ทำไม Data Mining จึงเป็นที่ยอมรับและได้รับความนิยมในปัจจุบัน
เพราะว่า........
1.จำนวนและขนาดข้อมูลขนาดใหญ่ถูกผลิตและขยายตัวอย่างรวดเร็ว
การสืบค้นความรู้จะมีความหมายก็ต่อเมื่อฐานข้อมูลที่ใช้มีขนาดใหญ่มาก
ปัจจุบันมีจำนวนและขนาดข้อมูลขนาดใหญ่ที่ขยายตัวอย่างรวดเร็ว
โดยผ่านทาง Internet ดาวเทียม และแหล่งผลิตข้อมูล อื่น ๆ เช่น
เครื่องอ่านบาร์โค้ด , เครดิตการ์ด , อีคอมเมิร์ซ
2.ข้อมูลถูกจัดเก็บเพื่อนำไปสร้างระบบการสนับสนุนการตัดสินใจ (
Decision Support System)
เพื่อเป็นการง่ายต่อการนำข้อมูลมาใช้ในการวิเคราะห์เพื่อการตัดสินใจ
ส่วนมากข้อมูลจะถูกจัดเก็บแยกมาจากระบบปฏิบัติการ ( Operational
System ) โดยจัดอยู่ในรูปของคลังหรือเหมืองข้อมูล ( Data Warehouse )
ซึ่งเป็นการง่ายต่อการนำเอาไปใช้ในการสืบค้นความรู้
3.ระบบ computer สมรรถนะสูงมีราคาต่ำลง เทคนิค Data
Mining ประกอบไปด้วย Algorithm
ที่มีความซับซ้อนและความต้องการการคำนวณสูง
จึงจำเป็นต้องใช้งานกับระบบ computer สมรรถนะสูง ปัจจุบันระบบ
computer สมรรถนะสูงมีราคาต่ำลง
พร้อมด้วยเริ่มมีเทคโนโลยีที่นำเครื่อง microcomputer
จำนวนมากมาเชื่อมต่อกันโดยเครือข่ายความเร็วสูง ( PC Cluster )
ทำให้ได้ระบบ computer สมรรถนะสูงในราคาต่ำ
4. การแข่งขันอย่างสูงในด้านอุตสาหกรรมและการค้า
เนื่องจากปัจจุบันมีการแข่งขันอย่างสูงในด้านอุตสหกรรมและการค้า
มีการผลิตข้อมูลไว้อย่างมากมายแต่ไม่ได้นำมาใช้ให้เกิดประโยชน์
จึงเป็นการจำเป็นอย่างยิ่งที่ต้องควบคุมและสืบค้นความรู้ที่ถูกซ่อนอยู่ในฐานข้อมูลความรู้ที่ได้รับสามารถนำไปวิเคราะห์เพื่อการตัดสินใจในการจัดการในระบบต่าง
ๆ
ซึ่งจะเห็นได้ว่าความรู้เหล่านี้ถือว่าเป็นผลิตผลอีกชิ้นหนึ่งเลยทีเดียว
5. สามารถการประยุกต์ใช้งาน Data Mining
กับลักษณะงานต่างได้มากมาย เช่น
5.1 ธุรกิจค้าปลีกสามารถใช้งาน Data Mining
ในการพิจารณาหากลยุทธ์ให้เป็นที่สนใจกับผู้บริโภคในรูปแบบต่าง ๆ เช่น
ที่ว่างในชั้นวางของจะจัดการอย่างไรถึงจะเพิ่มยอดขายได้ เช่นที่ Midas
ซึ่งเป็นผู้แทนจำหน่ายอะไหล่สำหรับอุตสาหกรรมรถยนต์
งานที่ต้องทำคือการจัดการกับข้อมูลที่ได้รับจากสาขาทั้งหมด
ซึ่งจะต้องทำการรวบรวมและวิเคราะห์อย่างทันท่วงที
