تحقیق داده کاوی وخوشه بندی گردشگران خارجی در ایران

اختصاصی از یارا فایل تحقیق داده کاوی وخوشه بندی گردشگران خارجی در ایران دانلود با لینک مستقیم و پرسرعت .

فرمت فایل : WORD (قابل ویرایش)

تعداد صفحات:73

فهرست مطالب:

چکیده.....................................................................................................................................................................................یک
فصل اول: مقدمه...................................................................................................................................................................1
    مقدمه عمومی..................................................................................................................................................................2
    مقدمه حوزه پژوهشی مورد بحث................................................................................................................................3
    شرح موضوع پژوهش و منطق پشتوانه آن................................................................................................................3
    قلمرو پژوهش..................................................................................................................................................................4
    سازمندی گزارش............................................................................................................................................................5
فصل دوم: پیش زمینه و مرور ادبیات...............................................................................................................................6
    مفاهیم پایه و قاب کاری مفهومی...............................................................................................................................7
        تعریف داده کاوی.....................................................................................................................................................7
        کاربردهای داده کاوی..............................................................................................................................................13
        فرایند داده کاوی......................................................................................................................................................13
        آماده سازی داده ها..................................................................................................................................................15
            نرمال سازی........................................................................................................................................................17
            داده های مجهول..............................................................................................................................................18
        مدل فرایندی Crisp-DM.....................................................................................................................................19
        انواع داده ها در داده کاوی......................................................................................................................................22
            ساختار بانک اطلاعاتی رابطه ای......................................................................................................................22
            انبار داده.................................................................................................................................................................26
            OLAP چیست؟...................................................................................................................................................32
        تکنیک های داده کاوی.............................................................................................................................................44
            تکنولوژی های داده کاوی...................................................................................................................................45
            طبقه بندی.............................................................................................................................................................45
            وابستگی..................................................................................................................................................................47

            پیش بینی..............................................................................................................................................................47
            تحلیل خوشه ای...................................................................................................................................................48
                الگوریتم K-mediod ....................................................................................................................................51
                الگوریتم K-means........................................................................................................................................51
                شبکه SOM....................................................................................................................................................52
                الگوریتم BIRCH..........................................................................................................................................53
                الگوریتم CURE............................................................................................................................................58
            معتبرسازی مدل های خوشه بندی.................................................................................................................60
    مرور ادبیات.......................................................................................................................................................................63
    جمع بندی و نتیجه گیری.............................................................................................................................................66
فصل سوم: پژوهش مقدماتی...............................................................................................................................................67
    وضعیت فعلی پژوهش در حوزه مورد بحث................................................................................................................68
فصل چهارم: پژوهش پیشنهادی.........................................................................................................................................69
    محدودیت های انجام پژوهش........................................................................................................................................70
    پرسش های پژوهش.........................................................................................................................................................70
    اهداف پژوهش....................................................................................................................................................................70
    متدولوژی انجام پژوهش...................................................................................................................................................71
    نتایج و دستاوردهای مورد انتظار....................................................................................................................................71
    جمع بندی و نتیجه گیری...............................................................................................................................................72
مراجع.........................................................................................................................................................................................73

  


چکیده

   صنعت گردشگری یکی از بخش های رو به رشد اقتصاد جهانی است که تأثیر بسیاری بر اقتصاد منطقه ای و ملی کشورها دارد. با توجه به تنوع محصولات و خدمات گردشگری، گردشگران و نیازهای آنها نیز تنوع زیادی دارد. مطالعه و شناسایی رفتار گروه های مختلف گردشگران و ترجیحات و علایق آنها مهم است. زیرا که با داشتن شناخت عمیق تر از گروه های مختلف گردشگران، بهتر می توان روی آنها هدف گذاری کرد و فعالیت های جذب و حفظ را صورت داد. شناخت بهتر گردشگران، مستلزم بهره گیری و تحلیل داده ها و اطلاعات بدست آمده از آنهاست. داده کاوی از جمله تکنیک های پیچیده در تحلیل مشتریان است که به کشف الگوها و قواعد و دانش مفید موجود در پایگاه های داده مشتریان می پردازد و از این طریق شناخت عمیق تری از مشتریان بدست می دهد.
   در صنعت گردشگری درک رفتار و خصوصیات گروه های مختلف گردشگران و شناخت عواملی که هر کدام از این گروه ها را تشویق به خرید یک محصول خاص گردشگری می کند، اهمیت زیادی دارد. با شناخت گروه های مختلف گردشگران و نیازها و خصوصیات هر گروه، می توان در طراحی محصول گردشگری، تعیین استراتژی های توسعه و قیمت گذاری برای هر گروه گردشگران، به مزیت رقابتی دست یافت. در این تحقیق به بخش بندی گردشگران بین المللی در ایران می پردازیم. با استفاده از اطلاعات و دانش بدست آمده از گردشگران خارجی و شناسایی بخش های مختلف آنها، می توان به مدیران و تصمیم گیران گردشگری در توسعه محصولات و خدمات مناسب گردشگری کمک کرد. همین طور می توان به راهکارهایی در جهت بازاریابی و جذب بیشتر گردشگران و در نتیجه رونق گردشگری در ایران دست یافت.

