5 kategori algoritma data analytics

1. Clustering and segmentation: Membagi koleksi entitas yang besar menjadi grup yang lebih kecil yang menunjukkan beberapa kesamaan. Contohnya adalah menganalisis kumpulan pelanggan untuk membedakan segmen yang lebih kecil untuk pemasaran yang ditargetkan.
   
   
2. Classification: klasifikasi adalah proses pengorganisasian data ke dalam kelas yang telah ditentukan berdasarkan atribut yang dipilih sebelumnya oleh analis atau diidentifikasi sebagai hasil dari model pengelompokan. Contohnya adalah menggunakan model segmentasi untuk menentukan segmen mana pelanggan baru akan dikategorikan.
   
   
3. Regression: Regresi digunakan untuk menemukan hubungan antara variabel dependen dan satu atau lebih variabel independen dan membantu menentukan bagaimana nilai variabel dependen berubah dalam kaitannya dengan nilai variabel independen. Contohnya adalah menggunakan data berlangganan uang seluler, tingkat penggunaan, jenis transaksi, jumlah transaksi, dan lokasi geografis untuk memprediksi penetrasi pembayaran uang seluler di masa mendatang.
   
   
4. Association and itemset mining: mencari hubungan yang relevan secara statistik di antara variabel-variabel dalam kumpulan data besar. Misalnya, ini bisa membantu mengarahkan perwakilan perbankan digital untuk menawarkan insentif khusus kepada pengguna aplikasi uang seluler berdasarkan tingkat penggunaan, jumlah transaksi, dan volume transaksi.
   
   
5. Similarity and correlation: digunakan untuk menginformasikan algoritma pengelompokan tidak terarah. Algoritma Similarity-scoring dapat digunakan untuk menentukan kesamaan entitas yang ditempatkan dalam gugus kandidat.