data mining examples
Este tutorial cobre os exemplos mais populares de mineração de dados na vida real. Saiba mais sobre o aplicativo de mineração de dados em finanças, marketing, saúde e CRM:
Nisso Série gratuita de treinamento de mineração de dados , demos uma olhada no Processo de mineração de dados em nosso tutorial anterior. A mineração de dados, também conhecida como Knowledge Discovery in Databases (KDD), é um processo de descoberta de padrões em um grande conjunto de dados e data warehouses.
Várias técnicas, como análise de regressão, associação e agrupamento, classificação e análise de outlier, são aplicadas aos dados para identificar resultados úteis. Essas técnicas usam software e algoritmos de back-end que analisam os dados e mostram padrões.
como abrir um arquivo torrent no mac
Alguns dos métodos de mineração de dados bem conhecidos são análise de árvore de decisão, análise do teorema de Bayes, mineração de conjunto de itens frequentes, etc. O mercado de software tem muitas ferramentas de código aberto e pagas para mineração de dados, como Weka, Rapid Miner e Ferramentas de mineração de dados laranja.
O processo de mineração de dados começa com uma determinada entrada de dados para as ferramentas de mineração de dados que usam estatísticas e algoritmos para mostrar os relatórios e padrões. Os resultados podem ser visualizados usando essas ferramentas que podem ser compreendidas e posteriormente aplicadas para conduzir modificações e melhorias nos negócios.
A mineração de dados é amplamente usada por organizações na construção de uma estratégia de marketing, por hospitais para ferramentas de diagnóstico, por eCommerce para venda cruzada de produtos por meio de sites e de muitas outras maneiras.
Alguns dos exemplos de mineração de dados são fornecidos a seguir para sua referência.
O que você aprenderá:
- Exemplos de mineração de dados na vida real
- Exemplos de mineração de dados em finanças
- Aplicações de mineração de dados em marketing
- Exemplos de aplicativos de mineração de dados na área de saúde
- Sistemas de mineração de dados e recomendação
- Data Mining For CRM (Customer Relationship Management)
- Mineração de dados usando exemplo de árvore de decisão
- O exemplo mais popular de mineração de dados: marketing e vendas
- Grandes empresas que usam mineração de dados
- Conclusão
- Leitura recomendada
Exemplos de mineração de dados na vida real
A importância da mineração e análise de dados está crescendo dia a dia em nossa vida real. Hoje, a maioria das organizações usa mineração de dados para análise de Big Data.
Vamos ver como essas tecnologias nos beneficiam.
# 1) Provedores de serviços móveis
Os provedores de serviços móveis usam a mineração de dados para projetar suas campanhas de marketing e evitar que os clientes mudem para outros fornecedores.
A partir de uma grande quantidade de dados, como informações de faturamento, e-mail, mensagens de texto, transmissões de dados da web e atendimento ao cliente, as ferramentas de mineração de dados podem prever o “churn” que informa aos clientes que desejam trocar de fornecedores.
Com esses resultados, uma pontuação de probabilidade é fornecida. As operadoras de telefonia móvel podem então oferecer incentivos e ofertas aos clientes com maior risco de rotatividade. Este tipo de mineração é frequentemente usado por grandes provedores de serviços, como banda larga, telefone, provedores de gás, etc.
(imagem fonte )
# 2) Setor de varejo
A mineração de dados ajuda os proprietários do setor de supermercados e varejo a saber as escolhas dos clientes. Olhando para o histórico de compras dos clientes, as ferramentas de mineração de dados mostram as preferências de compra dos clientes.
Com a ajuda desses resultados, os supermercados projetam as colocações dos produtos nas gôndolas e trazem ofertas em itens como cupons em produtos combinados e descontos especiais em alguns produtos.
Essas campanhas são baseadas no agrupamento RFM. RFM significa recência, frequência e agrupamento monetário. As promoções e campanhas de marketing são customizadas para esses segmentos. O cliente que gasta muito, mas com menos frequência, será tratado de forma diferente do cliente que compra a cada 2-3 dias, mas com menos valor.
A mineração de dados pode ser usada para recomendação de produtos e referência cruzada de itens.
