بیشترین نیاز کسب و کارها تحلیل داده‌های مشتریان است

چهارشنبه 98/6/27، تهران , (اخبار رسمی): سمینار آشنایی با زبان پایتون با سخنرانی دکتر فرشید عبدی و تدریس دکتر محسن یزدی نژاد، توسط مرکز دانش مدیریت ارتباط با مشتری (مدام) برگزار شد.

کسب‌وکارها اطلاعات زیادی از مشتریان خود دارند ولی در عمل استفاده‌ای از آنها نمی‌کنند و سئوال بسیاری از کسب‌وکارها این است که به چه نحوی می‌توان از این داده‌ها استفاده موثر و مفیدی کرد

سمینار آشنایی با زبان پایتون در روز چهارشنبه شانزدهم مرداد ماه، توسط مرکز دانش مدیریت ارتباط با مشتری (مدام) برگزار شد.

دکتر عبدی با اشاره به برگزاری این رویداد گفت: بر اساس احساس نیاز و اهمیت موضوع، در مرکز دانش مدیریت ارتباط با مشتری (مدام) اقدام به برگزاری دوره‌های داده کاوی و نیز نرم افزارها و برنامه‌های مرتبط کرده‌ایم که این سمینار یکی از آنهاست که با تدریس محسن یزدی نژاد برگزار می‌شود.

در این سمینار دکتر فرشید عبدی، استاد دانشگاه و موسس مرکز دانش مدیریت ارتباط با مشتری (مدام)، در مقدمه‌ای ضمن خوشامدگویی به حاضران در این سمینار، به موضوع استقرار سیستم‌های عملیاتی و اطلاعاتی و جمع‌آوری داده‌های مشتریان پرداخت و گفت: بیشترین نیاز کسب و کارها تحلیل داده های مشتریان است. وی با اشاره به اینکه کسب وکارها اطلاعات زیادی از مشتریان خود دارند ولی در عمل استفاده ای از آنها نمی‌کنند.

وی در ادامه افزود: سئوال بسیاری از کسب و کارها این است که به چه نحوی می‌توان از این داده‌ها استفاده موثر و مفیدی کرد؟

در ادامه این سمینار دکتر محسن یزدی نژاد، در مقدمه‌ای با اشاره به موضوع جمع‌آوری و ذخیره حجم زیادی از داده‌ها توسط سازمان‌ها و عدم استفاده از آنها، فشار رقابتی بالا و ارزان و قدرتمند شدن کامپیوترها را دلیلی بر افزایش و ذخیره داده‌های مشتریان دانست.

یزدی نژاد فرایند کشف و استخراج دانش با تحلیل‌های ابتدایی را فرایندی زمان‌بر و طولانی عنوان کرد و گفت: استفاده از الگوریتم‌ها و فرایند داده کاوی می‌تواند در تحلیل داده‌ها موثر و مفید باشد.

جایگاه داده کاوی موضوع دیگری بود که به آن پرداخته شد و عنوان شد که داده کاوی علمی است که از ایده‌های موجود در علوم و شاخه‌های مختلف از جمله یادگیری ماشین، هوش مصنوعی، الگوشناسی و آمار و سیستم‌های پایگاه داده استفاده می‌کند.

در ادامه یزدی نژاد ضمن ارائه تعریف علم داده کاوی بر اهمیت توجه بر این موضوع تاکید کرد که چه چیزی داده کاوی است و چه چیزی داده کاوی نیست؟

وی سپس با مروری بر فرایند کریسپ (CRISP) و مراحل آن، وظایف داده کاوی را به دو دسته روش‌های پیش بینی و روش‌های توصیفی دسته بندی کرد و گفت: روش‌های پیش بینی با استفاده از متغیرهای مختلف وظیفه پیش بینی مقادیری ناشناخته و یا ارزش‌های آینده متغیرهای دیگر را بر عهده دارند و روش‌های توصیفی وظیفه یافتن الگوهای قابل فهم را بر عهده دارند.

تفاوت‌های علم داده و داده کاوی، معرفی زبان‌ها و ابزارهای تحلیل داده‌ها و کاربرد پایتون در علم داده، معرفی پکیج‌های زبان پایتون برای علم داده از دیگر موضوعاتی بود که یزدی نژاد به آنها پرداخت.

وی هدف زبان پایتون و زبان R را آسان‌تر کردن کار برای کاربران دانست  و در ادامه ضمن معرفی و نمایش زبان پایتون و برخی از پکیج‌های مربوطه به سئوالات شرکت‌کنندگان در این سمینار پاسخ داد.

### پایان خبر رسمی