študija primera specifične trgovine z darili v Veliki Britaniji

Abstract

V diplomskem delu je rdeča nit podatkovno rudarjenje. Gre za eno izmed tehnoloških rešitev, ki pomagajo v podjetjih in znanstvenih ustanovah pri odkrivanju znanja v kupu podatkov, ki jih imenujemo tudi Big Data. Gre za odkrivanje vzorcev in povezav, ki koristijo, gledano trgovska podjetja, pri opredeljevanju strank med zveste kupce, tiste, ki se pogosto poslužujejo nakupov ali so redki kupci, zapravijo v podjetju največ ali pa so pogosti kupci. Namen rudarjenja je iz analiz razbrati, kaj stranka potrebuje in katere stranke se bodo z večjo verjetnostjo odzvale na ponudbo. Sicer pa je bistveno pri podatkovnem rudarjenju tudi to, da se uporablja lahko v vseh panogah in znatno pripomore k lažjemu poslovanju. V drugem delu je v empiričnem delu pred-stavljena konkretna analiza razvrščanja v skupine z rezultati.

Keywords

podatkovno rudarjenje;Weka;analiza;atribut;filtriranje;razvrščanje v skupine;k-means;

Data

Language: Slovenian
Year of publishing:
Typology: 2.11 - Undergraduate Thesis
Organization: FIŠ - Faculty of Information Studies
Publisher: [L. Rukše]
UDC: 004.8(043.2)
COBISS: 34009347 Link will open in a new window
Views: 81
Downloads: 4
Average score: 0 (0 votes)
Metadata: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Other data

Secondary language: English
Secondary abstract: The red thread of the thesis is data mining. It is one of the technilogical solutions that helps companies and scientific institutions in discovering knowledge in a pile of data, also called Big Data. It is about discovering patterns and connections with benefit, in the view of trading com-panies, identifying customers as loyal customers, those who make frequent purchases or are rare customers, spend the most in the company or are frequent customers. The purpose of mi-ning is to find out from the analyzes what the customer needs and which customers are more likely to respond to the offer. Otherwise, it is also essential in data mining that it can be used in all industries and significantly contributes to easier business. At the bottom, in the empirical part, a concrete analysis of clustering with results is presented.
Secondary keywords: data mining;Weka;analysis;attribute;filtering;clustering;k-means;
Type (COBISS): Bachelor thesis/paper
Thesis comment: Fakulteta za informacijske študije v Novem mestu
Source comment: Na ov.: Diplomska naloga : visokošolskega strokovnega študijskega programa prve stopnje;
Pages: XIII, 59 str.
ID: 12054661