به‌خاطر یک مشت صفر و یک

کاربردهای داده‌کاوی

کاربردهای داده‌کاوی زمینه‌های بسیاری را شامل می‌شود و می‌توان گفت تقریبا هر جایی که داده وجود داشته باشد، داده‌کاوی نیز می‌تواند به‌کار رود. بنابراین سرمایه‌گذاری در زمینه انباشت داده  یکی از اجزای حیاتی در استراتژی مدیریت  و مدیریت استراتژیک است.

1- مدیریت ارتباط با مشتری

ارتباط با مشتری نبض حیاتی هر تجارتی است و اطلاعات مشتریان گنجینه‌ای در شرکت‌ها محسوب می‌شود. این اطلاعات می‌توانند در یک موقعیت مناسب مورد داده‌کاوی قرار بگیرند و نتایج بسیار خوبی ارایه دهند.

مشتری با گذشت زمان نیازهای جدیدی خواهد داشت و یک شرکت پیشرو باید این نکته را در نظر داشته باشد. پس اگر شرکت‌های تجاری و مشتریان بیشتر درباره یکدیگر بدانند، این رابطه تکامل می‌یابد. چرخه زندگی مشتری معیار خوبی را برای به‌کارگیری داده‌کاوی در مدیریت ارتباط با مشتری فراهم می‌کند. در ابتدای چرخه زندگی مشتری، باید مشخص شود چه اطلاعاتی در دسترس است تا در بخش خروجی دریابیم چه چیزی باید مورد توجه باشد و چه تصمیماتی باید گرفته شود. داده‌کاوی در مدیریت ارتباط با مشتری (2)، مشتریان بالقوه را تشخیص می‌دهد و می‌تواند حضور مشتریان وفادار را پررنگ‌تر جلوه دهد. با این روش می‌توان سودآوری هر مشتری را پیش‌بینی کرد و بر همان اساس سرمایه‌گذاری کرد و در زمان مناسب کالا یا خدمت مناسب را به او پیشنهاد داد.

به‌عنوان نمونه، در شرکت بنز با استفاده از داده‌های وب‌سایت‌های شخصی و اطلاعات عمومی(و نه اطلاعات شخصی که دارای حقوق دسترسی است) مشتریانی را که در سال آینده بچه‌دار خواهند شد شناسایی می‌کنند و به آنها یک خودروی جدید با جای مخصوص کودک پیشنهاد می‌دهند. این یکی از کوچک‌ترین خدمات داده‌کاوی این شرکت است و عیب‌یابی‌ها و ارتقای کیفیت محصولات این شرکت نیز ریشه در نتایج داده‌کاوی دارد.

2- داده‌کاوی در خدمات مالی و بانکداری

بانک‌ها و اداراتی که کارهای مالی و اعتباری انجام می‌دهند، از بهترین و اصلی‌ترین مشتریان داده‌کاوی هستند. چرا که بانک‌ها عملا چیزی برای ارایه ندارند مگر اعتبار، که آن‌هم می‌بایست بر اساس اطلاعات درست و پیش‌بینی‌های دقیق باشد. از طرفی، حقوق مشتریان بانکی نیز اینجا مطرح است که بانک تا جایی که می‌تواند باید مشتریان جدید جذب و مشریان قدیمی را حفظ کند. حال داده‌کاوی می‌تواند در این میان نقشی بسیار حیاتی ایفا کند.

به‌عنوان مثال، مشتریان خوش‌حساب و مشتریان بدحساب را می‌توان با تحلیل رفتار اقتصادی آنها از هم جدا کرد و برای اعطای وام‌ها به آنها امتیازات مختلفی داد. خوب است بدانید در تمام کشورهای پیشرفته و صنعتی، اعطای تسهیلات بانکی تنها با در نظر گرفتن رتبه اعتباری افراد انجام می‌گیرد و در بیشتر موارد نیازی به ارایه ضامن و وثیقه برای دریافت وام نیست.

با استفاده از امکانات یک بانک اطلاعاتی کارآمد و داده‌کاوی می‌توان مشتریان دایم را از مشتریان گذری تفکیک کرد و به مشتریانی که سودآوری بیشتری دارند، خدمات بهتری داد. برای نمونه نیز می‌توان خدمات ارتباطی را نام برد که اگر شرکت‌های ارایه‌دهنده سیم‌کارت تلفن‌همراه از این علم استفاده کنند، می‌توانند برای مشتریانی که  نظم بهتری در پرداخت دارند، تا سقف بیشتری اعتبار برای مکالمه بدهند.

