من Google Labs

• CD/DVD Data Recovery software لاستعادة Data من CD DVD

• Dual Boot Repair Tool: Repair BCD Boot Configuration Data

• كيفية تنزيل Instagram Data باستخدام Instagram Data Export Tool

• Ashampoo Burning Studio 2020 - Burn CDs، DVDs، Blu-rays FREE!

• كيفية إعادة بناء BCD or Boot Configuration Data file في Windows 11/10