Mineração de dados no setor de varejo a partir de diferentes fontes de dados.
(imagem fonte )
# 3) Inteligência Artificial
Um sistema torna-se artificialmente inteligente alimentando-o com padrões relevantes. Esses padrões vêm de saídas de mineração de dados. As saídas dos sistemas artificialmente inteligentes também são analisadas quanto à sua relevância usando as técnicas de mineração de dados.
Os sistemas de recomendação usam técnicas de mineração de dados para fazer recomendações personalizadas quando o cliente está interagindo com as máquinas. A inteligência artificial é usada em dados extraídos, como recomendações de produtos com base no histórico de compras do cliente na Amazon.
# 4) Comércio eletrônico
Muitos sites de comércio eletrônico usam mineração de dados para oferecer vendas cruzadas e upsell de seus produtos. Os sites de compras como Amazon, Flipkart mostram “As pessoas também viram”, “Compraram juntos com frequência” para os clientes que estão interagindo com o site.
Essas recomendações são fornecidas usando mineração de dados sobre o histórico de compras dos clientes do site.
# 5) Ciência e Engenharia
Com o advento da mineração de dados, os aplicativos científicos estão agora mudando de técnicas estatísticas para o uso de técnicas de “coleta e armazenamento de dados” e, em seguida, realizam mineração em novos dados, geram novos resultados e experimentam o processo. Uma grande quantidade de dados é coletada de domínios científicos, como astronomia, geologia, sensores de satélite, sistema de posicionamento global, etc.
A mineração de dados em ciência da computação ajuda a monitorar o status do sistema, melhorar seu desempenho, descobrir bugs de software, descobrir plágio e descobrir falhas. A mineração de dados também ajuda a analisar o feedback do usuário em relação aos produtos, artigos para deduzir opiniões e sentimentos dos pontos de vista.
# 6) Prevenção do crime
Data Mining detecta outliers em uma grande quantidade de dados. Os dados criminais incluem todos os detalhes do crime ocorrido. O Data Mining estuda os padrões e tendências e prevê eventos futuros com melhor precisão.
As agências podem descobrir qual área é mais propensa ao crime, quanto policial deve ser destacado, qual faixa etária deve ser visada, número de veículos a serem examinados, etc.
# 7) Pesquisa
Os pesquisadores usam ferramentas de mineração de dados para explorar as associações entre os parâmetros em pesquisa, como as condições ambientais, como poluição do ar, e a propagação de doenças como asma entre as pessoas em regiões-alvo.
# 8) Agricultura
Os agricultores usam Data Mining para descobrir a produção de vegetais com a quantidade de água necessária para as plantas.
# 9) Automação
Ao usar a mineração de dados, os sistemas de computador aprendem a reconhecer padrões entre os parâmetros que estão sendo comparados. O sistema armazenará os padrões que serão úteis no futuro para atingir as metas de negócios. Esse aprendizado é automação, pois ajuda a cumprir as metas por meio do aprendizado de máquina.
# 10) Preços dinâmicos
A mineração de dados ajuda os provedores de serviços, como serviços de táxi, a cobrar dinamicamente os clientes com base na demanda e no fornecimento. É um dos fatores-chave para o sucesso das empresas.
# 11) Transporte
A mineração de dados ajuda a programar a movimentação de veículos dos armazéns para as lojas e analisa os padrões de carregamento do produto.
# 12) Seguro
Os métodos de mineração de dados ajudam a prever os clientes que compram as apólices, analisam as reivindicações médicas usadas em conjunto, descobrem comportamentos fraudulentos e clientes arriscados.
Exemplos de mineração de dados em finanças
( imagem fonte )
O setor financeiro inclui bancos, seguradoras e empresas de investimento. Essas instituições coletam uma grande quantidade de dados. Os dados são frequentemente completos, confiáveis e de alta qualidade e exigem uma análise sistemática dos dados.
Para armazenar dados financeiros, são construídos data warehouses que armazenam dados na forma de cubos de dados. Para analisar esses dados, são usados conceitos avançados de cubo de dados. Métodos de mineração de dados, como clustering e análise de outlier, caracterização são usados na análise e mineração de dados financeiros.
