富士通では、ビジネス活動から起こり、様々なたくさんの情報を、統計的および数学を使い調べることによって、自動的に収益性の高い、新たなトレンド、パターン、相関などを見つけるするプロセスである。
ツールが99年に出てきたと思うが、技術や理論的に優れて、製品の視覚化について言えば、とても良いものである。
2000年5月下旬、WEB分野でSASと結びついているようだから、将来のトレンドは注目に値するだろう。
東芝は、毎日貯まる莫大な情報の中にある規則性、因果関係と言った物を見つけるものとしている。
これまでのニューラルネットワークとファジー技術が適用されたのだ
東芝のデータマイニングの基礎であると思われる
ところで、SASでは、大量の情報の中にある因果関係やパターンを見つけ出したりモデル化するというのが、データマイニングであるとしている。
データマイニングの定義として逃してはいけない単語は、大規模な情報、隠れた何かを見つける、技術である。
知識を見つけるのための単語があればそれを追加する方がいいと思いますが。
各企業の採掘の定義をゆっくりと見直す。
各定義を見れば、データマイニングそのものが目的ではなく、私がデータマイニングの定義に合うように昔から行ったことを少し拡大したように思える。
私はデータマイニングの固定した形式があるとは思わない。
当面、データを見つける技術をゆっくり開発し、データマイニングの技術が進化するのだろう。
私の思うデータマイニングの進化は
・数テラバイトの処理能力を持つ大規模の情報の処理技術
・今までの情報の解析手法を進化することにより素晴らしい情報を得る
・顧客管理などの特定の物事に特化した分析能力
この3つの方向に進化しているように思える。
あなたがどちらかに優先権を与えるならば、もう一方を犠牲にする必要がある。
あなたのどちらかを重視するによって、各定義が変更される。
特定の仕事に特化した3番目の特殊なテクニックは、あまり拡張性がないが、情報戦略として非常に勇往である。
文章のデータマイニング、インターネットにあるデータを利用する、外れ値検出など様々な視点から、たくさんあるのデータマイニングのソフトがある。 NECでは、それをすべて含めてデータマイニングとしている。
その他、データマイニングの説明を見るとすぐに誰もが素敵な知識を得ることができる。
このような表記法は、データマイニングの理想的な姿だが、今は実現できないと思う。
今のデータマイニングは、バスケット分析と確率理論など、私はまた、相関の高い組み合わせや統計的予測を探すのが最善であると思う。
そのなかで、専門知識、経験、視覚化で使用できるデータとして発見されたのではないか？
この方法は限定されるのは、情報の量が増加すると、指数関数レベルで計算が増加し、大規模なデータの分析は難しいため）。
マイニングとは発掘という意味で、豊富な知識と試行錯誤をしたの結果、私はもしかしたら、データの宝石が見つかるかもしれないと考えている。
しかしながら、適当に探しても何も得られない。
掘削の専門家と掘削スキルのある人々の協力のおかげで、貴重なデータマイニングを行うことができる。
典型的なデータマイニング使用法を教える。
・物流サービス業：市場のデータを収集する
販売の予測、天気とイベント、各製品の特徴や今までの売上などの情報に基づいて購入数を解析し、どれくらい仕入れるか決める。
顧客の購買パターンを分析し、ビールと使い捨ておむつを購入した人などのなどの購入パターンを探し出し、売上額をあげる。
・製造業：品質管理に関する原因とコストの分析
品質管理製造プロセスの欠陥の原因を調べ、欠陥が頻発する理由を取り除く。
・金融・保険業界：リスクと顧客の特徴に関するデータを収集する
リスクを調べ上げ、契約者のやタイプや過去の記録等のデータに基づいて、契約のリスクを調べる
特性分析。客のタイプと商品の関連性を調べ、有効な製品を各顧客に紹介する。
また、客が離れるのを防ぐ。
・医療・バイオ産業：病気の原因と影響のデータを収集する
病気の原因を調べ、薬物の効果を分析したり改善する
それに加えて、多くの会社でいろいろな使い方がある。