डाटा माइनिंग क्या हैं? इसके लाभ, हानियाँ तथा प्रकार

डाटा माइनिंग क्या हैं? (What is Data mining?)

डेटा माइनिंग एक प्रोसेस है जो बड़ी मात्रा के डाटा से छोटे डाटा को खोजने का काम करती है। इस प्रोसेस में परम्परागत statistics, artificial intelligence तथा computer graphics का use किया जाता है। डेटा माइनिंग पैटर्न की पहचान करने और उपयोगी जानकारी निकालने के लिए कच्चे डेटा के एक बड़े बैच की खोज और विश्लेषण करने की प्रक्रिया है। कंपनियां अपने ग्राहकों के बारे में अधिक जानने के लिए डेटा माइनिंग सॉफ़्टवेयर का उपयोग करती हैं। यह उन्हें अधिक प्रभावी विपणन रणनीतियाँ विकसित करने, बिक्री बढ़ाने और लागत कम करने में मदद कर सकता है। डेटा माइनिंग प्रभावी डेटा संग्रह, वेयरहाउसिंग और कंप्यूटर प्रोसेसिंग पर निर्भर करता है।

सरल शब्दों में- Data mining एक उपयोगी तकनीक है जिसका प्रयोग करके कम्पनियां बहुत बड़े डाटा के समूह से महत्वपूर्ण जानकारी को निकालती है| डाटा माइनिंग का प्रयोग करके छिपे हुए पैटर्न और उपयोगी डाटा को खोजा जाता है और फिर इन पैटर्न्स और डाटा के आधार पर निर्णय लिया जाता है और डाटा माइनिंग की प्रक्रिया का प्रयोग करके संगठन, बिज़नस में आने वाली परेशानियों में सुधार करते हैं|

यह व्यवसाय के विभिन्न प्रश्नों का उत्तर दे सकती है। डेटा आमतौर पर कई स्रोतों से आता है और इसे विश्लेषण करने से पहले साफ़, पुनर्गठित और मान्यता प्राप्त किया जाना चाहिए। इस चरण में, विश्लेषक को डेटा से अवगत होना होगा ताकि वह इसे समझ सके और अधिकार्यों और मॉडलों के लिए अनुमान और मॉडल बना सके। डेटा माइनिंग प्रोसेस, एप्लीकेशन-जैसे वेबसाइट सिफारिश प्रोग्राम और सर्च इंजन टेक्नोलॉजी के लिए मशीन लर्निंग मॉडल बनाने में उपयोगी हैं।

डेटा माइनिंग व्यवसायों को प्रतिस्पर्धात्मक फायदा प्राप्त करने में मदद कर सकता है। उदाहरण के लिए, यह रिटेलर को तय करने में मदद कर सकता है कि कौन से आइटम किस समय इन्वेंटरी में रखने चाहिए। डेटा माइनिंग प्रक्रिया भविष्य की ट्रेंड्स का अनुमान लगाने में भी मदद कर सकती है। इसका उपयोग बास्केट विश्लेषण के लिए भी किया जा सकता है, जो कंपनियों को उपभोक्ता व्यवहार के बारे में और अधिक जानने में मदद करता है। इस तरह ही कंपनियां मौजूदा ग्राहकों के साथ अपने संबंधों को बेहतर बनाने और नए ग्राहकों को आकर्षित करने के लिए बेहतर फैसले ले सकती हैं।

डेटा माइनिंग विभिन्न विधियों का उपयोग करके किया जाता है जैसे कि स्टैटिस्टिकल एनालिसिस, मशीन लर्निंग, और क्लस्टरिंग। यह प्रक्रिया बड़े मात्राओं में डेटा को संसाधित करने में मदद करती है जो एक व्यवसाय के विभिन्न पहलुओं को समझने में मदद करता है जैसे कि उत्पादन, बिक्री, और वित्तीय क्षेत्र। इस तरह डेटा माइनिंग व्यवसायों के लिए अधिक अवसर उपलब्ध कराता है और वे बेहतर फैसले ले सकते हैं।

डाटा माइनिंग कैसे काम करता है? (How does data mining work?)