Alguns casos em finanças onde a mineração de dados é usada são fornecidos abaixo.
# 1) Previsão de pagamento do empréstimo
Métodos de mineração de dados, como seleção de atributos e classificação de atributos, irão analisar o histórico de pagamento do cliente e selecionar fatores importantes, como relação entre pagamento e receita, histórico de crédito, prazo do empréstimo, etc. Os resultados ajudarão os bancos a decidir sua política de concessão de empréstimos e também concede empréstimos aos clientes de acordo com a análise fatorial.
# 2) Marketing direcionado
Métodos de mineração de dados de agrupamento e classificação ajudarão a encontrar os fatores que influenciam as decisões do cliente em relação ao banco. A identificação de clientes com comportamento semelhante facilitará o marketing direcionado.
# 3) Detectar crimes financeiros
Os dados bancários vêm de muitas fontes diferentes, várias cidades e localizações bancárias diferentes. Várias ferramentas de análise de dados são implantadas para estudar e detectar tendências incomuns, como transações de grande valor. Ferramentas de visualização de dados, ferramentas de análise de outlier, ferramentas de agrupamento, etc. são usadas para identificar os relacionamentos e padrões de ação.
A figura abaixo é um estudo da Infosys que mostra a disposição do cliente para o sistema bancário online em diferentes países. A Infosys usou Big Data Analytics para este estudo.
(imagem fonte )
Aplicações de mineração de dados em marketing
A mineração de dados impulsiona a estratégia de marketing da empresa e promove os negócios. É um dos fatores-chave para o sucesso das empresas. Uma grande quantidade de dados é coletada sobre vendas, compras do cliente, consumo, etc. Esses dados estão aumentando dia a dia devido ao e-commerce.
A mineração de dados ajuda a identificar o comportamento de compra do cliente, melhorar o atendimento ao cliente, focar na retenção de clientes, aumentar as vendas e reduzir o custo dos negócios.
Alguns exemplos de mineração de dados em marketing são:
# 1) Mercado de previsão
Para prever o mercado, os profissionais de marketing usarão técnicas de mineração de dados como regressão para estudar o comportamento, mudanças e hábitos do cliente, a resposta do cliente e outros fatores como orçamento de marketing, outros custos incorridos, etc. No futuro, será mais fácil para os profissionais para prever os clientes em caso de alterações de qualquer fator.
# 2) Detecção de anomalias
Técnicas de mineração de dados são implantadas para detectar quaisquer anormalidades nos dados que possam causar qualquer tipo de falha no sistema. O sistema examinará milhares de entradas complexas para realizar esta operação.
# 3) Segurança do sistema
As ferramentas de Data Mining detectam intrusões que podem prejudicar o banco de dados oferecendo maior segurança a todo o sistema. Essas invasões podem ser na forma de entradas duplicadas, vírus na forma de dados por hackers, etc.
Exemplos de aplicativos de mineração de dados na área de saúde
(imagem fonte )
Na área da saúde, a mineração de dados está se tornando cada vez mais popular e essencial.
Os dados gerados pela área de saúde são complexos e volumosos. Para evitar fraude e abuso médico, ferramentas de mineração de dados são usadas para detectar itens fraudulentos e, assim, evitar perdas.
Alguns exemplos de mineração de dados do setor de saúde são fornecidos a seguir para sua referência.
# 1) Gestão de Saúde
O método de mineração de dados é usado para identificar doenças crônicas, rastrear regiões de alto risco propensas à propagação de doenças e criar programas para reduzir a propagação de doenças. Os profissionais de saúde vão analisar as doenças, regiões de pacientes com admissões máximas no hospital.
Com esses dados, eles vão desenhar as campanhas para a região para conscientizar as pessoas sobre a doença e ver como evitá-la. Isso reduzirá o número de pacientes internados em hospitais.
# 2) Tratamentos eficazes
Usando a mineração de dados, os tratamentos podem ser melhorados. Por comparação contínua de sintomas, causas e medicamentos, a análise de dados pode ser realizada para fazer tratamentos eficazes. A mineração de dados também é usada para o tratamento de doenças específicas e para a associação de efeitos colaterais de tratamentos.
