‫التنقيب في البيانات و اتخاذ القرارات‬

‫األستاذ‪ :‬شالبي عمار‬ ‫األستاذ‪ :‬طيار أحسن‬

‫أستاذ مساعد‬ ‫أستاذ مساعد‬

‫كلية العلوم االقتصادية وعلوم التسيير‬ ‫كلية العلوم االقتصادية وعلوم التسيير‬

‫جامعة ‪ 20‬أوت ‪ -1955‬سكيكدة‬ ‫جامعة ‪ 20‬أوت ‪ -1955‬سكيكدة‬

‫‪ahc_tiar@yahoo.fr‬‬ ‫‪chlabiamar@yahoo.fr‬‬

‫‪:‬ملخص‬

‫إن استخدام تقنيات التنقيب يف البيانات يوفر للمؤسسات يف مجيع اجملاالت القدرة على استكشاف و الرتكيز‬
‫على أهم املعلومات يف قواعد البيانات‪ ،‬كما تركز تقنيات التنقيب يف البيانات كذلك على بناء التنبؤات‬
‫املستقبلية و استكشاف السلوك و االجتاهات مما يسمح باختاذ القرارات الصحيحة و اختاذها يف الوقت‬
‫‪.‬املناسب‬

‫‪Résumé :‬‬

‫‪L’utilisation des techniques de Data Mining donne aux entreprises dans tous les‬‬
‫‪domaines la capacité à extraire et à concentrer sur les informations essentielles‬‬
‫‪dans les bases de données. Ces techniques de Data Mining se basent sur la‬‬
‫‪construction des prévisions et la détection du comportement et les tendances ce‬‬
‫‪qui permet à prendre de bonnes décisions et dans le moment opportun.‬‬
 ‫‪:‬مقدمة‬

‫يتميز عصرنا الراهن (عصر االنرتنيت و االقتصاد الرقمي) بالسيل العظيم و االنتشار الواسع النطاق للبيانات‬
‫حىت أضحى من املستحيل على احملللني استخالص معلومات ذات معىن باللجوء فقط إىل املداخل التقليدية‬
‫‪.‬للتحليل التمهيدي للبيانات‬

‫مع وجود كميات كبرية من البيانات املخزنة يف قواعد البيانات و خمازن البيانات ازدادت احلاجة إىل تطوير‬
‫أدوات متتاز بالقوة لتحليل البيانات و استخراج املعلومات و املعارف منها‪ ،‬من هنا ظهر ما يسمى بالتنقيب يف‬
‫البيانات كتقنية هتدف إىل استخراج املعرفة من كميات هائلة من البيانات‪ .‬و هي تقنية حديثة فرضت نفسها‬
‫بقوة يف عصر املعلوماتية‪ ،‬و استخدامها يوفر للشركات و املنظمات يف مجيع اجملاالت القدرة على استكشاف‬
‫و الرتكيز على أهم املعلومات يف قواعد البيانات‪ ،‬كما تركز تقنيات التنقيب على بناء التنبؤات املستقبلية و‬
‫استكشاف السلوك و االجتاهات مما يسمح باختاذ القرارات الصحيحة و اختاذها يف الوقت املناسب‪ .‬و اليت‬
‫تعترب بدورها مرحلة من مراحل عملية أكثر تعقيدا هي استكشاف املعرفة يف قواعد البيانات‪ ،‬و املرتبطة إىل‬
‫حد بعيد بعملية تطوير أخرى مهمة جدا هي مستودعات البيانات‪ .‬حيث أن الكثري من الشركات و‬
‫املنظمات الرائدة اليوم تستخدم عملية استكشاف املعرفة يف قواعد البيانات بشكل منهجي و منظم بوصفها‬
‫تشكل جوهر العمل الذي يعتمد عليه يف تفعيل النشاط و حتقيق امليزة التنافسية‪.‬‬

