داده کاوی چیست؟

مجموعه ابزارهایی که می توانند شرکت ها، موسسات و حتی افراد را کمک کنند، تا از انبوه اطلاعات و داده های در دسترس، به مفاهیم کاربردی و موثر برسند، در شاخه ای از علوم کامپیوتر به نام داده کاوی (Data Mining) مورد بررسی قرار می گیرد. در واقع، داده کاوی مجموعه ای از مسائل کاربردی است که در حوزه استخراج دانش از انبوه داده های در دسترس تعریف شده اند، که روش هایی نیز در طول زمان، توسط دانشمندان علوم کامپیوتر، ریاضیات و آمار راه حل هایی برای آن ها ارائه شده است.

همانند فرایندی که در استخراج کانی های مهم و ارزشمند از سنگ های معدنی انجام می شود، در داده کاوی نیز، انبوهی از اطلاعات و داده ها بررسی می شوند، و دانستنی های ارزشمند و الگوهای کسب و کار، به ویژه کسب و کارهای نوپا اشتغال دارند، به معنی یکی از سبک های توسعه در کسب و کار است.  


کاربردهای داده کاوی:

کاربردهایی که برای داده کاوی وجود دارند، بسیار بسیار گسترده اند و ما در این نوشتار، فقط امکان معرفی تعداد محدودی از آن ها را داریم. به عنوان مثال های بیشتر، می توان به کاربردهای داده کاوی در زمینه های زیر اشاره کرد:

-سیستم های مدیریتی، مثلا مدیریت ارتباط با مشتریان یا CRM
-نرم افزارهای امنیتی، مثلا نرم افزاری مانیتورینگ شبکه و ویروس کش ها
-سیستم های بانکی، مثلا تخصیص اعتبار به مشتریان و طبقه بندی آن ها
-مالی و اقتصادی، مثلا پیش بینی قیمت یک یا چند سهام یا شاخص
-برنامه ریزی و مکان یابی، مثلا چینش داخلی فروشگاه های بزرگ و یا تخصیص امکانات شهری
-علوم پزشکی، مثلا پیش بینی خطرات احتمالی ناشی از یک عمل جراحی خاص
-علوم اجتماعی و سیاسی، مثلا پیش بینی یا تحلیل نتایج انتخابات

کاربرد های داده کاوی در بازاریابی و فروش :

شناسایی مشخصات مشتریان
چه نوع مشتریانی با چه ویژگی هایی از محصولات یا خدمات شما استفاده میکنند؟

میزان خرید
اغلب مشتری برای خرید محصولات موردنیاز خود به سازمان شما می آید؟ با دانستن این مطلب بازاریاب می تواند مشتریان وفادار این فروشگاه را برای تبلیغ، مورد هدف قرار دهد.

حجم خرید
مشتری در یک خرید عادی از سازمان شما چقدر خرید می کند؟
این اطلاعات کمک می کند تا بازاریاب منابع تبلیغاتی مناسب را به مشتری که بیشتر خرج می کند، اختصاص دهد.

تاخیر در خرید:
از آخرین تاریخ و زمان مراجعه مشتری چه مدتی سپری شده است؟
با پاسخ به این سوال بازاریاب میتواند دلایل عدم مراجعه یک مشتری یا گروهی ازمشتریان وفادارفروشگاه، به آن را بیابد و روشهای مناسبی را برای جذب دوباره آنها بکار بندد. در بیشتر موارد ممکن است دلیل این امر از دست دادن مشتری و مراجعه او به سازمان دیگری باشد.

شناسایی و تمایز گروه های مشتریان:
با بررسی رفتار و عملکرد مشتریان میتوان ویژگی های آنها را شناخته و افراد با ویژگی های مشابه را در گروه هایی قرار داد. مثلا یک بازاریاب موفق، با بررسی مشتری که به تازگی خانه خریده است به او پیشنهاد معامله مبلمان منزل را می دهد. احتمال پاسخ مشتری در این گونه موارد به مراتب بیشتر از دادن پیام به یک مشتری عادی است.

محاسبه طول عمر مشتری:
با داشتن پروفایل (مشخصات) مشتری حاصل از داده کاوی و سیستم های استخراج دانش بسیاری از فعالیتهای بازاریابی مثل محاسبه طول عمر مشتری، آینده نگری و بررسی موفقیت یا شکست برنامه های بازاریابی بهبود یافته است.
طول عمرمشتری درک وقایع خارجی مثل تغییرمراحل زندگی مشتری یا سن اوست، که با شناخت مشخصات مشتری همراه فعالیت های تبلیغاتی حاصل می شود. بازاریاب با درنظرگرفتن طول عمر مشتری می تواند در بسیاری از هزینه ها صرفه جویی کند.

