ಡಾಟಾ ಮೈನಿಂಗ್ ಎಂದರೇನು?

ದೊಡ್ಡ ಕಂಪೆನಿಗಳು ನೀವು ಎಂದಾದರೂ ಊಹಿಸಿರುವುದಕ್ಕಿಂತ ನಿಮ್ಮ ಬಗ್ಗೆ ಹೆಚ್ಚು ತಿಳಿದಿವೆ - ಇಲ್ಲಿ ಹೇಗೆ

ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆಯು ಮಾದರಿಗಳು ಮತ್ತು ಜ್ಞಾನವನ್ನು ಕಂಡುಹಿಡಿಯಲು ಹೆಚ್ಚಿನ ಪ್ರಮಾಣದ ಡೇಟಾದ ವಿಶ್ಲೇಷಣೆಯಾಗಿದೆ. ವಾಸ್ತವವಾಗಿ, ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆಯು ದತ್ತಾಂಶ ಸಂಶೋಧನೆ ಅಥವಾ ಜ್ಞಾನ ಅನ್ವೇಷಣೆ ಎಂದು ಕೂಡ ಕರೆಯಲ್ಪಡುತ್ತದೆ.

ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆಯು ಅಂಕಿ-ಅಂಶಗಳನ್ನು, ಯಂತ್ರ ಕಲಿಕೆ (ML), ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (AI), ಮತ್ತು ಹೆಚ್ಚಿನ ಪ್ರಮಾಣದಲ್ಲಿ ಡೇಟಾವನ್ನು (ಸಾಮಾನ್ಯವಾಗಿ ಡೇಟಾಬೇಸ್ ಅಥವಾ ಡೇಟಾ ಸೆಟ್ಗಳಿಂದ) ತತ್ವಗಳನ್ನು ಗುರುತಿಸಲು ಬಳಸುತ್ತದೆ.

ಡಾಟಾ ಮೈನಿಂಗ್ ಏನು ಮಾಡುತ್ತದೆ?

ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆಯು ಎರಡು ಪ್ರಾಥಮಿಕ ಉದ್ದೇಶಗಳನ್ನು ಹೊಂದಿದೆ: ವಿವರಣೆ ಮತ್ತು ಭವಿಷ್ಯ. ಮೊದಲಿಗೆ, ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆಯು ದತ್ತಾಂಶದಲ್ಲಿನ ನಮೂನೆಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುವುದರಿಂದ ಪಡೆದ ಒಳನೋಟಗಳು ಮತ್ತು ಜ್ಞಾನವನ್ನು ವಿವರಿಸುತ್ತದೆ. ಎರಡನೆಯದಾಗಿ, ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆಯು ಭವಿಷ್ಯದ ಮಾದರಿಗಳನ್ನು ಊಹಿಸಲು ಗುರುತಿಸಲ್ಪಟ್ಟ ದತ್ತಾಂಶ ಮಾದರಿಗಳ ವಿವರಣೆಗಳನ್ನು ಬಳಸುತ್ತದೆ.

ಉದಾಹರಣೆಗೆ, ವಿವಿಧ ರೀತಿಯ ಸಸ್ಯಗಳನ್ನು ಗುರುತಿಸುವುದು ಹೇಗೆ ಎಂಬ ಪುಸ್ತಕಗಳಿಗಾಗಿ ನೀವು ಶಾಪಿಂಗ್ ವೆಬ್ಸೈಟ್ನಲ್ಲಿನ ಸಮಯ ಬ್ರೌಸಿಂಗ್ ಅನ್ನು ಕಳೆದಿದ್ದರೆ, ಆ ವೆಬ್ಸೈಟ್ನ ತೆರೆಮರೆಯಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆಯ ಸೇವೆಗಳು ನಿಮ್ಮ ಪ್ರೊಫೈಲ್ಗೆ ಸಂಬಂಧಿಸಿದಂತೆ ನಿಮ್ಮ ಹುಡುಕಾಟಗಳ ವಿವರಣೆಯನ್ನು ಲಾಗ್ ಮಾಡಿ. ಎರಡು ವಾರಗಳ ನಂತರ ನೀವು ಮತ್ತೆ ಪ್ರವೇಶಿಸಿದಾಗ, ನಿಮ್ಮ ಪ್ರಸ್ತುತ ಆಸಕ್ತಿಗಳನ್ನು ಊಹಿಸಲು ವೆಬ್ಸೈಟ್ನ ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆಯ ಸೇವೆಗಳು ನಿಮ್ಮ ಹಿಂದಿನ ಹುಡುಕಾಟಗಳ ವಿವರಣೆಯನ್ನು ಬಳಸುತ್ತವೆ ಮತ್ತು ವೈಯಕ್ತಿಕ ಗುರುತಿಸುವ ಶಾಪಿಂಗ್ ಶಿಫಾರಸುಗಳನ್ನು ನೀಡುತ್ತವೆ, ಅದು ಸಸ್ಯಗಳನ್ನು ಗುರುತಿಸುವ ಪುಸ್ತಕಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ.

