اهمیت مجموعه داده ها و انواع مختلف داده در مجموعه دیتاست ها بر کسی پوشیده نیست. یکی از این مجموعه داده، داده سری های زمانی است. از این نوع داده برای پیش بینی کردن استفاده می کنند. در واقع سری زمانی روشهای پیش بینی رفتار داده های گذشته و پیش بینی رفتار آینده از روی این نوع داده است. این داده ها در داده کاوی برای پیش بینی کردن بسیار با اهمیت هستند.

سری زمانی و داده کاوی

هدف از این داده ها، مدل سازی از داده های موجود برای پیش بینی مقادیر آن سری زمانی است. تحلیل مقادیر آتی سری زمانی باعث قضاوت رفتار آینده سری زمانی میگردد. در حقیقت سری زمانی، داده های دنباله دار در زمان است. مثلا نوسانات قیمت نفت و طلا، مصرف آب و برق در یک ماه، تغیرات هواشناسی و …

سری زمانی در حوزه داده کاوی اهیمت زیادی دارد. این نوع پیش بینی و روش های داده کاوی مربوط به آن مانند: پیش بینی بازار سرمایه، بورس و پیش بینی های موجود در صنعت و غیره را موجب می شود. خصوصیت سری زمانی، حجم زیاد داده، بروز رسانی مدام و ماهیت عددی و پیوسته آن است. استفاده از داده های زمانی به خصوص سری زمانی، باعث تحقیقات گسترده در حوزه داده کاوی و کار بر روی این داده ها می شود. حجم بالای این داده ها در طول زمان، برای داده کاوی بسیار اهمیت دارد. استخراج الگوها و اطلاعات مفید از دل این حجم اطلاعات اهمیت سری زمانی را نشان می دهد.مدل های پیش بینی سری زمانی از مقادیر گذشته، مقادیر آینده را پیش بینی میکند.

کاربرهای سری زمانی در حوزه داده کاوی

• کابرد در بازاریابی/فروش

با تحلیل داده های تاریخی و گذشته کاربران شرکت ها، الگوهای پنهان آنها شناسایی شود. کاربران با اطلاعاتی مانند مشخصات خریدهای که انجام میدهند و علاقه ای که به محصولات نشان می دهند؛ شرکتها را در گرفتن تصمیمات یاری میکنند. گروه یندی کاربران و اطلاعات بدست آمده و تحلیل مشخصات آن گروه ها بازاریابی هدفمند و بهینه تری را به دنبال دارد. تحلیل الگوی خرده فروشی ها، بازاریابی را هدفمند میکند.

•  کاربرد در سیستم بانکداری

داده کاوی در بررسی وفاداری مشتریان در حوزه مالی بکار می رود. صنایع علاقه مند هستند با اطلاعاتموجود در برگ خرید مشتریان، وفاداری آنها را در طی دوره های خریدشان مشخص کنند. ارزش خریدها، آخرین خرید و بقیه اطلاعات، روش های داده کاوی (از روی سری زمانی ) را بررسی می کنند.از روی تراکنش ها و مبالغ این تراکنش ها در دوره های مختلف، فعالیت های خرابکارانه و یا تقلب تشخیص داد.

• وضعیت تحصیلی دانش آموزان

نمرات دانش آموزان به مدد سیستمی شدن مدارس در دسترس است. مثلا نمره ریاضی در دوران تحصیل مشخص میکند؛ که این دانش آموز امکان تحصیل در چه رشته ایدانشگاهی را دارد. با استخراج الگوی تحصیلی دانش آموزان به آموزش و پرورش امکان اخذ تصمیمات مناسب می گردد. میزان نیاز به معلم، بررسی روند تحصیلی، امکانات آموزش و پرورش در کجا و به چه صورتی تخصیص داده شود. این اطلاعات زمانی موجب اتخاذ بهترین تصمیم برای رشد و پیشرفت هر سرزمینی می گردد.

 

• پیش بینی ورشکستگی

ورشکستگی فرایندی بلند مدت است. از این رو صورت های مالی حاوی هشدارهایی از رخداد یک ورشکستگی نزدیک خبر میدهد. با دانستن این پیش بینی می توان از وقوع ورشکستگی یا تعویق آن جلوگیری کرد.

•  پیش بینی زلزله

زلزله به عنوان یک پدیده های طبیعی با پاراکترهای بسیاری که در وقوع آنها دخیل است؛ امکان پیش بینی دقیق را سلب می کند. اما با بررسی وضعیت زمین در دوره های مختلف و استخراج الگوی آنها می توان احتمال وقوع را تا حدودی مشخص نمود.

• پیش بینی بارندگی