پشتیبانی: 09131253620
ارتباط با ما
تلگرام: 09131253620

برجسته ترین ها
گروه های مقاله ها
HyperLink


داده کاوی در تجارت الکترونیک بخش چهارم تاریخ درج: ١٣٩٣/٠٩/٣٠

 شرحی بر کاربردهای داده کاوی در تجارت الکترونیک 

حتماً تاکنون بارها عبارت «انقلاب دیجیتال» به گوشتان خورده است و احتمالاً درباره واژه هایی مانند انقلاب دیجیتال، انفجار اطلاعات، عصر رایانه، عصر اطلاعات و ارتباطات و واژه های مشابه، اطلاعاتی نیز دارید. اما چقدر به کاربرد عملی و ملموس این عبارات و مخصوصاً فایده انقلاب دیجیتال در زندگی فکر کرده اید؟ 

انسان متفکر، هر اندازه که بیشتر عمر می کند و با واقعیت های بیشتری روبه رو می شود، اصطلاحاً موی سپید می کند و در عوض تجربه کسب می کند، باتجربه تر می شود و در شئون مختلف زندگی خبره تر. در این میان، انفجار اطلاعات و انقلاب دیجیتال که در دوره های اخیر زندگی بشری رخ داده است، چه امتیاز و برتری به بشر امروزی داده است که انسان قدیم از آن محروم بود؟ 

در کنار فناوری های تصویری، دستگاه های بی سیم و ابزارهای ارتباطی که به مدد انقلاب دیجیتال و فناوری اطلاعات به وجود آمده اند، دانش بزرگترین هدیه فناوری اطلاعات است. دانشی که انسان امروزی را خِبره تر و باتجربه تر از انسان دیروز می کند. 

فناوری اطلاعات، به ابزارها، روش ها و فنونی اطلاق می شود که از اطلاعات برای فهم بهتر از جهان، کاهش هزینه و وقت مصرفی و افزایش بهره وری و در نتیجه زندگی راحت تر استفاده می کند. رخداد انقلاب دیجیتال باعث شد تا حجم بسیار بالای اطلاعات دیجیتالی به وجود آید و روزبه روز حجم اطلاعات و سرعت پردازش، انتقال و دسترسی به آنها افزایش یابد. 

داده کاوی، یکی از فناوری هایی است که از در کنار هم قرار دادن این اطلاعات دیجیتالی، تولید دانش می کند. داده کاوی از ابزار محاسبه گر قدرتمندی به نام کامپیوتر استفاده می کند تا به این حجم بالای اطلاعات دیجیتالی دسترسی داشته باشد و بتواند آنها را پردازش کند. سرعت بالای کامپیوتر در دسترسی به اطلاعات و پردازش آنها در کنار حجم بالای اطلاعات دیجیتالی، همان مزایایی هستند که مختص بشر امروزی است. در نتیجه دانش به وجود آمده از این اطلاعات، امتیازی است که انسان قدیم نداشت. 

فرایندی که تلاش می کند اطلاعات را در کنار هم قرار دهد و ارزش افزوده ای به وجود آورد، استخراج دانش از پایگاه داده یا Knowledge discovery in database نامیده می شود. داده کاوی که مهمترین قسمت این فرایند است، از روش های خودکاری استفاده می کند که توسط الگوریتم های پیچیده، الگوهای پنهان، وابستگی ها، وضعیت های نامطلوب و ساختار اطلاعات ذخیره شده را اعلام می کند و اطلاعات مورد نیاز را از بین مجموعه های داده انتخاب می کند. 

داده کاوی از علومی مانند یادگیری ماشین، هوش مصنوعی، آمار، شناسایی الگو، پایگاه داده، نظریه اطلاعات، سیستم های خِبره (باتجربه)، پردازش با کارایی بالا، مصورسازی و برنامه ریزی فرایندهای تصادفی استفاده می کند. در نتیجه این فرایند، داده های کم ارزش به دانش پرارزش تبدیل می شوند. 

