بخشی از مقاله
داده کاوی در صنعت ورزش با رویکرد مدیریت دانش
چکیده
داده کاوی در صنعت ورزش با استفاده از ابزار ها، فناوری و تخصص بشر، ریشه در حوزه مدیریت دانش دارد. مدیریت دانش می تواند برای یک سازمان از جمله سازمان های ورزشی مزیت رقابتی ایجاد کرده و روشی برای حفظ تداوم دانش در سازمان باشد. از طریق به اشتراک گذاری و حفظ دانش، کسب و کار، شاهد افزایش بهره وری و نوآوری خواهد بود. چارچوب مدیریت دانش، شرایطی را برای رفع ابهام در تشخیص میان داده ها از دانش و مرزی بین داده ها، اطلاعات و دانش مهیا می کند. لذا صاحبان و متخصصین این صنعت در تلاش برای بهبود عملکردشان در حوزه های مختلف، در صدد استخراج اطلاعات مناسب از میان انبوه دادهها و تبدیل آن ها به دانش مورد نیاز سازمان های ورزشی، بویژه در تصمیمگیریهای سازمانی، که نیازمند استفاده از روشهای نوین در این حوزه است، می باشند. داده کاوی یکی از این ابزارهاست که در فضای مدیریت دانش به کشف دانش از پایگاه داده کمک میکند. لذا با عنایت به اهمیت موضوع، در این مقاله سعی برآن است تا ضمن بیان تعریف کلی از داده کاوی، صنعت ورزش و مدیریت دانش، چگونگی تعامل این مفاهیم و مزایای حاصل از آن بیان گردد.
واژگان کلیدی: داده کاوی3 ، صنعت ورزش4، مدیریت دانش
-1 مقدمه
قبل از ظهور داده کاوی، سازمان های ورزشی تقریبا به طور انحصاری به تخصص انسان متکی بودند. اعتقاد بر این بود که کارشناسان حوزه (مربیان، مدیران و پیشاهنگان) در این صنعت به طور موثر می توانند داده های جمع آوری شده خود را به دانش قابل استفاده تبدیل کنند. در مرحله اول همان طور که انواع مختلف داده جمع آوری شده در صنعت ورزش در حوزه های مختلف هر روزه بیشتر شد، سازمان های ورزشی به دنبال پیدا کردن روش های عملی تر شدند. این امر برای اولین بار منجر به استفاده از آمار و ارقام ، برای اتخاذ تصمیمات بهتر توسط مدیران، مربیان و متخصصین در این صنعت شد. مرحله دوم ، به دلیل این که سازمان های ورزشی ثروتی از داده ها داشتند و نیاز بود که راهی برای مهار کردن آن ها و ساماندهی این داده ها بیابند ، لذا یافتن روش های علمی تر برای استخراج دانش با ارزش، با استفاده از تکنیک های داده کاوی ، مورد استقبال مدیران ، مربیان و متخصصین مدیریت ورزشی در حوزه صنعت ورزش قرار گرفت(اسچوماکر،. 6(2010 داده کاوی به عنوان تجزیه وتحلیل آماری دررشته های ورزشی با چاپ کتاب لویز7 با عنوان Moneyball در سال 2003 که درآن توصیف کرده، چطور شرکت اوکلند با بودجه کم ، با شرکت هایی که دو برابر بودجه او را خرج کرده بودند، رقابت کرد و به موفقیت دست یافت ، به علم محبوبی بدل شد. این کتاب به عنوان نقطه عطفی در تجزیه وتحلیل علوم ورزشی و داده های موجود در این حوزه شد. تغییر روند توجه سازمانها از منابع مالی به سرمایههای انسانی فراهم آمدن زمینههای تراکم و حتی انفجار اطلاعات از طریق فناوری اطلاعات و ارتباطات در سازمانها الزام و اهمیت مدیرت دانش را بیش از گذشته به رخ کشید . طوری که امروزه در عصر یادگیری، کارکنان و بازیکنان تیم های ورزشی را ارزشمندترین منابع سازمان های ورزشی به حساب می آورند. آنان حجم عظیم دادهها، اطلاعات و دانش سازمان را تولید میکنند. از این رو، مدیریت دانش در کنار مدیریت منابع انسانی در سازمانهای نوین، ضرورت یافته است (لویز،.(2003
-2 داده کاوی
داده کاوی در حقیقت فرایند جستجو و تحلیل به منظور کشف الگوهای ناشناخته، جالب توجه ،غیرمنتظره،باارزش واطلاعات جدید و مفید وقابل درک از حجم عظیم داده ها است، که شامل انتخاب ،کاوش ومدل سازی مقادیر زیادی از داده ها می شود.داده کاوی در صنعت ورزش از روش های آماری زیادی چون تحلیل های آماری8، درخت تصمیم گیری9،شبکه های عصبی10، هوش مصنوعی و تصویری کردن11 استفاده می کندبا. توجه به این موضوع که ابزارهای مورد استفاده در داده کاوی خصوصاً ابزار اکتشافی چون شبکه عصبی و تصویر سازی داده، تاًثیر بسزایی در پیشرفت علوم کامپیوتر داشته، لذا داده کاوی در چند سال اخیر به عنوان ابزاری بسیار جذاب وکاربردی برای کشف دانش در این صنعت، مدنظر قرارگرفته است.
وظیفه داده کاوی استخراج الگوها، از مجموعه داده های بزرگ است و می توان آن را به صورت کلی زیر بیان کرد:
(1دسته بندی:12 این بخش ویژگی های داده جدید را بررسی کرده و آن ها را به کلاس ها یا طبقه های از پیش تعیین شده،تخصیص می دهیم. برای دسته بندی از شبکه های عصبی و درخت تصمیم گیری استفاده می شود.
