19133

Rozwój w dziedzinie przetwarzania baz danych, składowania danych, nauczania maszyn oraz zarządzania wiedzą znacząco przyczyniły się do sposobu w jaki rozumiemy proces eksploracji danych. Ostatnie badania dotyczące eksploracji danych i odkrycia w tej dziedzinie wiedzy jeszcze bardziej poprawiły nasze zrozumienie zastosowania eksploracji danych i procesu odkiywania wiedzy. Jednak większość badań skupiła się na teoretycznym i komputerowym procesie odkrywania wzorców a nie na zastosowaniach takich jak wykrywanie oszustw czy przewidywanie ryzyka. Biorąc pod uwagę znaczącą rolę jaką odgrywają decyzje marketingowe w obecnym środowisku ukierunkowanym na klienta, istnieje potrzeba prostej i zintegrowanej struktury stałego zarządzania wiedzą o klientach. Istnieje jednak zaskakujący brak prostej i całościowej struktury, która połączyłaby wydobycie wiedzy o klientach z jej późniejszym zastosowaniem, zwłaszcza pod kątem decyzji marketingowych. Podczas gdy eksploracja danych skupia się na technikach, studia relacji z klientami skupiły się na interakcji z klientami i strategiach zarządzania tymi relacjami. Prawdziwe zarządzanie relacjami z klientami możliwe jest jedynie przy zintegrowaniu procesu odkrywania wiedzy z zarządzanie i wykorzystaniem tej wiedzy przy strategiach marketingowych. To pomoże marketiligowcom odnieść się do potrzeb klienta bazując na wiedzy o nim a nie na masowej uogólnionej charakterystyce klientów.

W niniejszej publikacji nawiązujemy do tego zagadnienia prezentując zintegrowaną strukturę odkrywania wiedzy i zarządzania w kontekście decyzji marketingowych. Praca jest podzielona następująco: najpierw prezentujemy taksonomię zadań eksploracji danych i omawiamy zarządzanie wiedzą jako proces wielokrotny (sekcja 2), następnie badamy różne rodzaje, odkrytej przez eksplorację danych, potencjalnie użytecznej wiedzy marketingowej i o kliencie (sekcja 3). Decyzje marketingowe podejmowane na podstawie tej wiedzy prowadzą do marketingu opartego na wiedzy (sekcja 4). Zamykamy dyskusję identyfikując wynikłe zagadnienia, którymi trzeba się zająć w procesie zarządzania odkrytą wiedzą marketingową (sekcja 5).

2. Zadania eksploracji danych

Eksploracja danych to proces szukania i analizowania danych w celu znalezienia ukiytej lecz potencjalnie użytecznej informacji. Składa się na to: selekcjonowanie, eksplorowanie i modelowanie dużych ilości danych w celu odkrycia nieznanych wzorców i całkowicie zrozumiałych informacji na podstawie dużych baz danych. Eksploracja danych wykorzystuje całą gamę metod obliczeniowych takich jak analiza statystyczna, drzewo decyzyjne, uczenie maszynowe, zasada indukcji, sieć neuronowa i wizualizacja graficzna. Choć narzędzia eksploracji danych znane są od jakiegoś czasu, to postęp w sprzęcie komputerowym i oprogramowaniu, zwłaszcza narzędzia takie jak wizualizacja danych i sieć neuronowa, sprawiły, że eksploracja danych stała się bardziej atrakcyjna i praktyczna.

Ekstrakcja wzorca jest ważnym komponentem każdego działania dotyczącego eksploracji danych i zajmuje się relacjami pomiędzy podzbiorami danych. Formalna definicja wzorca to: