جلسه قبلی با کاربرد علم داده در بازاریابی و مثالهای عملی آن آشنا شدیم. این جلسه با مفاهیم پروژههای علم داده آشنا میشویم. شما بهعنوان مدیر ارشد مارکتینگ یا مدیر مارکتینگ اگر بخواهید پروژه علم داده اجرا کنید باید با ادبیات و مفاهیم کلی این پروژهها آشنا باشید.
اهداف پروژههای علم داده
هر پروژهای فارغ از اینکه علم داده باشد یا هر موضوع دیگری، معمولا با هدفی شروع میشود. در نتیجه لازم است که ابتدا با اهداف پروژههای علم داده آشنا شویم.
تجزیهوتحلیل و توصیف شرایط و وضع موجود
برای مثال میخواهیم دلیل پایین آمدن فروش را بدانیم. یا بفهمیم چرا ریزش مشتری اتفاق افتاده است؟
اینها سادهترین نوع پروژهها هستند چون دیتای آنها وجود دارد، پیچیدگی خاصی ندارند، کوتاه هستند و برای تحلیل نیاز به ابزار خاصی نداریم.
سیستمهای هوش تجاری
هوش تجاری یک سیستم یا مجموعهای از سیستمهاست که به ما در در تصمیمگیری بهتر کمک میکند. در واقع به ایجاد داشبوردهایی برای مدیران در سطوح مختلف برای بررسی مسئولیت یا وظیفهای که به عهده دارند کمک میکند.
پیشبینی
در جلسات قبل گفتیم تحلیلها ردههای مختلف دارند اینجا قرار است یک پارامتری را در مارکتینگ پیشبینی کنیم. برای مثال پیشبینی ریزش یا پیشبینی میزان موفقیت یا شکست کمپین ما باشد.
دستهبندی
هدف این گروه این است که چیزی را مرتب کنند. برای مثال محصولاتم چه ویژگیهایی دارند، یا رقبا را دستهبندی کنیم.
شناسایی روابط پنهان در دادهها
هدف این دسته این است، اتفاقی که برای سبد خرید مشتری افتاده توصیف و آن را تحلیل کند و مبنای توصیه به سایر مشتریها باشد. قوانین انجمنی مهمترین الگوریتمهایی هستند که در حوزه پروژههای شناسایی روابط پنهان در داده قرار دارند.
تجویزی
این دستهبندی به ما میگوید چه اتفاقاتی را رقم بزنیم. مثلا قیمت بهینه محصولمان را چقدر بگذاریم.
به این نکته توجه کنید که اهداف به یکدیگر برتری ندارند.