داده کاویداده کاوی برای مدیران
داده کاوی کسب و کار و داده های گم شده
در مطلب قبل بعضی از تکنیک های داده کاوی برای تخمین داده های ناقص کسب و کار را مورد بررسی قرار دادیم. در این بخش قصد داریم دو نوع مشکل دیگر را مورد بررسی قرار دهیم.
- مشکلات مربوط به حوزه یکپارچه سازی داده ها
- مشکلات مربوط به داده های گم شده (missing data)
یکی از مهمترین فعالیت های که در کسب و کارهای بزرگ رخ می دهد این است که داده های مورد نیاز برای تحلیل ممکن است در چندین منبع مختلف نگهداری شود. در این صورت نیاز است تا داده ها تجمیع شوند و اطلاعات یکپارچه ای ایجاد گردد. این یکپارچه سازی همیشه با مشکلاتی همراه است. در ادامه به یک نمونه اشاره میکنیم.
یکپارچه سازی منابع داده ای و ایجاد ناسازگاری در داده ها : هماهنگی که ما داده ها را با هم تجمیع میکنیم ممکن است به داده ها بر بخوریم که مقادیری انها بی معنا باشد و با سایر داده ها هماهنگ نباشد. به این گونه داده ها، داده های ناسازگار می گویند. به عنوان مثال فرض کنید داده های فروش محصولات یک شرکت را به شما داده اند و اطلاعات پس از یکپارچه سازی به صورت زیر خلاصه شده است:
داده کاوی کسب و کار : نمونه از تجمیع داده ها
همانطور که در جدول فوق مشخص است در بخش کد گروه محصولات (Product Category Code) یک کد سه حرفی است و می تواند به دسته خاصی از محصولات ارجاع داشته باشد.یک نکته مهم در مورد کد محصول وجود گروهی از محصولات است که با کد ۹۹۹ نمایش داده شده است. این کد به چه معنا است؟برای رفع این مشکل نیاز است تا منابع داده ای مورد بررسی قرار بگیرند تا ابهام رفع گردد. یکی از معمول ترین دلایل اینگونه مشکلات این است که، کاربران وارد کننده داده پیش فرض های برای خود در نظر می گیرند و همین پیش فرض ها باعث ایجاد مشکل می شود.
به عنوان نمونه فرض کنید اطلاعات مربوط به یک انبار قطعات خودرو است. یکی از پیش فرض های که کاربران وارد کننده می توانند در نظر بگیرند این است که به جای درج کردن کد انواع برف پاکن های مدل های مختلف ماشین، همه آنها را با کد ۹۹۹ در سیستم ثبت کنند.
مشکل دیگر داده ها این است که داده های ثبت شده ۹۹درصد از کل محصولات فروش رفته است و یک درصد داد ها وجود ندارد. این مورد هم می تواند ناشی از خطای انسانی باشد. یعنی کاربران بعضی از داده ها را فراموش کرده اند ثبت کنند.
داده های می توانند انواع مشکلات و خطاها را به همراه داشته باشند و بیان تک تک آنها از حوصله این مطلب خارج است برای اطلاعات دقیق تر در مورد انواع این مشکلات و دلایل آنها می تواند به مطالب زیر مراجعه کنید
