مدل های تحلیلی تجویزی در علم داده

مدل های تحلیلی تجویزی در علم داده

آکادمی داده

۱۳۹۷/۰۴/۲۸


  • 64 بازدید

استفاده از مدل های تجویزی بالاترین مرحله در ساختار سلسله مراتبی است و به دنبال پاسخ گویی به سوال "چه اقدامی باید صورت گیرد؟" است. این مدل ها بر خلاف مدل های توصیفی یا پیش بینی دقیقا به شما می گویند که چه کار کنید. به همین علت است که به آنها مدل های تجویزی می گویند. در این مرحله با استفاده از مدل های ریاضی بهترین گزینه از بین گزینه های موجود انتخاب می شود یا به عبارت دیگر برای فرد تصمیم گیرنده تجویز می شود. مدل های تجویزی از بهینه سازی، شبیه سازی، تصمیم گیری چند معیاره و روش های ابتکاری برای کمک به تصمیم گیری استفاده می کند. بیشتر روش های شبیه سازی و بهینه سازی پس از جنگ جهانی دوم به وجود آمدند. زمانی که منابع محدودی وجود داشت و دولتها نیاز داشتند با همان منابع محدود به اهداف خودشان دست پیدا کنند. از آن زمان به بعد سازمان ها شروع به استفاده از این مدل ها کردند. برای مثال می توان از مدیریت عرضه و تقاضا، مدلسازی حمل ونقل و زمان بندی در یک خط تولید نام برد.
بهینه سازی به سازمانها کمک می کند بر اساس یک مدل مقدار بهینه یک متغیر را بیابند. اگر سازمانی به دنبال بیشینه کردن سود باشد، بهینه سازی قیمت دقیقا می گوید که چه کالایی را به چه قیمتی بفروشید. (2013 ,.Davenport T . h ) شبیه سازی فرایند مدل سازی فرایند با استفاده از توابع ریاضی، علمی، مهندسی و مالی است. همان طور که طراحی به کمک کامپیوتر به مهندسان کمک می کند که کالا را قبل از تولید آن طراحی و مدل سازی کنند، شبیه سازی می تواند به طراحی سیستم ها و آزمایش آنها در زمینه های مختلف کمک کند. برای مثال شبیه سازی می تواند در یک محیط آموزشی برای توضیح اثر یک تغییر در فرایندهای کسب و کار بکار رود. همچنین می توان برای بهبود گردش کالاها یا اطلاعات از آن استفاده اعضای اهدایی به نقاط مختلف با درنظر گرفتن محدودیت های گروه خونی و محدودیت های جغرافیایی.
آزمایش های تصادفی نوع دیگری از مدل های تجویزی هستند. در این نوع طرح های تحقیقاتی نمونه های آزمایشی به صورت تصادفی به دو گروه تست و کنترل تخصیص داده می شوند تا وجود یک رابطه علی و معلولی بین متغیر مستقل (مانند تاثیر یک دارو) و متغير وابسته (مانند بهبودی بیمار) را کشف کنند. اگر دو گروه مقایسه شوند و نتایج آزمایش (تغییر در متغیر وابسته) به طور معنی داری متفاوت باشد می توان از متغیر تغییر یافته برای تغییر نتایج استفاده کرد.
 هر یک از این انواع مدلهای تحلیلی در جایگاه خود ارزشمند هستند ولی مدل های توصیفی بیشترین کاربرد را در سازمانها دارند. ابزارهای گزارش گیری به سادگی قابل استفاده و قابل درک هستند و مدیران می توانند از آنها برای تصمیم گیری استفاده کنند. به عبارت دیگر این نوع مدلها از بین این سه نوع مدل جا افتاده تر هستند و درک و تجربه سازمانها در استفاده از این مدل ها نسبت به مدل های پیش بینانه و تجویزی بیشتر است. 
 داده کاوی می تواند در هریک از سه دسته ذکر شده قرار بگیرد. البته اغلب با دسته مدلهای پیش بینانه مرتبط دانسته می شود. داده کاوی به معنای کشف روند و الگو در داده هاست. روندها و الگوهایی که به وسیله الگوریتمهای کامپیوتری کشف می شوند و نه انسان . الگوریتم های هوش مصنوعی و یادگیری ماشینی داده ها را به روش های مختلف مدل سازی می کنند و بهترین مدل را برای داده ها پیدا می کنند. این در حالیست که روش های سنتی تحلیل داده ها مبتنی بر ایجاد یک فرضیه به وسیله تحلیلگر و ازمودن آن فرضیه با استفاده از مدل ها بود.

 

منبع : علم داده : مفاهیم و مهارت ها، سهرابی و ایرج

کپی برداری بدون ذکر منبع، بر اساس قانون جرائم اینترنتی و مادۀ 12 فصل سوم قانون جرائم رایانه ای غیر قانونی بوده و مجازات جزای نقدی و حبس دارد و شرعا نیز حرام است! 
اگر در زمینه علم داده و داده کاوی در حال تحقیق یا پیاده سازی پروژه یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام، واتزآپ و تمامی پیام رسان های ایرانی(سروش، آی گپ، بله و ویسپی) با شماره 09120637751 حضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد. 


افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.