# 3) Dados fraudulentos e abusivos
Os aplicativos de mineração de dados são usados para encontrar padrões anormais, como laboratório, resultados médicos, prescrições inadequadas e reivindicações médicas fraudulentas.
Sistemas de mineração de dados e recomendação
Os sistemas de recomendação fornecem aos clientes recomendações de produtos que podem ser do interesse dos usuários.
Os itens recomendados são semelhantes aos itens consultados pelo usuário no passado ou observando as outras preferências do cliente que têm gosto semelhante ao do usuário. Essa abordagem é chamada abordagem baseada em conteúdo e abordagem colaborativa apropriadamente.
Muitas técnicas, como recuperação de informações, estatísticas, aprendizado de máquina, etc, são usadas em sistemas de recomendação.
Os sistemas de recomendação procuram palavras-chave, perfis de usuário, transações do usuário, características comuns entre os itens para estimar um item para o usuário. Esses sistemas também localizam os outros usuários que têm um histórico semelhante de compra e prevêem itens que esses usuários poderiam comprar.
Existem muitos desafios nesta abordagem. O sistema de recomendação precisa pesquisar milhões de dados em tempo real.
Existem dois tipos de erros cometidos por Sistemas de Recomendação:
Falsos negativos e falsos positivos.
Falsos negativos são produtos que não foram recomendados pelo sistema, mas o cliente gostaria deles. Falso positivo são produtos recomendados pelo sistema, mas não desejados pelo cliente. Outro desafio é a recomendação para usuários novos e sem histórico de compras.
Uma técnica de resposta inteligente à consulta é usada para analisar a consulta e fornecer informações generalizadas e associadas relevantes à consulta. Por exemplo: Mostrando a resenha de restaurantes em vez de apenas o endereço e o número de telefone do restaurante pesquisado.
Data Mining For CRM (Customer Relationship Management)
O gerenciamento de relacionamento com o cliente pode ser reforçado com mineração de dados. Boas relações com o cliente podem ser construídas atraindo clientes mais adequados, melhor cross-selling e up-selling, melhor retenção.
A mineração de dados pode aprimorar o CRM ao:
- A mineração de dados pode ajudar as empresas a criar programas direcionados para maior resposta e melhor ROI.
- As empresas podem oferecer mais produtos e serviços conforme desejado pelos clientes por meio de vendas incrementais e cruzadas, aumentando assim a satisfação do cliente.
- Com a mineração de dados, uma empresa pode detectar quais clientes estão procurando outras opções. Usando essas informações, as empresas podem criar ideias para evitar que o cliente saia.
Data Mining ajuda CRM em:
- Marketing de banco de dados: O software de marketing permite que as empresas enviem mensagens e e-mails aos clientes. Essa ferramenta, junto com a mineração de dados, pode fazer marketing direcionado. Com a mineração de dados, a automação e o agendamento de tarefas podem ser executados. Ajuda na melhor tomada de decisão. Também ajudará nas decisões técnicas sobre que tipo de cliente está interessado em um novo produto, qual área de mercado é boa para lançamento de produto.
- Campanha de aquisição de clientes: Com a mineração de dados, o profissional de mercado poderá identificar potenciais clientes que não conhecem os produtos ou novos compradores. Eles serão capazes de projetar as ofertas e iniciativas para esses clientes.
- Otimização de campanha: As empresas usam mineração de dados para a eficácia da campanha. Ele pode modelar as respostas do cliente às ofertas de marketing.
Mineração de dados usando exemplo de árvore de decisão
Os algoritmos de árvore de decisão são chamados de CART (Árvores de Classificação e Regressão). É um método de aprendizagem supervisionado. Uma estrutura em árvore é construída com base nos recursos escolhidos, condições para divisão e quando parar. As árvores de decisão são usadas para prever o valor das variáveis da classe com base no aprendizado dos dados de treinamento anteriores.
O nó interno representa um atributo e o nó folha representa um rótulo de classe.