ಡಾಟಾ ಮೈನಿಂಗ್ ವರ್ಕ್ಸ್ ಹೇಗೆ

ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆಯು ಕ್ರಮಾವಳಿಗಳನ್ನು ಬಳಸಿ, ಗಣಕವನ್ನು ಹೇಳುವ ಸೂಚನೆಗಳ ಸೆಟ್ಗಳು ಅಥವಾ ಕಾರ್ಯವನ್ನು ಹೇಗೆ ಮಾಡಬೇಕೆಂಬುದನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುತ್ತದೆ, ಡೇಟಾದಲ್ಲಿ ವಿಭಿನ್ನ ರೀತಿಯ ನಮೂನೆಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲು. ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆಯಲ್ಲಿ ಬಳಸಲಾಗುವ ಕೆಲವು ವಿಭಿನ್ನ ಮಾದರಿಯ ಗುರುತಿಸುವಿಕೆ ವಿಧಾನಗಳು ಕ್ಲಸ್ಟರ್ ವಿಶ್ಲೇಷಣೆ, ಅಸಂಗತ ಪತ್ತೆ, ಅಸೋಸಿಯೇಷನ್ ​​ಲರ್ನಿಂಗ್, ಡಾಟಾ ಡಿಪೆಂಡೆನ್ಸಿಸ್, ನಿರ್ಣಯ ಮರಗಳು, ನಿವರ್ತನ ಮಾದರಿಗಳು, ವರ್ಗೀಕರಣಗಳು, ಹೊರಗಿನ ಪತ್ತೆ ಮತ್ತು ನರಮಂಡಲ ಜಾಲಗಳು.

ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆಯು ಎಲ್ಲಾ ವಿಭಿನ್ನ ರೀತಿಯ ದತ್ತಾಂಶಗಳಲ್ಲಿ ಮಾದರಿಗಳನ್ನು ವಿವರಿಸಲು ಮತ್ತು ಊಹಿಸಲು ಬಳಸಬಹುದಾದರೂ, ಅನೇಕ ಜನರು ಹೆಚ್ಚಾಗಿ ಆಗಾಗ್ಗೆ ಎದುರಾಗುವ ಬಳಕೆ, ಅವರು ಅದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳದಿದ್ದರೂ ಕೂಡ, ಭವಿಷ್ಯದಲ್ಲಿ ಖರೀದಿಸುವ ಸಾಧ್ಯತೆಗಳನ್ನು ಊಹಿಸಲು ನಿಮ್ಮ ಖರೀದಿ ಆಯ್ಕೆಗಳು ಮತ್ತು ನಡವಳಿಕೆಗಳಲ್ಲಿನ ನಮೂನೆಗಳನ್ನು ವಿವರಿಸುವುದು ನಿರ್ಧಾರಗಳು.

