Customer and Business Analytics : Applied Data Mining for Business Decision Making Using R

تجزیه و تحلیل مشتریان و کسب و کار: داده کاوی کاربردی برای تصمیم گیری تجاری با استفاده از R توضیح می دهد و نشان می دهد که چگونه ابزارهای تحلیلی پیشرفته از طریق نرم افزار منبع باز همراه می تواند مشکلات مختلف کسب و کار را برطرف کند. همچنین بینشی در مورد برخی از چالش های پیش روی در هنگام استقرار این ابزارها ارائه می دهد. متنی که به طور گسترده در کلاس درس آزمایش شده است، برای دانش‌آموزان در تحلیل‌های مشتری و کسب‌وکار یا داده‌کاوی کاربردی و همچنین متخصصان در سازمان‌های کوچک تا متوسط ​​ایده‌آل است. این کتاب درک شهودی از نحوه عملکرد الگوریتم های تحلیلی مختلف ارائه می دهد. در صورت لزوم، نویسندگان ریاضیات اساسی را به روشی قابل دسترس توضیح می دهند. هر تکنیک ارائه شده شامل یک آموزش دقیق است که تجربه عملی با داده های واقعی را امکان پذیر می کند. نویسندگان همچنین مسائلی را که اغلب در پروژه های داده کاوی کاربردی با آن مواجه می شوند بحث می کنند و مدل فرآیند CRISP-DM را به عنوان چارچوبی عملی برای سازماندهی این پروژه ها ارائه می کنند. این کتاب و نرم‌افزار مبتنی بر R با نشان دادن اینکه چگونه داده‌کاوی می‌تواند عملکرد سازمان‌ها را بهبود بخشد، مهارت‌ها و ابزارهای مورد نیاز برای توسعه موفقیت‌آمیز قابلیت‌های تجزیه و تحلیل پیشرفته را فراهم می‌کند. بیشتر بخوانید. ...
چکیده: حاشیه نویسی

تجزیه و تحلیل مشتریان و کسب و کار: داده کاوی کاربردی برای تصمیم گیری تجاری با استفاده از R توضیح می دهد و نشان می دهد، از طریق نرم افزار منبع باز همراه، چگونه ابزارهای تحلیلی پیشرفته می توانند مشکلات مختلف کسب و کار را برطرف کنند. همچنین بینشی در مورد برخی از چالش های پیش روی در هنگام استقرار این ابزارها ارائه می دهد. متنی که به طور گسترده در کلاس درس آزمایش شده است، برای دانش‌آموزان در تحلیل‌های مشتری و کسب‌وکار یا داده‌کاوی کاربردی و همچنین متخصصان در سازمان‌های کوچک تا متوسط ​​ایده‌آل است. این کتاب درک شهودی از نحوه عملکرد الگوریتم های تحلیلی مختلف ارائه می دهد. در صورت لزوم، نویسندگان ریاضیات اساسی را به روشی قابل دسترس توضیح می دهند. هر تکنیک ارائه شده شامل یک آموزش دقیق است که تجربه عملی با داده های واقعی را امکان پذیر می کند. نویسندگان همچنین مسائلی را که اغلب در پروژه های داده کاوی کاربردی با آن مواجه می شوند بحث می کنند و مدل فرآیند CRISP-DM را به عنوان چارچوبی عملی برای سازماندهی این پروژه ها ارائه می کنند. این کتاب و نرم‌افزار مبتنی بر R با نشان دادن اینکه چگونه داده‌کاوی می‌تواند عملکرد سازمان‌ها را بهبود بخشد، مهارت‌ها و ابزارهای مورد نیاز برای توسعه موفقیت‌آمیز قابلیت‌های تحلیلی پیشرفته را فراهم می‌کند.

Customer and Business Analytics: Applied Data Mining for Business Decision Making Using R explains and demonstrates, via the accompanying open-source software, how advanced analytical tools can address various business problems. It also gives insight into some of the challenges faced when deploying these tools. Extensively classroom-tested, the text is ideal for students in customer and business analytics or applied data mining as well as professionals in small- to medium-sized organizations. The book offers an intuitive understanding of how different analytics algorithms work. Where necessary, the authors explain the underlying mathematics in an accessible manner. Each technique presented includes a detailed tutorial that enables hands-on experience with real data. The authors also discuss issues often encountered in applied data mining projects and present the CRISP-DM process model as a practical framework for organizing these projects. Showing how data mining can improve the performance of organizations, this book and its R-based software provide the skills and tools needed to successfully develop advanced analytics capabilities. Read more...
Abstract: Annotation

Customer and Business Analytics: Applied Data Mining for Business Decision Making Using R explains and demonstrates, via the accompanying open-source software, how advanced analytical tools can address various business problems. It also gives insight into some of the challenges faced when deploying these tools. Extensively classroom-tested, the text is ideal for students in customer and business analytics or applied data mining as well as professionals in small- to medium-sized organizations. The book offers an intuitive understanding of how different analytics algorithms work. Where necessary, the authors explain the underlying mathematics in an accessible manner. Each technique presented includes a detailed tutorial that enables hands-on experience with real data. The authors also discuss issues often encountered in applied data mining projects and present the CRISP-DM process model as a practical framework for organizing these projects. Showing how data mining can improve the performance of organizations, this book and its R-based software provide the skills and tools needed to successfully develop advanced analytics capabilities