(2تخمین وبرآورد:13در این بخش تخمین و برآورد مشخصه های یک مجموعه داده،آزمایش شده و مقادیری به مشخصه های ناشناخته نسبت داده می شود.ر این مرحله معمولاً از شبکه های عصبی استفاده می شود.
(3پیش بینی14 :پیش بینی رفتار آینده برای بررسی صحت دسته بندی.
(4گروه بندی شباهت(قوانین وابستگی):15 ویژگی های هم زمانی که در وقوع یک پدیده یا ارتباط مشخصه ها با یکدیگر در یک محیط داده،رخ می دهند.در این قسمت احتمال وقوع یا عدم وقوع هم زمان ویژگی ها تعیین می شود.
(5خوشه بندی:16معمول ترین شکل داده کاوی غیر هدایت شده است که گروه های منظمی را با اطلاعات مشابه پیدا می کند،بدون اینکه از پیش تعیین شده باشند.در این قسمت از تکنیک های کشف الگوی آماری، شبکه عصبی ومنطق فازی استفاده می شود.
(6نمایه سازی:17توصیف شرایطی که در یک پایگاه داده پیچیده در جریان است.
2-1 مراحل فرایند داده کاوی
(1هدف داده کاوی:باید قبل از داده کاوی، اهداف،شناسایی و دانش اولیه جمع آوری شود،چرا که اگر قبل از شناسایی هدف، بخواهیم،تکنیک های داده کاوی را به کار بگیریم به الگوهای نامشخص و بی معنی خواهیم رسیم.
(2جمع آوری داده ها:18می دانیم که تکنیک های داده کاوی معمولا روی کل پایگاه داده انجام می شود،ولی ممکن است با استخراج یک نمونه آماری از کل داده ها،تکنیک های داده کاوی قابل انجام باشد.دراین مرحله تصمیم گیری می کنیم،که عملیات کاوش روی نمونه ای از داده ها صورت گیرد یا از کل پایگاه داده استفاده شود و با توجه به این موضوع،داده های مورد نیاز برای داده کاوی از پایگاه داده جمع آوری می شوند.
(3پیش پردازش داده ها:19این مرحله دارای بخشهای مختلفی است که به سه بخش اساسی زیر تقسیم می شود:
-انتخاب داده ها:20 در این مرحله باید داده ها،انتخاب وبررسی شوند که آیا برای هدف مورد نظر مناسب هستند یا خیر؟
-پاکسازی داده ها:21بعداز انتخاب داده ها، باید داده های مورد نظر آماده شوند.دراین مرحله داده های پرت متعادل سازی می شوند،که برای این کار می توان، نقاط پرت را حذف کرد ویا رکورد میانگین معادل را به جای آن درنظر گرفت .البته در برخی موارد با توجه به هدف داده کاوی،مانند یافتن تقلب یا دوپینگ در ورزش نه تنها این داده ها حذف نمی شود بلکه به این داده ها توجه اساسی هم می شود.
-تبدیل وانتقال داده ها:22در این مرحله تغییراتی روی داده ها انجام می شود، مثلا تغییر در تاریخ،واحد پول و غیره، که به صورت مشخصی تبدیل می شوند.همچنین تبدیل واحدها،تبدیل مقیاس ها،تبدیل داده های عددی به کاراکتر وبا العکس نیز در این مرحله انجام می گیرد.
(4داده کاوی: دراین مرحله،وظایف داده کاوی روی داده ها صورت می گیرد.
(5تصویری کردن:23در این مرحله به بررسی داده ها با استفاده از تصویری کردن،که یکی از مهم ترین اجزا فعالیت داده کاوی است،می پردازیم. زیرا انسانها در پردازش اطلاعات تصویری، موفق تر هستند ویک شکل تصویری می تواند در عرض چند ثانیه اطلاعات زیادی را به ما بدهد و می توان اطلاعات مهمی را از آن استخراج کرد.البته این کار،هم پیش از عملیات کاوش به منظور محسوس شدن داده ها، به منظور تعیین متغیرها وشاخص های مناسب وهم پس از عملیات کاوش به منظور بررسی الگوهای بدست آمده، می تواند مورد استفاده واقع شود.
(6ارزیابی مدل:24پس از مراحل فوق، مدل به دست آمده،ارزیابی می شود وصلاحیت آن تایید می گردد. حصول اطمینان از این که دانش به دست آمده از داده کاوی قابل اعتماد است یا خیر بسیار حائز اهمیت می باشد.داده کاوی، برای آزمون و اعتبار سنجی مدل بدست آمده،از روشهای آزمون آماری و اعتبار سنجی دو طرفه -vتایی استفاده می کند.
(7کشف واستخراج دانش:25پس از تعیین صلاحیت مدل های به دست آمده،اطلاعات حاصل از این مدل ها، توسط متخصصین به دانش مفید وجالب توجه تبدیل می شود.
-3 صنعت ورزش
صنعتی شدن ورزش و تفریحات سالم یکی از رویدادهای مهم قرن گذشته به شمار می رود. مولین26 در سال 1983 برای اولین بار از ورزش به عنوان یک صنعت یاد کرد .او اشاره داشت: هرگونه فعالیت ورزشی آماتور و حرفهای که موجبات افزایش ارزش افزوده کالا و خدمات ورزشی را فراهم کند، صنعت ورزش محسوب میشود.
