Conţinutul numărului revistei |
Articolul precedent |
Articolul urmator |
1037 12 |
Ultima descărcare din IBN: 2022-12-20 00:37 |
Căutarea după subiecte similare conform CZU |
339.138 (432) |
Общие вопросы торговли. Рынок (822) |
SM ISO690:2012 SLAVESCU, EcaterinaOana. Data mining şi modelarea predictivă în activităţile de marketing: abordări conceptuale. In: Economie şi Sociologie, 2011, nr. 1, pp. 53-58. ISSN 1857-4130. |
EXPORT metadate: Google Scholar Crossref CERIF DataCite Dublin Core |
Economie şi Sociologie | ||||||
Numărul 1 / 2011 / ISSN 1857-4130 | ||||||
|
||||||
CZU: 339.138 | ||||||
Pag. 53-58 | ||||||
|
||||||
Descarcă PDF | ||||||
Rezumat | ||||||
Într-o societate a cunoaşterii, cum este cea în care
trăim în prezent, informaţia este cel mai valoros activ.
Toate companiile au nevoie de informaţii corecte şi
relevante pentru a lua în timp util deciziile necesare bunei
funcţionări a afacerilor lor. De regulă, însă, informaţia se
regăseşte stocată în meta-baze de date în formă brută, la
stadiul de volum de date, caz în care, deşi poate fi extrem
de importantă, ea nu poate fi transformată într-un avantaj
competitiv pentru agenţii economici care o deţin, pentru
că nu a fost prelucrată şi corect articulată.
Transformarea datelor stocate în sistemele IT ale
companiilor în informaţii, ce pot fi utilizate de echipele de
management pentru a lua decizii, este un proces dificil.
Iniţiativele de tip data warehouse (DW) şi data mining
(DM), precum şi aplicaţiile de tip suport de decizie au
menirea de a ajuta companiile să răspundă în timp real
unor întrebări complexe.
Nu cu mult timp în urmă, cele două tipuri de iniţiative
menţionate se cantonau într-o strategie corporativă de
genul "nice to have". Treptat, companiile mici şi mari s-au
trezit implicate în cursa pentru cât mai multă informaţie,
prin urmare au început să aloce din ce în ce mai multe
resurse pentru activităţi caracteristice proceselor de data
warehouse şi data mining, în mod special, modelării
predictive. |
||||||
Cuvinte-cheie data mining, data warehouse, modelare predictivă, risc de reziliere, model predictiv |
||||||
|
DataCite XML Export
<?xml version='1.0' encoding='utf-8'?> <resource xmlns:xsi='http://www.w3.org/2001/XMLSchema-instance' xmlns='http://datacite.org/schema/kernel-3' xsi:schemaLocation='http://datacite.org/schema/kernel-3 http://schema.datacite.org/meta/kernel-3/metadata.xsd'> <creators> <creator> <creatorName>Slavescu, E.</creatorName> <affiliation>Academia de Studii Economice din Bucureşti, România</affiliation> </creator> </creators> <titles> <title xml:lang='ro'>Data mining şi modelarea predictivă în activităţile de marketing: abordări conceptuale</title> </titles> <publisher>Instrumentul Bibliometric National</publisher> <publicationYear>2011</publicationYear> <relatedIdentifier relatedIdentifierType='ISSN' relationType='IsPartOf'>1857-4130</relatedIdentifier> <subjects> <subject>data mining</subject> <subject>data warehouse</subject> <subject>modelare predictivă</subject> <subject>model predictiv</subject> <subject>risc de reziliere</subject> <subject schemeURI='http://udcdata.info/' subjectScheme='UDC'>339.138</subject> </subjects> <dates> <date dateType='Issued'>2011-03-01</date> </dates> <resourceType resourceTypeGeneral='Text'>Journal article</resourceType> <descriptions> <description xml:lang='ro' descriptionType='Abstract'>Într-o societate a cunoaşterii, cum este cea în care trăim în prezent, informaţia este cel mai valoros activ. Toate companiile au nevoie de informaţii corecte şi relevante pentru a lua în timp util deciziile necesare bunei funcţionări a afacerilor lor. De regulă, însă, informaţia se regăseşte stocată în meta-baze de date în formă brută, la stadiul de volum de date, caz în care, deşi poate fi extrem de importantă, ea nu poate fi transformată într-un avantaj competitiv pentru agenţii economici care o deţin, pentru că nu a fost prelucrată şi corect articulată. Transformarea datelor stocate în sistemele IT ale companiilor în informaţii, ce pot fi utilizate de echipele de management pentru a lua decizii, este un proces dificil. Iniţiativele de tip data warehouse (DW) şi data mining (DM), precum şi aplicaţiile de tip suport de decizie au menirea de a ajuta companiile să răspundă în timp real unor întrebări complexe. Nu cu mult timp în urmă, cele două tipuri de iniţiative menţionate se cantonau într-o strategie corporativă de genul "nice to have". Treptat, companiile mici şi mari s-au trezit implicate în cursa pentru cât mai multă informaţie, prin urmare au început să aloce din ce în ce mai multe resurse pentru activităţi caracteristice proceselor de data warehouse şi data mining, în mod special, modelării predictive.</description> <description xml:lang='en' descriptionType='Abstract'>In a society that cherishes knowledge as much as ours does, information is the most valuable asset. All companies need relevant and reliable information to make timely decisions, necessary for the proper functioning of their businesses. Usually, however, the information is stored in the meta-databases in a raw form, as a data volume, and although it may prove extremely important, it cannot be turned into a competitive advantage for the businesses, because it has not been processed nor properly articulated yet. Transforming the data stored in the IT systems of corporate companies into information that can be used by the management teams to make decisions is a difficult process. Initiatives such data warehouse (DW) and data mining (DM, along with decision support type applications are designed to help companies respond in real time to complex questions. Not long ago, the two types of initiatives above mentioned were limited to corporate strategy like “nice to have”. Gradually, small and large companies found themselves involved in a race for as much information as possible, so they began to increasingly assign more resources to data warehouse and data mining specific activities, focusing on predictive modeling.</description> </descriptions> <formats> <format>application/pdf</format> </formats> </resource>