بخشی از مقاله
چکیده
دادهکاوی به بررسی و تجزیه و تحلیل مقادیر عظیم دادهها به منظور کشف الگوها و قوانین معنی دار اطلاق میشود که عمدتا از طریق ساختن مدلها، الگوریتمها و ورودیها را با هدف یا مقصد خاصی مرتبط مینماید. اصطلاح دادهکاوی به فرآیند نیمه خودکار تجزیه و تحلیل پایگاه دادهها به منظور یافتن الگوهای مفید اطلاق میشود. طبق پژوهش حاضر با توجه به اینکه سازمانها دادههای بسیاری در اختیار دارند و به دلیل محدودیتهای سازماندهی و بهره گیری از این دانش، تنها مقدار محدودی از دانش خود را مورد استفاده قرار میدهند که با توجه به پیشرفت فناوری و شدت رقابت سازمانها وضعیت مطلوبی نمیباشد. لذا برای استفاده بهینه از اطلاعات سازمان استفاده از ابزاری همچون دادهکاوی اجتناب ناپذیر مینماید. در این مقاله ابتدا با توضیح مسیر تکاملی داده کاوی و کارکرد و ضرورتهای آن و سپس بیان تعریف و ضرورت مدیریت دانش، کاربردهای داده کاوی را در مدیریت دانش سازمان ها بیان و ضرورت بکارگیری این دانش از سوی سازمانها نشان داده شده است.
مقدمه
در دنیایی که به سرعت در حال تغییر و دگرگونی است و رقابت به همه جنبههای آن رخنه کرده است، سازمانها علاوه بر بازگشت داراییهای مادی باید به فکر حفظ و تقویت داشتههای دانشی نیروهای خود و سازمانشان باشند. در این عصر دانش تنها منبع متمایز سازمان به شمار میرود که حفظ و توسعه آن برای ماندن در عرصه رقابت و پیشرفت ضروری است. امروزه میزان دادههای در دسترس هر 5 سال دو برابر میشوند و سازمانی توانا است که قادر باشد کمتر از 7 درصد از اطلاعاتش را مدیریت نماید.
بر اساس تحقیقات سازمان ها کمتر از 1 درصد از داده هایشان را برای تحلیل استفاده مینمایند. - شهرابی و شکور نیا، 1386، - 2 لذا نیاز به ابزاری است که بتوان دادههای ذخیره شده و مورد استفاده را پردازش کرده و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد. دادهکاوی فرآیند کشف دانش پنهان درون دادههاست که با توصیف، تشریح، پیش بینی و کنترل پدیدههای گوناگون پیرامونی، دارای کاربرد بسیار وسیعی در حوزه های مختلف است به گونهای که مرز و محدودیتی برای کاربرد آن در نظر گرفته نشده و زمینههای کاربردی آن را از ذرات کف اقیانوس تا اعماق فضا میدانند. - بهرامی زنور، 1386، - 1 با توجه به کاربرد وسیع دانش مذکور، مقاله حاضر به معرفی دادهکاوی و نقش آن در مدیریت دانش و استفاده هر چه بهتر از اطلاعات سازمانها میپردازد.
در سال 1960 آماردانان اصطلاح دیتا فیشینگ1 یا دیتا دریدینگ2 به معنای "صید داده" را جهت کشف هرگونه ارتباط در حجم بسیار بزرگی از دادهها بدون در نظر گرفتن هیچگونه پیش فرضی بکار بردند. بعد از سی سال و با انباشته شدن دادهها در پایگاه های داده اصطلاح "دیتا ماینینگ"3 یا دادهکاوی در حدود سال 1990 رواج بیشتری یافت. - دانشنامه آزاد ویکی پدیا، - 1394 پیشینه طرح موضوع دادهکاوی به دهه 1980 و به صورت جدی، به دهه 1990 برمیگردد.
پیش از آن از سیستمهای جمعآوری و مدیریت داده ها واصطلاحاً لایروبی دادهها استفاده میشد اما به مرور زمان استخراج و کشف سریع و دقیق اطلاعات با ارزش و پنهان از پایگاه داده ها به عنوان دادهکاوی مورد توجه قرار گرفت، به این شکل بود که فرایند دادهکاوی به عنوان فرایند آماری و تجزیه و تحلیل در فرایند کشف دانش در پایگاه داده ها پررنگ شد به حدی که گاه داده کاوی بهعنوان مترادف کشف دانش در پایگاه دادهها مورداستفاده قرار می گرفت.
امروزه فرایند استخراج اطلاعات معتبر، از پیش ناشناخته، قابل فهم و قابل اعتماد از پایگاه دادههای بزرگ و استفاده از آن در تصمیمگیری و در فعالیت های تجاری دادهکاوی نامیده میشود. در تعاریف متعدد و متنوع برای دادهکاوی برموضوعاتی نظیر: استخراج دانش کلان، کاوش در دادهها، تجزیه و تحلیل داده ها و یافتن روابط و الگوهای مطمئن بین دادهها تاکید میشود . هدف نهایی داده کاوی ایجاد سیستمهای پشتیبانی تصمیمگیری سازمانی است.
دادهکاوی به استخراج اطلاعات مفید و دانش از حجم زیاد داده ها میپردازد، دادهکاوی الگوهای حاوی اطلاعات را در دادههای موجود جستوجو میکند. این الگوها و الگوریتمها، میتوانند توصیفی باشند یعنی داده ها را توصیف کنند و یا جنبه پیشبینی داشته باشند، یعنی از متغیرها برای پیشبینی ارزشهای ناشناخته سایر متغیرها بهکار روند. دادهکاوی توصیفی، بهدنبال یافتن اگرها در فعالیتها یا اقدامات گذشته است و دادهکاوی پیشبینانه با نگاه به سابقه، رفتار آینده را پیشبینی میکند.
