داده نمایی چیست؟چرا داده نمایی؟


مغز ما علاقه زیادی به تحلیل و ذخیره اطلاعات به صورت بصری دارد. حتی ارتباط میان اشیا و اطلاعات را به شکل بصری ذخیره می‌کند نه لغوی. برای مثال به سه لغت ماشین، تلفن و تلویزیون فکر کنید- چه چیز اول به ذهنتان می‌آید؟ آیا به حروف تشکیل دهنده این لغات فکر می‌کنید یا به شکل فیزیکی آنها؟ پس همانطور که مشاهده می‌کنید درک و یادگیری صورت فیزیکی و بصری داده ها و اطلاعات برای مغز ما به مراتب آسانتر از فهم شکل نوشتاری آنها است.استفاده از گرافیک‌های اطلاع رسان باعث می‌شود بیننده با نگاهی کوتاه حجم قابل توجهی از اطلاعات را که شکل نوشتاری آن ممکن است مقاله بلند بالایی را تشکیل دهد، به سادگی از طریق بصری دریافت کند و حتی آن را به خاطر بسپار.داده‌ نمایی به معنای کشف دانش درون داده‌هاست.دبه طور کلی داده نمایی عبارت است از:
"استخراج اطلاعات و دانش و كشف الگوهاي پنهان ازحجم عظیم پايگاه داده‌های بسيار بزرگ"

داده نمایی دو راهکار مشخص ارائه می کند:

ارائه گزارشات مستند برای حل مشکلات کسب و کار شما

ارائه راهکار نرم افزاری با طراحی سیستم پشتیبان تصمیم گیری

داده‏ نمایی به دو دلیل سودآور است:

داده نمایی منجر به تصمیمات واقع بینانه می شود

داده‏ نمایی منجر به تکرار تصمیمات سودآور اتفاق افتاده در گذشته می شود

با داده‏ نمایی شما مجبور می شوید تصمیمات احساسی را فراموش کنید و بر اساس واقعیت ها تصمیم بگیرید. بنابراین ضرر های ناشی از نا آگاهی مدیران حذف می شود.داده‏ نمایی همچنین فضای سال های گذشته ی کسب و کار شما را بازبینی می کند و در نهایت نشان می دهد کدام تصمیمات منجر به سود شده است در حالی که شما از آن ها بی خبر هستید.

با شناخت درست از گذشته،آینده را می توان پیش بینی کرد


فنون داده نمایی

فنون داده نمایی یک گروه نامتجانس را شکل میدهند چرا که هر تکنیکی که بتواند بینش جدیدی از داده ها را استخراج کند میتواند داده نمایی به حساب آید. برخی از ابزارهای رایج بکار گرفته شده تحت عنوان داده نمایی عبارتند از:

ابزارهای پرس و جو: ابزارهای متداول زبان پرس و جوی ساختاربندی شده در ابتدا برای انجام تحلیلهای اولیه بکار گرفته شدند که می تواند مسیرهایی برای تفحص بیشتر نشان دهد.

فنون آماری: مشخصات اصلی داده ها لازمست با کاربرد انواع مختلفی از تحلیلهای آماری شامل جدول بندی ساده و متقاطع داده ها و محاسبه پارامترهای آماری مهم بدست آید.

مصور سازی: با نمایش داده ها در قالب نمودارها و عکسها مانند نمودار پراکندگی؛ گروه بندی داده ها در خوشه های متناسب تسهیل میشود. استنباط عمیق تر ممکن است با بکارگیری تکنیکهای گرافیکی پیشرفته حاصل شود.

پردازش تحلیلی پیوسته: از آنجا که مجموعه داده ها ممکن است روابط چندین بعدی داشته باشند، روشهای متعددی برای ترکیب کردن آنها وجود دارد. ابزارهای پردازش تحلیلی پیوسته به ذخیره چنین ترکیباتی کمک میکند و ابزارهای ابتدا-انتهای پیوسته برای انجام پرس و جو ایجاد میکند. اما این ابزارها هیچ دانش جدیدی ایجاد نمی کنند.

یادگیری مبتنی بر مورد: این تکنیک مشخصات گروههای داده ها را تحلیل میکند و به پیش بینی هر نهاد واقع شده در همسایگی شان کمک میکند. الگوریتمهایی که استراتژی یادگیری تعاملی را برای کاوش در یک فضای چندین بعدی بکار میگیرند برای این منظور مفیدند.

درختان تصمیم گیری: این تکنیک بخشهای مختلف فهرست پاسخهای موفق داده شده مربوط به یک پرس و جو را بازیابی می کند و به این ترتیب به ارزیابی صحیح گزینه های مختلف کمک میکند.

قوانین وابستگی: اغلب مشاهده میشود که یک وابستگی نزدیک (مثبت یا منفی) بین مجموعه ای از داده های معین وجود دارد. بنابراین قوانین رسمی وابستگی برای تولید الگوهای جدید ساخته و بکار گرفته میشوند.

شبکه های عصبی : این یک الگوریتم یادگیری ماشینی است که عملکرد خودش را بر اساس کاربرد و ارزیابی نتایج بهبود می بخشد.

الگوریتم ژنتیکی: این هم تکنیک مفید دیگری برای پیش بینی هدف است. به این ترتیب که با یک گروه یا خوشه شروع میشود و رشدش در آینده را با حضور در برخی مراحل فرایند محاسبه احتمال جهش تصادفی؛ همانطور که در تکامل طبیعی فرض میشود طرح ریزی می نماید. این تکنیک به چند روش میتواند عملی شود. و ترکیب غیرقابل انتظار یا نادری را از عواملی که در حال وقوع بوده و مسیر منحنی طراحی داده ها را تغییر میدهند؛ منعکس میکند.

 

 

کاربردهای داده نمایی

داده‌ نمایی يك رشته جديد با كاربردهاي وسيع و گوناگون است که به عنوان ده علم برتر که منجر به ایجاد تحول در عصر تکنولوژی می‌شود و در تمام زمینه‌ها کاربرد دارد، معرفی می‌‌شود. اصولاً هر جایی که داده وجود داشته باشد داده‌ نمایی نیز معنا می‌یابد،از قبيل: امور تجاري و مالي، امور پزشكي، زيست پزشكي، تجزيه و تحليلهاي مربوط به DNA، كشف ناهنجاريها و اسناد جعلي، ارتباطات از راه دور، ورزش و سرگرمي، كتابداري و اطلاع‌رساني.

امروزه عملیات داده‌ نمایی به صورت گسترده توسط تمامی سازمان هایی که افراد در کانون توجه آنها قرار دارند، استفاده می‌شود، از جمله:سازمان ها،مراکز آموزشی پژوهشی،کسب و کارهای کوچک، فروشگاه‌ها، شرکتهای مالی، ارتباطاتی، بازاریابی و غیره. استفاده از داده‌ نمایی به این مراکز کمک می‌کند تا ارتباط عوامل داخلی را با عوامل خارجی کشف نمایند.

یکی از کاربردهای داده نمایی فرايند تبديل داده های خام به اطلاعات تجاری و مدیریتی می باشد كه به تصميم گيرندگان کمک می کند تا تصمیمات خود را سریع تر و بهتر گرفته و بر اساس اطلاعات صحیح عمل نمایند.


داده‌ نمایی پیش‌بینی وضع آینده، گرایش افراد و شناخت سلیقه‌های عمومی را ممکن می‌سازد.


گروه داده نمایی لینکوتک در تمامی پروژه های داده نمایی(Data Mining) و در کلیه ی مراحل آن ها،آماده ارائه خدمات مشاوره ای می باشد.