Применение методов Data Mining при проектировании и создании новой продукции и услуг

Цель исследования заключается в обосновании необходимости применения методов извлечения знаний при проектировании и создании новой продукции и услуг и целесообразности применения метода самоорганизующейся карты Кохонена посредством ее формирования. Такая карта помогает при выявлении ранее неизвестных групп в частности, как в случае данной статьи – групп потребителей, а их анализ даст возможность для формирования новых тарифов на услуги биллинговой системы сотового оператора. Основной причиной исследования является то чтобы показать организациям возможность проектирования и создания инновационной продукции.

Методы и методы исследования имеют эмпирический характер, основанные на сборе и накоплении данных о поведении потребителей на рынке и последующем их анализе. В целях анализа собранных данных используются методы Data Mining (интеллектуального анализа данных), в частности, метод самоорганизующейся карты Кохонена, позволяющий получать автоматическую кластеризацию потребителей на рынке по различным признакам. Кластеризация проводилась с использованием алгоритма самоорганизующихся карт Кохонена, реализованных в аналитической платформе BaseGroup Labs Deductor Studio. Выбор данного программного продукта объясняется понятным интерфейсом и наличием требуемого функционала. Исследование опиралось на данные предоставленные биллинговой системой сотового оператора. Это достаточно большой объем данных, показывающий совершенные операции абонентов связи сотового оператора.

Результаты. В статье проведен обзор источников в которых предлагаются возможные методы извлечения знаний и способы их обработки. Также построена карта Кохонена, позволяющая из различных самостоятельно выделенных областей получить информацию о текущей ситуации по абонентам сотовой связи. После анализа этой информации выявленные знания применяются в формировании новых тарифов и услуг сотового оператора. Такой способ извлечения знаний может применятся и на других данных больших объемов из различных сфер деятельности. Однако существует ограничение при использовании такого варианта извлечения знаний, которое состоит в том, что данные должны быть структурированы. В случае использования неструктурированных данных можно рассмотреть другие методы извлечения знаний, описанных в данной статье.

Заключение. В статье рассмотрен этап извлечения знаний при проектировании и создании новой продукции и услуг на основе методов Data Mining, в частности самоорганизующейся карты Кохонена. Инновационность процессов проектирования и создания продукции и услуг подчеркивается изменчивостью данных в соответствии с динамичностью поведения потребителей на рынке, что вызывает необходимость периодического пересмотра требований и концепции выводимой на рынок продукции и услуг.

1. Свиридова Л.Е. Практическое применение Data Mining // Аллея науки. 2019. Т. 2. № 2(29). С. 917–920.

2. Исайченкова В.В., Новикова А.В. Цифровизация как инструмент повышения эффективности бизнес-процессов // Modern Economy Success. 2019. № 3. С. 141–144.

3. Суворов С.В., Царькова Н.И., Спиридонова А.К. Анализ больших данных компании Uber Technologies Inc с помощью технологии Data Mining // Управление экономическими системами: электронный научный журнал. 2019. № 7 (125). С. 21.

4. Симонов Н.А. Самоорганизующиеся карты Кохонена // Математические методы управления. 2019. С. 100–105.

5. Бобамурадов О.Д. Этапы извлечения знаний из электронных информационных ресурсов // Технические науки. Евразийский Союз Ученых (ЕСУ). 2015. № 10 (19). С. 130–133.

6. Оськин А.Ф., Оськин Д.А. Извлечение знаний из баз данных с помощью нейро-нечеткой модели // Фундаментальные науки. Информационные технологии // Вестник полоцкого государственного университета. Серия С. 2018. № 12. С. 9–13.

7. Амурский К.А. Дрождин В.В. Слесарев Ю.Н. Проблема извлечения знаний в информационных системах // Известия Пензенского государственного педагогического университета им. В.Г. Белинского. 2010. № 22. С. 96–98.

8. Лёзин И.А., Маркелов Д.Е. Извлечение знаний из больших массивов данных // Известия Самарского научного центра Российской академии наук. 2014. Т. 16. № 4 (2). С. 334–339.

9. Пальчунов Д.Е. Поиск и извлечение знаний: порождение новых знаний на основе анализа текстов естественного языка // Философия науки. 2009. № 4 (43). С. 70–90.

10. Гладков Л.А., Щеглов С.Н. Современные тенденции развития технологий извлечения знаний // Известия ЮФУ. Технические науки. 2007. № 2. С. 95–100.

11. Игнатьев Н.А. Извлечение явных знаний из разнотипных данных с помощью нейронных сетей // Вычислительные технологии. 2003. Т. 8. № 2. С. 69–73.

12. Смоляков А.Л. Извлечение знаний из текстовой информации с помощью метода шаблонов // Вестник СПбГУ. 2008. № 10 (2). С. 44–50.

13. Шеменков П.С. Нейросетевой метод извлечения знаний на основе совместной встреча- емости ключевых термов // T-Comm – Телекоммуникации и Транспорт. 2009. № 2. С. 42–43.

14. Нарушев И.Р. Нейронная сеть на основе самоорганизующейся карты Кохонена как средство выявления аномального поведения // Охрана, Безопасность, Связь. 2018. Т. 2. № 3 (3). С. 194–197.

15. Салахутдинов Р. З., Тиндова М. Г. Применение карты Кохонена для анализа цен объектов недвижимости // Вестник. 2006. № 13(2). С. 117–119.

16. Куликова О.М., Калугин В.Е., Пильник Н.Б., Гущина А.А. Исследование инновационного развития производства в регионах РФ с применением карт Кохонена // Фундаментальные исследования. 2015. № 2(25). С. 5639–5643.

17. Сябренко А.П., Тынченко В.С., Бочарова О.А., Орешенко Т.Г. Анализ результатов аттестации сотрудников предприятий с применением карт Кохонена // Научно-технический вестник Поволжья. 2018. № 6. С. 159–162.

18. Павлова А.И., Синельникова А.С., Чентаева Е.А. Исследование самоорганизующихся карт Кохонена // Современные материалы, техника и технологии. 2015. № 1 (1). С. 184–187.

19. Марков В.В. Методика извлечения и оценки знаний на основе нечёткой модели экс- перта // Известия ЮФУ. Технические науки. 2011. № 7 (120). С. 137–141.

20. Наркевич А.Н., Серов А.А., Виноградов К.А., Наркевич А.А., Шадрин К.В. Использование самоорганизующихся карт Кохонена для анализа состояния регионов России по социально-значимым заболеваниям // Социальные аспекты здоровья населения. 2016. № 4. С. 9.