پروژه فازی - الگوریتم ژنتیک فازی برای خوشه بندی داده های گروهی

اختصاصی از یارا فایل پروژه فازی - الگوریتم ژنتیک فازی برای خوشه بندی داده های گروهی دانلود با لینک مستقیم و پرسرعت .

فرمت فایل : word(قابل ویرایش)

تعداد صفحات:42

فهرست مطالب:

• چکیده
• مقدمه
• مروری بر روش های قبل
• الگوریتمk-means Hard
• مثالی عددی از الگوریتم k-means
• مقادیر مرکز های اولیه
• فاصله بین مراکز و داده ها
• خوشه بندی داده ها
• تعیین مراکز
• فاصله مراکز- داده ها
• خوشه بندی داده ها
• تعیین مراکز
• فاصله مراکز- داده ها
• خوشه بندی داده ها
• الگوریتم Clustering (FCM) Fuzzy c-Means
• Hard k-Modes الگوریتم
• الگوریتم Fuzzy k-Modes
• الگوریتمGenetic fuzzy k-Modes
• نمایش رشته ای
• فرآیند مقدار دهی اولیه
• الگوریتم مقداردهی اولیه
• فرایند انتخاب
• الگوریتم تولید جمعیت جدید
• فرایند ادغام
• الگوریتم ادغام
• فرایند جهش
• پروسه جهش
• معیار توقف
• آزمایش ها
• معیار کیفیت خوشه بندی
• مجموعه داده
• نتایج
• نتیجه گیری
• پیوست – کد برنامه
• مراجع

چکیده:

خوشه بندی روشی است که داده های یک مجموعه داده را به گروه یا خوشه تقسیم می کند . از مرسوم ترین روش های خوشه بندی،الگوریتم های خوشه بندی k-Means وfuzzy k-Means می باشند.این دو الگوریتم فقط روی داده های عددی عمل می کنند و به منظور رفع این محدودیت، الگوریتم های k-Modes و fuzzy k-Modes ارائه شدند که مجموعه داده های گروهی (دسته ای) را نیز خوشه بندی می کنند. . با این وجود، این الگوریتم ها ،شبیه همه روال های بهینه سازی دیگر که برای مینیمم عمومی یک تابع جستجو می کنند، احتمال گیر افتادن در یک مینیمم محلی وجود دارد. به منظوردستیابی به جوبب بهینه عمومی ، الگوریتم های تکاملی مانند ژنتیک و جدول جستجو با الگوریتم های مذکور ترکیب می شوند. در این پژوهش، الگوریتم ژنتیک ، GA، را با الگوریتم fuzzy k-Modes ترکیب شده ،بطوریکه عملگر ادغام به عنوان یک مرحله از الگوریتم fuzzy k-Modes تعریف می شود. آزمایش ها روی دو مجموعه داده واقعی انجام شده است تا همراه با مثال کارایی الگوریتم پیشنهادی را روشن نماید.

مقدمه:

به عنوان یک ابزار اولیه در داده کاوی ،تجزیه و تحلیل خوشه ، که تجزیه و تحلیل سگمنت نیز نامیده می شود،روشی است که داده ها را به گروه هایی همگن تحت عنوان خوشه تقسیم می کند.در چنین روشی داده های موجود در یک کلاستر یا خوشه خیلی شبیه به هم و داده ها ی کلاستر های مختلف خیلی متفاوت نسبت به هم هستند.اغلب، شباهت بر مبنای معیار فاصله می باشد.

آنالیز خوشه،خوشه بندی، تکنیک عمومی برای آنالیز داده های آماری می باشد که در بسیاری زمینه ها مانند یادگیری ماشین ، داده کاوی ، شناسایی الگو و آنالیز تصویر کاربرد دارد.در کنار اصطلاح خوشه بندی داده (یا فقط خوشه بندی)،بعضی اصطلاحات دیگرنیزهمانند کلاس بندی اتوماتیک ،طبقه بندی عددی، آنالیز نوع شناسی ، با معنای مشابه استفاده می شود[1].

به طور کلی ،یک الگوریتم خوشه بندی خوب معمولا برای طراحی شامل چهار فاز ذیل را شامل می شود:1- نمایش داده2- مدل کردن.3- بهینه سازی.4- اعتبار سنجی[2] ..