دانشی که داده کاوی در اختیار ما قرار می دهد، یا توصیف وضعیت موجود است و یا پیش بینی وضعیت آینده. 

بدین ترتیب که با در اختیار داشتن مقداری داده نمونه، داده کاوی وابستگی داده ها به یکدیگر، تقدم و تاخر رخدادها، شباهت های مختلف داده ها به یکدیگر، نوع داده ها مطابق نظر کاربر و قوانین و الگوهای حاکم بر این داده ها را مشخص می کند. اگر نمونه آماری مناسب انتخاب شده باشد، نتایج را می توان به کل داده ها تعمیم داد و مهمتر آنکه می توان از این نتایج برای پیش بینی وقایع آینده استفاده کرد. این همان تجربه ای است که مشاهده جهان به کمک فناوری اطلاعات، در اختیار ما قرار می دهد. 

قبل از بیان چند مثال کاربردی، با برخی از مهمترین روش های داده کاوی آشنا شویم. دسته بندی، که نوعی یادگیری بدون نظارت است، یکی از این روش هاست. در این روش، داده ها براساس شباهت هایی که با هم دارند، دسته بندی می شوند و هیچ عامل بیرونی دسته بندی ها را تعیین نمی کند. 

به همین دلیل به آن یادگیری بدون نظارت نیز می گویند. مانند دسته بندی خانه های روستایی براساس فاصله از یکدیگر. یعنی خانه هایی که به هم نزدیکترند، در یک دسته قرار می گیرند و عامل تعیین دسته ها، خود داده ها هستند و نه یک ناظر بیرونی. 

روش دیگر، طبقه بندی، یا یادگیری با نظارت است. یعنی کلاس ها و طبقات از پیش تعیین شده ای وجود دارند که داده ها به داخل این طبقات نگاشت می شوند. سپس خصوصیات داده های هر طبقه را به دست آورده و از این خصوصیات برای پیش بینی نوع و طبقه داده های بعدی استفاده می کنند. قانون کاوی روش دیگری است که به یافتن قوانینی به شکل y >-x می پردازد. مثل اینکه یک پزشک بر اثر تجربه متوجه شده باشد که هرگاه بیمار خصوصیات بالینی به خصوصی داشته باشد، آزمایشات نیز نتیجه خاصی خواهند داشت. در نتیجه او می تواند با شرح حال گرفتن، حتی الامکان در موارد مشابه از انجام آزمایش جلوگیری کند. 

به عنوان یک مثال، فرض کنید که یک کاندیدای انتخابات ریاست جمهوری تلاش می کند تا نیازهای مردم را شناسایی کند و براساس این شناخت، برنامه های خود را تنظیم و ارائه کند. اطلاعات انتخابات های قبلی را در کنار نمونه های آماری که دارای پراکندگی مناسبی از لحاظ جغرافیایی، میزان تحصیلات و وضعیت اقتصادی است به عنوان داده نمونه در نظر می گیرد. 

ممکن است با کاویدن این داده ها، متوجه شود که در چند سال گذشته هرگاه فلان موضوع فرهنگی مطرح شده است، مردم تمایل بیشتری به خرید فلان کالای فرهنگی داشته اند و یا می تواند دریابد مردم مناطقی که از لحاظ اقتصادی وضعیت مشابهی دارند، در چه تصمیماتی مشابه عمل می کنند و در چه مواقعی تصمیم های متفاوت می گیرند. و البته می تواند نتایج بسیار دیگری استخراج کند. 

نتایجی که از در کنار هم قرار دادن داده ها و کاویدن آنها حاصل می شود. یک سهامدار بورس را در نظر بگیرید که می خواهد وضعیت بورس را طی هفته های آتی پیش بینی کند. او داده های آماری هفته های اخیر را در کنار هم قرار می دهد. ممکن است متوجه شود که در ابتدای هر ماه، شاخص سهام کاهش پیدا می کند، مصاحبه های وزیر برخی شاخص ها را که از فلان لحاظ با یکدیگر مشابه هستند، تغییر می دهد و در مقابل، شاخص برخی شرکت ها نوسان بسیار کمی دارد. حال او می تواند تا حدی وضعیت آینده بازار بورس را پیش بینی کند. این نتیجه به کار بردن فناوری اطلاعات و استخراج دانش از داده ها است. 