डेटा माइनिंग को सार्थक रुझानों और पैटर्न तक पहुंच प्राप्त करने के लिए जानकारी के विशाल ब्लॉकों की खोज और विश्लेषण की प्रक्रियाओं को शामिल करने के लिए जाना जाता है। इसका उपयोग कई तरह के क्रेडिट जोखिम प्रबंधन, डेटाबेस मार्केटिंग, स्पैम ईमेल फ़िल्टरिंग, धोखाधड़ी का पता लगाने और यहां तक कि उपयोगकर्ताओं की राय या भावनाओं को समझने में भी किया जा सकता है।

अब हम जानेंगे की डेटा माइनिंग कैसे काम करता हैं डाटा माइनिंग की प्रक्रिया इस प्रकार है:

• सबसे पहले डेटा एकत्र किया जाता है और साइट पर या क्लाउड सेवा पर डेटा वेयरहाउस में लोड किया जाता है।
• इसके बाद Business analysts, management teams और information technology पेशेवर डेटा तक पहुँचते हैं और निर्धारित करते हैं कि वे इसे कैसे व्यवस्थित करना चाहते हैं।
• कस्टम एप्लिकेशन सॉफ़्टवेयर डेटा को सॉर्ट और व्यवस्थित करता है।
• अगले चरण में यह निर्धारित करना कि डेटा को कैसे व्यवस्थित किया जाए
• अंतिम चरण में उपयोगकर्ता डेटा को आसान फॉर्मेट में शेयर और प्रस्तुत करता है, जैसे ग्राफ़ या तालिका।

डाटा माइनिंग के लाभ (Benefits of  Data Mining)

जैसा कि हमने ऊपर जाना कि, डेटा माइनिंग बड़ी मात्रा में डेटा से पैटर्न और रुझान निकालने की प्रक्रिया है। इसका उपयोग विभिन्न उद्देश्यों के लिए किया जाता है, जैसे ग्राहक अनुभव में सुधार, लाभप्रदता में वृद्धि, और जोखिम कम करना। डेटा माइनिंग सॉफ़्टवेयर ग्राहकों के ईमेल या कंपनी की इंटरनेट गतिविधियों से डेटा का विश्लेषण भी कर सकता है और उपयोगी अंतर्दृष्टि प्रदान कर सकता है। डेटा माइनिंग के अन्य लाभ इस प्रकार हैं:

यह विश्वसनीय जानकारी इकट्ठा करने में मदद करता है –

डेटा माइनिंग कंपनियों, संगठनों और सरकारों को विश्वसनीय जानकारी इकट्ठा करने की अनुमति देता है। इसका उपयोग विपणन अनुसंधान में यह निर्धारित करने के लिए किया जा सकता है कि ग्राहकों की रुचि किन उत्पादों में हो सकती है और फिर उन उत्पादों को उन्हें उपलब्ध करा सकते हैं। डेटा माइनिंग संगठनों को प्रभावशीलता के लिए अपनी नीतियों और प्रक्रियाओं का मूल्यांकन करने में भी मदद करता है।

यह जोखिमों और धोखाधड़ी का पता लगाने में मदद करता है –

डेटा माइनिंग उन जोखिमों और धोखाधड़ी की पहचान करने में मदद कर सकता है जो डेटा विश्लेषण के पारंपरिक साधनों के माध्यम से पता लगाने योग्य नहीं हो सकते हैं। यह डे टा में ऐसे पैटर्न ढूंढ सकता है जिन्हें अन्यथा उजागर करना मुश्किल है, खासकर जब डेटा को इस तरह से व्यवस्थित नहीं किया जाता है जिससे यह जानना आसान हो जाता है कि किस प्रकार की जानकारी को देखना है। एक लोकप्रिय तकनीक एसोसिएशन रूल माइनिंग है, जो डेटासेट में चर के बीच किसी भी संबंध को ढूंढती है। इससे मौजूदा जोखिमों के प्रकारों और भविष्य में उन्हें कम करने के तरीके के बारे में जानकारी मिल सकती है।