آینده نگری:
پروفایل مشتری به خصوص الگوهای خرید او به بازاریاب سرنخهایی برای شناسایی مشتریان بالقوه می دهد. به عنوان مثال با داده کاوی فهمیده ایم که 90 درصد از مشتریان اسباب بازی گروه سنی 5-3سال ظرف مدت 6 ماه آینده به دنبال خرید دوچرخه خواهند بود. با این دانش یک بازاریاب میتواند مشتریان بالقوه دوچرخه بچه را شناسایی کرده و پیام های مناسبی برایشان بفرستد و این یعنی داشتن یک چشم انداز مناسب.

بررسی موفقیت یا شکست برنامه های بازاریابی:
پایگاه داده های مشتریان، اطلاعات دقیقی از نتایج حاصل از برنامه های بازاریابی را ارائه می دهد. بازاریاب می تواند از الگوهای خرید کشف شده از پایگاه داده ها و برنامه های بازاریابی برای اندازه گیری اثرات کوتاه مدت و بلندمدت برنامه ها، استفاده کند.

تجزیه و تحلیل انحراف:
دانش انحراف از نرمال برای یک بازاریاب بسیار مهم است. انحراف می تواند ناشی از یک اتفاق غیرعادی (تقلب) یا یک تغییر باشد. ابزارهای داده کاوی مثل شبکه های عصبی، روشهای قدرتمندی برای تشخیص و طبقه بندی انحرافات ارائه می دهد. مثلا خرید بیش از حد از کارت های اعتباری می تواند یک تقلب (آنومالی) را نشان دهد یا واقعا مشتری چنین خریدهایی را داشته باشد(تغییر). هنگامیکه یک انحراف به عنوان تقلب کشف شد، بازاریاب اقدامات اصلاحی برای جلوگیری ازتقلب راآغاز می کند؛ و اگر یک انحراف به عنوان تغییر کشف شد، جمع آوری اطلاعات بیشتر ضروری است.مثالی از تغییر میتواند شروع کار جدید توسط مشتری یا خرید خانه باشد. در اینگونه موارد لازم است که بازاریاب دانش خود را درباره مشتری بروز کند.

تجزیه و تحلیل روند:
روند الگوهایی است که درطی یک دوره از زمان باقی می ماند. روند میتواند درکوتاه مدت باشد مثل افزایش فوری فروش و کاهش میزان آن در یک کمپین تبلیغاتی. و یا در بلندمدت باشد مثل فروش یکسان محصول در چند سال متوالی. ابزارهای داده کاوی مانند تصویری کردن در شناخت روندهای ظریف و حتی پنهان در پایگاه داده ها، که در اکثر موارد با ابزارهای تجزیه و تحلیل سنتی مانند بخش بندی از دست رفته است؛ به ما کمک می کند. روند در تصمیم گیری های بازاریابی، برای ارزیابی برنامه های بازاریابی و یا پیش بینی فروش آینده میتواند استفاده شود.

ارزیابی عملکرد محصولات یا برنامه های بازاریابی:
پایگاه داده های مشتریان اطلاعات دقیق معاملات را ضبط می کند. لذا بازاریابان می توانند از ابزار تصویری کردن برای شناسایی افزایش روند فروش، که اصطلاحا ارتقاء فروش گویند، استفاده می کنند. داده کاوی و روشهای آماری به دقت عملکرد برنامه های بازاریابی را اندازه گیری می کند.

پیش بینی فروش آینده:
یکی از کاربردهای محبوب روند پیش بینی فروش آینده است. بازاریابان علاقه دارند بدانند چگونه انواع برنامه های بازاریابی فروش در آینده محصولاتشان را تحت تاثیر قرار می دهد. داده کاوی به ما این امکان را می دهد که روابط ظریف مانند نقطه اوج خرید و فروش یک مح

صول همراه باتغییراتی درمشخصات خاص گروهی ازمشتریان را کشف کنیم. تمرکز در مدیریت ارتباط با مشتری، روی خود مشتری است. و داده کاوی کمک می کند برای طراحی و تولید یا عرصه ی محصولات و خدمات آینده پیش بینی فروش های قابل اتکا داشته باشیم.

منبع : هنر مدیریت