VERİ MADENCİLİĞİ ZORLUKLARI – Ödev Hazırlatma – Proje Yaptırma – Tez Yaptırma Fiyatları – Sunum Örnekleri – Ücretli Ödev Yaptırma – Ödev Yaptırma Ücretleri
Faydalara Karşı Maliyetlerin Trend Analizi
Herhangi bir m-iş, işten elde edilen kârın sürdürülebilir olup olmadığını sürekli olarak analiz eder. Veri madenciliği, bir dönem boyunca işletmenin trend analizini yapmaya yardımcı olabilir.
İşletmeden elde edilen kârdan toplanan verileri analiz etmenin olası bir yolu, doğrusal regresyon (DM’nin bir değer tahmin tekniği) kullanmaktır. Ortalama getiriye karşı işletmeye yapılan ortalama yatırıma dayalı bir grafik çizilebilir. Grafiğin analizi, yapılan yatırım miktarının elde edilen getirilerden daha büyük veya daha küçük olup olmadığını gösterir. Regresyon analizi sırasında diğer birçok iş faktörü de dikkate alınabilir.
Teslimat İçeriğinin Optimizasyonu
Bir mobil ticaret platformu, W AP , V oxML, TruSync, BlueTooth veya herhangi bir kablosuz protokol gibi tüm kanallar aracılığıyla veri sağlamak için mevcut arka uç veritabanları ve iş uygulamaları ile entegre olmalıdır. Veri madenciliği, bilgiyi iletmek için bir seferde hangi kanalın en iyi olduğunu eşleştirmek için de kullanılabilir.
Veri madenciliği teknikleri, bilgiyi talep eden cihazın bağlantı hızına bağlı olarak teslimat için içeriğin miktarını ve biçimini optimize edebilir. Veri madenciliği teknikleri, o sırada hangi görevlerin, faaliyetlerin ve işlemlerin en ekonomik ve faydalı olduğuna karar vermeye yardımcı olur.
M-Business’da Dolandırıcılık Tespiti
Telekomünikasyon sistemlerindeki dolandırıcılık türlerinin analizi, mobil ortamda veri madenciliğinin yardımcı olabileceği uygulamalardan biridir. Farklı dolandırıcılık faaliyetlerinin dinamik doğası ve normal kullanımdaki değişiklikler, davranış kalıplarını gözlemleyerek dolandırıcılığın tespit edilmesini sağlayabilir.
Bir veri madenciliği sistemi, birçok normal kullanım örneğine ve bazı dolandırıcılık kullanım örneklerine sahip olacaktır. Bu önceki örneklere dayanarak, bir tahmine dayalı veri madenciliği sistemi, dolandırıcılık faaliyetleri hakkında gerçekleri ortaya çıkarır. Normal kullanımda bir değişiklik tespit edildiğinde, sistem değişikliği analiz eder ve değişikliğin dolandırıcılık olup olmadığını tahmin edebilmektedir.
VERİ MADENCİLİĞİ ZORLUKLARI
Veri madenciliğini m-iş’te verimli bir şekilde uygulamak için belirli gereksinimlerin karşılanması gerekir. İdeal olarak, mobil veri madenciliği için kullanılan yöntemler şunları yapabilmelidir: (1) veritabanlarında farklı türlerde bilgi madenciliği; (2) ilişkisel, zamansal ve uzamsal veri türleri gibi çeşitli veri türleri ile ilgilenmek; (3) heterojen veri tabanlarından ve küresel bilgi sistemlerinden maden bilgileri; (4) çoğunlukla m-iş alanında görülen gürültü ve eksik verileri ele almak; (5) veri setinin boyutu ve karmaşıklığı ne olursa olsun madencilik görevlerini verimli bir şekilde yerine getirmek; (6) çoklu soyutlama seviyelerinde etkileşimli bilgi madenciliğini desteklemek; (7) keşfedilen bilginin mevcut bilgi ile entegrasyonunu desteklemek; ve (8) veri güvenliğinin, bütünlüğünün ve mahremiyetin korunması gibi, keşfedilen bilgilerin ve sosyal etkilerin uygulamalarıyla ilgili konuları ele alır.
Dağıtılmış Ortam
M-iş ortamında, veriler birçok farklı coğrafi konumda bulunabilir. Çoğu veri madenciliği sistemi şu anda merkezi olarak konumlandırılmış verilere dayanmaktadır; veriler tek bir veri tabanında saklanmakta ve madencilik teknikleri bu veri setine odaklanmaktadır. XML, yalnızca Web üzerinde değil, aynı zamanda uygulamalar arasında veya kullanıcılar ve uygulamalar arasında kablosuz olarak veri alışverişini gerçekleştirmenin önemli bir yolu olduğunu kanıtlıyor.
