Il data mining sta acquisendo sempre più un ruolo fondamentale nel business management, come metodologia per la definizione delle strategia aziendali.

Che cos’è il data mining

Il data mining o estrazione di dati è l’insieme di tecniche e metodologie che hanno per oggetto l’estrazione di informazioni utili da grandi fonti di dati (es. banche dati, datawarehouse, ecc.), attraverso metodi automatici o semi-automatici (es. apprendimento automatico).
I dati estratti vengono poi utilizzati in ambito scientifico, aziendale, industriale o operativo.

Il data mining ha una duplice valenza:

  • estrarre da dati già strutturati, con tecniche analitiche all’avanguardia, informazioni implicite, nascoste, per renderle disponibili e utilizzabili;
  • esplorare ed analizzare, in modo automatico o semiautomatico, grandi quantità di dati al fine di scoprire pattern (schemi o regolarità) significativi.

Questo tipo di attività sono ormai diventate fondamentali in molti ambiti, dalla ricerca scientifica, alle ricerche di mercato, e più in generale a supporto delle tutte le decisioni data driven. 

Valorizzare le informazioni aziendali presenti in questi grandi hub di dati è uno degli obiettivi principali del data mining.

Le tecniche di Data Mining per il business management

Le tecniche di data mining sono fondate su specifici algoritmi. I pattern identificati possono essere, a loro volta, il punto di partenza per ipotizzare e quindi verificare nuove relazioni di tipo causale tra fenomeni; in generale, possono servire in senso statistico per formulare previsioni su nuovi insiemi di dati.

Le principali tecniche utilizzate per fare data mining sono:

L’estrazione dei dati vera e propria quindi avviene solo al termine di un processo che comporta numerose fasi:

  • individuare le fonti di dati;
  • creare un unico set di dati aggregati;
  • effettuare una pre-elaborazione (data cleaning, analisi esplorative, selezione, ecc.);
  • estrarre i dati con l’algoritmo scelto;
  • valutare i pattern.

Il passaggio finale è quello che va dai pattern all’acquisizione della nuova informazione, resa possibile appunto grazie al data mining.

tecniche di data mining

Data Mining e Business Management – Foto di Gerd Altmann da Pixabay

Ambiti di applicazione del data mining

Sono davvero tanti i settori nei quali si è ormai diffuso ampiamente l’utilizzo del data mining. I principali sono:

  • information tecnlogy;
  • marketing;
  • scienza;
  • economia e finanza;
  • industria;
  • statistica.

Information Tecnology

E’ uno dei primi contesti nel quale il data mining può fare la differenza. Il suo ambito principale di utilizzo è sicuramente quello legato alla sicurezza informatica. I sistemi di apprendimento automatico (tecnica di data mining) sono fondamentali per rilevare eventuali anomalie e intrusioni in data base, e di conseguenza il possesso di queste informazioni permette di attivare una serie di misure di precauzione/protezione.

Marketing

Le applicazioni del data mining ai fini commerciali sono utili per:

  • clusterizzazione della clientela: individuazione di tipologie di acquirenti accomunati da abitudini di acquisto e/o caratteristiche socio-demografiche;
  • customer retriever: analizzando il comportamento dei clienti è possibile individuare soggetti a rischio abbandono, e di conseguenza mettere in atto strategie preventive;
  • market basket analysis: analizzando pattern di dati associati è possibile individuare quei prodotti/servizi che solitamente vengono acquistati/fruiti insieme. 

Scienza

Il data mining in questo settore ha un raggio d’applicazione davvero vasto:

  • medicina e biologia: in base ai dati e alle informazioni che vengono fornite, è possibile costruire un modello predittivo,a supporto dei processi decisionali. Pensiamo, per esempio, alla scelta dei protocolli di cura,o alla somministrazione di determinati tipi di farmaci, etc;
  • meteorologia: pensate alla mole di dati prodotta quotidianamente dai satelliti di tutto il mondo. L’analisi di tutti questi big data permette di avere previsioni meteorologiche sempre più precise e dettagliate;
  • astronomia: classificazione e individuazione di stelle, galassie, pianeti, satelliti e tutti i vari corpi celesti.

Finanza

In ambito finanziario, il data mining viene utilizzato per:

  • rilevamento di frodi: analizzando l’utilizzo delle carte di credito è possibile individuare anomalie e quindi tracciare comportamenti fraudolenti;
  • analisi sulle interazioni fra mercati finanziari: servono a prevedere l’influenza dell’andamento generale dei mercati sul singolo mercato.

Industria

Per il settore industriale ricorrere al data mining può tornare utile per individuare eventuali errori o problematiche legate alla produzione, alla logistica, alla distribuzione, ecc… 

Statistica

 In contesto statistico, il data mining oltre a velocizzare le tradizionali analisi demografiche è in grado di ricavarne anche informazioni aggiuntive, potendo di conseguenza fornire dei modelli predittivi.

Origine e sviluppi del data mining

I fattori principali che hanno contribuito allo sviluppo del data mining sono:

  • le mole di dati prodotta quotidianamente in formato digitale;
  • il data storage poco costoso;
  • i nuovi metodi e tecniche di analisi.

Tra le evoluzioni più recenti del data mining non possiamo non citare la data visualization, già oggetto di un nostro precedente articolo. La data visualization sta diventando ormai uno strumento indispensabile per i decision makers aziendali: dalle grandi aziende alle PMI, tutte queste società stanno affrontando sempre di più la necessità di governare al meglio la miriade di dati che quotidianamente vengono prodotti. Le varie tecniche di data visualization, con grafici, torte, istogrammi e mappe, trasformano i numeri in immagini. E’ possibile cosi cogliere immediatamente, a colpo d’occhio, elementi utili ad orientare le scelte di business aziendale.

Un altro sviluppo è  il social data mining, ovvero l’analisi di informazioni generate dalle reti sociali online, come ad esempio la sentiment analysis.

Se questo questo contenuto ti è piaciuto faccelo sapere scrivendo a [email protected] e continua a seguirci su www.businessintelligencegroup.it