بیشترین نیاز کسب و کارها تحلیل داده های مشتریان است

دکتر عبدی در سمینار آشنایی با زبان پایتون :

بیشترین نیاز کسب و کارها تحلیل داده های مشتریان است

سمینار آشنایی با زبان پایتون با سخنرانی دکتر فرشید عبدی و تدریس دکتر محسن یزدی نژاد، در روز چهارشنبه شانزدهم مرداد ماه، توسط مرکز دانش مدیریت ارتباط با مشتری (مدام) برگزار شد.

[box type=”success” align=”aligncenter” class=”” width=””]کسب وکارها اطلاعات زیادی از مشتریان خود دارند ولی در عمل استفاده ای از آنها نمی کنند و سئوال بسیاری از کسب و کارها این است که به چه نحوی می توان از این داده ها استفاده موثر و مفیدی کرد[/box]

وی افزود: بر اساس همین احساس نیاز و اهمیت موضوع، در مرکز دانش مدیریت ارتباط با مشتری (مدام) اقدام به برگزاری دوره های داده کاوی و نیز نرم افزارها و برنامه های مرتبط کرده ایم که این سمینار یکی از آنهاست که با تدریس دکتر محسن یزدی نژاد برگزار می شود.در این سمینار دکتر فرشید عبدی، استاد دانشگاه و موسس مرکز دانش مدیریت ارتباط با مشتری (مدام)،  در مقدمه ای ضمن خوشامدگویی به حاضران در این سمینار، به موضوع استقرار سیستم های عملیاتی و اطلاعاتی و جمع آوری داده های مشتریان پرداخت و گفت: بیشترین نیاز کسب و کارها تحلیل داده های مشتریان است. وی با اشاره به اینکه کسب وکارها اطلاعات زیادی از مشتریان خود دارند ولی در عمل استفاده ای از آنها نمی کنند، افزود: سئوال بسیاری از کسب و کارها این است که به چه نحوی می توان از این داده ها استفاده موثر و مفیدی کرد؟

در ادامه این سمینار دکتر محسن یزدی نژاد، در مقدمه ای با اشاره به موضوع جمع اوری و ذخیره حجم زیادی از داده ها توسط سازمان ها و عدم استفاده از آنها، فشار رقابتی بالا و ارزان و قدرتمند شدن کامپیوترها را دلیلی بر افزایش و ذخیره داده های مشتریان دانست.

یزدی نژاد فرایند کشف و استخراج دانش با تحلیل های ابتدایی را فرایندی زمان بر و طولانی عنوان کرد و گفت: استفاده از الگوریتم ها و فرایند داده کاوی می تواند در تحلیل داده ها موثر و مفید باشد.

جایگاه داده کاوی موضوع دیگری بود که به آن پرداخته شد و عنوان شد که داده کاوی علمی است که از ایده های موجود در علوم و شاخه های مختلف از جمله یادگیری ماشین، هوش مصنوعی، الگوشناسی و آمار و سیستم های پایگاه داده استفاده می کند.

در ادامه یزدی نژاد ضمن ارائه تعریف علم داده کاوی بر اهمیت توجه بر این موضوع تاکید کرد که چه چیزی داده کاوی است و چه چیزی داده کاوی نیست؟

وی سپس با مروری بر فرایند کریسپ (CRISP) و مراحل آن، وظایف داده کاوی را به دو دسته روش های پیش بینی و روش های توصیفی دسته بندی کرد و گفت: روش های پیش بینی با استفاده از متغیرهای مختلف وظیفه پیش بینی مقادیری ناشناخته و یا ارزش های آینده متغیرهای دیگر را بر عهده دارند و روش های توصیفی وظیفه یافتن الگوهای قابل فهم را بر عهده دارند.

تفاوت های علم داده و داده کاوی، معرفی زبان ها و ابزارهای تحلیل داده ها و کاربرد پایتون در علم داده، معرفی پکیج های زبان پایتون برای علم داده از دیگر موضوعاتی بود که یزدی نژاد به آن ها پرداخت.

وی هدف زبان پایتون و زبان R را آسان تر کردن کار برای کاربران دانست  و در ادامه ضمن معرفی و نمایش زبان پایتون و برخی از پکیج های مربوطه به سئوالات شرکت کنندگان در این سمینار پاسخ داد.