Introduction à l'exploration de données

Ici, dans cet article, nous allons en apprendre davantage sur l'introduction à l'exploration de données car les humains exploitent la terre depuis des siècles pour obtenir toutes sortes de matériaux précieux. Parfois, lors de l'exploitation minière, des choses sont découvertes à partir du sol que personne ne s'attendait à trouver en premier lieu. Par exemple, en 1898, lors de l'excavation d'une tombe pour trouver des momies à Saqqara, en Égypte, un artefact en bois a été trouvé qui ressemblait exactement à un avion. Elle remonte à 200 avant JC, il y a environ 2200 ans! Mais quelles informations possibles pourrions-nous obtenir d'un grand ensemble de données? Et même si nous commençons à l'explorer, y a-t-il des chances d'obtenir des résultats inattendus de l'ensemble de données? Avant cela, voyons ce qu'est exactement l'exploration de données.

Qu'est-ce que l'exploration de données?

  • Il s'agit essentiellement de l'extraction d'informations / connaissances vitales à partir d'un large ensemble de données.
  • Considérez les données comme une grande surface sol / rocheuse. Nous ne savons pas ce qu'il y a à l'intérieur, nous ne savons pas si quelque chose d'utile se trouve sous les rochers.
  • Dans cette introduction à l'exploration de données, nous recherchons des informations cachées, mais sans aucune idée du type d'informations que nous voulons trouver et de ce que nous prévoyons d'utiliser pour une fois, nous les trouvons.
  • Tout comme dans le concept d'exploration de données traditionnelle, dans l'exploration de données, il existe également diverses techniques et outils, qui varient selon le type de données que nous analysons.Nous avons donc clarifié ce qu'est l'exploration de données à travers ce sujet d'introduction à l'exploration de données.

Exemple d'exploration de données

Nous avons pris connaissance de l'introduction à l'exploration de données dans la section ci-dessus et procédons maintenant aux exemples d'exploration de données, qui sont répertoriés ci-dessous:

  • Il y a donc un opérateur de réseau mobile. Ils consultent un mineur de données pour fouiller dans les enregistrements d'appels de l'opérateur. Aucun objectif spécifique n'est donné au Data Miner.
  • Un objectif quantitatif de trouver au moins 2 nouveaux modèles en un mois est donné.
  • Alors que le mineur de données commence à creuser dans les données, il constate un schéma selon lequel il y a moins d'appels internationaux mercredi par rapport aux autres jours.
  • Ces informations sont partagées avec la direction et ils élaborent le plan de réduction des tarifs des appels internationaux le mercredi et lancent une campagne.
  • Les tarifs d'appel augmentent, les clients sont satisfaits du prix d'appel bas, plus de clients s'inscrivent et l'entreprise gagne plus d'argent! La situation gagnant-gagnant!

Gardant l'exemple ci-dessus à l'esprit, examinons maintenant les différentes étapes de l'exploration de données.

Étapes impliquées dans l'exploration de données

Nous avons appris l'introduction à l'exploration de données dans la section ci-dessus et nous allons maintenant de l'avant avec les étapes impliquées dans l'exploration de données, qui sont énumérées ci-dessous:

  • Compréhension des affaires

Dans cette introduction à l'exploration de données, nous comprendrons tous les aspects des objectifs et des besoins de l'entreprise. La situation actuelle est évaluée en trouvant les ressources, les hypothèses et d'autres facteurs importants. En conséquence, établir une bonne introduction au plan d'exploration de données pour atteindre les objectifs commerciaux et d'exploration de données.

  • Compréhension des données

Dans un premier temps, les données sont collectées, à partir de toutes les sources disponibles. Ensuite, nous choisissons le meilleur ensemble de données d'où nous pouvons extraire les données qui pourraient être plus bénéfiques.

  • Préparation des données

Une fois l'ensemble de données identifié, il est sélectionné, nettoyé, construit et formaté sous la forme souhaitée.

  • Modélisation des données

Il s'agit d'un processus de remodelage des données fournies en fonction des besoins de l'utilisateur. un ou plusieurs modèles pourraient être créés sur l'ensemble de données préparé et enfin, les modèles doivent être soigneusement évalués en impliquant les parties prenantes pour s'assurer que les modèles créés répondent aux initiatives commerciales.

  • Évaluation

C'est l'un des processus les plus nécessaires dans l'exploration de données. Cela implique de parcourir tous les aspects du processus afin de vérifier d'éventuelles erreurs ou fuites de données dans le processus. En outre, de nouvelles exigences commerciales pourraient être augmentées en raison des nouveaux modèles découverts.