‫أوال‪ :‬مفهوم التنقيب في البيانات(‪)Data Mining‬‬

‫ظهر مصطلح التنقيب يف البيانات يف منتصف التسعينات يف الواليات املتحدة األمريكية‪ ،‬وهو جيمع ما‬
‫بني اإلحصاء و تكنولوجيات اإلعالم (قواعد البيانات‪ ،‬الذكاء االصطناعي‪ ،‬التعلم اآليل « ‪machine‬‬
‫‪.)... » Learning‬‬

‫و توجد عدة تعريفات هلذا املفهوم منها‪ ،‬حيث ميكن تعريفها بأهنا‪ " :‬االستكشاف اآليل أو املؤمتت ألمناط‬
‫شائقة و غري جلية خمفية يف قاعدة بيانات معينة"(‪، )1‬أو أهنا‪ " :‬سريورة حتليل دقيقة وذكية‪ ،‬تفاعلية و‬
‫تسلسلية‪ ،‬تسمح ملسريي النشاطات عند استخدام هذه السريورة باختاذ قرارات والقيام بأعمال مالئمة يف‬
‫صاحل النشاط املسؤولني عنه و املؤسسة اليت يعملون هبا"(‪ ،)2‬أو أهنا‪ " :‬عبارة عن حتليالت لكمية كبرية من‬
‫البيانات بغرض إجياد قواعد و أمثلة و مناذج اليت ميكن أن تستخدم تقود و تدل أصحاب القرار‪ ،‬و تتنبأ‬
‫بالسلوك املستقبلي"(‪ ،)3‬كما ميكن تعريفها كذلك بأهنا‪ " :‬حتليل جملموعات كبرية احلجم من البيانات املشاهدة‬
‫(‪)4‬‬
‫‪.‬للبحث عن عالقات حمتملة و تلخيص للبيانات يف أشكال جديدة لتكون مفهومة و مفيدة ملستخدمها"‬

‫من خالل التعريفات السابقة ميكن القول أن التنقيب يف البيانات عبارة عن سريورة الستخراج أو اكتشاف‬
‫معرفة مفيدة و قابلة لالستغالل من خالل جمموعة كبرية من البيانات‪ .‬حيث يساعد يف استكشاف املعرفة‬
‫‪.‬املخفّية والنماذج غري املتوّقعة‪ ،‬إضافًة إىل استكشاف قواعد جديدة موجودة يف قواعد بيانات كبرية‬

‫ثانيا‪ :‬العوامل المحركة لثورة التنقيب في البيانات‬

‫(‪)5‬‬
‫ميكن تقسيم العوامل احملركة لثورة التنقيب يف البينات اىل قسمني رئيسيني مها‪:‬‬

‫‪:‬أ‪ .‬العوامل المتعلقة بجانب العرض‬

‫‪ ‬تأثريات تطورات تكنولوجيا املعلومات خاصة تكنولوجيا ختزين البيانات و معاجلتها‪.‬‬

‫‪ ‬اخنفاض تكاليف االتصاالت االلكرتونية مما يسر الوصول اىل قواعد البينات‪.‬‬

‫‪ ‬ظهور أساليب حتليل جديدة من أبرزها الشبكات العصبية‪ ،‬نظم اخلوارزميات الوراثية‪ ،‬شجرة‬
‫القرار و قواعد االستقراء‪.‬‬

‫‪ ‬ثورة اعمار احلاسوب و اليت متخضت عن والدة أجيال جديدة من الربجميات الصديقة للمستخدم‪،‬‬
‫مثل‪ :‬مايكروسوفت ويندوز‪ ،‬و برجميات العميل‪ -‬اخلادم (‪)Client-Server‬‬

‫و غريها‪.‬‬

‫‪ ‬التطور اهلائل يف أساليب التخزين و من أبرز هذه األساليب تلك املتعلقة مبستودعات البيانات (‬
‫‪ )Data Warehouse‬و أسواقها‪.‬‬

