Exploration de données - Applications et tendances
L'exploration de données est largement utilisée dans divers domaines. Il existe aujourd'hui un certain nombre de systèmes commerciaux d'exploration de données et pourtant il existe de nombreux défis dans ce domaine. Dans ce tutoriel, nous discuterons des applications et de la tendance de l'exploration de données.
Applications d'exploration de données
Voici la liste des domaines dans lesquels l'exploration de données est largement utilisée -
- Analyse des données financières
- Commerce de détail
- Industrie des télécommunications
- Analyse des données biologiques
- Autres applications scientifiques
- Détection d'intrusion
Analyse des données financières
Les données financières dans le secteur bancaire et financier sont généralement fiables et de haute qualité, ce qui facilite l'analyse systématique des données et l'exploration de données. Certains des cas typiques sont les suivants -
Conception et construction d'entrepôts de données pour l'analyse de données multidimensionnelles et l'exploration de données.
Prédiction de paiement de prêt et analyse de la politique de crédit client.
Classification et regroupement des clients pour un marketing ciblé.
Détection du blanchiment d'argent et autres délits financiers.
Commerce de détail
L'exploration de données a sa grande application dans l'industrie de la vente au détail car elle collecte une grande quantité de données sur les ventes, l'historique des achats des clients, le transport des marchandises, la consommation et les services. Il est naturel que la quantité de données collectées continue d'augmenter rapidement en raison de la facilité, de la disponibilité et de la popularité croissantes du Web.
L'exploration de données dans le secteur de la vente au détail aide à identifier les modèles et les tendances d'achat des clients qui conduisent à une meilleure qualité du service client et à une bonne fidélisation et satisfaction des clients. Voici la liste d'exemples de data mining dans le commerce de détail -
Conception et construction d'entrepôts de données basés sur les avantages de l'exploration de données.
Analyse multidimensionnelle des ventes, des clients, des produits, du temps et de la région.
Analyse de l'efficacité des campagnes de vente.
Fidélisation de la clientèle.
Recommandation de produit et référencement des articles.
Industrie des télécommunications
Aujourd'hui, l'industrie des télécommunications est l'une des industries les plus émergentes fournissant divers services tels que fax, téléavertisseur, téléphone cellulaire, messagerie Internet, images, e-mail, transmission de données Web, etc. En raison du développement de nouvelles technologies informatiques et de communication, le L'industrie des télécommunications est en pleine expansion. C'est la raison pour laquelle l'exploration de données est devenue très importante pour aider et comprendre l'entreprise.
L'exploration de données dans l'industrie des télécommunications aide à identifier les modèles de télécommunication, à détecter les activités frauduleuses, à mieux utiliser les ressources et à améliorer la qualité du service. Voici la liste des exemples pour lesquels l'exploration de données améliore les services de télécommunication -
Analyse multidimensionnelle des données de télécommunication.
Analyse de modèle frauduleux.
Identification de modèles inhabituels.
Association multidimensionnelle et analyse de modèles séquentiels.
Services de télécommunications mobiles.
Utilisation d'outils de visualisation dans l'analyse des données de télécommunication.
Analyse des données biologiques
Ces derniers temps, nous avons assisté à une croissance considérable dans le domaine de la biologie comme la génomique, la protéomique, la génomique fonctionnelle et la recherche biomédicale. L'exploration de données biologiques est une partie très importante de la bioinformatique. Voici les aspects dans lesquels l'exploration de données contribue à l'analyse des données biologiques -
Intégration sémantique de bases de données génomiques et protéomiques hétérogènes et distribuées.
Alignement, indexation, recherche de similarité et analyse comparative de plusieurs séquences nucléotidiques.
Découverte de modèles structurels et analyse des réseaux génétiques et des voies protéiques.
Association et analyse de chemin.
Outils de visualisation dans l'analyse des données génétiques.
Autres applications scientifiques
Les applications décrites ci-dessus ont tendance à traiter des ensembles de données relativement petits et homogènes pour lesquels les techniques statistiques sont appropriées. Une énorme quantité de données a été collectée dans des domaines scientifiques tels que les géosciences, l'astronomie, etc. Une grande quantité d'ensembles de données est générée en raison des simulations numériques rapides dans divers domaines tels que la modélisation du climat et des écosystèmes, le génie chimique, la dynamique des fluides, etc. Voici les applications de l'exploration de données dans le domaine des applications scientifiques -
- Entrepôts de données et prétraitement des données.
- Exploration basée sur des graphiques.
- Visualisation et connaissances spécifiques au domaine.