جلوه داده کاوی

جلوه داده کاوی در روابط ميان دولت ها ، تجارت الكترونيك است. امروزه ميزان استفاده از فن آوري اطلاعات در روابط اقتصادي بين كشورها است كه سهم حضور در اقتصاد بين الملل را تعيين مي كند.  

از اين رو كشور هاي مختلف و در حال توسعه در رقابت براي به كارگيري علم داده کاوی در فرايندهاي اقتصادي، فرهنگي و اجتماعي هستند. 

داده کاوی در اطلاعات عبارتند از گردآوري ، سازماندهي، ذخيره و نشر اطلاعات اعم از متن ، تصوير و يا عدد كه با استفاده از ابزار هاي رايانه اي و مخابراتي صورت پذيرد. 

امروزه فن آوري اطلاعات به عنوان يكي از فن آوريهاي نوين بشري، نه تنها خود دستخوش تغييرات ژرفي شده، بلكه به سرعت در حال تاثير گذاري بر الگوي زندگي، روش تحقيق، آموزش، مديريت، تجارت، حمل و نقل، مقوله هاي ايمني و امنيتي و ديگر زمينه هاي زندگي انساني است. 

فن آوري اطلاعات هم چنين مي تواند در شكوفايي تحقيقات بشري در عرصه هاي مخلف علوم و مهندسي نقش تعيين كننده اي ايفا نمايد. 

پيشرفت هاي دو دهه اخير در رايانه ها، به ويژه ابر رايانه ها، نرم افزار هاي شبيه سازی و شبكه هاي ارتباطي افق جديدي را براي ورود به دنياي واقعي، فرآوري محققين قرار داده است. 

دانشمندان با بهره جستن از رايانه هايي كه قابليت انجام تريليون ها محاسبه در ثانيه را دارا هستند، قادر خواهند بود تا آثار تغييرات جوي را با استفاده از داده کاوی براحتي پيش بيني كنند ، سيستم هاي مكانيكي دقيق تر و كم آلاينده تري را طراحي نمايند و از منظر جديدي به مطالعه طبيعت و شناخت عناصر آن بپردازند. 

با بررسي هاي به عمل آمده و مقايسه سياست هاي چهار منطقه پيشرو جهان (ايالت متحده، ژاپن، جامعه اروپاو كانادا) در زمينه داده کاوی به نظر مي رسد سرمايه گذاري اصلي اين كشورها در سه حوزه عمده زير هزينه مي گردد: 

1- تحقيقات بنيادي و بلند مدت 

 هزينه اين نوع تحقيقات به پيشرفت هاي قابل توجه در علوم رايانه و ارتباطات منتهي خواهدشد. دستاوردهايي هم چون شبكه جهاني اينترنت، هوش مصنوعي، گرافيك رايانه اي و فن آوري رايانه هاي مجتمع با كاربري آسان، عملا مديون سرمايه گذاري قبلي كشورمان فوق در اين حوزه است. 

 2- توسعه نرم افزارهاي پيشرفته 

سرمايه گذاري در اين بخش به روند ابداعات و اختراعات شتاب مي بخشد و در بسياري از زمينه ا رفاه و تسهيلات جديد را وارد زندگي بشر مي كند. 

