داده کاوی به عنوان یکی از تکنیک های اصلی هوشمندسازی
امروزه فناوری اطلاعات به تمامی حوزه های زندگی افراد ورود نموده است. با ورود چنین فناوری هایی حجم داده های تولید و ذخیره شده نیز روز به روز در حال افزایش است، از طرف دیگر این تکنولوژی در عین سادگی سبب پیچیده شدن کسب وکار و بسیاری از روال های زندگی روزمره شده است. این رشد پیچیدگی به صورت مستقیم و غیرمستقیم در روال های تصمیم گیری نیز اثر خود را گذاشته است تا جایی که عملاً تصمیم گیری به جز با دارا بودن دانش کافی در آن حوزه غیرممکن شده است. اما استخراج و یادگیری دانش با رویکردهای انسانی بسیار زمان گیر، غیرمطمئن و پرهزینه است از این رو امروزه هوشمندسازی کسب وکار به عنوان راه حلی برای این مسئله بسیار مورد توجه قرار می گیرد.
هوشمند سازی کسب وکار، اجرای یک مجموعه از تکنیک ها برای تبدیل داده خام به اطلاعات و سپس دانش است. بدین ترتیب که در یک کسب وکار هوشمند، داده ها به عنوان ورودی وارد روال های اتوماتیک شده و خروجی این روال ها، اطلاعات و دانش کاربردی در حیطه مسئله است.
هوشمند سازی کسب وکار دارای مزایا و اهداف زیادی است که در این بخش فهرست وار به تعدادی از آن ها اشاره می شود:
- قدرت تشخیص روابط بین عوامل مؤثر داخلی و خارجی محیطی
- قابلیت ساخت مدلهای پیشبینیکننده براساس تعداد زیادی از متغیرها
- تصویرنمودن تمایل داده به الگو یا رفتار خاص در مجموعهی کلانداده
- بهبود کارایی کسب وکار
- بهینه سازی و تسریع فرایند تصمیم گیری
- استخراج دانش و تجربه از داده های گذشته کسب وکار
- تبدیل سریع داده ها به فرم گزارش های گویا و بدیع
- افزایش رقابت پذیری
- عکس العمل سریع و موثر نسبت به تغییرات
- نگهداری و ذخیره سازی بهینه ی داده های کسب وکار
اما برای هوشمند سازی کسب وکار یک چرخه معمول و مشخص باید طی شود که در شکل زیر آمده است. در این چرخه در گام-اول به برنامه ریزی و شناسایی مسئله پرداخته می شود. سپس داده های مورد نیاز از مجموعه داده استخراج می شود. با پردازش داده های بدست آمده و آنالیز وتحلیل آن ها، دانش مورد نیاز حاصل می شود.
هوشمندسازی در سه سطح در سازمان ها قابل استفاده است که به صورت مختصر به آن اشاره می شود:
- سطح استراتژیک: تصمیم گیری ها در سطح مدیریت کلان هر کسب و کار که توسط مدیران رده بالا انجام می شود. این گونه تصمیم سازی ها معمولاً بسیار پیچیده است از این رو به دانش غنی برای بهترین تصمیم، نیاز مبرمی وجود دارد.
- سطح تاکتیکی: تصمیماتی که توسط مدیران میانی گرفته می شود. این تصمیمات از لحاظ پیچیدگی در حد متوسط هستند و هوشمندسازی می تواند به تولید دانش برای این سطح نیز کمک کند.
- سطح عملیاتی: هوشمند سازی و تولید دانش به صورت خودکار حتی در پایین تر سطح هر کسب و کار نیز می تواند بسیار راهگشا باشد.
پس از بررسی مختصری بر مفاهیم اصلی در حوزه هوشمند سازی کسب وکار، در ادامه به معرفی مهم ترین تکنیک های مورد استفاده در هوشمند سازی پرداخته می شود:
- [۱]OLAP : استفاده از انباره داده[۲] و انجام پرس وجو بر روی آن از جمله مهم ترین روش های استخراج دانش از روی داده های سازمانی است. در این روش داده های سازمانی در انباره داده ذخیره شده و تحلیل های لازم بر روی این انباره انجام می شود. اما امروزه با توجه به حجم زیاد داده ها و هزینه بر بودن ساخت انباره داده معمولاً از این تکنیک به صورت منحصر به فرد، کمتر استفاده می شود.
