Competenze implicate nel processo di data mining

Il processo di data mining implica la collaborazione stretta tra diverse competenze all’interno dell’impresa. Nella parte alta della freccia possiamo vedere le competenze. L’incrocio tra la fascia verticale e la fascia orizzontale individuano il grado di coinvolgimento.
METODOLOGIE DI ANALISI: INTRODUZIONE
Le attività di data mining possono essere classificate in categorie sulla base delle funzionalità e, conseguentemente, degli obiettivi dell’analisi.
La presenza o meno di una variabile target ci consente di distinguere tra processi di data mining in apprendimento supervisionato (es. analisi di loyalty nella telefonia mobile – esiste attributo che identifica classe di appartenenza) e processi di data mining in apprendimento non supervisionato (es. cluster analysis – non esiste attributo, le classi di appartenenza vengono determinate sulla base di ricorrenze, affinità e difformità presenti nel data set).
Procedendo nella classificazione, è possibile identificare sette funzionalità principali di data mining.
- APPRENDIMENTO SUPERVISIONATO:
1.caratterizzazione e discriminazione;
2.classificazione;
3.modelli di stima;
4.modelli di serie storiche.
- APPRENDIMENTO NON SUPERVISIONATO:
5.regole associative;
6.clustering;
7.descrizione e visualizzazione.