Datamining en big data voor bedrijven

0
44688

Bigdata wordt steeds uitdagender voor grote bedrijven. De term "big data" staat als een metafoor voor een waardeloze databerg om kennis te zoeken. Bigdata Mining beschrijft statistische methoden om te zoeken naar trends, dwarsverbindingen en nieuwe gegevens in massagegevens. Het is niet mogelijk om dergelijke enorme hoeveelheden gegevens handmatig te verwerken, en daarom moeten computergebaseerde methoden worden gebruikt. Deze methoden kunnen ook worden gebruikt voor kleinere hoeveelheden gegevens. In de regel verwijst datamining alleen naar de analysestap in het proces.

Datamining en big data

Met datamining kunnen aanzienlijke hoeveelheden gegevens worden bekeken door computerondersteunde programma's. De term datamining is een beetje misleidend omdat het niet gaat om het genereren van gegevens, het gaat om het verkrijgen van kennis uit gegevens. De termijn heeft vooral de overhand gehad omdat hij kort en nauwkeurig is. Over het algemeen kan datamining worden beschreven als een proces voor het extraheren van kennis dat voorheen onbekend was en als potentieel nuttig werd beschouwd. Bigdata beschrijft hoeveelheden gegevens die te groot, groot of gewoon te snel zijn om te wijzigen. Handmatige verzameling of verwerking met klassieke methoden is daarom uitgesloten. De verzamelde bigdata die moet worden gebruikt voor datamining kan uit elke bron komen. Deze variëren van elektronische communicatie van bedrijven en autoriteiten tot archieven van bewakingssystemen. Het verlangen naar de analyse van Bigdata, om de opgedane kennis te gebruiken, komt vaak in conflict met de persoonlijke rechten van andere personen, en daarom moet dit vooraf worden gewaarborgd.

Datamining en big data: conventionele procedures

Datamining van big data-analyseselecties en gegevensverzamelingen. Onvolledige records worden verwijderd en belangrijke bronnen of vergelijkingswaarden worden toegevoegd. Vervolgens worden de gegevens doorzocht op bepaalde gedragspatronen en worden de verkregen resultaten weergegeven. Deze worden door experts onderzocht en geëvalueerd, zodat kan worden besloten of het gewenste doel kan worden bereikt. De opgedane kennis wordt gebruikt in nieuwe onderzoeken of gebruikt als een vergelijkingsparameter, zodat de resultaten van de volgende zoekopdracht nog nauwkeuriger zijn. Hoewel datamining bij Bigdata in het verleden voornamelijk in IT werd gebruikt, zijn steeds meer bedrijven geïnteresseerd in de gebruikte methoden en de aanzienlijke potentiële voordelen die Bigdata biedt. In de financiële sector wordt datamining gebruikt om fraude en audit op te sporen. Credit scoring maakt gebruik van bigdata om de kans op wanbetaling te berekenen. In marketing berekent datamining hoe het koopgedrag van klanten faalt of welke reclame potentiële klanten meet. In online winkels worden winkelwagentjes geanalyseerd en vervolgens worden prijzen en de plaatsing van producten gewijzigd. Bovendien kan worden gezocht naar doelgroepen voor reclamecampagnes en kunnen klantprofielen worden onderzocht. Op internet dient Bigdata Mining om aanvallen te detecteren, diensten aan te bevelen en sociale netwerken te analyseren. Andere toepassingsgebieden zijn bijvoorbeeld de geneeskunde, bibliometrie en verpleegkunde.

Wetenswaardigheden over bigdata en datamining

In bigdata of data mining kan men een discipline aannemen die wetenschappelijk neutraal is. Met datamining kunnen gegevens uit allerlei bronnen worden geanalyseerd. Zodra de gegevens echter betrekking hebben op een persoon, kunnen morele en juridische conflicten snel ontstaan. Deze verwijzen meestal niet naar de evaluatie van de gegevens, maar alleen naar het extractieproces. Gegevens die niet voldoende geanonimiseerd zijn, kunnen worden toegewezen aan specifieke personen. Bij het uitvoeren van datamining door Bigdata is het daarom altijd noodzakelijk om te zorgen voor anonimisering waardoor geen conclusies kunnen worden getrokken over personen of groepen personen. Naast de juridische conflicten moet worden opgemerkt dat morele kwesties aan de orde zijn. Het is de vraag of computers mensen moeten kunnen verdelen in "categorieën" of "klassen". In datamining worden mensen bijvoorbeeld afgeschilderd als kredietwaardig of onwaardig. Over het algemeen moet worden opgemerkt dat de methode zelf uiterst waardevrij is en anoniem. De methode kent de gevolgen en waarschijnlijkheden van de berekening niet. Zodra mensen echter in reële termen met de gegevens worden geconfronteerd, bijvoorbeeld door de Schufa, kan dit vreemde, beledigde of verrassende reacties veroorzaken. De zoekmachine gigantische Google Google Analytics-gegevens over de doelgroepen van de website-eigenaren worden verstrekt.

Kansen en toekomstperspectieven

In de geglobaliseerde wereld wordt datamining relevanter voor big data. Amerikaanse bedrijven hebben in het verleden kunnen vertellen over het koopgedrag van hun klanten, of ze nu zwanger zijn of niet. Op basis van deze bevindingen werden winkelbonnen en winkeltips specifiek verzonden, wat de omzet verhoogde. Door de aard van de aankopen was het zelfs mogelijk om de geboortedatum te voorspellen, zij het niet op de exacte dag. Datamining van big data is tegenwoordig erg belangrijk voor bedrijven. Door gerichte datamining van big data kunnen belangrijke inzichten worden verkregen over gebruikers en potentiële klanten. Datamining leidt uiteindelijk tot hogere inkomsten en winsten en zal daarom in de toekomst nog belangrijker worden. Geen wonder: in de geglobaliseerde en technisch onderlegde wereld is het verzamelen van gegevens nu normaal en dit zal in de nabije toekomst veel sterker zijn.

VERWIJDER EEN ANTWOORD

Vul hier uw reactie!
Vul uw naam hier