بخشی از مقاله
چکیده
امروزه صنعت گردشگری در جهان توسعه فراوانی یافته است و بسیاری از کشورها از این رهیافت توانستهاند وضعیت خویش را تا حد زیادی بهبود بخشیده و بسیاری از مشکلات خود از قبیل بیکاری، پایین بودن سطح درآمد، سرانه و کمبود درآمد ارزی را کاهش دهند. لیکن این صنعت به عنوان صنعتی مادر که بسیاری از مشاغل و یا حتی صنایع دیگر نیز وابسته آن است خود ابعاد و گستردگی های خاص خود را دارد که باید با شناخت آنها و دسته بندی درست آنها برای بخشهای مختلف آن به دنبال مشتریان اصلی آن بخش باشیم تا شرایط را متناسب با آن منطقه و آن گروه خاص از مشتریان فراهم نماییم. بالطبع اینکار نیاز به شناخت دقیق بازار هدف دارد که برای این امر باید به دنبال راههای موثر بود یکی روشهایی که میتواند به ما در این امر کمک شایانی بنماید داده کاوی است. در این مقاله ضمن بررسی اجمالی داده کاوی، به نقش آن در شناسایی و تعیین بازار هدف در صنعت گردشگری پرداخته شده است.
.1 مقدمه
همزمان با پیشرفت بشریت در حوزه ارتباطات، گردشگری به عنوان یک صنعت بین المللی وارد معادلات بشری گردید که می توان از جنبههای متفاوتی به آن نگاه کرد، به گونهای که امروزه تکیه بسیاری از اقتصادها برای دستیابی به رشد اقتصادی بر صنعت گردشگری گذاشته شده است. بهتر است نخست نگاهی گذرا به موارد زیر بیندازیم: پیش بینی میشود که این صنعت در 6/5 تریلیون دلار از اقتصاد جهانی مشارکتی غیر مستقیم داشته باشد.
در حال حاضر حدود 260میلیون شغل نیز در ارتباط با این صنعت هستند که حدوداً 1شغل از هر 12 شغل بر روی کره زمین میباشد. جایگاه گردشگری در سال 2011 حدود 6/3 تریلیون دلار از کل تولید ناخالص داخلی جهانی، 255 میلیون شغل، 743 میلیارد دلار سرمایه گذاری و 1/2 تریلیون دلار مشارکت در صادرات بوده است. این آمار برابر است با 9 درصد تولید ناخالص جهانی، یک دوازدهم اشتغال، 5 درصد از سرمایه گذاری و 5 درصد از صادرات. قرن بیست و یکم، قرن بهرهگیری از فرصتهای تجاری ارزشمند در بخشهای خدماتی به ویژه گردشگری است.
برای اینکه بتوان حداکثر استفاده را از این بازار بزرگ و ارزشمند ببریم باید نخست بازار هدف خود را به درستی بشناسیم تا بتوانیم از تمامی توان و ظرفیت خود در صنعت گردشگری به درستی استفاده نماییم. برای این کار راههای گوناگونی پیش روی ما وجود دارد لیکن یکی از بهترین این روشها استفاده از فرآیند داده کاوی است. توانایی ما برای تجزیه و تحلیل و درک مجموعههای دادهای انبوه، بسیار پایینتر از توانایی ما برای جمعآوری و نگهداری دادهها می-باشد. بر این اساس نسل جدیدی از فنون و ابزارها در حال رشد هستند که به شکل هوشمند به انسانها کمک میکنند تا حجم بالایی از دادهها را تجزیه و تحلیل کرده و دانشهایی حیاتی را بدست آورند. یکی از این فنون دادهکاوی است.