ಉದಾಹರಣೆಗೆ, ನೀವು ಆನ್ಲೈನ್ನಲ್ಲಿ ಏನು ನೋಡುತ್ತಿದ್ದೀರಿ ಎಂದು ಫೇಸ್ಬುಕ್ ಯಾವಾಗಲೂ ಹೇಗೆ ತಿಳಿಯುತ್ತದೆ ಮತ್ತು ನೀವು ಭೇಟಿ ನೀಡಿದ ಇತರ ಸೈಟ್ಗಳಿಗೆ ಅಥವಾ ನಿಮ್ಮ ವೆಬ್ ಹುಡುಕಾಟಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ನಿಮ್ಮ ಸುದ್ದಿಫೀಡ್ನಲ್ಲಿರುವ ಜಾಹೀರಾತುಗಳನ್ನು ಹೇಗೆ ತೋರಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ನೀವು ಎಂದಾದರೂ ಯೋಚಿಸಿದ್ದೀರಾ? ಫೇಸ್ಬುಕ್ ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆಯು ನಿಮ್ಮ ಬ್ರೌಸರ್ನಲ್ಲಿ ಶೇಖರಿಸಿರುವ ಮಾಹಿತಿಯನ್ನು ಕುಕೀಗಳಂತಹವುಗಳನ್ನು ಸಂಗ್ರಹಿಸುತ್ತದೆ , ಜೊತೆಗೆ ನೀವು ನಿಮ್ಮ ಹಿಂದಿನ ಮಾದರಿಯ ಜ್ಞಾನವನ್ನು ಫೇಸ್ಬುಕ್ನ ಸೇವೆಯ ಬಳಕೆಯನ್ನು ಆಧರಿಸಿ ನೀವು ಆಸಕ್ತಿ ಹೊಂದಿರಬಹುದಾದ ಉತ್ಪನ್ನಗಳನ್ನು ಅಥವಾ ಕೊಡುಗೆಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲು ಮತ್ತು ಊಹಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.

ಯಾವ ರೀತಿಯ ಡೇಟಾವನ್ನು ಕಡಿಮೆ ಮಾಡಬಹುದು?

ಸೇವೆಯ ಅಥವಾ ಅಂಗಡಿಯನ್ನು ಅವಲಂಬಿಸಿ (ಭೌತಿಕ ಅಂಗಡಿಗಳು ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆಯನ್ನು ಕೂಡಾ ಬಳಸುತ್ತವೆ), ನಿಮ್ಮ ಬಗ್ಗೆ ಮತ್ತು ನಿಮ್ಮ ನಮೂನೆಗಳ ಬಗ್ಗೆ ಅಚ್ಚರಿಯ ಪ್ರಮಾಣವನ್ನು ಗಣಿಗಾರಿಕೆ ಮಾಡಬಹುದು. ನಿಮ್ಮ ಬಗ್ಗೆ ಸಂಗ್ರಹಿಸಿದ ಡೇಟಾ ನೀವು ಯಾವ ವಾಹನವನ್ನು ಚಾಲನೆ ಮಾಡುತ್ತಿರುವಿರಿ, ನೀವು ಎಲ್ಲಿ ವಾಸಿಸುತ್ತೀರಿ, ನೀವು ಪ್ರಯಾಣಿಸಿದ ಸ್ಥಳಗಳು, ನೀವು ಚಂದಾದಾರರಾಗಿರುವ ನಿಯತಕಾಲಿಕೆಗಳು ಮತ್ತು ಪತ್ರಿಕೆಗಳು ಮತ್ತು ನೀವು ಮದುವೆಯಾದವರೇ ಇಲ್ಲವೇ ಎಂಬುದನ್ನು ಒಳಗೊಂಡಿರಬಹುದು. ನೀವು ಮಕ್ಕಳನ್ನು ಹೊಂದಿದ್ದೀರಾ, ಇಲ್ಲವೇ ನಿಮ್ಮ ಹವ್ಯಾಸಗಳು, ನೀವು ಇಷ್ಟಪಡುವ ಬ್ಯಾಂಡ್, ನಿಮ್ಮ ರಾಜಕೀಯ ಒಲವುಗಳು, ನೀವು ಆನ್ಲೈನ್ನಲ್ಲಿ ಏನು ಖರೀದಿಸುತ್ತೀರಿ, ಭೌತಿಕ ಮಳಿಗೆಗಳಲ್ಲಿ ನೀವು (ಸಾಮಾನ್ಯವಾಗಿ ಗ್ರಾಹಕರ ನಿಷ್ಠೆ ಪ್ರತಿಫಲ ಕಾರ್ಡ್ಗಳ ಮೂಲಕ) ಏನು ಖರೀದಿಸುತ್ತೀರಿ ಮತ್ತು ನೀವು ಹಂಚಿಕೊಳ್ಳುವ ಯಾವುದೇ ವಿವರಗಳು ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮದಲ್ಲಿ ನಿಮ್ಮ ಜೀವನದ ಬಗ್ಗೆ.