व्यवसायों को परिचालन समायोजन करने में मदद करता है –

डेटा माइनिंग व्यवसायों को लाभदायक उत्पादन और परिचालन समायोजन करने में मदद करता है। डेटा माइनिंग का उपयोग उत्पादों, उपभोक्ताओं, आपूर्तिकर्ताओं और व्यवसाय के अन्य पहलुओं के बीच संबंध खोजने के लिए किया जा सकता है। इससे कंपनी को उन रुझानों की पहचान करने में मदद मिल सकती है जिन्हें पहले पहचाना नहीं जा सकता था, या कम से कम उन्हें अधिक सटीक भविष्यवाणियां करने में मदद मिल सकती है। यदि किसी कंपनी को पता चलता है कि वह अपेक्षा से कम उत्पाद बेच रही है, तो वे जान सकते हैं कि इसका क्या कारण है और उत्पादकता बढ़ाने के लिए अपने उत्पादन को समायोजित करें। डेटा माइनिंग प्रक्रिया भी रिवर्स में काम करती है – अगर कोई कंपनी समझती है कि उनके ग्राहक अब कौन हैं, तो वे समय के साथ बिक्री बढ़ाने के लिए विशेष रूप से इन समूहों को लक्षित करने वाले मार्केटिंग अभियान बनाने में सक्षम होंगे।

सूचित निर्णय लेने में मदद करता है –

इसका उपयोग अक्सर व्यावसायिक उद्देश्यों के लिए निर्णय लेने में सुधार के लिए किया जाता है। जैसे-जैसे अधिक डेटा एकत्र किया जाता है, डेटा माइनिंग की सटीकता अधिक होती जाती है। यह तकनीक ऐसी अंतर्दृष्टि प्रदान कर सकती है जो केवल रिकॉर्ड या अन्य स्रोतों की समीक्षा से खोजना मुश्किल या असंभव होगा। उदाहरण के लिए, यह विभिन्न प्रकार के ग्राहकों और उनके खरीद व्यवहार की पहचान करने में मदद कर सकता है।

बहुत बड़ी मात्रा में डेटा का शीघ्रता से विश्लेषण करने में मदद करता है –

डेटा माइनिंग का उपयोग उस डेटा का विश्लेषण करने के लिए किया जा सकता है जिसे पहले बहुत बड़ी मात्रा या जानकारी के कारण समझना बहुत मुश्किल था। इसके अलावा, यह आधुनिक दुनिया का एक महत्वपूर्ण हिस्सा है और अधिकांश कंपनियां इसका नियमित रूप से उपयोग करती हैं क्योंकि इससे उन्हें विपणन और अन्य व्यावसायिक गतिविधियों के बारे में अधिक सूचित निर्णय लेने में मदद मिलती है।

व्यवहार, प्रवृत्तियों को समझने और छिपे हुए पैटर्न को खोजने में मदद करता है –

डेटा माइनिंग का उपयोग उपयोगकर्ता व्यवहार में पैटर्न और रुझान खोजने के लिए किया जा सकता है। यह डेटा में दोहराई जाने वाली किसी भी चीज़ की तलाश करके ऐसा करता है, जैसे विशिष्ट आइटम खरीदने के उदाहरण। फिर इस जानकारी का उपयोग रुझानों को समझने, छिपे हुए पैटर्न की खोज करने और व्यवसायों के लिए रणनीतियों का प्रस्ताव करने के लिए किया जा सकता है।

डाटा माइनिंग के नुकसान (Disadvantages of Data mining)

डेटा माइनिंग टूल जटिल है –

डेटा एनालिटिक्स एक जटिल प्रक्रिया है और अक्सर टूल का उपयोग करने के लिए प्रशिक्षण की आवश्यकता होती है।

डेटा माइनिंग सटीक जानकारी नहीं देता हैं –

डेटा माइनिंग हमेशा सटीक जानकारी प्रदान नहीं करता है। डेटा का विश्लेषण करने के कई अलग-अलग तरीके हैं और उनमें से कुछ दूसरों की तुलना में अधिक सटीक हैं। उदाहरण के लिए, भविष्य कहने वाला मॉडल इस धारणा पर भरोसा करते हैं कि कुछ डेटा पैटर्न मिलेंगे। यह भविष्यवाणी की सटीकता में अति आत्मविश्वास पैदा कर सकता है

