चौथी औद्योगिक क्रांति की नींव काफी हद तक डेटा^(Data) और कनेक्टिविटी^{(Connectivity)} पर निर्भर करेगी । डेटा माइनिंग सॉल्यूशंस को विकसित करने या बनाने में सक्षम एनालिसिस सर्विसेज^{(Analysis Services)} इस संबंध में महत्वपूर्ण भूमिका निभाएंगी। यह संभावित खरीदारों को लक्षित करने के लिए ग्राहक खरीद व्यवहार के परिणामों का विश्लेषण और भविष्यवाणी करने में सहायता कर सकता है। डेटा^(Data) एक नया प्राकृतिक संसाधन बन जाएगा और इस अनसोल्ड डेटा से प्रासंगिक जानकारी निकालने की प्रक्रिया अत्यधिक महत्वपूर्ण हो जाएगी। इस प्रकार, शब्द - डेटा माइनिंग^{(Data Mining)} , इसकी प्रक्रियाओं और अनुप्रयोग की उचित समझ हमें इस चर्चा के लिए एक समग्र दृष्टिकोण विकसित करने में मदद कर सकती है।

डेटा माइनिंग मूल बातें^{(Data Mining Basics)} और इसकी तकनीकें

डेटा माइनिंग, जिसे नॉलेज डिस्कवरी इन डेटा^{(Knowledge Discovery in Data)} ( केडीडी^(KDD) ) के रूप में भी जाना जाता है, डेटा के बड़े स्टोर की खोज करने के बारे में है जो कि सरल विश्लेषण से परे पैटर्न और प्रवृत्तियों को उजागर करता है। हालाँकि, यह एकल-चरणीय समाधान नहीं है, बल्कि एक बहु-चरणीय प्रक्रिया है और इसे विभिन्न चरणों में पूरा किया जाता है। इसमे शामिल है:

1] डेटा एकत्र करना और तैयारी

यह डेटा संग्रह और उसके उचित संगठन के साथ शुरू होता है। यह डेटा माइनिंग के माध्यम से खोजी जा सकने वाली जानकारी को खोजने की संभावनाओं को बेहतर बनाने में मदद करता है

2] मॉडल निर्माण और मूल्यांकन

डेटा माइनिंग प्रक्रिया में दूसरा चरण विभिन्न मॉडलिंग तकनीकों का अनुप्रयोग है। इनका उपयोग मापदंडों को इष्टतम मूल्यों पर जांचने के लिए किया जाता है। नियोजित तकनीक काफी हद तक संगठनात्मक जरूरतों के एक सरगम ​​​​को संबोधित करने और एक निर्णय पर पहुंचने के लिए आवश्यक विश्लेषणात्मक क्षमताओं पर निर्भर करती है।

आइए संक्षेप में कुछ डेटा माइनिंग तकनीकों की जाँच करें। यह पाया गया है कि अधिकांश संगठन दो या दो से अधिक डेटा माइनिंग तकनीकों को एक साथ जोड़कर एक उपयुक्त प्रक्रिया बनाते हैं जो उनकी व्यावसायिक आवश्यकताओं को पूरा करती है।

