Eksploracja danych to proces przeszukiwania dużych baz danych w celu znalezienia przydatnych informacji, które można wykorzystać do podejmowania decyzji. Używany jest również angielski termin „eksploracja danych”.
Można to rozumieć jako technologię i oprogramowanie wykorzystywane do wyszukiwania wzorców zachowań w bazie danych. Podstawą tego jest to, że te wzorce pomagają w podejmowaniu decyzji. Na przykład może pomóc firmom zrozumieć wzorce zachowań ich klientów. W taki sposób, aby ułatwić tworzenie strategii zwiększania sprzedaży lub obniżania kosztów.
Zalety eksploracji danych
Podstawową zaletą tego procesu analizy danych jest duża liczba scenariuszy biznesowych, do których można go zastosować, jako przykład mamy:
- Prognoza: Prognoza sprzedaży firmy.
- Prawdopodobieństwo: Wybór najlepszych klientów do bezpośredniego kontaktu telefonicznego lub mailowego.
- Analiza sekwencji: Analiza produktów, które kupili klienci i sprawdzenie wzajemnych relacji między nimi.
Etapy eksploracji danych
W procesie eksploracji danych możemy wyróżnić pięć faz:
- Cel i gromadzenie danych: Przede wszystkim należy skupić się na tym, jakie informacje chcemy uzyskać. Wyobraźmy sobie przykład, w którym supermarket chce wiedzieć, o której porze dnia jest najwięcej klientów. Byłby to cel i informacja, którą branża chce uzyskać w tym przypadku.
- Przetwarzanie i zarządzanie danymi: Kiedy już znamy dane, które chcemy zebrać, zaczynamy je wykorzystywać. To chyba najtrudniejsza faza procesu. Otóż wymaga to wyselekcjonowania reprezentatywnej próby, na której będzie przeprowadzona analiza. Po wybraniu próby należy przeanalizować, jaki rodzaj zmiennych lub model regresji będzie na próbie przeprowadzony.
- Wybór modelu: Jest ściśle związany z poprzednią fazą. Chodzi o stworzenie modelu lub algorytmu, który da nam najlepszy możliwy wynik. W tym celu należy przeprowadzić wyczerpującą analizę zmiennych, które mają być uwzględnione w modelu. Staje się to skomplikowanym zadaniem, ponieważ będzie zależeć od rodzaju analizowanych informacji. Dlatego eksploratorzy danych przeprowadzają różne testy algorytmu, takie jak: regresja liniowa, drzewo decyzyjne, szeregi czasowe, sieć neuronowa itp.
- Analiza i przegląd wyników: Zasadniczo jest to analiza wyników, aby zobaczyć, czy dają logiczne wyjaśnienie. Wyjaśnienie ułatwiające podejmowanie decyzji na podstawie informacji dostarczonych przez wyniki.
- Aktualizacja modelu: Ostatnim etapem procesu byłaby aktualizacja modelu. Bardzo ważne jest, aby odbywało się to w czasie, aby nie stało się przestarzałe. Zmienne modelu mogą stać się nieistotne i dlatego wymagana jest okresowa kontrola modelu.