ಉದಾಹರಣೆಗೆ, ಹದಿಹರೆಯದವರು ಗುರಿಯಾಗಿಟ್ಟುಕೊಂಡ ಚಿಲ್ಲರೆ ವ್ಯಾಪಾರಿಗಳು ಮತ್ತು ಫ್ಯಾಶನ್ ಮೂಲದ ಪ್ರಕಟಣೆಗಳು ಹದಿಹರೆಯದ ವ್ಯಾಪಾರಿಗಳು ಅಥವಾ ಓದುಗರನ್ನು ಆಕರ್ಷಿಸುವ ಫ್ಯಾಶನ್ ಪ್ರವೃತ್ತಿಯನ್ನು ಊಹಿಸಲು Instagram ಮತ್ತು Facebook ನಂತಹ ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮ ಸೇವೆಗಳಲ್ಲಿ ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆಯ ಫೋಟೋಗಳಿಂದ ಒಳನೋಟಗಳನ್ನು ಬಳಸುತ್ತವೆ. ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆಯ ಮೂಲಕ ಪತ್ತೆಹಚ್ಚಲಾದ ಒಳನೋಟಗಳು ನಿಖರವಾಗಿರುತ್ತವೆ, ಏಕೆಂದರೆ ಕೆಲವು ಚಿಲ್ಲರೆ ವ್ಯಾಪಾರಿಗಳು ಮಹಿಳೆಯು ಗರ್ಭಿಣಿಯಾಗಬಹುದೆಂದು ಊಹಿಸಲು ಸಹಕರಿಸುತ್ತಾರೆ, ಆಕೆಯ ಖರೀದಿಯ ಆಯ್ಕೆಯಲ್ಲಿ ನಿರ್ದಿಷ್ಟ ಬದಲಾವಣೆಗಳನ್ನು ಆಧರಿಸಿದೆ. ಚಿಲ್ಲರೆ ಮಾರಾಟಗಾರ, ಟಾರ್ಗೆಟ್, ಇತಿಹಾಸವನ್ನು ಖರೀದಿಸುವ ಮಾದರಿಯ ಆಧಾರದ ಮೇಲೆ ಗರ್ಭಧಾರಣೆಯನ್ನು ಊಹಿಸುವ ಮೂಲಕ ನಿಖರವಾದದ್ದು ಎಂದು ವರದಿಯಾಗಿದೆ. ಇದು ಮಗುವಿನ ಉತ್ಪನ್ನಗಳಿಗೆ ಕೂಪನ್ಗಳನ್ನು ಮೇಲ್ದರ್ಜೆಗೇರಿಸುವ ಮೂಲಕ ಯುವತಿಯರಿಗೆ ಕಳುಹಿಸುತ್ತದೆ.

ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆಯು ಎಲ್ಲೆಡೆಯೂ ಇದೆ, ಆದಾಗ್ಯೂ, ನಮ್ಮ ಕೊಳ್ಳುವ ಹವ್ಯಾಸಗಳು, ವೈಯಕ್ತಿಕ ಆದ್ಯತೆಗಳು, ಆಯ್ಕೆಗಳು, ಹಣಕಾಸು ಮತ್ತು ಆನ್ಲೈನ್ ​​ಚಟುವಟಿಕೆಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಿದ ಮತ್ತು ವಿಶ್ಲೇಷಿಸಿದ ಮಾಹಿತಿಯ ಹೆಚ್ಚಿನವು ಗ್ರಾಹಕ ಅನುಭವವನ್ನು ಹೆಚ್ಚಿಸುವ ಉದ್ದೇಶದಿಂದ ಅಂಗಡಿಗಳು ಮತ್ತು ಸೇವೆಗಳಿಂದ ಬಳಸಲ್ಪಡುತ್ತದೆ.