Considerando a mineração de dados já foi considerado mais um conceito até sensacionalistas , hoje em dia ele é considerado como uma ferramenta útil e confiável para empresas e organizações. Considerando-se as pessoas costumavam ser menos transitória , era mais fácil para as empresas e outros grupos para acompanhar o tipo de consumidores eles atendido e seus padrões de compra . Agora, com tamanhos de organização , as pessoas não conhecem os seus clientes. Meus dados para avaliar os hábitos dos clientes . Instruções
1
Veja que a mineração de dados refere-se a vários tipos de coleta de informações . Conhecer as formas mais comuns de mineração de dados envolvem o uso de software minerador de dados para o monitoramento /análise da atividade do usuário de computador ou para examinar próprios usuários de uma empresa ou os usuários da Internet desconhecidas.
2
Encontre que as organizações utilizam programas de spyware para monitorar atividades dos usuários da Internet para a publicidade dirigida e para outros fins. As pessoas costumam involuntariamente carregar spyware em seus computadores , e estes programas monitorar seus hábitos de navegação e as minhas outras informações sobre eles.
3
Entenda que a mineração de dados tem propósitos diferentes também. Meus dados leitor " Google" se alimenta , por exemplo. Defina os parâmetros de pesquisa e descobrir tendências. Descubra que tipo de pessoa gosta de um certo tipo de carro esportivo , por exemplo, e olhar para os seus surf ou menção tendências para descobrir qual empresa de auto é o mais popular. Observe os padrões e ter uma visão .
4
Prever comportamentos de consumo e os resultados para a sua empresa ou organização. Seguir um processo de mineração de dados para cientificamente mina de dados: . Exploração , a determinação de padrões e implantação
5
Empregar a fase de exploração para a preparação de dados , organizando os tipos de dados , variáveis e recursos para melhor gerenciar os dados . Construa modelos e validar . Tente aplicar vários modelos de dados para ver o que funciona melhor para determinar padrões ou tendências . Implantar modelos escolhidos para novos conjuntos de dados e medir contra os resultados esperados .