Nagy mennyiségű adat átválogatása, vizsgálata és modellezése annak érdekében, hogy az üzletben vagy kutatásban korábban kiaknázatlan előnyökre tegyünk szert – ez az adatbányászat. A módszer alkalmazásával a vállalatok feltérképezhetik a vevők viselkedését és vásárlási szokásait, könnyebben megérthetik motivációikat, megbecsülhetik a keresletet, és így tovább. Az adatbányászati alkalmazások 70-80 százaléka tehát nem véletlenül a marketinghez kapcsolódik. Egyelőre javarészt a banki biztosítási, telekommunikációs, államigazgatási és kereskedelmi szektorban használják, ahol rengeteg adat termelődik, de akad példa az adatbányászati módszerek tudományos, orvosi, gyógyszerkutatási, hadiipari alkalmazására is.

Adatbányászati körökben terjed a macro-mining kifejezés, amely az angol data mining (adatbányászat) szóból származik, és a milliós nagyságrendű rekord/adat kezelését lehetővé tevő szoftverekre utal. E téren Magyarországon az IBM, az Oracle és a SAS Institute termékei a meghatározóak, a „kisebbeket” forgalmazók népes táborában találjuk a Cygront, a Data Explorert, az Axist, a Silicon Computer Kft.-t, a DSS Consultingot és a Statsoftot. A Data Exploreré és a DSS Consultingé a nálunk legelterjedtebb adatbányászati szoftver, a Clementine. Néhány további a szoftverek közül: Darwin, Intelligence Miner, Enterprise Miner, Datascope, MineSet, Scenario. A legelső magyarországi adatbányászati projektet a Data Explorer szakemberei vezényelték le 1997-ben.

Alapműveletek

Megkülönböztethetünk szűkebb és tágabb értelemben vett adatbányászatot. A szűkebb technikával is lehet előrejelzéseket készíteni, tehát a múltbeli ügyfélviselkedésből következtethetünk a jövőbelire. A tágabb azonban ezen felül magában foglalja a szegmentációs eljárásokat és az asszociációs elemzést is.
Az általános adatbányászati lépések a következők: az üzleti probléma megfogalmazása, az adatbányászat előkészítése, modellek építése, az eredmények elemzése, az üzleti információk felhasználása. A szoftverek legjellemzőbb algoritmusai a neurális hálózat, a lineáris és logisztikus regresszió, a döntési fák, a mintaillesztési modellek, a Bayes-féle tanulás, a klaszterezés és feltáró adatelemzés, a vizuális elemző eszközök, az alkalmazható üzleti modellek és a speciális szolgáltatások.

– Az adatbányászati szoftver csak egy eszköz, amelynél sokkal fontosabb a mögöttes üzleti tudás és az elemzést megelőző jó koncepció. Az adatbányászat fő funkciója, hogy mielőbb jó megoldást találjon egy jól meghatározott problémára. Ám a kreatív ötleteket semmi sem pótolja, ezért fontos a humán oldal – állítja Tóth Nándor, a Data Explorer Kft. ügyvezető igazgatója.

Alkalmazási lehetőségek

Az adatbányászat jellemző felhasználási területe az úgynevezett csoportleírás, amely az adatok egy meghatározott körének jellemzőit tárja fel. Megadja az adatok alapstatisztikáit, például a várható értéket, szórást. Alkalmas továbbá különféle asszociációs kapcsolatok feltárására, amelynek során kiderül, hogy a különböző adatok mennyire viselkednek hasonlóan, ezért melyeket lehet nyugodtan elhagyni. Szaknyelven ez az információtisztítás, például hogy az életkor és a születési dátum közül elegendő csak az egyiket tárolni. (A modellépítésben használt adatbányászati algoritmusok futási ideje ugyanis jelentősen csökkenhet, ha szűkebb leíró adathalmazon történik meg.)