فاز نمایش داده، تعیین می کند که چه نوعی از ساختارهای خوشه می تواند داده ها را شناسایی کند.سپس فاز مدلینگ ضوابط و معیار ها را برروی ساختار تعریف می کند بطوریکه که ساختارها ی گروه های مطلوب را از موارد نامطلوب مجزا می کند.در فاز مدلینگ ، در طول جستجو برای ساختار های مخفی در داده ،یک معیار کیفیت مانند معیار بهینه سازی یا معیار تقریب تولید می شود. بعبارتی دیگرفاز بهینه سازش،ساختار های موثرتر و بهینه تر را انتخاب میکند. از آنجا که فرآیند خوشه بندی ،یک فرایند بدون سرپرستی است فاز اعتبار سنجی خیلی ضروری است تا نتایج تولید شده به وسیله الگوریتم خوشه بندی ارزیابی شوند.

به طور کلی ،الگوریتم های خوشه بندی به دو دسته تقسیم بندی می شوند[3,4] : الگوریتم های خوشه بندی سخت و الگوریتم های خوشه بندی فازی.

در چهارچوب خوشه بندی سخت ،هر شی ء به یک و فقط یک خوشه تعلق دارد و برعکس در چهار چوب خوشه بندی فازی به هر شی ء اجازه داده می شود که توابع تعلقی به همه خوشه ها داشته باشد.هر دو روش الگوریتم خوشه بندی سخت و فازی ،مرکز های خوشه (نمونه های اولیه) را تعیین می کنند و مجموع مربع فاصله بین این مرکز ها و خوشه ها را مینیمم می کنند.

بسیاری از الگوریتم ها به منظور دستیابی به خوشه بندی سخت در یک مجموعه داده پیشرفت داده شده اند.در بین آنها الگوریتم k-meansو روش های خوشه بندی IsoData به طور گسترده ای مورد استفاده گرفته اند.این دو الگوریتم بر پایه تکرار می باشند. کاربرد مجموعه های فازی در توابع کلاس بندی موجب می شود هر داده در یک زمان به چندین کلاس با درجه های متفاوت تعلق داشته باشد[3].

معروف ترین و پرکاربردترین الگوریتم خوشه بندی فازی ،الگوریتم fuzzy C-Means [7] است. الگوریتم fuzzy C-Means با یک مقدار اولیه از Wشروع می شود و مکررا بین تخمین مراکز خوشه Z داده شده درZ و تخمین ماتریس تعلق داده شده درW تکرار می شود تا هنگامیکه دو مقدار متوالی از Z یا W مساوی شوند.

از نظر ریاضی ،یک مسئله خوشه بندی فازی را می توان به صورت یک مسئله بهینه سازی به صورت ذیل نمایش داد.[5,6]

که n تعداد اشیاء در مجموعه داده مورد بررسی وk تعداد خوشه ها است .مجموعه از n شی ء است که هر یک با d ویژگی توصیف می شوند.   Z یک مجموعه با k مرکز کلاستر ، W یک ماتریس تعلق فازی و توان وزن و d معیار فاصله معین بین مرکز خوشه و شی ء می باشد.

از آنجا که الگوریتم fuzzy c-Means فقط روی داده های عددی کار می کند،یک الگوریتم fuzzy k-Modes  را به منظور خوشه بندی مجموعه داده های گروهی پیشنهاد می دهیم [6-9] . با این وجود،این الگوریتم ها ،شبیه همه روال های بهینه سازی دیگر که برای مینیمم عمومی یک تابع جستجو می کنند، احتمال گیر افتادن در یک مینیمم محلی وجود دارد.

برای مسئله بهینه سازی ،یک مسئله شناخته شده وابسته به هر دو الگوریتم fuzzy C-Means و fuzzy k-Modes این است که آنها ممکن است روی بهینه محلی متوقف شوند[5] .برای رفع این مشکل و رسیدن به یک راه حل عمومی،تکنیک های بر پایه الگوریتم های ژنتیک و تابو سرچ به کار برده شده اند. برای مثال ،الگوریتم genetic k-Means،الگوریتم genetic و الگوریتمk-Means  را ترکیب می کند بدین منظورکه راه حل عمومی و بهینه را پیدا کند[10].به منظور پیدا کردن راه حل بهینه عمومی برای الگوریتم fuzzy k-Modes،Ng و Wong تابو سرچ را بر پایه الگوریتم fuzzy k-Modes معرفی کردند[11].

هدف اصلی در این پروژه این است که الگوریتم genetic fuzzy k-Modes را بکار ببریم تا الگوریتم های fuzzy k-Modes و genetic را به منظور پیدا کردن راه حل بهینه در مسئله بهینه سازی ترکیب کند[5].