5.2 กิจการโทรคมนาคม เช่นที่ Bouygues Telecom
ได้นำมาใช้ตรวจสอบการโกงโดยวิเคราะห์รูปแบบการใช้งานของสมาชิกลูกข่ายในการใช้งานโทรศัพท์
เช่น คาบเวลาที่ใช้จุดหมายปลายทาง ความถี่ที่ใช้ ฯลฯ
และคาดการณ์ข้อบกพร่องที่เป็นไปได้ในการชำระเงิน
เทคนิคนี้ยังได้ถูกนำมาใช้กับลูกค้าโทรศัพท์เคลื่อนที่ซึ่งระบบสามารถตรวจสอบได้ว่าที่ใดที่เสี่ยงที่จะสูญเสียลูกค้าสูงในการแข่งขัน
France Telecom
ได้ค้นหาวิธีรวมกลุ่มผู้ใช้ให้เป็นหนึ่งเดียวด้วยการสร้างแรงดึงดูดในเรื่องค่าใช้จ่ายและพัฒนาเรื่องความจงรักภักดีต่อตัวสินค้า
5.3 การวิเคราะห์ผลิตภัณฑ์
เก็บรวบรวมลักษณะและราคาของผลิตภัณฑ์ทั้งหมดสร้างโมเดลด้วยเทคนิค Data
Mining และใช้โมเดลในการทำนายราคาผลิตภัณฑ์ตัวอื่น ๆ
5.4 การวิเคราะห์บัตรเครดิต
-ช่วยบริษัทเครดิตการ์ดตัดสินใจในการที่จะให้เครดิตการ์ดกับลูกค้าหรือไม่
-แบ่งประเภทของลูกค้าว่ามีความเสี่ยงในเรื่องเครดิต ต่ำ ปานกลาง
หรือสูง
-ป้องกันปัญหาเรื่องการทุจริตบัตรเครดิต
5.5การวิเคราะห์ลูกค้า
-ช่วยแบ่งกลุ่มและวิเคราะห์ลูกค้าเพื่อที่จะผลิตและเสนอสินค้าได้ตรงตามกลุ่มเป้าหมายแต่ละกลุ่ม
-ทำนายว่าลูกค้าคนใดจะเลิกใช้บริการจากบริษัทภายใน 6 เดือนหน้า
5.6 การวิเคราะห์การขาย
-พบว่า 70 %
ของลูกค้าที่ซื้อโทรทัศน์แล้วจะซื้อวิดีโอตามมา
ดังนั้นผู้จัดการจึงควรมุ่งไปลูกค้าที่ซื้อโทรทัศน์
แล้วจึงส่งเมล์ไปยังลูกค้าเหล่านั้นเพื่อที่จะเชิญชวน
หรือให้ข้อเสนอที่ดี เพื่อให้ลูกค้ามาซื้อวิดีโอในครั้งต่อไป
-ช่วยในการโฆษณาสินค้าได้อย่างเหมาะสมและตรงตามเป้าหมาย
-ช่วยในการจัดวางสินค้าได้อย่างเหมาะสม
5.7 Text Mining เป็นการปรับใช้ Data Mining
มาอยู่ในรูปของข้อมูลตัวอักษรซึ่งเป็นรูปแบบของภาษาเครื่อง
SDP Infoware
ตัวอย่างของงานคือใช้เป็นเครื่องมือตรวจระดับความพึงพอใจของผู้ที่เข้าชมนิทรรศการโดยผ่าน
การประมวลผลจากแบบสอบถาม
5.8 e-Commerce
-ช่วยให้เข้าใจพฤติกรรมของลูกค้า เช่น
ลูกค้ามักเข้าไปที่ web ใดตามลำดับก่อนหลัง
-ช่วยในการปรับปรุง web site เช่น พิจารณาว่าส่วนใดของ
web ที่ควรปรับปรุงหรือควรเรียงลำดับการเชื่อมโยง
ในแต่ละหน้าอย่างไรเพื่อให้สะดวกกับผู้เข้าเยี่ยมชม
สวัสดีคะ