Az adatbányászat további funkciója a szabálygenerálás. Például amikor egy vállalat ismeri a vásárlóinak bizonyos jellemzőit (nemét, korát, jövedelmét), és ezek alapján az adatbányászat a vásárlókat csoportokba osztja, úgymint kis, közepes és nagy fogyasztó, akkor a munka során megállapítható például, hogy az a 35 év alatti nő, akinek havi jövedelme meghaladja a 100 ezer forintot, nagyfogyasztó.
Már említettük az előrejelzést. Az adatbányászat ugyanis a rejtett összefüggések feltárása után ezeket képes új szituációkra is kiterjeszteni. Az előző példát folytatva: ha az adott vállalat úgy dönt, hogy a nagyfogyasztók meggyőzésére a direkt marketing eszközét használja, akkor a célközönsége a 35 év alatti, 100 ezer forint feletti havi jövedelemmel rendelkező nők lesznek, hiszen ők azok, akik a legnagyobb valószínűséggel válhatnak nagyfogyasztóvá.

A szegmentáció vagy klaszterezés nem más, mint hogy egy adott adathalmazt, adott paraméterek, illetve az egyes elemek hasonlósága szerint csoportokra osztunk. Például egy új termék bevezetésénél a vállalat szeretné tudni, hogy a célközönsége egy bizonyos szempontból, kikből áll. A szegmentálás után jöhet a csoportok jellemzése, leírása, majd a nekik szánt termék testreszabása. Ezután következik az idősorelemzés.
Idősorok minden vállalat életében találhatók, igaz, sokszor olyan bonyolult formában, olyan sok magyarázó változóval kísérve, hogy hagyományos statisztikai eszközökkel már nem elemezhetők. Ekkor jön ismét az adatbányászat, amely ezekben a bonyolult esetekben is képes feltárni az összefüggéseket, jó közelítéssel, és azokból előrejelzéseket készíteni. Hogy érthetőbb legyen, ismét egy egyszerű példa: adatbányászattal annak a terméknek a várható értékesítése is előre jelezhető, aminek a sikere a sok-sok versenytárs mellett az általános gazdasági helyzettől, az időjárástól és akár a vevő reggeli hangulatától is függ.

A CRM részeként

Az adatbányászat egyébként szorosan kapcsolódik a manapság oly sokat emlegetett CRM-hez (customer relationship managementhez), vagyis az ügyfélkapcsolat-kezeléshez, aminek a célja a jövedelmezőség optimalizálása érdekében az ügyfél elégedettségének a növelése. Miután a CRM analitikus-elemző és operatív tevékenységek összessége, így az alkalmazásai is feloszthatók az ügyfelekkel történő kapcsolattartás napi eseményeit támogató operatív (például e-mail, call-center) és az ügyféladatok ésszerű összegyűjtését és értékesítési célú felhasználását támogató, analitikus csoportokra. Másképp fogalmazva: az operatív CRM lép kapcsolatba az ügyféllel, míg az analitikus alkalmazások visszacsatolást, javaslatokat adnak az operatív alkalmazásoknak. Az analitikus alkalmazásoknak sok formája létezik a piacon, amelyek közül az egyik az adatbányászat, és ilyenek még az általános lekérdező eszközök. A CRM rendszerek alapja pedig a szervezetben felgyűlt összes, már tisztított ügyfél-információt integráló ügyféladatbázis, amely célszerűen egy adattárházban tárolódik.