‫ب‪ .‬العوامل المتعلقة بجانب الطلب‪:‬‬

‫‪ ‬تنامي احلاجة اىل نتائج حتليلية سريعة من طرف املؤسسات املنافسة الشديدة و التغريات السريعة يف‬
‫بيئة العمل‪.‬‬
 ‫‪ ‬احنسار التنظيم اهلرمي حيث أصبح لزاما على املديرين االعتماد على أنفسهم يف احلصول على‬
‫احتياجاهتم من املعلومات التحليلية‪ ،‬بعدما احنسر دور حمللي الدعم الذين كانوا يعتمدون عليهم‪.‬‬

‫‪ ‬ازدهار حركة التأليف و النشر خاصة يف جمال تكنولوجيا املعلومات و النرتنت و كل ما يرتبط‬
‫بعصر االقتصاد الرقمي‪.‬‬

‫ثالثا‪ :‬أدوات التنقيب عن البيانات‬

‫مناذج التنقيب يف البيانات نوعان‪ :‬النماذج التنبؤية (‪ )Predictives‬والنماذج الوصفية (‪.)Descriptives‬‬

‫النماذج التنبؤية هتدف إىل التنبؤ بقيمة بعض اخلصائص‪ .‬مثل التنبؤ باحتمال الشراء للزبون‪ .‬أما النماذج الوصفية‬
‫فتنقسم إىل صنفني‪ :‬مناذج العنقدة اليت تسمح بتجميع األفراد‪ ،‬و األحداث‪ ،‬آو املنتجات يف عناقيد‪ ،‬ومناذج‬
‫االرتباط اليت تسمح بتحديد العالقات بينهم‪.‬‬

‫‪:‬و هناك عدة أدوات للتنقيب يف البيانات‪ ،‬نذكر أمهها‬

‫‪ .1‬التلخيص (‪:)Summarization‬‬
‫يشري التلخيص إىل أساليب تفتيت كتل البيانات الكبرية إىل مقاييس موجزة‪ ،‬توفر وصفا عاما للمتغريات و‬
‫عالقاهتا(‪ .)6‬و من األمثلة على أساليب التلخيص نذكر‪ :‬املتوسطات‪ ،‬و اجملاميع‪ ،‬واإلحصائيات الوصفية اليت‬
‫تتضمن مقاييس النزعة املركزية مثل املتوسط احلسايب و الوسيط واملنوال‪ ،‬ومقاييس التشتت مثل االحنراف‬
‫املعياري‪ .‬و على الرغم من أن مقاييس التلخيص تعطي صورة كبرية عن بعض التفاصيل ذات العالقة فإهنا‬
‫‪.‬غالبا ما هتمل تفاصيل أخرى ذات أمهية كبرية تتعلق بسلوك املستهلك خصوصا‬

‫‪.2‬التصنيف(‪: )Classification‬‬

‫(‬
‫يتمثل التصنيف يف تفسري أو التنبؤ خباصية فرد ما من خالل خصائص أخرى‪ .‬هذه اخلاصية هي عموما كيفية‬
‫‪ .)7‬و ميكن اجناز التصنيف باالعتماد على األساليب اإلحصائية القدمية مثل االحندار و التحليل التمييزي‪ ،‬أو‬
‫‪.‬باالعتماد على أساليب حديثة نسبيا مثل قوى االرتباط و االستنتاج املستند إىل احلالة و الشبكات العصبية‬

‫و كأمثلة عن طرق التصنيف املستعملة كجزء من تطبيقات استكشاف املعرفة اليت تتضمن تصنيف اجتاهات‬
‫‪.‬األسواق املالية‪ ،‬و التحديد اآليل لألشياء املهمة يف صورة كبرية من قواعد البيانات‬
 ‫‪ .3‬التنبؤ (‪: )Prediction‬‬
‫يشبه التنبؤ التصنيف أو التقدير‪ ،‬ما عدا أن البيانات تصنف على أساس التنبؤ بسلوكها املستقبلي أو تقدير‬
‫قيمتها املستقبلية(‪ .)8‬حيث أن املتغري التابع املتنبأ به هو متغري كمي‪ .‬و من األدوات التقليدية املستخدمة يف‬
‫التنبؤ نذكر على سبيل املثال‪ :‬االحندارات بأنواعها و التحليل التمييزي‪ .‬أما األساليب اجلديدة فتشتمل على‬
‫قواعد االرتباط و شجرة القرار و الشبكات العصبية و اخلوارزميات الوراثية‪.‬‬

