«Применение технологии интеллектуального анализа данных в маркетинге» - Курсовая работа

Содержание

ВВЕДЕНИЕ 3

1.1. ДВИЖУЩИЕ СИЛЫ БИЗНЕСА 12

1.1.1. ТРЕБОВАНИЯ ДЕЛОВЫХ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ 13

2. ОСНОВНЫЕ АЛГОРИТМЫ ТЕХНОЛОГИИ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА 15

2.1. OLAP – Оперативная Аналитическая Обработка 15

2.2. Возможности OLAP-систем 16

2.3. Data Mining – интеллектуальный анализ данных 17

2.4. Области применения технологий Data Mining 18

2.5. Математический аппарат data mining 21

3. ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ В МАРКЕТИНГЕ 26

3.1. Проблема розничных торговых компаний 26

3.2. Использование технологий data mining в розничной торговле 28

3.3. Оптимизация использования методов анализа: бизнес первичен 31

4. ПЕРСПЕКТИВЫ РАЗВИТИЯ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ДАННЫХ 35

ЗАКЛЮЧЕНИЕ 47

СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 49

Введение

В последние годы в специальной литературе все чаще встречается словосочетание «интеллектуальный анализа данных» (ИАД), или его англоязычный синоним Data Mining (иногда переводится как «обнаружение знаний в базах данных»). Если традиционный анализ данных опирался, в первую очередь, на методы прикладной статистики, то новые направления обработки данных используют технологии нейронных сетей, генетических алгоритмов, нечеткой логики и другие инструменты современной математики, логики, теории искусственного интеллекта. В отличие от статистических методов, дающих на основе имеющихся данных, если можно так выразиться, «картину в целом» о проблемной ситуации, интеллектуальные подходы претендуют на открытие неочевидных закономерностей в наличных данных. Они призваны не только описать зависимости и взаимосвязи, но и объяснить их. Наконец, они не налагают априорных моделей на данные, не навязывают реальности заранее выбранных шаблонов, работая даже тогда, когда данные (а значит и описываемая ими предметная область) имеют сложную, запутанную структуру.

Процесс принятия управленческого решения занимает одно из главных мест в деятельности любой организации. Сегодня, когда значительно обострилась конкуренция на всех рынках, а большинство ресурсов повышения эффективности уже исчерпано, предприятия и организации обращают свое внимание на резервы повышения эффективности с использованием новых методов подготовки управленческих решений. Развитие компьютерной методологии и техники позволило значительно удешевить и упростить процессы сбора, хранения и передачи производственной и экономической информации. Практически на каждом предприятии появились базы данных, в которых фиксируются различные производственные, финансовые и другие показатели деятельности.

Заключение

Подведем некоторые итоги. Деятельность современного управленца немыслима без использования интеллектуального анализа данных. Там, где дают сбой традиционные методы оптимизации, поиска зависимостей, прогнозирования, кластерного анализа, успешно применяются технологии генетических алгоритмов, нечеткой логики, нейронных сетей, эвристического программирования, объединенные общим названием Data Mining или интеллектуального анализа данных. Основанные на теории искусственного интеллекта и воплощенные в компьютерные программы, подобного рода методы являются мощных инструментом обработки имеющейся информации для принятия решений в различных ситуациях и на различных уровнях управленческой деятельности. Эти программы адресованы управленцам, а не программистам или математикам. Умение пользоваться ими также входит в «джентльменский набор» менеджера, как и умение водить автомобиль, знать английский язык или пользоваться компьютером (хотя раньше для этих целей использовались шоферы, переводчики и секретари). Для того, чтобы квалифицированно работать с этими программами, необходима общая, на уровне обычной управленческой подготовки математическая база, прежде всего, знание теории вероятности и математической статистики и некоторая дополнительная подготовка в области интеллектуального анализа данных, или Data Mining. Последняя может осуществляться как через специальные курсы в вузе (или на курсах повышения специальности), так и через самостоятельную, под руководством преподавателя работу.

Список литературы

40. Ильясов Б.Г., Миронов В.В., Юсупова Н.И. Иерархические модели процессов управления. -Уфа, 1994. -151 с.45

41. Искусственный интеллект. Книга 2. Модели и методы. / Под ред.проф. ДАПоспелова. М.: Радио и связь, 1990. - 304 с.46

42. Исследования по общей теории систем// Сборник переводов. М.: Прогресс, 1969. -519 с.

43. Календжян С. О. Банк экономико-математических моделей как основа системы / поддержки принятия решений -Б.м. 1988. - 41 с.48

44. Карданская Н.Л. Принятие управленческого решения. М.: Юнити, 1999. - 407 с.

45. Карданская, Н. Л. Основы принятия управлеческих решений. М.: Рус. деловая лит.: АО "Астра семь", 1998. - 288 с.

46. Кини Р.Л., Райфа X. Принятие решений при многих критериях: предпочтения и замещения/Пер. с англ. М.: Радио и связь, 1981. - 235 с.

47. Китова О. В.Диалоговые методы решения многокритериальных задач дискретной оптимизации Б.м. - 1987. - 31 с.

48. Кобелев Н.Б. Практика применения экономико-математических методов и моделей / учебно-практ.пособ. М.: Финстатинформ, 2000. - 246 с.

49. Ковальков, Ю.А., Дмитриев, О.Н. Эффективные технологии маркетинга. М.: машиностроение, 1994. - 552с.

50. Кокорева T.A. Системный анализ процедур принятия управленческих решений.-М.:Лесн.про-сть,1991 .-205с.55

51. М.Киселев, Е.Соломатин. Средства добычи знаний в бизнесе и финансах. Открытые системы, # 4, 1997, с.41-44

52. Материалы сайта h**t://w*w.bipartner.r*/

53. Усама Файяд (Usama Fayad) «Улучшение понимания потребностей покупателей» h**t://w*w.intelligententerprise.com/030513/608feat1_1.shtml