študija primera specifične trgovine z darili v Veliki Britaniji
Povzetek
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.
Ključne besede
podatkovno rudarjenje;Weka;analiza;atribut;filtriranje;razvrščanje v skupine;k-means;
Podatki
Jezik: |
Slovenski jezik |
Leto izida: |
2020 |
Tipologija: |
2.11 - Diplomsko delo |
Organizacija: |
FIŠ - Fakulteta za informacijske študije v Novem mestu |
Založnik: |
[L. Rukše] |
UDK: |
004.8(043.2) |
COBISS: |
34009347
|
Št. ogledov: |
81 |
Št. prenosov: |
4 |
Ocena: |
0 (0 glasov) |
Metapodatki: |
|
Ostali podatki
Sekundarni jezik: |
Angleški jezik |
Sekundarni povzetek: |
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. |
Sekundarne ključne besede: |
data mining;Weka;analysis;attribute;filtering;clustering;k-means; |
Vrsta dela (COBISS): |
Diplomsko delo/naloga |
Komentar na gradivo: |
Fakulteta za informacijske študije v Novem mestu |
Komentar vira: |
Na ov.: Diplomska naloga : visokošolskega strokovnega študijskega programa prve stopnje; |
Strani: |
XIII, 59 str. |
ID: |
12054661 |