पढ़ें^(Read) : बिग डेटा क्या है?^{(What is Big Data?)}

डाटा माइनिंग तकनीक

1. एसोसिएशन -  ^{(Association – )}एसोसिएशन^{(Association)} व्यापक रूप से ज्ञात डेटा माइनिंग तकनीकों में से एक है। इसके तहत एक ही लेनदेन में वस्तुओं के बीच संबंध के आधार पर एक पैटर्न को डिक्रिप्ट किया जाता है। इसलिए^(Hence) , इसे संबंध तकनीक के रूप में भी जाना जाता है। बड़े ब्रांड के खुदरा विक्रेता ग्राहक की खरीदारी की आदतों/प्राथमिकताओं पर शोध करने के लिए इस तकनीक पर भरोसा करते हैं। उदाहरण के लिए, लोगों की खरीदारी की आदतों को ट्रैक करते समय, खुदरा विक्रेता यह पहचान सकते हैं कि कोई ग्राहक चॉकलेट खरीदते समय हमेशा क्रीम खरीदता है, और इसलिए यह सुझाव देता है कि अगली बार जब वे चॉकलेट खरीदेंगे तो वे भी क्रीम खरीदना चाहेंगे।
2. वर्गीकरण^{(Classification)} - यह डेटा माइनिंग तकनीक ऊपर से इस तरह से भिन्न है कि यह मशीन लर्निंग पर आधारित है और गणितीय तकनीकों जैसे लीनियर^(Linear) प्रोग्रामिंग, डिसीजन^(Decision) ट्री, न्यूरल का उपयोग करती है।^(Neural)नेटवर्क। वर्गीकरण में, कंपनियां सॉफ्टवेयर बनाने की कोशिश करती हैं जो सीख सकती हैं कि डेटा आइटम को समूहों में कैसे वर्गीकृत किया जाए। उदाहरण के लिए, एक कंपनी आवेदन में एक वर्गीकरण को परिभाषित कर सकती है कि "कंपनी से इस्तीफा देने की पेशकश करने वाले कर्मचारियों के सभी रिकॉर्ड दिए गए, भविष्य में कंपनी से इस्तीफा देने वाले व्यक्तियों की संख्या की भविष्यवाणी करें।" ऐसे परिदृश्य में, कंपनी कर्मचारियों के रिकॉर्ड को दो समूहों में वर्गीकृत कर सकती है, अर्थात् "छोड़ना" और "रहना"। इसके बाद यह अपने डेटा माइनिंग सॉफ़्टवेयर का उपयोग कर्मचारियों को पहले बनाए गए अलग-अलग समूहों में वर्गीकृत करने के लिए कर सकता है।
3. क्लस्टरिंग^(Clustering) - अलग^(Different)समान विशेषताओं को प्रदर्शित करने वाली वस्तुओं को स्वचालन के माध्यम से एक ही क्लस्टर में एक साथ समूहीकृत किया जाता है। इस तरह के कई क्लस्टर वर्गों के रूप में बनाए जाते हैं और वस्तुओं (समान विशेषताओं के साथ) को उसी के अनुसार उसमें रखा जाता है। इसे बेहतर ढंग से समझने के लिए, आइए पुस्तकालय में पुस्तक प्रबंधन के एक उदाहरण पर विचार करें। एक पुस्तकालय में, पुस्तकों का विशाल संग्रह पूरी तरह से सूचीबद्ध होता है। एक ही प्रकार के आइटम एक साथ सूचीबद्ध हैं। इससे हमें अपनी रुचि की पुस्तक खोजने में आसानी होती है। इसी तरह, क्लस्टरिंग तकनीक का उपयोग करके, हम उन पुस्तकों को एक क्लस्टर में रख सकते हैं जिनमें कुछ प्रकार की समानताएं होती हैं और इसे एक उपयुक्त नाम देते हैं। इसलिए, यदि कोई पाठक अपनी रुचि के लिए प्रासंगिक पुस्तक लेना चाहता है, तो उसे पूरे पुस्तकालय को खोजने के बजाय केवल उस शेल्फ पर जाना होगा। इस प्रकार, क्लस्टरिंग तकनीक कक्षाओं को परिभाषित करती है और प्रत्येक वर्ग में वस्तुओं को रखती है,
4. भविष्यवाणी^(Prediction) - भविष्यवाणी एक डेटा माइनिंग तकनीक है जिसका उपयोग अक्सर अन्य डेटा माइनिंग तकनीकों के संयोजन में किया जाता है। इसमें प्रवृत्तियों, वर्गीकरण, पैटर्न मिलान और संबंध का विश्लेषण करना शामिल है। पिछली घटनाओं या उदाहरणों का उचित क्रम में विश्लेषण करके भविष्य की घटना का सुरक्षित रूप से अनुमान लगाया जा सकता है। उदाहरण के लिए, भविष्यवाणी विश्लेषण तकनीक का उपयोग बिक्री में भविष्य के लाभ की भविष्यवाणी करने के लिए किया जा सकता है यदि बिक्री को एक स्वतंत्र चर के रूप में चुना जाता है और लाभ को बिक्री पर निर्भर चर के रूप में चुना जाता है। फिर, ऐतिहासिक बिक्री और लाभ के आंकड़ों के आधार पर, कोई एक फिट प्रतिगमन वक्र बना सकता है जिसका उपयोग लाभ की भविष्यवाणी के लिए किया जाता है।
5. निर्णय वृक्ष^{(Decision trees)} - निर्णय वृक्ष के भीतर, हम एक साधारण प्रश्न से शुरू करते हैं जिसके कई उत्तर होते हैं। प्रत्येक उत्तर डेटा को वर्गीकृत करने या पहचानने में मदद करने के लिए एक और प्रश्न की ओर ले जाता है ताकि इसे वर्गीकृत किया जा सके, या ताकि प्रत्येक उत्तर के आधार पर भविष्यवाणी की जा सके। उदाहरण के लिए, हम यह निर्धारित करने के लिए निम्नलिखित निर्णय वृक्ष का उपयोग करते हैं कि क्रिकेट ओडीआई^(ODI) खेलना है या नहीं : डेटा माइनिंग निर्णय वृक्ष^{(Data Mining Decision Tree)} : रूट नोड से शुरू होने पर, यदि मौसम पूर्वानुमान बारिश की भविष्यवाणी करता है, तो हमें दिन के मैच से बचना चाहिए। वैकल्पिक रूप से, यदि मौसम का पूर्वानुमान स्पष्ट है, तो हमें मैच खेलना चाहिए।

