STUDI KASUS UTAMA DATA MINING

Top of Form

STUDI KASUS UTAMA

1. Apa yang dapat data mining lakukan?

Data mining adalah terutama digunakan saat ini oleh perusahaan dengan fokus konsumen yang kuat - ritel, keuangan, komunikasi, dan organisasi pemasaran. Hal ini memungkinkan perusahaan-perusahaan untuk menentukan hubungan antara "internal" faktor-faktor seperti keterampilan harga, positioning produk, atau staf, dan "eksternal" faktor-faktor seperti indikator ekonomi, persaingan, dan demografi pelanggan. Dan, itu memungkinkan mereka untuk menentukan dampak pada penjualan, kepuasan pelanggan, dan keuntungan perusahaan. Akhirnya, memungkinkan mereka untuk "menelusuri" menjadi informasi ringkasan untuk melihat data detail transaksional.
Dengan data mining, pengecer bisa menggunakan point-of-sale catatan pembelian pelanggan untuk mengirimkan promosi yang ditargetkan berdasarkan sejarah pembelian individu. Dengan data mining demografi dari kartu komentar atau garansi, pengecer dapat mengembangkan produk dan promosi untuk menarik segmen pelanggan tertentu.
Sebagai contoh, Blockbuster Entertainment tambang penyewaan video yang basis sejarah untuk merekomendasikan sewa kepada pelanggan individu. American Express dapat menyarankan produk kepada pemegang kartu berdasarkan analisis pengeluaran bulanan mereka.
Wal-Mart adalah perintis data besar pertambangan untuk mengubah hubungan pemasok. Wal-Mart menangkap point-of-sale transaksi dari lebih dari 2.900 toko di 6 negara dan terus menerus mengirimkan data ini ke gudang besar 7,5 terabyte data yang terawatt. Wal-Mart memungkinkan lebih dari 3.500 pemasok, untuk mengakses data pada produk mereka dan melakukan analisis data. Pemasok ini menggunakan data ini untuk mengidentifikasi pola pembelian pelanggan di tingkat tampilan toko. Mereka menggunakan informasi ini untuk mengelola persediaan toko lokal dan mengidentifikasi peluang merchandise baru. Pada tahun 1995, Wal-Mart komputer diproses lebih dari 1 juta query data yang kompleks.
National Basketball Association (NBA) sedang mengeksplorasi aplikasi data mining yang dapat digunakan bersama dengan rekaman gambar permainan basket. Perangkat lunak Pramuka Lanjutan analisis gerakan pemain untuk membantu pelatih mengatur dan memainkan strategi. Sebagai contoh, analisis lembar play-by-play dari permainan yang dimainkan antara New York Knicks dan Cleveland Cavaliers pada 6 Januari 1995 mengungkapkan bahwa ketika Harga Markus memainkan posisi Guard, John Williams mencoba empat tembakan melompat dan membuat setiap satu! Pramuka maju tidak hanya menemukan pola ini, namun menjelaskan bahwa hal itu menarik karena berbeda jauh dari persentase rata-rata penembakan 49,30% untuk Cavaliers selama pertandingan itu.
Dengan menggunakan jam NBA universal, pelatih secara otomatis dapat membuka klip video yang menunjukkan masing-masing berusaha jump shot oleh Williams dengan Harga di lantai, tanpa perlu menyisir jam rekaman video. Mereka menunjukkan klip bermain pick-and-roll yang sangat sukses di mana Harga menarik pertahanan Knack dan kemudian menemukan Williams untuk menembak melompat terbuka.


GUDANG DATA DAN DATA PERTAMBANGAN

2. Bagaimana cara kerja data mining?

Teknologi informasi telah berkembang dg  transaksi terpisah dan sistem analisis, data mining menyediakan link antara keduanya. hubungan Perangkat lunak analisis data mining dan pola dalam data transaksi yang tersimpan berdasarkan pengguna query. Beberapa jenis perangkat lunak analitis yang tersedia: statistik, pembelajaran mesin, dan jaringan saraf. Umumnya, salah satu dari empat jenis hubungan yang dicari:
 Kelas: Data tersimpan digunakan untuk mencari data dalam kelompok yang telah ditentukan.

d Sebagai contoh, data pelanggan untuk menentukan kapan pelanggan mengunjungi dan apa yang biasanya mereka pesan. Informasi ini dapat digunakan untuk meningkatkan lalu lintas dengan memiliki spesial setiap hari.
 Cluster: Data item dikelompokkan menurut hubungan logis atau preferensi konsumen.

d Sebagai contoh, data dapat ditambang untuk mengidentifikasi segmen pasar atau afinitas konsumen.
 Asosiasi: Data dapat ditambang untuk mengidentifikasi asosiasi.

d Contoh bir-popok adalah contoh pertambangan asosiatif.
 pola sekuensial: Data ditambang untuk mengantisipasi pola perilaku dan tren.

d Sebagai contoh, pengecer peralatan luar ruangan bisa memprediksi kemungkinan ransel yang dibeli berdasarkan pembelian konsumen tidur tas dan sepatu hiking.

Data mining terdiri dari lima elemen utama:
 Extract, mengubah, dan data transaksi beban ke sistem data warehouse.d
 Store dan mengelola data dalam sistem database multidimensi.d
 Menyediakan akses data untuk analis bisnis dan profesional teknologi informasi.d
 Analisis data dengan perangkat lunak aplikasi.d
 data dalam format yang berguna, seperti grafik atau tabel.dHadir

Tugas kelompok pertanyaan
1. Silahkan diskusi dengan kelompok Anda tentang hal ini.
2. Membuat kesimpulan dan jika (ada) memecahkan masalah sesuai dengan pendapat Anda. Anda harus memberikan contoh yang tepat untuk menggambarkan pandangan Anda.
3. Presentasi tentang kesimpulan Anda dengan kelompok Anda.

Bottom of Form