[5] دادهکاوی فرآیندی تحلیلی است که برای کاوش دادهها و حجم عظیمی از دادهها انجام میگیرد و اعتبار یافتهها با بکارگیری الگوهایی احراز میشود. هدف اصلی دادهکاوی پیش بینی است و بصورت دقیقتر میتوان گفت دادهکاوی شناسایی الگوهای صحیح، بدیع، سودمند و قابل درک از دادههای موجود در یک پایگاه داده است که با استفاده از پردازشهای معمول قابل دستیابی نیستند [4]پیشرفت در زمینه تکنولوژی اطلاعات، بازاریابی ارتباطی را در سالهای اخیربه واقعیتی انکارناپذیر تبدیل کرده است.
تکنولوژیهایی مانند انبارداده ای، داده کاوی و مدیریت نرم افزار رقابت، مدیریت روابط مشتری را بعنوان حوزه جدیدی که شرکت در آن می تواند مزیت رقابتی کسب نماید معرفی نموده است .به ویژه از طریق داده کاوی، با استخراج اطلاعات پنهانی از پایگاه داده ای بزرگ، سازمانها می توانند مشتریان ارزشمند را تعیین و رفتار آینده آنها را پیش بینی کنند .ابزارهای داده کاوی به سئوالاتی از کسب و کار پاسخ می دهد که در گذشته پیگیری آنها بسیار وقت گیر بوده است. با این حال توانمندیهای موجود در داده کاوی، مدیریت روابط مشتری را به نحو بهتری ممکن می سازد .[1 ]
.2دادهکاوی
دادهکاوی فرآیند اکتشاف اطلاعات و روندهای نهفته از درون حجم بسیار زیاد دادههایی است که در قالب پایگاهدادهای، انبارههای دادهای یا هرنوع انباره اطلاعاتی ذخیره میشود. دادهکاوی اطلاعات موجود در انبار دادهها را استخراج و دادهها را به دانشی حیاتی و مهم در ارتباط با کسب و کار تبدیل مینماید. این ابزار سایر سیستمهای پشتیبانی تصمیمگیری را کامل نموده و گاهی جایگزین آنها میگردد. شکل زیر فرآیند اکتشاف دانش از انبار دادهای را نشان میدهد.
از طریق دادهکاوی و دانش جدیدی که در اختیار قرار می-دهد، افراد میتوانند از دادهها بعنوان اهرمی جهت خلق فرصتها یا ارزشهای جدید در سازمان خود استفاده کنند. دادهکاوی میتواند هم برای مسائل طبقهبندی و هم برای رگرسیون بکار گرفته شود. در مسائل طبقهبندی، دستهای از اشیا که در داخل یک طبقهای قرار دارند پیشبینی میشوند و در مسائل رگرسیون، یکسری از اعداد، پیش بینی میشوند.[1] دادهکاوی ترکیبی از فناوریهای یادگیری ماشینٌ، تشخیص الگو، آمار، تئوری پایگاه داده و خلاصه کردن و ارتباط بین مفاهیم و الگوهای جالب بصورت خودکار از پایگاههای داده شرکتهای بزرگ است. هدف اصلی دادهکاوی کمک به فرآیند تصمیمگیری از طریق استخراج دانش از دادههاست . [6]
دو کاربرد اصلی دادهکاوی عبارتند از:
پیشبینی، که شامل پیدا کردن روابط و الگوهای ناشناخته از مقادیر شناخته شده است. توصیفات، که شرح یک پایگاه داده بزرگ را ارائه میکند.[7]
فرآیند دادهکاوی بطور کلی شامل مراحل زیر است:
پاکسازی دادهها: در این مرحله دادههای نامعتبر از مجموعه دادههای آموزشی خارج میشوند. دادههای دارای نویزٍ اطلاعات ناقص و مواردی از این دست، نمونههایی از دادههایی هستند که باید پاکسازی شوند.
یکپارچهسازی دادهها: در این مرحله، منابع چندگانه دادهای باهم ترکیب میشوند.
انتخاب دادهها: دادههای مرتبط به فرآیند دادهکاوی از سایر دادهها جدا میشوند. این مبحث را میتوان بخشی از فرآیند کاهش اطلاعاتَ نیز دانست.