गोपनीयता संबंधी समस्या –

डेटा माइनिंग के प्रमुख नुकसानों में से एक डेटा और गोपनीयता संबंधी चिंताएँ हैं। परंपरागत रूप से, कंपनियां सेवा प्रदान करने के लिए केवल अन्य कंपनियों के साथ व्यक्तिगत डेटा साझा करती हैं। आजकल, बहुत से लोग इस बात से चिंतित रहते हैं कि उनकी व्यक्तिगत जानकारी को उनकी जानकारी के बिना तीसरे पक्ष को बेचा जा रहा है।

डेटा माइनिंग के लिए बड़े डेटाबेस की आवश्यकता होती है –

डेटा माइनिंग बाज़ार के टूलबॉक्स में सबसे शक्तिशाली टूल में से एक है, लेकिन इसकी कमियां हैं। ऐसा ही एक दोष यह है कि डेटा माइनिंग को प्रभावी होने के लिए बड़े डेटाबेस की आवश्यकता होती है। उदाहरण के लिए, यदि किसी ईमेल सूची में केवल 100 लोग हैं, तो उन ईमेल का डेटा डेटा माइनिंग के लिए पर्याप्त जानकारी प्रदान नहीं करेगा। दूसरी ओर, यदि सूची में 100,000 लोग शामिल हैं, तो अधिक जानकारी उपलब्ध होगी और डेटा माइनिंग अधिक सफल होगी।

महँगा –

डेटा माइनिंग एक बहुत महंगी प्रक्रिया हो सकती है। उदाहरण के लिए, कंपनियों को यह सुनिश्चित करने के लिए अतिरिक्त कर्मचारियों और प्रौद्योगिकी विशेषज्ञों को नियुक्त करना पड़ता है कि डेटा खनन सही ढंग से किया जाता है। कई व्यवसायों को उन्नत डेटा माइनिंग सॉफ़्टवेयर में निवेश करना पड़ता है, जो महंगा भी हो सकता है।

डाटा माइनिंग के प्रकार या तकनीक (Types/Technics of Data mining)

डेटा माइनिंग तकनीकें डेटा का विश्लेषण करने और बेहतर निर्णय लेने का एक बहुत अच्छा तरीका है। ये तकनीकें छोटे से बड़े सभी व्यापारों को अपने ग्राहक बेस को समझने में मदद करती हैं और रुझानों और असामान्यताओं की पहचान करती हैं। यह विभिन्न उद्योगों में भी उपयोग किए जाते हैं ताकि कुशलता में सुधार हो सके, नए उपभोक्ता अंदाज प्रदान किए जा सकें और मौजूदा व्यवसाय मॉडलों को नवीनीकृत किया जा सकें। डेटा माइनिंग तकनीकों में आउटलायर डिटेक्शन, सांख्यिकीय विश्लेषण और पूर्वानुमान मॉडलिंग शामिल हैं।

डेटा माइनिंग के प्रकारों को दो मूल भागों में विभाजित किया जा सकता है जो इस प्रकार हैं:

Predictive Data Mining Analysis

Descriptive Data Mining Analysis

Predictive Data Mining

जैसा कि नाम से पता चलता है, प्रिडिक्टिव डेटा-माइनिंग विश्लेषण डेटा पर काम करता है जो यह जानने में मदद कर सकता है कि व्यवसाय में बाद में (या भविष्य में) क्या हो सकता है। पूर्वानुमानित डेटा-माइनिंग को भी चार प्रकारों में विभाजित किया जा सकता है जो नीचे सूचीबद्ध हैं:

• Classification Analysis
• Regression Analysis
• Time Serious Analysis
• Prediction Analysis

Descriptive Data Mining

वर्णनात्मक डेटा माइनिंग कार्यों का मुख्य लक्ष्य दिए गए डेटा को संक्षेप में प्रस्तुत करना या प्रासंगिक जानकारी में बदलना है। वर्णनात्मक डेटा-माइनिंग कार्यों को भी चार प्रकारों में विभाजित किया जा सकता है जो इस प्रकार हैं:

• Association Rules Analysis
• Sequence Discovery Analysis
• Clustering Analysis
• Summarization Analysis