Значение маркетинга баз данных – базы данных для поддержания контактов с клиентами

    Система хранения данных и сбора информации имеет большое значение для директ-маркетинга вкупе с управлением взаимоотношениями с клиентами и one-to-one маркетингом. Так как число групп покупателей с различным укладом жизни, равно как и число покупателей, которые критически подходят к покупкам, увеличивается, необходимо поддерживать лояльность покупателей для того, чтобы продлить так называемый «жизненный цикл» покупателя.

    Под термином хранилище данных понимается, по аналогии с понятием «склад», общая  централизованная база данных, содержащуюся в которой информацию можно легко, быстро и систематически применять. При этом можно использовать все имеющиеся в распоряжении внешние и внутренние источники данных и производить выборку релевантной информации.

    В крупных компаниях существует большое  количество источников информации. Необходимость предоставить в распоряжение пользователям всю релевантную информацию ставит перед компанией сложные задачи (Knowledge-Management). Необходимо учитывать, что хранилище данных может содержать исключительно релевантную информацию, которая определяется при анализе информационного спроса

    .

    Анализ  данных 

         Анализ данных как исследование  данных для получения знаний.

    Система анализа данных как индуктивный  метод машинного обучения выявляет шаблоны данных среди имеющихся  данных. Под термином «анализ данных» понимается исследование данных с целью получения необходимых знаний или информации.

    Анализ  данных базируется на использовании  различных наук:

    -         статистика представляет методы  для применения, выборки и трансформации  данных, а также для выявления «шаблонов данных».

    -         Исследование баз данных обеспечивает  методы для эффективного хранения, проверки данных.

    -         Искусственный интеллект   обеспечивает  технологии для сбора информации (нейронная сеть, генетические алгоритмы).

    Методы  анализа данных:

    Визуализация: гистограммы, диаграмма дисперсий

    Классификация: распределение объектов по классам 

    Сегментация: объединение объектов в группы, которые  до этого не были известны

    Прогноз: прогнозирование неизвестных признаков на основе других признаков

    Анализ  зависимости: связь между признаками объекта

    Анализ  различий: идентификация объектов, которые не следуют закономерностям  других объектов, выяснение причин

    Обзор методов анализа данных 

• Кластерный  анализ:

    Кластер(определенная группа),  члены которой внутренне однородны и внешне разнородны.

• Decision tree

    Выводит алгоритмы из данных имеющихся классов  для классификации неизвестных  объектов.

• Регрессионный анализ:

Выявление функциональных зависимостей между  переменными.

1. Нейронная сеть

Само  обучаемая система, аналогичная  человеческому мозгу. «Непрерывная логика» (нечеткая логика) – Fuzzy logic обрабатывает нечеткие данные.

• Генетические алгоритмы

Использует  эволюционные стратегии и берет  начало в биологии.

• OLAP

Трехмерное  графическое представление данных.