Syarikat-syarikat besar tahu lebih banyak tentang anda daripada yang anda bayangkan - inilah caranya
Perlombongan data adalah analisis sejumlah besar data untuk menemui pola dan pengetahuan. Malah, perlombongan data juga dikenali sebagai penemuan data atau penemuan pengetahuan.
Perlombongan data menggunakan statistik, prinsip pembelajaran mesin (ML), kecerdasan buatan (AI), dan sejumlah besar data (sering dari pangkalan data atau set data) untuk mengenal pasti corak dengan cara yang berguna dan berguna sebaik mungkin.
Apakah Perlombongan Data Adakah?
Perlombongan data mempunyai dua objektif utama: perihalan dan ramalan. Pertama, perlombongan data menggambarkan pandangan dan pengetahuan yang diperoleh daripada menganalisis corak data. Kedua, perlombongan data menggunakan perihalan corak data yang diiktiraf untuk meramalkan pola masa depan.
Sebagai contoh, jika anda telah meluangkan masa melayari laman web membeli-belah untuk buku mengenai cara mengenal pasti pelbagai jenis tumbuh-tumbuhan, perkhidmatan perlombongan data yang bekerja di belakang tabir di laman web tersebut log perihalan carian anda berkaitan dengan profil anda. Apabila anda melog masuk sekali lagi dua minggu kemudian, perkhidmatan perlombongan data tapak web menggunakan deskripsi carian sebelumnya untuk meramalkan minat semasa anda dan menawarkan cadangan membeli-belah yang diperibadikan termasuk buku-buku tentang mengenal pasti tumbuh-tumbuhan.
Bagaimana Perlombongan Data berfungsi
Perlombongan data berfungsi menggunakan algoritma, set arahan yang memberitahu komputer atau memproses cara melakukan tugas, untuk mencari jenis corak yang berlainan dalam data. Beberapa kaedah pengecaman pola yang digunakan dalam perlombongan data termasuk analisis kluster, pengesanan anomali, pembelajaran persekutuan, dependensi data, pokok keputusan, model regresi, klasifikasi, pengesanan luar dan rangkaian saraf.
Walaupun perlombongan data boleh digunakan untuk menggambarkan dan meramalkan corak dalam pelbagai jenis data, penggunaan kebanyakan orang yang paling sering dijumpai, walaupun mereka tidak menyedarinya, adalah untuk menerangkan corak pilihan dan tingkah laku pembelian anda untuk meramalkan kemungkinan pembelian masa depan keputusan.
Sebagai contoh, adakah anda pernah tertanya-tanya bagaimana Facebook sentiasa kelihatan seperti apa yang anda lihat di dalam talian dan menunjukkan kepada anda iklan dalam newsfeed anda yang berkaitan dengan laman web lain yang telah anda lawati atau carian web anda? Pertambangan data Facebook menggunakan maklumat yang disimpan di pelayar anda yang menjejaki aktiviti anda, seperti cookies , bersama-sama dengan pengetahuan sendiri mengenai corak anda berdasarkan penggunaan sebelum perkhidmatan Facebook anda untuk menemui dan meramalkan produk atau penawaran yang mungkin anda minati.
Apakah Jenis Data Boleh Dikurangkan?
Bergantung pada perkhidmatan atau kedai (kedai fizikal menggunakan data perlombongan juga), jumlah data yang mengejutkan tentang anda dan pola anda boleh dilombong. Data yang dikumpul mengenai anda mungkin termasuk jenis kenderaan yang anda memandu, di mana anda tinggal, tempat yang anda bawa, majalah dan surat khabar yang anda langgan, dan sama ada anda sudah berkahwin atau tidak. Ia juga boleh menentukan sama ada atau tidak anda mempunyai anak-anak, apa hobi anda, band yang anda suka, peninggalan politik anda, apa yang anda beli secara dalam talian, apa yang anda beli di kedai fizikal (biasanya melalui kad hadiah kesetiaan pelanggan) dan apa-apa butiran yang anda kongsi mengenai kehidupan anda di media sosial.
Sebagai contoh, peruncit dan penerbitan berasaskan fesyen yang disasarkan kepada remaja menggunakan pandangan dari gambar perlombongan data di perkhidmatan media sosial seperti Instagram dan Facebook untuk meramalkan trend fesyen yang akan menarik perhatian pembeli remaja atau pembaca. Wawasan yang ditemui melalui perlombongan data dapat sangat tepat sehingga beberapa peruncit bahkan dapat meramalkan jika seorang wanita mungkin hamil, berdasarkan perubahan yang sangat spesifik dalam pilihan beli-nya. Peruncit, Sasaran, dilaporkan begitu tepat dengan meramalkan kehamilan berdasarkan corak sejarah membeli bahawa ia menghantar kupon untuk produk bayi kepada seorang wanita muda, memberikan rahsia kehamilannya sebelum dia memberitahu keluarganya.
Namun, penambangan data di mana-mana, namun banyak maklumat yang ditemui dan dianalisis tentang tabiat pembelian, pilihan peribadi, pilihan, kewangan, dan aktiviti dalam talian digunakan oleh kedai dan perkhidmatan dengan tujuan untuk meningkatkan pengalaman pelanggan.