Détection d'intrusion
L'intrusion fait référence à tout type d'action qui menace l'intégrité, la confidentialité ou la disponibilité des ressources du réseau. Dans ce monde de connectivité, la sécurité est devenue le problème majeur. Avec une utilisation accrue d'Internet et la disponibilité des outils et astuces pour les intrusions et les attaques sur le réseau, la détection des intrusions est devenue un composant essentiel de l'administration du réseau. Voici la liste des domaines dans lesquels la technologie d'exploration de données peut être appliquée pour la détection d'intrusions -
Développement d'algorithme d'exploration de données pour la détection d'intrusions.
Analyse d'association et de corrélation, agrégation pour aider à sélectionner et construire des attributs discriminants.
Analyse des données Stream.
Exploration de données distribuée.
Outils de visualisation et de requête.
Produits du système d'exploration de données
Il existe de nombreux produits de système d'exploration de données et des applications d'exploration de données spécifiques à un domaine. Les nouveaux systèmes et applications d'exploration de données sont ajoutés aux systèmes précédents. En outre, des efforts sont faits pour normaliser les langages d'exploration de données.
Choisir un système d'exploration de données
La sélection d'un système d'exploration de données dépend des caractéristiques suivantes -
Data Types- Le système d'exploration de données peut gérer du texte formaté, des données basées sur des enregistrements et des données relationnelles. Les données peuvent également être en texte ASCII, des données de base de données relationnelle ou des données d'entrepôt de données. Par conséquent, nous devrions vérifier quel format exact le système d'exploration de données peut gérer.
System Issues- Nous devons considérer la compatibilité d'un système d'exploration de données avec différents systèmes d'exploitation. Un système d'exploration de données peut fonctionner sur un seul système d'exploitation ou sur plusieurs. Il existe également des systèmes d'exploration de données qui fournissent des interfaces utilisateur Web et autorisent les données XML en entrée.
Data Sources- Les sources de données font référence aux formats de données dans lesquels le système d'exploration de données fonctionnera. Certains systèmes d'exploration de données peuvent fonctionner uniquement sur des fichiers texte ASCII tandis que d'autres sur plusieurs sources relationnelles. Le système d'exploration de données doit également prendre en charge les connexions ODBC ou OLE DB pour les connexions ODBC.
Data Mining functions and methodologies - Certains systèmes d'exploration de données ne fournissent qu'une seule fonction d'exploration de données telle que la classification, tandis que d'autres fournissent plusieurs fonctions d'exploration de données telles que la description de concept, l'analyse OLAP axée sur la découverte, l'exploration d'associations, l'analyse de liaison, l'analyse statistique, la classification, la prédiction, le regroupement analyse des valeurs aberrantes, recherche de similarité, etc.
Coupling data mining with databases or data warehouse systems- Les systèmes d'exploration de données doivent être couplés à une base de données ou à un système d'entrepôt de données. Les composants couplés sont intégrés dans un environnement de traitement d'informations uniforme. Voici les types d'accouplements listés ci-dessous -
- Pas de couplage
- Couplage lâche
- Accouplement semi-étanche
- Couplage serré
Scalability - Il y a deux problèmes d'évolutivité dans l'exploration de données -
Row (Database size) Scalability- Un système d'exploration de données est considéré comme évolutif par ligne lorsque le nombre ou les lignes sont agrandis 10 fois. L'exécution d'une requête ne prend pas plus de 10 fois.
Column (Dimension) Salability - Un système d'exploration de données est considéré comme évolutif en colonne si le temps d'exécution de la requête d'exploration augmente linéairement avec le nombre de colonnes.
Visualization Tools - La visualisation dans l'exploration de données peut être classée comme suit -
- Visualisation de données
- Visualisation des résultats miniers
- Visualisation des processus miniers
- Exploration visuelle des données
Data Mining query language and graphical user interface- Une interface utilisateur graphique facile à utiliser est importante pour promouvoir l'exploration de données interactive guidée par l'utilisateur. Contrairement aux systèmes de bases de données relationnelles, les systèmes d'exploration de données ne partagent pas le langage de requête d'exploration de données sous-jacent.
Tendances de l'exploration de données
Les concepts d'exploration de données sont toujours en évolution et voici les dernières tendances que nous pouvons voir dans ce domaine -
Exploration d'applications.
Méthodes d'exploration de données évolutives et interactives.
Intégration de l'exploration de données avec des systèmes de bases de données, des systèmes d'entrepôt de données et des systèmes de bases de données Web.
SStandardisation du langage de requête d'exploration de données.
Exploration visuelle des données.
Nouvelles méthodes pour extraire des types de données complexes.
Exploration de données biologiques.
Exploration de données et génie logiciel.
Exploration Web.
Exploration de données distribuée.
Exploration de données en temps réel.
Exploration de données multi base de données.
Protection de la vie privée et sécurité de l'information dans l'exploration de données.