डेटा माइनिंग^{(Data Mining)} विभिन्न उद्योगों और संचार, बीमा^(Insurance) , शिक्षा^(Education) , विनिर्माण^{(Manufacturing)} , बैंकिंग^(Banking) और खुदरा^(Retail) और अधिक जैसे विषयों में विश्लेषिकी प्रयासों के केंद्र में है। इसलिए, विभिन्न तकनीकों को लागू करने से पहले इसके बारे में सही जानकारी होना आवश्यक है।

What is Data Mining? Basics and its Techniques.

The foundation of the fourth indυstrial revolution will largely depend upon Data and Connectivity. Analysis Services capable of developing or creating data mining solutions will play a key role in this regard. It could assist in analyzing and predicting outcomes of customer purchasing behavior for targeting potential buyers. Data will become a new natural resource and the process of extracting relevant information from this unsorted data will assume immense importance. As such, a proper understanding of the term – Data Mining, its processes, and application could help us in developing a holistic approach to this buzzword.

Data Mining Basics and its Techniques

Data mining, also known as Knowledge Discovery in Data (KDD) is about searching large stores of data to uncover patterns and trends that go beyond simple analysis. This, however, is not a single-step solution but a multi-step process and is completed in various stages. These include:

1] Data gathering and Preparation

It starts with data collection and its proper organization. This helps in significantly improving the chances of finding the information that can be discovered through data mining

2] Model Building and Evaluation

The second step in data mining process is the application of various modeling techniques. These are used to calibrate the parameters to optimal values. Techniques employed largely depend on analytic capabilities required to address a gamut of organizational needs and to arrive at a decision.

Let us examine some data mining techniques in brief. It is found that most organizations combine two or more data mining techniques together to form an appropriate process that meets their business requirements.

Read: What is Big Data?