طرح کلی پروژه به صورت ذیل است که در قسمت 2، مروری برکارهای قبل و دیگر روش ها خواهیم داشت .بدین صورت که ابتدا الگوریتم های k-means, fuzzy C-means,k-modes,fuzzy k-modes با جزییات شرح می دهیم که مقدمه ای از روال کلی رسیدن به الگوریتم مورد بررسی در این مقاله هستند. سپس در قسمت 3 ،روش پیشنهادی مان،الگوریتم ترکیبی genetic fuzzy k-Modes را تشریح می کنیم. نتایج پیاده سازی الگوریتم برروی دو مجموعه داد ه واقعی از UCI را در قسمت 4 نشان می دهیم ودر نهایت در قسمت 5 بعضی نتایج را عنوان می کنیم.

2- مروری بر روش های قبل

 1.2- الگوریتمk-means Hard

الگوریتم k-means،الگوریتمی است که n نمونه داده را بر پایه ویژگی هایشان به c قسمت (c<n) خوشه بندی می کند. الگوریتم k-means روال هایی بر پایه نمونه اولیه هستند که فاصله بین نمونه های اولیه و دیگر داده ها را به وسیله ساختار یک تابع هدف مینیمم می کند[7].بعبارتی دیگر هدف الگوریتم این است که واریانس درون خوشه ای کل ،یا تابع مربع خطا را مینیمم سازد.این الگوریتم در سال 1956 معرفی شد.

روال کلی الگوریتم بدین صورت می باشد که :

1. تعداد خوشه ها را ، k در نظر بگیرید.
2. به طور تصادفی k خوشه تولید کنید و مراکز خوشه ها را تعیین نمایید.یا به طور مستقیم، k نقطه رندم را به عنوان مراکز خوشه ها تولید کنید.
3. در مجموعه داده،هر نمونه داده را به نزدیکترین مرکز کلاسترآن نسبت دهید.
4. دوباره مراکز خوشه های جدید را بدست آورید.
5. دو مرحله قبل را تا زمانیکه همگرایی مناسب حاصل شود(تفاوتی در دو خوشه بندی متوالی وجود نداشته باشد)،تکرار نمایید.

دانلود تحقیق کار با داده های آماری با نرم افزار نظر سنجی spss از گروه حسابداری

اختصاصی از یارا فایل دانلود تحقیق کار با داده های آماری با نرم افزار نظر سنجی spss از گروه حسابداری دانلود با لینک مستقیم و پرسرعت .

فرمت فایل : WORD (قابل ویرایش)

تعداد صفحات:42

فهرست مطالب:

فصل اول                      
مقدمه  .................................................................................................  6-5
پرسش نامه .................................................................................................. 7        
فصل دوم                        
روند کار ............................................................................................... 42-8
فصل سوم                      
 نتیجه گیری

       

مقدمه
حسابداری:
عبارت است از فن ثبت و طبقه بندی و تلخیص فعالیت های مالی مؤسسات در قالب اعداد و ارقام قابل سنجش به پول رایج کشور و تفصیر نتایج حاصله از بررسی این اعداد.
تاریخچه ی حسابداری:
در عصری که جوامع بشری همواره در حال پیشرفتهای علمی و صنعتی و اقتصادی می باشند و با توجه به اینکه نقش فعالیتهای مالی در هر پیشرفت و توسعه ای غیر قابل انکار می باشد نیاز به توسعه  ی حسابداری روز به روز افزایش می یابد.
در قرون وسطی مرسوم بوده که فرمانروایان مالیات ها را جمع آوری میکرده و آن را در جهت رفع نیازهای مالی مربوط به توسعه ی املاک به مصرف می رساند.در آن زمان یکی از وظایف حسابداران تهیه ی صورتی از اموال افراد برای خزانه داری فرمانروا به منظور اخذ مالیات بود.از دیگر وظایف حسابداران آن زمان می توان به تهیه ی گزارش سفر افرادی که به کار تجارت بین کشورها اشتغال داشته اشاره کرد.در قرن 13 و 14 به دلیل رشد عملیات تجارتی تحولاتی در سیستم نگهداری حسابها به وجود آمد.
پدر علم حسابداری:
لوکا پاچیولی (پدر علم حسابداری) ایتالیایی ریاضی دانی بود که توانست با انتشار کتاب ریاضیات موجب گسترش فن دفترداری دو طرفه در سرتاسر اروپا گردبد.وی در این کتاب که چند فصلش اختصاص به حسابداری داشت توانست مهارت تجزیه و تحلیلگری خود را در جهت توصیف سیستم حسابداری دو طرفه به کار ببرد.


