Определение
Описание
Интеллектуальный анализ данных (Data Mining / глубинная добыча данных) — это процесс обнаружения в сырых крупномасштабных массивах данных ранее неизвестных, нетривиальных, практически полезных и доступных для интерпретации скрытых закономерностей, паттернов, аномалий и взаимосвязей с использованием статистических методов, алгоритмов машинного обучения и теории баз данных.
Классические задачи Data Mining: Поиск ассоциативных правил (Association Rule Mining / Market Basket Analysis — выявление товаров, покупаемых совместно), Классификация (отнесение объектов к известным классам), Кластеризация (сегментация на группы по схожести) и Анализ последовательностей (поиск цепочек событий во времени). Процесс стандартизирован международным регламентом CRISP-DM (Cross-Industry Standard Process for Data Mining).
Для бизнеса Data Mining выступает мощнейшим генератором неочевидных инсайтов. Анализ миллионов чеков позволяет ритейлерам оптимизировать выкладку товаров в торговых залах, операторам связи — выявлять мошеннические схемы, а банкам — находить скрытые взаимосвязи между транзакциями клиентов и их склонностью к покупке инвестиционных продуктов.
Примеры из практики
Кейс 1 (Анализ рыночной корзины супермаркета): Алгоритм Data Mining выявил неочевидное ассоциативное правило: покупатели, приобретающие подгузники в пятницу вечером, с вероятностью 68% покупают крафтовое пиво и снеки. Размещение стеллажа со снеками рядом с детским отделом подняло сопутствующие продажи пива на 24%.
Кейс 2 (Обнаружение скрытого оттока в телекоме): Интеллектуальный анализ логов показал паттерн: клиенты, у которых происходило более 3 обрывов звонков подряд в районе базовой станции около дома, через 2 недели переносили номер к конкуренту (MNP). Настройка автоматического начисления бесплатных гигабайт после сбоев снизила отток в проблемных зонах на 41%.
Применение на практике
Data mining широко применяется в ритейле для оптимизации ассортимента и выкладки товаров (cross-selling), в банках — для обнаружения мошеннических транзакций по нетипичным паттернам поведения, а в телекоме — для прогнозирования оттока абонентов на основе скрытых поведенческих сигналов задолго до того, как клиент явно решит уйти.