Data Mining Techniques

1. Association – Association is one of the widely-known data mining techniques. Under this, a pattern is deciphered based on a relationship between items in the same transaction. Hence, it is also known as the relation technique. Big brand retailers rely on this technique to research customer’s buying habits/preferences. For example, when tracking people’s buying habits, retailers might identify that a customer always buys cream when they buy chocolates, and therefore suggest that the next time that they buy chocolates they might also want to buy cream.
2. Classification – This data mining technique differs from the above in the way that it is based on machine learning and uses mathematical techniques such as Linear programming, Decision trees, Neural network. In classification, companies try to build software that can learn how to classify the data items into groups. For instance, a company can define a classification in the application that “given all records of employees who offered to resign from the company, predict the number of individuals who are likely to resign from the company in future.” Under such a scenario, the company can classify the records of employees into two groups that namely “leave” and “stay”. It can then use its data mining software to classify the employees into separate groups created earlier.
3. Clustering – Different objects exhibiting similar characteristics are grouped together in a single cluster via automation. Many such clusters are created as classes and objects (with similar characteristics) are placed in it accordingly. To understand this better, let us consider an example of book management in the library. In a library, the vast collection of books is fully cataloged. Items of the same type are listed together. This makes it easier for us to find a book of our interest. Similarly, by using the clustering technique, we can keep books that have some kinds of similarities in one cluster and assign it a suitable name. So, if a reader is looking to grab a book relevant to his interest, he only has to go to that shelf instead of searching the entire library. Thus, the clustering technique defines the classes and puts objects in each class, while in the classification techniques, objects are assigned into predefined classes.
4. Prediction – The prediction is a data mining technique that is often used in combination with the other data mining techniques. It involves analyzing trends, classification, pattern matching, and relation. By analyzing past events or instances in a proper sequence one can safely predict a future event. For instance, the prediction analysis technique can be used in the sale to predict future profit if the sale is chosen as an independent variable and profit as a variable dependent on sale. Then, based on the historical sale and profit data, one can draw a fitted regression curve that is used for profit prediction.
5. Decision trees – Within the decision tree, we start with a simple question that has multiple answers. Each answer leads to a further question to help classify or identify the data so that it can be categorized, or so that a prediction can be made based on each answer. For example, We use the following decision tree to determine whether or not to play cricket ODI: Data Mining Decision Tree: Starting at the root node, if the weather forecast predicts rain then, we should avoid the match for the day. Alternatively, if the weather forecast is clear, we should play the match.

Data Mining is at the heart of analytics efforts across a variety of industries and disciplines like communications, Insurance, Education, Manufacturing, Banking and Retail and more. Therefore, having correct information about it is essential before apply the different techniques.

Related posts

• 26 सर्वश्रेष्ठ डाटा माइनिंग सॉफ्टवेयर

• Excel में स्वचालित डेटा प्रकार सुविधा का उपयोग कैसे करें

• BitLocker सेटअप BCD (बूट कॉन्फ़िगरेशन डेटा) स्टोर को निर्यात करने में विफल रहा

• विंडोज 11/10 पर डेटा उपयोग सीमा का प्रबंधन कैसे करें

• रजिस्ट्री फ़ाइल आयात नहीं कर सकता। सभी डेटा रजिस्ट्री को नहीं लिखा गया था

• एक्सेल ग्राफ या चार्ट में डेटा सीरीज का नाम कैसे बदलें

• जब आप Facebook डेटा इतिहास डाउनलोड करते हैं तो क्या अपेक्षा करें

• विंडोज 11/10 में डेटा हानि के बिना एमबीआर को जीपीटी में कैसे बदलें

• डेवलपर टूल का उपयोग करके क्रोम या एज में विशेष साइट के लिए साइट डेटा साफ़ करें

• कंपनियां व्यक्तिगत डेटा क्यों एकत्र, बेच, खरीद या संग्रहीत करती हैं

• विंडोज 10 में डेटा खोए बिना अनलॉक्ड हार्ड ड्राइव को ठीक करें

• बिग डेटा की खपत। बिग डेटा के उपयोग क्या हैं।

• बर्नअवेयर मुफ्त डाउनलोड: मुफ्त सीडी, डीवीडी, ब्लू-रे, एचडी-मीडिया बर्नर

• विंडोज 10 में बर्न टू डिस्क ग्रे आउट; डीवीडी नहीं जला सकता

• अपना Google मानचित्र डेटा कैसे डाउनलोड करें या निकालें

• डुअल बूट रिपेयर टूल: रिपेयर बीसीडी बूट कॉन्फिगरेशन डेटा

• Instagram डेटा निर्यात टूल का उपयोग करके Instagram डेटा कैसे डाउनलोड करें

• सर्वश्रेष्ठ मुफ्त ऑनलाइन डेटा विज़ुअलाइज़ेशन उपकरण

• फ्री डेटा रिकवरी सॉफ्टवेयर: डिलीट हुई फाइल्स और फोल्डर को रिकवर करें

• डेटा अवशेष क्या है? आप इसे कैसे खत्म या अधिलेखित करते हैं?