هدف حسابداری:
حسابداری یک سیستم است که در آن فرایند جمع آوریو ثبت و خلاصه کردن اطلاعات و تهیه ی گزارش های مالی و صورت های حسابداری در شکل ها و مدل های خاص انجام می گیرد تا افراد درون سازمانی مثل:مدیران سازمان و یا برون سازمانی مثل:بانک هاو مجمع عمومی سازمان مورد نظر و یا مقامات مالیاتی بتوانند از این اطلاعات استفاده کنند به همین دلیل فردی که تحصیلات دانشگاهی ندارد بیشتر یک دفتردار است تا یک حسابدار.
اهمیت حسابداری:
نتیجه ی یکی از تحقیقات دانشگاه کلمبیا مبنی بر این بود که از دهه ی 70 به بعد همه ی شرکتهای موفق شرکتهایی بودند که مدیران آنها تحصیلات مالی داشتند به همین دلیل از این دهه به بعد اطلاعات نقش مهمی پیدا کردند و مهمترین اطلاعات نیز اطلاعات مالی است که تاثیر بسیاری در تصمیم گیری مدیران شرکتها و مؤسسات دارد.
                                                                                                                     

دانلود پروژه پایگاه داده به همراه جدول ها و تصاویر

اختصاصی از یارا فایل دانلود پروژه پایگاه داده به همراه جدول ها و تصاویر دانلود با لینک مستقیم و پرسرعت .

فرمت فایل : word(قابل ویرایش)

تعداد صفحات:18

فهرست مطالب :

      شرح پروژه
     Tables
      Forms
       برنامه تحت ASP.NET





شرح پروژه :

       به جهت امنیت سیستمهای کامپیوتری لازم است که برخی محدودیتها برروی سیستم قرار
        داده شود تا دسترسی کاربران به سیستم را کنترل کند . بدین منظور طرحی با نام برنامه
       Useraccess   مطرح شده است . این برنامه همان طور که از اسم آن  پیدا است میزان
       دسترسی کاربران سیستم را تعیین می کند .بدین منظور نرم افزاری تولید می شود تا اینکه
       بتواند بر روی برناه اصلی هر نوع سیستمی قرار گرفته ودرزمان اولین باراجرای برنامه
       مدیر سیستم بتواند worker ها، نقشها ، منوی اصلی برنامه و ... را تعریف کند .همچنین
       او باید نقش هر worker  در سیستم را تعریف کرده و با توجه به آن حق دسترسی برای
       آن  worker  تعریف کند . بعد از اتمام کار با توجه  به توانایی های نرم افزار و سیستم
      زمان آن است که سیستم از آن اطلاعات استفاده کند. سیستم با توجه به اطلاعات وارد شده
       به ساخت منوی برنامه می پردازد و پس از آن با توجه به حق دسترسی های تعریف  شده
       سیستم پس از شناسایی کاربر منوهایی که قرار است در اختیار او نباشد راغیرفعال خواهد
       کرد .بدین صورت عملکرد سیستم کنترل شده خواهد بود .
       درابتدای کار باید  گفت که این نرم افزار برای ذخیره سازی اطلاعات به یک  پایگاه داده
       متصل می شود که در زیر به شرح کامل آن می پردازیم :

       پایگاه داده مابا نام useraccess دارای5  جدول کلی برای ذخیره سازی اطلاعات است :




       Tables                                
1 ) Login
                     این جدول به جهت امنیت نرم افزار ساخته شده که حاوی اطلاعات مدیر اصلی
                     پروژه است .این جدول دارای دو ستون است ، که شامل Username ، ورمز
                    مدیر اصلی است . شکل کلی جدول به شکل زیر است :
                         
                   این جدول تنها جدولی است که اطلاعات آن توسط خود برنامه نویس از ابتدا پر
                   می شود و کاربر به آن دسترسی ندارد .   

دانلود پروژه مروری بر چگونگی استخراج داده و مدیریت آن در کامپیوتر

اختصاصی از یارا فایل دانلود پروژه مروری بر چگونگی استخراج داده و مدیریت آن در کامپیوتر دانلود با لینک مستقیم و پرسرعت .

