Zastosowanie metod eksploracji danych do segmentacji rynków

• Autorzy: Setlak G. , Paśko Ł.

Warianty tytułu

EN

Application of data mining methods on markets segmentation

• Języki publikacji: PL

Abstrakty

PL

Celem niniejszego artykułu są przedstawienie i ocena możliwości wykorzystania metod eksploracji danych do segmentacji rynków zbytu. Przedstawiono segmentacje opisową i predykcyjną oraz przeanalizowano wyniki rozwiązywania zadań klasyfikacji i grupowania danych za pomocą sieci neuronowych Kohonena oraz drzew klasyfikacyjnych CART i CHAID. W pracy wykorzystano dane dotyczące rynków zbytu przedsiębiorstwa produkującego wyroby gospodarstwa domowego.

EN

The purpose of this paper is to present and evaluate the possibility of using data mining methods in the market segmentation process. In the paper the descriptive and predictive segmentation were presented and the results of classification and clustering data were analyzed. To carry out the analysis were used following methods: Kohonen neural networks, CART and CHAID. The analysis concerns the manufacturing company producing household products.

Słowa kluczowe

PL

eksploracja danych; grupowanie danych; klasyfikacja danych; sieci neuronowe Kohonena; drzewo klasyfikacyjne

EN

data mining; data clustering; data classification; Kohonen neural network; classification tree

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Studia Informatica
• Rocznik: 2013
• Tom: Vol. 34, nr 2A
• Strony: 311--323
• Opis fizyczny: Bibliogr. 15 poz.

Twórcy

autor

Setlak G.

• Politechnika Rzeszowska, Zakład Informatyki, al. Powstańców Warszawy 8, 35-959 Rzeszów, Polska

autor

Paśko Ł.

• Politechnika Rzeszowska, Zakład Informatyki, al. Powstańców Warszawy 8, 35-959 Rzeszów, Polska

Bibliografia

• 1. Hand D., Mannila H., Smyth P.: Eksploracja danych. WNT, Warszawa 2005.
• 2. Cios K., Pedrycz W., Świniarski R.: Data mining methods for knowledge Discovery. Kluwer, Norwell, MA 1998.
• 3. R. Bajek: Wykorzystanie metod eksploracji danych do budowy modeli scoringowych. Studia Informatica, Vol. 32, No. 2A (96), Gliwice 2011.
• 4. Kohonen T.: Self-organizing Maps. Proc. IEEE, 78, No. 9, 1990, s. 1464÷1480.
• 5. Kohonen T.: Self-organization and associative memory. Springer Verlag, Berlin 1989.
• 6. Larose D. T.: Odkrywanie wiedzy z danych. Wyd. Nauk. PWN, Warszawa 2006.
• 7. Li S.: The Development of a Hybrid Intelligent System for Developing Marketing Strategy. Decision Support Systems, Vol. 27, No. 4, 2000.
• 8. Migut G.: Zastosowanie technik analizy skupień i drzew decyzyjnych do segmentacji rynku. StatSoft, Materiały Seminarium StatSoft: Zastosowanie nowoczesnej analizy danych w marketingu i badaniach rynku, Kraków 2010.
• 9. Mynarski S.: Metody ilościowe i jakościowe badań rynkowych i marketingowych. StatSoft, Kraków 2010.
• 10. Nowak-Brzezińska A., Xięski T.: Grupowanie danych złożonych. Studia Informatica, Vol. 32, No. 2A (96), Gliwice 2011, s. 391÷401.
• 11. Setlak G.: The Fuzzy-Neuro Classifier for Decision Support. International Journal Information Theories and Applications, Pub. of the Institute of Information Theories and Applications FOI ITHEA, Vol. 15, No. 1, Sofia 2008, s. 22÷28.
• 12. Setlak G.: Intelligent Decision Support System. LOGOS, Kiev, 2004, (in Rus.), s. 250.
• 13. Stąpor K.: Metody klasyfikacji obiektów w wizji komputerowej. PWN, Warszawa 2011.
• 14. Stąpor K.. Automatyczna klasyfikacja obiektów. Wyd. Exit, Warszawa 2005.
• 15. Żurada J., Barski M., Jędruch W.: Sztuczne sieci neuronowe. PWN, Warszawa 1996, s. 375.