تبدیل دادهها: دادهها به ساختاری قابل استفاده برای دادهکاوی در میآیند. از اعمالی که در این مرحله صورت میگیرد میتوان به خلاصهسازی یا محاسبه مقادیر تجمعی اشاره کرد.
دادهکاوی: بخش اصلی فرآیند که در آن با استفاده از روشها و تکنیکهای خاص، استخراج الگوهای دانش صورت میگیرد.
ارزیابی الگوها: تشخیص الگوهای صحیح موردنظر از سایر الگوها در این مرحله انجام میشود. صحت الگوها براساس یک سری معیارهای جذابیت سنجیده میشود.
بازنمایی دانش: در این بخش به منظور ارائه دانش استخراج شده به کاربر، از یک سری ابزارهای بصریسازی به منظور افزایش درک استفاده میشود . [10]
.3روشهای دادهکاوی
اهداف دادهکاوی شامل پیشبینی و توصیف یا ترکیبی از آنهاست. هدف "پیشبینی" تمرکز بر روی دقت در توانایی پیشبینی بوده و توصیف بر درک فرآیند تولید دادهها تمرکز دارد. در پیشبینی تا زمانی که مدل قدرت پیشبینی دارد، کاربر توجهی به این ندارد که مدل انعکاس دهنده، واقعیت است. مثلا مدلی که شاخصهای مالی را به شکل غیرخطی ترکیب میکند تا نرخ تبادل ارز را پیشبینی کند.
از سویی دیگر مدل توصیفی به مثابه واقعیت تفسیر میشود. برای مثال مدلی که متغیرهای اقتصادی و جمعیتی را به پیشرفت- های آموزشی مرتبط میسازد، به عنوان مبنایی برای توصیههای سیاست اجتماعی توصیف میشود. در عمل، اغلب کاربردهای اکتشاف دانش به درجهای از هر دو مدلسازی توصیفی و پیشبینی نیاز دارند. اهداف دادهکاوی با استفاده از روشهای دادهکاوی، محقق میشوند. اصطلاح روشهای دادهکاوی در واقع بیانگر جمع کثیری از الگوریتمها و فنون است که از علومی مانند آمار، یادگیری ماشین، پایگاه داده و تجسمسازی استنتاج شدهاند. پنج نوع از عملیات داده کاوی وجود دارد -1 طبقه بندیٌ، -2 رگرسیونٍ، -3 تحلیل لینکَ، -4 بخش بندیُ،-5 تشخیص انحرافِ.[9] جدول 1 عملیات داده کاوی و تکنیک های مربوطه را به طور مختصر بیان میکند.
-1-3 طبقهبندی
طبقه بندی در واقع ارزشیابی ویژگی های مجموعه ای از دادهها و سپس اختصاص دادن آن ها به مجموعه ای از گروههای از پیش تعریف شده است. این متداول ترین قابلیت داده کاوی می باشد. داده کاوی را می توان با استفاده ازدادههای تاریخی برای تولید یک مدل یا نمایی از یک گروه بر اساس ویژگی های دادهها به کار برد .سپس می توان از این مدل تعریف شده برای طبقه بندی مجموعه دادههای جدید استفاده کرد .همچنین می توان با تعیین نمایی که با ان سازگار است برای پیش بینیهای آتی از آن بهره گرفت .[3]
-2-3 رگرسیون
این عملیات مدلی را میسازد که آیتم های داده را به یک متغیر پیش بینی شده با ارزش واقعی نگاشت میکند. مدل به طور سنتی با استفاده از روشهای آماری مانند لجستیک، خطی و رگرسیون توسعه می یابد. هم طبقه بندی و هم رگرسیون برای پیش بینی استفاده می شود. گردشگرانی علاقه مند به کدام یک از تور ها و یا خدمات ما هستند؟ این مرحله به چند زیرمرحله مطابق زیر تقسیم می شود: الف- تعیین اهداف کسب و کاری ب- ارزیابی موقعیت