فرمت فایل : word(قابل ویرایش)

تعداد صفحات:88

فهرست مطالب:

عنوان    صفحه
بخش اول : تأثیر استخراج داده‌ها بر CRM    1
فصل اول : روابط مشتری
مقدمه    2    
استخراج داده‌ها چیست    5
یک نمونه     6
ارتباط با فرآیند تجاری     8
استخراج داده‌ها و مدیریت روابط مشتری     11
استخراج داده‌ها چگونه به بازاریابی بانک اطلاعاتی کمک می‌نماید    12
امتیاز دهی     13
نقش نرم‌افزار مدیریت مبارزه    13
افزایش ارزش مشتری     14
ترکیب استخراج داده‌ها و مدیریت مبارزه     15
ارزیابی مزایای یک مدل اسخراج داده ها     15
فصل دوم: استخراج داده‌ها و ذخیره داده‌ها- یک منظره مرتبط به هم
مقدمه     17
استخراج داده‌ها و ذخیره داده‌ها ، یک ارتباط     18
بررسی ذخیره داده‌ها    21
ذخیره داده‌ها ROI    21
ذخایر داده های علمی واطلاعاتی     23
 تعریف و خصوصیات یک مخزن اطلاعاتی     30
معماری انبارداده‌ها     34
استخراج داده‌ها     38
استخراج داده‌های تعریف شده     38
قملروهای کاربرد استخراج داده‌ها    40
مقوله‌های استخراج داده‌ها و کانون تحقیق     41
فصل سوم: مدیریت رابطه با مشتری
مقدمه    48
سودمندترین مشتری     49
مدیریت رابطه مشتری    50
بانک اطلاعاتی متمرکز برمشتری     53
اداره مبارزات     54
تکامل تدریجی بازاریابی     56
بازاریابی حلقه بسته     57
معماریCRM    57
نسل بعدیCRM    58
بخش دوم: بنیاد - تکنولوژیها و ابزار     60
فصل چهارم : اجزاء ذخیره سازی داده‌ها
مقدمه     61
معماری کلی     62
بانک اطلاعاتی انبار داده‌ها     63
ابزارهای ذخیره‌سازی، تحصیل، تهذیب و انتقال     64
متادیتا    65
ابزار دسترسی     70
دسترسی و تجسم اطلاعات     71
اصول مشاهده یا تجسم داده‌ها     72
ابزار بررسی و گزارش     76
کاربردها     77
ابزار OLAP    77
ابزارها استخراج داده‌ها     78

مقدمه

بازار ابزار استخراج داده ها از دو راه ابتدایی خود در حال ظهور می‌باشد . بسیاری از ابزارهایی که در اینجا توضیح داده می‌شوند ، در مرحلة اول انتشار می‌باشند.

موقعیت در بازار CRM که عموماً بخشی از سیستم تجارت الکترونیکی در نظر گرفته می‌شود ، پیچیده تر می‌باشد و بنابراین با سرعت وب یا شبکه در حال حرکت می‌باشد. بازار CRM ، حتی بیشتر از بازار ابزار استخراج داده‌ها با چندین فروشنده که بر تعریف خود بازار و موقعیت خود در این بازار متمرکزند ، توصیف می‌گردد.

این اشتباه، با ماهیت بسیار دینامیک خود بازار که یک فعالیت قابل رویت تحکیم مشتری، شرکتهای ادغامی‌و تملیک ها را تحمل می‌کند، بیشتر می‌گردد. علی رغم کل این چالشها، باز رو به تکامل می‌رود و فروشندگان، پیشرفت مهمی‌در علمی‌بودن ابزار، قابلیت استفاده و قابلیت اداره‌ کسب می‌کنند.

اولین بخش این فصل ، به کاربردهای بسته بندی شده استخراج داده ها می‌پردازد. این کاربردها ، بر اساس چندین تکنیک استخراج داده ها ادغام شده در ابزارهای بهتر می‌باشد . همراه با بهترین عملکرد ها ، اسلوب شناسی های خوب تعریف شده و فرآیندها، راه خود را در محیط های تولید شرکتها که در آن استخراج داده ها بخشی از یک فرآیند موسسه ای شده می‌شود می‌یابند که شامل رشد و یادگیری سازمانی می‌شود .

بازار استخراج داده ها

بیائید بازار استخراج داده ها را از نقطه نظر منحنی اقتباسی تکنولوژی در نظر بگیریم ایمنی به اقتباس کنندگان اولیه ، از تکنولوژی لبة یادگیری برای دستیابی به مزیت رقابتی استفاده می‌کنند ؛ هنگامیکه تکنولوژی تکامل می‌یابد ، شرکتهای بیشتری آن را اقتباس می‌کنند ، و در یک حالت تجارت زمانی و عادی درج می‌نمایند . همچنین مناطق عملی بودن ابزاهای استخراج داده ها بزرگتر و بزرگتر می‌شوند. به عنوان مثال ، تکنولوژی وایت اوک ( یک شرکت استخراج داده ها در مریلند) از جانب کمیسیون فدرال الکترون، مجوز فروش سیستم گچین ماینر Capain Miner را کسب کرده است که بی نظمی‌در دخالتهای سیاسی فدرال را کشف می‌کند . نورتل، یک بسته کشف کلاهبرداری را توسعه داده است به نام سوپر اسلوت فراود ادوایسور ، که از تکنولوژیهای شبکة عصبی استفاده می‌کند .