- سیستم های مدیریت دانش: انواع مختلفی از سیستم های مدیریت دانش برای کاربردهای خاص ایجاد شده است. اما اکثر این سیستم ها همان گونه که بیان شد برای موارد و داده های خاص قابل استفاده هستند و برای داده های گوناگون و مسائل مختلف کارایی بالایی ندارند.
- داده کاوی: داده کاوی فرایند استخراج الگوهای مخفی از داده های خام است. در داده کاوی الگوریتم ها و تکنیک های مختلفی وجود دارد که استفاده از آن را در انواع مختلف داده ها و مسائل ساده می کند. از این رو استفاده از داده کاوی سبب تولید دانش مناسب برای هر کسب وکار می گردد. در ادامه معرفی مختصری از داده کاوی بیان می شود.
داده کاوی
برای تعریف داده کاوی ابتدا به معرفی سه مفهوم داده، اطلاعات و دانش پرداخته می شود و سپس بر مبنای این تعاریف داده کاوی معرفی می گردد.
- داده: هر حقیقت، عدد یا متنی است که در یک سیستم کامپیوتری ذخیره شده یا قابل ذخیره کردن باشد. امروزه در اکثر سازمان ها حجم وسیعی از داده ها وجود دارد که می توان آن ها را در سه دسته کلی طبقه بندی نمود:
- الف) داده های عملیاتی یا تراکنشی مثل فروش، هزینه، صورت دارایی، صورت پرداخت و حساب
- ب) داده های غیرعملیاتی مانند داده های پیشگویی یا داده های اقتصاد کلان
- ج) متاداده (داده هایی درباره خود داده) مثل طراحی منطقی پایگاه داده یا تعریف لغت نامه داده
- اطلاعات: الگو، وابستگی یا ارتباط بین داده های مختلف اطلاعات را شکل می دهد. برای نمونه تحلیل داده های فروش می-تواند اطلاعاتی مانند این که چه تعداد از یک محصول در یک فصل به فروش رفته است را نتیجه دهد.
- دانش: اطلاعات می تواند به دانشی درباره الگوهای گذشته و پیش بینی آینده تبدیل شود. برای مثال بررسی میزان فروش داده ها می تواند به دانشی درباره رفتار مشتریان مبدل شود که با این دانش مدیران می توانند محصولات مستعد فروش بیشتر را کشف کنند.
بر مبنای تعاریف انجام شده می توان داده کاوی را فرایند استخراج دانش معتبر، از پیش نشناخته، قابل فهم و قابل اعتماد از پایگاه-داده های بزرگ نامید که در عمل تصمیم گیری به مدیران و کاربران در سطوح مختلف (استراتژیک، تاکتیکی و عملیاتی) کمک می کند.
داده کاوی کاربردهای فراوانی دارد که به تعدادی از آن ها در این بخش اشاره می شود:
- کاربردهای تجاری: استفاده از داده کاوی برای پشتیبانی تصمیم گیری یا مدیریت ارتباط با مشتری امروزه در بسیاری از ادارات و ارگان ها صورت می گیرد.
- کاربردهای علمی: داده کاوی در بسیاری از زمینه های علمی نظیر پزشکی، علوم ملکولی و دارویی، جغرافیا، هواشناسی و … کاربرد دارد.
- سایر کاربردها: کاربردهای بسیار متنوع دیگری می توان برای داده کاوی نام برد که از آن جمله می توان به کاربرد در تشخیص کلاه برداری و پول شویی، مانیتورینگ، تشخیص داده های خطا یا نویز، ورزش و غیره اشاره نمود.
جمع بندی
در این مقاله به معرفی هوشمندسازی کسب وکار، تکنیک ها و روش های موجود در آن پرداخته شد. همچنین اهمیت هوشمندسازی کسب وکار چه از جنبه مدیریتی و چه از جنبه عملیاتی مورد بحث قرار گرفت. این مقاله سرآغازی برای آشنایی با هوشمندسازی حوزه حمل ونقل و مزایای آن است.
منتظر مقالات بعدی باشید …
نویسنده: دکتر محمدرضا شمس
پانویس:
[۱]On-Line Analytical Processing
[۲]Data Warehouse