  • Déploiement

Cela signifie simplement présenter les connaissances de manière à ce que les parties prenantes puissent les utiliser quand elles le souhaitent. Dans notre exemple ci-dessus, il a été constaté que les appels internationaux étaient moins nombreux le mercredi, donc cette information a été présentée aux parties prenantes qui à leur tour ont utilisé cette information à leur avantage et ont augmenté leurs bénéfices.

Techniques utilisées dans l'exploration de données

Dans la section ci-dessus, nous avons appris l'introduction à l'exploration de données.Nous allons maintenant de l'avant avec les techniques utilisées dans l'exploration de données qui sont répertoriées ci-dessous:

  • L'analyse par grappes

L'analyse de cluster permet d'identifier un groupe d'utilisateurs donné en fonction des caractéristiques communes d'une base de données. Ces caractéristiques peuvent inclure l'âge, la situation géographique, le niveau d'éducation, etc.

  • Détection d'une anomalie

Il est utilisé pour déterminer quand quelque chose est sensiblement différent du modèle régulier. Il est utilisé pour éliminer toutes les incohérences ou anomalies de la base de données à la source.

  • Analyse de régression

Cette technique est utilisée pour faire des prédictions basées sur les relations au sein de l'ensemble de données. Par exemple, on peut prédire le taux de stock d'un produit particulier en analysant le taux passé et également en prenant en compte les différents facteurs qui déterminent le taux de stock. Ou comme indiqué ci-dessous, si nous avons les données de la taille et du poids de différentes personnes, alors étant donné la taille ou le poids, nous pourrions déterminer l'autre valeur.

  • Classification

Cela concerne les choses qui ont des étiquettes dessus. Remarque dans la détection de cluster, les choses n'avaient pas d'étiquette et en utilisant l'exploration de données, nous avons dû étiqueter et former des clusters, mais dans la classification, il existe des informations qui peuvent être facilement classées à l'aide d'un algorithme. Un exemple est les filtres anti-spam par courrier électronique. Le filtre anti-spam est fourni avec des messages pertinents et anti-spam (données de formation). Les différences entre les deux sont identifiées, ce qui lui permet de classer correctement les futurs e-mails.

  • Apprentissage associatif

Il est utilisé pour analyser quelles choses ont tendance à se produire ensemble, par paires ou en plus grands groupes. Par exemple, des gens qui ont tendance à acheter des citrons, des oranges aussi, des gens qui ont tendance à acheter du pain, à acheter du lait aussi, etc. Ainsi, les achats effectués par tous les clients sont analysés et les choses qui se produisent ensemble sont rapprochées pour augmenter les ventes. Le lait est donc placé près du pain, les citrons sont placés à côté des oranges, etc.

L'exploration de données est-elle éthique?

Donc, je prévois un week-end à Goa avec un ami, je recherche sur Internet de bons endroits à visiter à Goa. La prochaine fois que j'ouvre Internet, je trouve des annonces sur divers hôtels à Goa pour y rester.

  • Bonne chose?

Oui, Internet m'a aidé à simplifier mon voyage. Après tout, si je décide de visiter Goa, je devrais dormir quelque part et une annonce me montrant un hôtel est beaucoup plus utile qu'une annonce me montrant des vêtements au hasard à acheter.

  • Mauvaise chose?

Oui! Pourquoi une entreprise d'exploration de données que je n'ai jamais entendue auparavant, saurait-elle où je vais en vacances? Et si je n'avais parlé à personne de ce voyage, mais ici, Internet sait soudain que j'y vais. La vérité est que le modèle commercial de la société d'exploration de données en dépend. Ils collectent ces données via des cookies et des scripts, puis ils les vendent à des annonceurs qui, à leur tour, essaient de me vendre autre chose (dans ce cas, une chambre d'hôtel).

Cela pourrait donc être bon ou mauvais selon la façon dont nous le considérons. De plus, nous pourrions toujours désactiver les cookies ou passer incognito dans le cas ci-dessus. Quoi qu'il en soit, une chose est sûre. L'exploration de données est là pour rester.

Articles recommandés

Il s'agit d'un guide d'introduction à l'exploration de données. Nous discutons ici de sa signification, de ses techniques et des étapes de l'introduction à l'exploration de données avec un exemple pour mieux comprendre. Vous pouvez également consulter les articles suivants pour en savoir plus -

  1. Questions d'entretiens chez Data Mining
  2. Analyse prédictive vs exploration de données
  3. Introduction à la science des données
  4. Qu'est-ce que l'analyse de régression?

Catégorie:

Big Data