صنعت ابزار استخراج داده ها ، برخلاف تکنولوژیهای استخراج داده ها ، در مرحلة عدم تکامل قرار دارد و می‌کوشد تا بازار را تعیین نماید . و وجودش را تائید کند . به همین دلیل است که در می‌یابیم بازار ابزارهای استخراج داده ها تحت تاثیر موارد زیر قرار دارد:

• qادغام پیوسته و مداوم ابزارها با اتکاء به تکنولوژیهای مکمل و به عنوان مثال OLAP
• q ظهور کاربردهای بسته بندی شدة عمودی و یا اجزاء استخراج داده ها برای توسعة کاربرد .
• q استراتژیهای بسیار اقتباس شده شرکت بین فروشندگان ابزار استخراج داده ها و فروشندگان تهیه کنندگان راه حل جامع و ادغام کننده های سیستم ها : فروشندگان مقیاس مؤسسه ، همانند IBM NCR ، اوراکل ، میکروسافت ) به عنوان مثال ، اوراکل چندین شریک متعدد استخراج داده ها به عنوان بخشی از او را کل ویرهاوس اینتیشیتیو از جمله آنگاسن دیتا مایند ، دیتاپکیج اینفورمیشن دیسکاوری ، SRA , SPSS اینترنشنال و تینکینگ ماشینز را انتخاب کرده است .

اصول طبقه بندی ابزارهای استخراج داده ها

ما می‌توانیم کل بازار ابزارهای استخراج داده ها را به سه گروه اصلی تقسیم نمائیم ؛ ابزارهای دارای هدف کلی ، ابزارهای ادغام شدة استخراج داده ها DSSOLAP ، و ابزارهای به سرعت در حال رشد و برای کاربرد.

ابزارهای هدف کلی بخش بزرگتر و کامل تر بازار را اشغال می‌کند . آنها بنا به تعریف و برای کاربرد نیستند و حوزه آنها از نظر ماهیت افقی است . این ابزار شامل موارد زیر می‌شود .

• SAS اینترپراز ماینر
• IBM اینتلیجنت مایننر
• یونیکا PRW
• SPSS کلمنتین
• SGI ماین ست
• اوراکل داروین
• آنگاس نالج سیکر

بخش ابزار مرکب یا اداغام شدة استخراج داده ها بر شرط تجاری بسیار واقعی و اجباری داشتن ابزار چند منظورة تقویت تصمیم تاکید می‌کند که گزارش مدیریت ، پردازش تحلیلی روی خط ، و قابیت های استخراج داده ها در یک قالب کاری عادی را فراهم می‌کند . نمونه های این ابزار های مرکب شامل کاکنوس سیناریو و بیزینس آبجکت می‌شود.

بخش ابزارهای ویژة کاربرد ، به سرعت در حال حرکت است ، و فروشندگان در این فضا ، می‌کوشند تا خود را با ارائة راه حلهای تجاری به جای جستجوی تکنولوژی برای یک راه حل ، از سابرین متمایز نمایند . حوزة این ابزار ، بنا به تعریف از نظر ماهیت عمودی است . در بین این ابزارها ، موارد زیر قرار دارند:

• KD1 ( متمرکز بر خرده فروشی است )
• حق انتخابها و انتخابها ( بر صنعت بیمه متمرکز است )
• HNC ( بر کشف کلاهبرداری متمرکز است )
• یونیکا مدل 1 ( بر بازاریابی متمرکز است )

ارزیابی ابزار : صفات و اسلوب شناسی ها

کل این عوامل ارائه یک توصیف بهینه از ابزارهای استخراج طولانی تر موجود را مشکل ساخته است . بنابراین . بطور کلی ابزارهای استخراج داده ها را می‌توان با استفاده از صفات زیر ، توصیف نمود :