3- کشف تخلف

یکی دیگر از کارکردهای داده‌کاوی کشف تخلفات اداری مالی است که البته در همه زمینه‌ها نیز کاربرد دارد.

پرفسور نخعی این کارکرد را این‌گونه توصیف می‌کند:« تخلفات را اصطلاحا آوت لیر (3) می‌نامیم که در آمار به آن نقطه عطف یا دورافتاده هم گفته می‌شود. کسانی که متخلف هستند، حالت نرمال و معمولی ندارند. در بررسی تراکنش‌های بانک و اعداد مربوط به مشتری‌ها می‌توان کاربرد این روش را دید. ممکن است کسی که تقلب می‌کند مبلغ خیلی زیادی را برداشت کند یا از جای دیگری پول‌شویی کند و به شکلی این پول را وارد سیستم بانکی کند. این یک نقطه عطف ایجاد می‌کند که با کمک آمار و هوش مصنوعی، داده‌کاوی می‌تواند اینها را با روش‌های پیچیده شناسایی کند. به‌عنوان نمونه، در حالت عادی، شخصی که مشتری بانک است، بین یک تا 10میلیون پول واریز و دریافت می‌کرده که حالا یک‌دفعه شده است صد میلیون. روش‌های داده‌کاوی این نقاط پرت را می‌توانند شناسایی کنند تا ما نه‌تنها یک مشتری بلکه میلیون‌ها مشتری را زیر نظر داشته باشیم و ببینیم آیا اینها از حالتی که همیشه داشتند خارج می‌شوند یا نه؟ در حقیقت، یک سیستم هشداردهنده زودرس هست و به ما می‌گوید مواظب باشید! یا در استفاده از کارت‌های اعتباری یا کارت‌های تلفن، می‌بینیم شخصی الان از آلمان تلفن می‌زند، 5دقیقه بعد از استرالیا. معلوم است که او از کارت هک شده استفاده می‌کند، یعنی ما اگر سیستمی داشته باشیم که از نظر جغرافیایی تلفن‌ها را کنترل کند، یک دفعه نقطه پرت به‌وجود می‌آید. سیستم‌هایی که تخلفات و کارهای نادرست را بررسی می‌‌کنند هدف‌شان این است که این نقاط را خیلی زود بشناسند و تخلفات را شناسایی کنند.»

4- کاربرد داده‌کاوی در صنعت بیمه

بیمه نیز به‌عنوان یکی از صنایع اسنادی با کارکرد خدماتی، تمام درآمدش را مدیون پیش‌گویی‌ها و حساب و کتاب‌های انجام گرفته بر اساس علومی مانند آمار و داده‌کاوی است. اگر یک شرکت بیمه بدون مطالعه به ارایه ضمانت‌نامه یا خدمتی دست بزند، بعید است به سود برسد چرا که این کار باید بر اساس پیش بینی‌های انجام گرفته روی اطلاعات دقیق باشد. برای نمونه، یک شرکت بیمه خودرو می‌خواهد بیمه‌نامه صادر کند. بی‌شک اگر یک کار منحصربه‌فرد نباشد، سودی نیز در بر نخواهد داشت. پس تعیین قیمت، سود و سقف قرارداد را چگونه باید مشخص کرد؟ این کار را یک سیستم داده‌کاوی دقیق به خوبی انجام می‌دهد.

از طرفی، در این صنعت نیز تخلفات بسیاری وجود دارد که باید با آن مقابله شود. باز هم داده‌کاوی با کشف رابطه بین رفتارها و اطلاعات مشتریان می‌تواند این تخلفات را کشف کند.

این داده‌ها می‌توانند بیمه‌گذار را در تشخیص نیاز مشتریان و خواسته‌های آنها نیز یاری دهد.

منابع

[1] گفتگو نگارنده با پرفسور غلامرضا نخعی‌زاده (مدیر گروه دانشگاه  کالسروهه و مدیر اسبق بخش داده‌کاوی شرکت بنز آلمان)

[2] Robert Orfali, Dan Harkey, Jeri Edwards (1998), Client/Server Survival Guide"Review of Data mining", The American Statistician, 52, 112-118.

[3] Jeffery W. Seifert (2004), “Data Mining: An Overview”, Analyst in information science and technology policy.

[4] Hand. D.J (1998): "Review of Data mining", The American statistician, 52-118.

پی‌نوشت‌ها

1. Data mining
2. Customer Relation Management
3. Out layer