XML, “esnek ve genişletilebilir bir temsil” içinde veri iletişimine izin vermek için verileri ve belgeleri entegre etme olanaklarını sağlamıştır. Her mobil cihaz, mobil cihazın hangi platformda çalıştığından bağımsız olarak okunabilen ve işlenebilen XML belgelerini iletebiliyorsa, birden fazla kaynaktan veri entegrasyonu daha kolay hale gelir.
Ancak, hesaplama ve iletişim arasındaki yakınlaşmanın bir sonucu olarak, yeni veri madenciliği yaklaşımları, hesaplama ve bilgi depolamanın dağıtılmış yönleriyle ilgilenmek zorundadır. Dağıtılmış bir veri madenciliği yaklaşımı tipik olarak şu şekilde çalışır: (1) ağ trafiğini en aza indirmek için yerel verileri analiz etmek ve sıkıştırmak; ve (2) yerel veri ve modelleri birleştirdikten sonra küresel veri modellerini analiz etmek ve üretmek gerekir.
Veri madenciliği proje konuları
Veri madenciliği Hangi Alanlarda ve ne için Kullanılır
Veri MADENCİLİĞİ Aşamaları
Veri madenciliği amacı
Veri MADENCİLİĞİ Kullanım Alanları
Web Mining Nedir
Veri MADENCİLİĞİ Yöntemleri
Veri MADENCİLİĞİ Nedir
Tıklama Akışı Verileri
Mobil cihaz kullanıcıları, küçük ekran nedeniyle ziyaret edebilecekleri Web sayfalarında oldukça kısıtlıdır. Bir W AP telefonunda, diğer Web sitesine ortalama bağlantı sayısı ortalama beş bağlantı iken, standart bir Web sayfasında ortalama 25 bağlantı bulunur.
Bir kullanıcı bir WAP telefonu aracılığıyla Web’de üç tıklama yapacaksa, 25 3 (= 15625) erişilebilir sayfaya sahip standart Web sayfasına kıyasla, kullanıcı tarafından erişilebilir yalnızca 53 (= 125) sayfa vardır (Barnes, 2002). Kullanıcının mevcut bağlantılardan gerçekten istediği siteye gitmesi pek olası değildir. Sonuç olarak, kullanıcının ilgisini tahmin etmek için mobil cihaz kullanıcılarından toplanan tıklama akışı verilerini analiz etmek için veri madenciliğinin kullanılması doğru olmayacaktır.
Güvenlik ve Gizlilik
Mobil kullanıcılara kişisel mesaj gönderme teknolojisi ile kullanıcıların tercih ettikleri bilgi türlerini belirlemeleri, işletmelerin ise sadece bu bilgileri vermeleri mümkün hale gelmiştir. Örneğin, kullanıcı tercihinin belirli bir fiyat üzerinde belirli bir marka ürün olduğunu belirtirse, kullanıcının aynı standartta benzer başka bir markayla da ilgilenebileceği analiz edilebilir. Bu, kullanıcıları raporlanan ihtiyaçlarına göre sınıflandırmak gibi veri madenciliği olanaklarını açar; çeşitli ihtiyaçlar arasındaki korelasyonları bulmak gerekir.
Ne yazık ki, mobil verilerin güvenliğine inanmayan bazı kullanıcılar, kişisel bilgilerini ve tercihlerini yanlış beyan edebilirler. Bu, hatalı veri madenciliği çıktısına neden olacaktır. Bu nedenle, veri madenciliği sonuçları, kullanıcıyı bilgi gönderilecek potansiyel bir kişi olarak sınıflandırmış olsa da, gerçekte, veri madenciliği yapmak ve alakasız kişileri mobil hizmete dahil etmek için maliyete katlanmak için maliyet ekleyebilmektedir.
Olası bir çözüm, belgelerin karmaşık olmasına ve veri aktarımında anlamsız adlarla etiketlenmesine olanak tanıyan XML kullanımıdır. Belge, belgenin uygun şekilde nasıl dönüştürüleceği (şifresinin çözüleceği) bilgisi olmayan yetkisiz bir kişi için yararlı da değildir.
Veri madenciliği amacı Veri MADENCİLİĞİ Aşamaları Veri madenciliği Hangi Alanlarda ve ne için Kullanılır Veri MADENCİLİĞİ Kullanım Alanları Veri MADENCİLİĞİ Nedir Veri madenciliği proje konuları Veri MADENCİLİĞİ Yöntemleri Web Mining Nedir