(imagem fonte )
As seguintes etapas são usadas para construir uma estrutura de árvore de decisão:
- Coloque o melhor atributo no topo da árvore (raiz).
- Os subconjuntos são criados de forma que cada subconjunto represente dados com o mesmo valor para um atributo.
- Repita as mesmas etapas para encontrar os nós folha de todos os ramos.
Para prever um rótulo de classe, o atributo do registro é comparado com a raiz da árvore. Na comparação, o próximo ramo é escolhido. Os nós internos também são comparados da mesma forma até que o nó folha atingido prediga a variável de classe.
Alguns algoritmos usados para indução de árvore de decisão incluem Algoritmo de Hunt, CART, ID3, C4.5, SLIQ e SPRINT.
O exemplo mais popular de mineração de dados: marketing e vendas
Marketing e Vendas são os domínios nos quais as empresas possuem grandes volumes de dados.
# 1) Bancos são os primeiros usuários da tecnologia de mineração de dados, pois isso os ajuda na avaliação de crédito. A mineração de dados analisa quais serviços oferecidos pelos bancos são usados pelos clientes, que tipo de clientes usam cartões ATM e o que geralmente compram com seus cartões (para venda cruzada).
Os bancos usam a mineração de dados para analisar as transações que o cliente faz antes de decidir mudar de banco para reduzir o atrito com o cliente. Além disso, alguns outliers em transações são analisados para detecção de fraude.
# 2) Telefone celular Empresas use técnicas de mineração de dados para evitar a agitação. Churning é uma medida que mostra o número de clientes que abandonam os serviços. Ele detecta padrões que mostram como os clientes podem se beneficiar dos serviços para reter clientes.
# 3) Análise de cesta de compras é a técnica para encontrar os grupos de itens que são comprados juntos nas lojas. A análise das transações mostra os padrões como quais itens são comprados juntos, muitas vezes, como pão com manteiga, ou quais itens têm maior volume de vendas em determinados dias, como cerveja às sextas-feiras.
software de reparo de pc para windows 10
Essas informações auxiliam no planejamento do layout da loja, oferecendo um desconto especial nos itens de menor demanda, criando ofertas como “compre 2 leve 1 grátis” ou “ganhe 50% na segunda compra” etc.
(imagem fonte )
Grandes empresas que usam mineração de dados
Algumas empresas online que usam técnicas de mineração de dados são fornecidas abaixo:
- AMAZONAS: A Amazon usa Text Mining para encontrar o preço mais baixo do produto.
- MC Donald’s: O McDonald’s usa mineração de big data para aprimorar a experiência do cliente. Ele estuda o padrão de pedidos de clientes, tempos de espera, tamanho dos pedidos, etc.
- NETFLIX: A Netflix descobre como fazer um filme ou série popular entre os clientes usando seus insights de mineração de dados.
Conclusão
A mineração de dados é usada em diversas aplicações, como bancos, marketing, saúde, indústrias de telecomunicações e muitas outras áreas.
As técnicas de mineração de dados ajudam as empresas a obter informações com conhecimento, aumentar sua lucratividade fazendo ajustes em processos e operações. É um processo rápido que auxilia os negócios na tomada de decisões por meio da análise de padrões e tendências ocultos.
Confira nosso próximo tutorial para saber mais sobre o algoritmo de mineração de dados de árvore de decisão !!
PREV Tutorial | PRÓXIMO Tutorial
Leitura recomendada
- Mineração de dados: processo, técnicas e questões importantes na análise de dados
- Técnicas de mineração de dados: algoritmo, métodos e principais ferramentas de mineração de dados
- Processo de mineração de dados: modelos, etapas do processo e desafios envolvidos
- Data Mining Vs Machine Learning Vs Artificial Intelligence Vs Deep Learning
- Mais de 10 melhores ferramentas de governança de dados para atender às suas necessidades de dados em 2021
- As 14 melhores ferramentas de gerenciamento de dados de teste em 2021
- As 15 melhores ferramentas gratuitas de mineração de dados: a lista mais abrangente
- As 10 principais conferências de Big Data que você deve seguir em 2021