3- تحقيقات در زمينه آثار اقتصادي و اجتماعي انقلاب اطلاعات 

 داده کاوی و تجارت الكترونيكي : اقشار مختلف جامعه، به ويژه بخش خصوصي، منافع زيادي از سرمايه گذاري و تحقيقات در حوزه تجارت الكترونيكي برده اند. بنا به ادعاي نشريه وال استريت ژورنال، از سال 1990 به بعد سرمايه گذاري در زمينه تجارت الكترونيكي در ايلات متحده ساليانه بيش از 300 درصد رشد و عملا بيش از 50 درصد سرمايه گذاري بخش خصوصي در حوزه تحقيقات در زمینه نقش داده کاوی در صنايع مرتبط با تجارت و بازرگاني الكترونيكي بوده است. بنگاههاي تجاري با بهره گيري از نتایج داده کاوی موفق به ايجاد تحولات چشم گيري در فعاليت خود شده انداز جمله اين تغييرات مي توان به كاهش هزينه ها ، افزايش بهره وري ، كاهش زمان توسعه و توليد محصولات جديد ، بهره گيري از مهارت گروهي كاركنان ، گسترش حوزه فعاليت سازمان از طريق ايجاد ارتباط نزديك تر با مشتريان ، توزيع كنندگان و شركا اشاره كرد. 

 

 

 
کاربردهای مهم داده کاوی
 
 
پنج کاربرد مهم داده کاوی در تجارت الکترونیک 
 
در اين قسمت به پنج مورد از كاربردهاي داده کاوی در تجارت الكترونيكي اشاره مي گردد. 
 

 
1- بازار روز الكترونيكي 
 
تعدادي از موسسات تجاري در حال ايجاد بازار روز الكترونيكي هستند ، بازار هايي كه به خريداران و فروشندگان اين اجازه را مي دهد كه تا با يكديگر ملاقات نموده ، به تبادل كالا و خدمات بپردازند. 
 
اين موسسات خدمات قابل توجهي ارايه مي دهند كه جمله آنها از راهنماي خريداران و فروشندگان و توليد كنندگان ، نتایج اطلاعات صنعتي بر اساس نياز و تقاضا ، حراج كالا به صورت پيوسته ، ارايه خدمات مالي براي كليه مراحل جابجايي نقدينگي مانند : تاييد حساب خريدار و قبول سفارشات و پرداخت مي توان نام برد. 
 
 
 
تعدادي از موسسات در حال بررسي و ايجاد روشهای جدیدی برای استفاده بهینه از نتایج داده کاوی هستند كه اين فن آوري ها بازار روز الكترونيكي را موثر تر و پر رونق تر خواهند نمود. 
 
به طوري كه خريداران عمده قادر خواهند بود تا اطلاعات توزيع كنندگان مختلف را تلفيق نمايند ، سياست هاي نياز- محور را با سيستم هاي مالي و حسابداري خود يكپارچه كنند در فضاي تجاري جديد ابزارهاي رايانه اي هوشمندي وجود خواهند داشت كه به كمك آنها خريدار بتوانند ارزش واقعي كالا را مورد مقايسه و بررسي قرار دهد. در اين شرايط فروشندگان وارد يك رقابت جدي خواهند شد. رقابتي كه تنها بر اساس قيمت كالا نبوده ، بلكه به عوامل ديگري همچون دوام و كاربرد كالا ، ضمانت ، شرايط حمل ونقل ، تحويل و... بستگي دارد. 
 
علي رغم اينكه روند تبادل كالا و خدمات به صورت الكترونيكي هنوز در ابتداي راه است ، آمار به دست آمده نشان مي دهد كه به طور ميانگين هزينه توليدات 5 الي 15 درصد ، هزينه هاي اداري 70 درصد و زمان سفارش تا تحويل كالا از 7 روز به 2 روز كاهش يافته است. 
 

 
2- مديريت دانش 
 
بسياري از بنگاههاي تجاري دريافته اند كه بزرگترين سرمايه، دانش كاركنان است. لذا همواره سعي مي كنند تا زمينه مناسب را به منظور توليد ، شناسايي ، گردآوري و سازماندهي دانش داخلي بنگاه فراهم نموده و نه تنها كاركنان ، بلكه مشتريان و توزيع كنندگان را نيز در بهره وري اين دانش سهيم نمايند. داده کاوی مي تواند كمك شاياني به مديريت بهره برداري اين دانش بنمايد. 
 