• qتکامل محصول و ثبات و استحکام شرکت . به دلیل عدم تکامل کلی بازار تجاری برای ابزارهای استخراج داده ها ، این مقوله محصولاتی را توضیح می‌دهد که برای جنبش از چند سال وجود داشته اند.
• q سکوها و معماری. سکوهای متنوع از نظر تجاری موجود را تقویت کنید ، مدل چند تأبیری مشتری / خادم را تقویت کنید . هدف قابلیت سنجش، دسترسی به سرعت نزدیک به خطی و سنجش زمان اجرا ، به عنوان میزان داده ها ( اندازة بانک اطلاعاتی ) ، تعداد متغیرها ، و تعداد کاربران متصل به هم می‌باشد که در حال رشد هستند .
• q تداخلهای داده ها ، قابلیت ابزار برای دسترسی به بانکهای اطلاعاتی ارتباطی ، فایلهای یکنواخت و سایر فورمتها.
• q قابلیتهای استخراج داده ها از جمله تکنیکها ، الگوریتم ها و کاربردهای تحلیلی ،‌ تکنیکهای استخراج داده ( ANN ، CART ، ایفاء قانون و غیره ) با تداخل عادی کاربر که ابزار می‌تواند آن را تقویت نماید، توانایی ایجاد و مقایسة چندین مدل ؛ و توانایی برای تقویت تعدادی از انواع مختلف تجزیه و تحلیل از جمله طبقه بندی ، پیشگویی و کشف اتحاد.
• q ایجاد داده ها قابلیت تغییر شکل و طبقه بندی متغیرهای پیوسته ، ایجاد متغیرهای جدید ، استفاده از تاریخها و زمان ، استفاده از ارزشهای از دست رفته و غیره.
• q مدل (خصوصیت تفسیر ، ارزیابی ، صف بندی) . این مقوله ، ابزار را از نظر قابلیت انجام کارهای زیر ، ارزیابی می‌کند:
• شناسایی مدل بطور اتوماتیک یا دستی ، توسط کاربر
• توضیح نتایج و تعریف مقایسهای اعتمادی یعنی احتمالات طبقه بندی ،‌ حدود اعتماد و غیره
• ارزیابی نتایج مدل با درجه و تناسب
• گزارش دخالت و سهم هر متغیر در مدل ، گزارش درجة افزایش و غیره
• صف بندی مدل برای امتیاز بانکهای اطلاعاتی منبع
• استخراج مقرارت از مدل
• دسته بندی قوانین استخراج شده در یک شکل استاندارد ( به عنوان مثال کد SQL، اظهارات روشی )
• qعملکرد
• اعتبار پیشگویی اعتبار بر اساس نرخ خطای نمونة پیشگویی می‌باشد ؛ اعتبار مدل را می‌توان با درجة افزایش اندازه گیری نمود.
• کارایی پردازش . اجزای بهینة زمان اجرای الگوریتم ها
• qتداخلهای کاربر . این مقوله در می‌یابد آیا ابزار یک کاربر مبتدی و یا کارشناس را تقویت می‌کند یا نه و موارد زیر را تقویت می‌نماید:
• الگوهای سنجش تجاری . قابلیت ایجاد الگوهای از قبل بسته بندی شده ، برای تقویت بسته های تجاری ویژه ( به عنوان مثلا بازاریابی هدف ، امتیازدهی اعتبار، کشف کلاهبرداری ).
• تداخل متادیتا . قابلیت تقویت وظیفة طراحی معنایی ؛ دستیابی به متادیتا برای کدگذاری جداول مقادیر مقوله ای ، دستیابی به قوانین استخراج ، تغییر شکل و مهاجرت به تعریف دیدگاه تجاری خروجی مدل
• qقابلیت اداره
• کنترل پیچیدگی . این یکی از روشهای اصلاح تصمیم مدل است ، بنابراین مدل را بیشتر قابل اداره می‌نماید . به عنوان مثال ، استفاده از پارامترهای بسیار آزاد منجر به تناسب بیش از حد می‌گردد ( قبلاً بحث شد ) ؛ این پیچیدگی را می‌توان با زوال وزن ، کنترل نمود . الگوریتم های درخت تصمیم CART از فاز شاخه زنی یا ضریب برای کاهش پیچیدگی مدل درخت استفاده می‌نمایند .
• سختی . اعتبار درخت و موجود بودن به قابلیت یا بهبود سریع از یک نقطة ضعف . استفاده از اجزاء کلیدی به منظور ادغام در قالب کاری مدیریت سیستم ها ( به عنوان مثال BMCpatrol ، Tivolitme10 و غیره.)
• مرسوم سازی . قابلیت ابزار برای ایجاد یک معماری باز، انعطاف پذیر و قابل گسترش با تداخلهای برنامه ریزی کاربرد منتشر شده و نقاط خروجی کاربر که امکان این کاربردهای تقویت تصمیم، ویژة کاربر و همینطور ادغام با سایر کاربردها را فراهم می‌آورد.

هر گاه که ممکن باشد، ما ابزارهایی که از این مقوله ها استفاده می‌کند را مورد بحث قرار خواهیم داد. با این وجود ، به دلیل این که هدف این فصل ،‌ ایجاد یک بررسی کلی از ابزرهای برجسته و استخراج داده ها می‌باشد و صفات یا خصوصیات عملکرد که می‌توانیم تنها با انجام یک ارزیابی جامع از محصول با استفاده از داده‌ها بدست آوریم ، در این بحث در نظر گرفته نخواهد شد . دیگر این که فروشنده یک معیار منتشر شده یا اطلاعات بررسی کاربر در مورد عملکرد ابزار را فراهم نماید.