Nem megy gyorsan

– Általában egy kisebb adatbányászati program végrehajtása is heteket vesz igénybe, ha pedig nagyobb mennyiségű adatról van szó, amelyeket több helyről kell összeválogatni, majd tisztítani, akkor a munka akár hónapokra is elhúzódhat. Tehát minél komplexebb a feladat, és minél „rosszabb minőségűek” az adatok, annál tovább kell várni a kívánt eredményre – vallja be Fekete Zoltán, az Oracle Hungary vezető termékmenedzsere. Hozzátéve: ennek ellenére vagy éppen ezért ma már egyre több alap- és üzleti kurzus létezik Magyarországon is az adatbányászati szoftverek népszerűsítésére, oktatására, amit esetenként rendkívül értékes tanácsadó szolgáltatás egészít ki. Azok a szoftverfejlesztő cégek ugyanis, amelyek már sok nemzetközi üzleti problémát oldottak meg és modelleztek, jelentősen lerövidíthetik az új projekt időtartamát.

– Az adatbányászatról mindenki hallott már valamit, de valóságos lehetőségeit és nehézségeit mégis nagyon kevesen ismerik – állítja Tóth Nándor. – Ám szerintem ez is fokozatosan épül majd be a vállalatok életébe, mint bármely más, hasznos alkalmazás.

A SAS séma

A SEMMA a tágabb értelemben vett adatbányászatot támogató szoftverünk alkalmazásának módszertana, és egy ötlépcsős eljárást takar – mondja Schay Krisztina, a SAS Institute Kft. üzleti konzulense. Cége az üzletiintelligencia- és az adattárház-megoldások piacvezetője, 26 éve foglalkozik információszolgáltatással, adatbányászati szoftvere pedig az Enterprise Miner. A SEMMA tehát angol rövidítés a következőkből: S mint sample (mintavételezés), E mint explore (adatfeltárás), M mint modify (adattranszformáció), M mint model (modellezés), és A mint assess (értékelés).
Az első három fázis lehetővé teszi a mintavételezési eljárások közötti választást, vizuális és analitikus feltárást, adattranszformációkat (új változók képzését, hiányzó értékek pótlását, extrém értékek kezelését), továbbá szegmentációs eljárásokat és affinitáselemzést. A SAS Enterprise Miner legújabb verziója már magában foglalja a linkanalízis eszköztárát is, amely különösen az internetbejárási útvonalak, kapcsolathálók, csalások feltárását támogatja. Az adatbányászati folyamat lényege a modellezés, amikor többféle prediktív modellezési eljárást alkalmazhatunk az ügyfél viselkedésének előrejelzésére. Végül az Enterprise Minerrel elkészíthető egy HTML formátumú jelentés is az adatbányászati folyamatról, a beállításokról, eredményekről.
Az Enterprise Miner grafikus felületű, ikonos elrendezésű, ami megkönnyíti a programban való navigálást. Az adatbányászati modell készítését leegyszerűsíti, hogy a forráskód C és Java programnyelven is megírható.

Oracle háromszor

Az Oracle – amely adatbázis-kezelőivel és adattárházas megoldásaival szerzett magának hírnevet – három adatbányászati eszközzel rendelkezik: a különálló Darwinnal, valamint az Oracle9i adatbázisba integrált Data Mining-nel és a Personalization alkalmazással. Miután az adatbányászat a CRM rendszerekhez és az adattárházakhoz szervesen kapcsolódik, kézenfekvő megoldás volt azt az Oracle legújabb adatbázisának (DB) és alkalmazásszerverének (AS) részévé tenni. Ennek legfőbb előnye, hogy az összes funkció – adat-előkészítés, modellépítés, az eredmények kiszámítása, tárolása és elemzése – az adatbázison belül történik, tehát az adatoknak nem kell elhagyni az adatbázist. A Data Mining alkalmazás az Oracle9iDB része, míg a kifejezetten webes látogatókra készült Personalization az Oracle9iAS része lett. Mindkettő ugyanazokat az algoritmusokat használja, modelljeik naponta, hetente, havonta előre elkészíthetők, majd valós időben adnak javaslatot. A Personalization technológiájával átvizsgálja az ügyfelek kattintásaiból, tranzakcióiból, demográfiai adataiból és termékértékeléseiből gyűjtött adattengert, ezért kiváló megoldás az e-vállalatoknak.