يكي از زمينه هاي تجربه شده عبارت است از « پايگاه بهترين پيشنهادات ». به عنوان مثال يكي از پايگاههاي جديدي كه اخيرا وارد بازار شده است، مي تواند به طور اتوماتيك كليه مراحل زير را هوشمندانه تعقيب نمايد. 
 

 
3- تجزیه و تحلیل داده های بسیار بزرگ
 
كمپاني هاي زيادي از ابزارهاي داده كاوي بهره گرفته اند تا بتوانند داده هاي حجيم و گسترده را مورد تجزيه و تحليل قرار داده، روند هاي موجود را بيابند. 
 
به عنوان نمونه فروشگاه بزرگ وال- وارث يكي از بزرگترين فروشگاه هاي زنجيره اي اقدام به ايجاد پايگاه عظيمي از داده به حجم 24 ترابايت(تريليون بايت) نموده است. 
 
با استفاده از اين پايگاه وال- مارث قادر است تا به طور همزمان اقدام به گرد آوري و تحليل روند فروش كالا در 2900 شعبه فروش نمايد. 
 
شايد جالب توجه باشد كه به كمك ابزار هوشمند داده كاوي يا اكتشاف روند داده ها، فروشگاه فوق مي تواند اطلاعات كليه خريدها در سطوح هر بخش از فروشگاه، موجودي كالا در هر قفسه ، موجودي انبار ، پيش بيني فروش ، كاهش و يا افزايش فيمت ها ، كالاهاي موجود توسط مشتريان و غيره را گردآوري نموده و در اختيار مديران فروشگاه ، توزيع كنندگان و مشتريان خود قرار دهد. 
 اين فن آوري نرم افزاري قدرت مانور بي نظيري براي وال-مارث ايجاد كرده استتا بتواند كالاهاي مناسب را در كوتاه ترين زمان به هر يك از فروشگاههاي متقاضي برساند. 
 
 

 
4- آموزش داده کاوی محور 
 
 
بازار آموزش هاي داده کاوی محور با سرعت در حال رشد است. مديران دريافته اند كه اين روش آموزش ، به آموزش گيرنده اجازه مي دهد تا در هر ارگاني كه برايش مناسب باشد ، هر كجا كه بتواند و با سرعت فراخور حال خود ، به يادگيري بپردازد.  تجربه نشان داده است كه اين روش از آموزش كلاسيك و سنتي اقتصادي تر و اثر بخش تر بوده است.  ناگفته نماند كه هنوز برخي از محققين معتقدند كه بسياري از ابعاد و روشهاي يادگيري ، در نرم افزار هاي آموزشي تحت وب لحاظ نشده اند. 
 

 
5- تحول در نظام هاي تعميرات و نگهداري 
امروزه به كمك داده کاوی مي توان به طور مستمر شرايط محيطي و عملكرد سيستم ها را در نيروگاه ، سد ها، موتورهاي هواپيما، وسايل نقليه و خطوط توليد پيشرفته، تحت نظارت كنترل قرار داد. با بهره گيري از سنسور هاي پيشرفته عملكرد كليه سيستم ها به يك مركز تصميم گيرنده مخابره شده و عوامل تصميم گيرنده كوچك ترين مشكلات را شناخته و نسبت به رفع آن اقدام مي كنند. پيشگيري هاي به موقع باعث مي شود تا نظام تعميرات و نگداري جديد با اطمينان و دقت بيشتر و صرف هزينه كمتر به پشتيباني سيستم هاي حساس بپردازد. 
 

تگها: داده های بزرگ   داده کاوی   مدیریت دانش   کاربرد داده کاوی   
 

HyperLink

ارسال نظر در مورد این مطلب
نام :  
آدرس ایمیل :  
متن پیام :  
کد امنیتی :  
   
   
نظری برای نمایش وجود ندارد
 
این مطلب را به اشتراک بگذارید: