L'exploration de données consiste à analyser de grandes quantités de données afin de découvrir des modèles et des connaissances. En fait, l'exploration de données est également appelée découverte de données ou découverte de connaissances.
L’exploration de données utilise des statistiques, des principes d’apprentissage automatique (ML), une intelligence artificielle (IA) et d’énormes quantités de données (souvent issues de bases de données ou d’ensembles de données) afin d’identifier les modèles de la manière la plus automatisée et la plus utile possible.
Que fait l'exploration de données?
Le data mining a deux objectifs principaux: la description et la prédiction. Tout d'abord, l'exploration de données décrit les connaissances et les connaissances tirées de l'analyse des modèles de données. Deuxièmement, l'exploration de données utilise les descriptions des modèles de données reconnus pour prédire les modèles futurs.
Par exemple, si vous avez passé du temps à parcourir un site Web commercial pour trouver des livres sur la manière d'identifier différents types d'usines, les services d'exploration de données travaillant en coulisse sur ce site Web enregistrent une description de vos recherches en relation avec votre profil. Lorsque vous vous reconnectez deux semaines plus tard, les services d’exploration de données du site Web utilisent les descriptions de vos recherches précédentes pour prévoir vos centres d’intérêt et vous proposer des recommandations d'achat personnalisées, notamment des livres sur l'identification des plantes.
Comment fonctionne l'exploration de données
L'exploration de données utilise des algorithmes, des ensembles d'instructions qui indiquent à un ordinateur ou à un processus comment effectuer une tâche, afin de découvrir différents types de modèles dans les données. Parmi les différentes méthodes de reconnaissance de formes utilisées dans l’exploration de données figurent l’analyse par grappes, la détection d’anomalies, l’apprentissage par association, les dépendances de données, les arbres de décision, les modèles de régression, les classifications, la détection des valeurs aberrantes et les réseaux de neurones.
Bien que l’exploration de données puisse être utilisée pour décrire et prévoir des modèles dans différents types de données, l’utilisation que beaucoup de personnes rencontrent le plus souvent, même si elles ne le réalisent pas, consiste à décrire des modèles dans leurs choix et comportements d’achat pour prédire les futurs achats. les décisions.
Par exemple, vous êtes-vous déjà demandé comment Facebook semble toujours savoir ce que vous avez regardé en ligne et vous montrer des annonces dans votre fil d'actualité relatives à d'autres sites que vous avez visités ou à vos recherches sur le Web? L'exploration de données Facebook utilise les informations stockées dans votre navigateur qui suivent vos activités, telles que les cookies, ainsi que sa propre connaissance de vos modèles basée sur votre utilisation précédente du service de Facebook pour découvrir et prédire les produits ou les offres qui pourraient vous intéresser.
Quel type de données peut être extrait?
Selon le service ou le magasin (les magasins physiques utilisent également l'exploration de données), une quantité surprenante de données sur vous et vos modèles peut être extraite. Les données collectées à votre sujet peuvent inclure le type de véhicule que vous conduisez, votre lieu de résidence, les lieux que vous avez visités, les magazines et les journaux auxquels vous vous abonnez, et le fait que vous soyez marié ou non. Elle peut également déterminer si vous avez des enfants, quels sont vos passe-temps, quel groupe vous aimez, vos tendances politiques, ce que vous achetez en ligne, ce que vous achetez dans des magasins physiques (souvent au moyen de cartes de fidélité), et tous les détails que vous partagez. à propos de votre vie sur les médias sociaux.
Par exemple, les détaillants et les publications consacrées à la mode destinées aux adolescents utilisent les informations tirées de photos d'exploration de données sur des services de médias sociaux tels que Instagram et Facebook pour prédire les tendances de la mode susceptibles d'attirer les acheteurs ou les lecteurs adolescents. Les informations découvertes grâce à l'exploration de données peuvent être si précises que certains détaillants peuvent même prédire si une femme pourrait être enceinte, en fonction de changements très spécifiques dans ses choix d'achat. Le détaillant Target aurait été si précis dans sa prévision de la grossesse en se fondant sur les habitudes historiques d’achat qu’il a envoyé des coupons de produits pour bébé à une jeune femme, révélant ainsi le secret de sa grossesse avant de le dire à sa famille.
L'exploration de données est omniprésente. Cependant, une grande partie des informations découvertes et analysées sur nos habitudes d'achat, nos préférences personnelles, nos choix, nos finances et nos activités en ligne sont utilisées par les magasins et les services dans le but d'améliorer l'expérience client.