‫العنقدة أو التجزئة(‪: )Clustering‬‬ ‫‪.4‬‬

‫يتمثل التجميع العنقودي أو التجزئة إىل قطاعات يف البحث عن جمموعات متجانسة يف جمتمع من األفراد(‪.)9‬و‬
‫يشري التجميع العنقودي أو التجزئة إىل قطاعات إىل عملية تشكيل جمموعات أو قطاعات مؤلفة من أفراد أو‬
‫أصحاب أسر‪ ،‬و ذلك باالستناد إىل معلومات متضمنة يف جماميع من املتغريات اليت تصفهم‪ .‬و الغرض من‬
‫التجميع العنقودي املساعدة على تطوير برامج تسويقية مصممة على مقاسات الزبائن أنفسهم‪ ،‬و اليت‬
‫باإلمكان استخدامها الستهداف أعضاء لكل قطاع من هذه القطاعات على أمل ترغيبهم يف تكرار الشراء أو‬
‫(‪)10‬‬
‫‪.‬التحول إىل زبائن موالني‬

‫وتتم أساليب التجميع العنقودي غالبا مبساعدة أساليب التحليل العنقودي اإلحصائية و األساليب املستندة‬
‫‪.‬إىل شجرة القرار‪ ،‬و الشبكات العصبية و اخلوارزميات الوراثية‬

‫تحليل االرتباط(‪: )Rule Analysis‬‬ ‫‪.5‬‬

‫يتمثل االرتباط يف البحث عن عالقات أو ارتباطات موجودة بني عدة خصائص(‪ .)11‬و يشري حتليل االرتباط‬
‫إىل جمموعة من األساليب اليت تستخدم لربط أمناط الشراء عرب القطاعات املتقاطعة أو عرب الوقت‪ .‬فمثال يقوم‬
‫أسلوب حتليل سلة السوق (نوع من أنواع االرتباط) باستخدام املعلومات الكامنة يف السلع اليت اشرتاها‬
‫املستهلكون فعليا للتنبؤ بالسلع احملتمل شراؤهم إياها إذا ما مت تقدمي عروض خاصة هلم أو إذا مت تعريفهم‬
‫(‪)12‬‬
‫‪.‬هبذه السلع‬

‫الكشف عن التغيرات أو االنحرافات (‪: )Change and deviation detection‬‬ ‫‪.6‬‬

‫يرتكز على استكشاف التغريات املهمة جدا يف البيانات من خالل قياسات سابقة أو قيم معيارية‪.‬‬
 ‫رابعا‪ :‬مراحل عملية التنقيب في البيانات‬
‫(‪)13‬‬
‫ميكن تلخيص مراحل و خطوات عملية التنقيب يف البيانات كما يلي‪:‬‬

‫‪ .1‬فهم طبيعة األعمال (‪ :)Business Understanding‬يعترب املطلب األول الكتشاف املعرفة هو فهم‬
‫املشاكل و املسائل اليت اليت تواجهها األعمال‪ .‬و مبعىن أخر‪ ،‬كيف ميكن حتقيق املنفعة األعظم من‬
‫التنقيب يف البيانات‪ ،‬مما يتطلب وجود صيغة واضحة و حمددة ألهداف األعمال‪.‬‬
‫فهم البيانات (‪ : )Data Understanding‬تعترب مسالة معرفة ماهية وطبيعة البيانات عامل مهم‬ ‫‪.2‬‬
‫يف جناح عملية التنقيب يف البيانات و اكتشاف املعرفة‪ .‬حيث أن معرفة البيانات بصورة جيدة تعين مساعدة‬
‫املصممني على استخدام اخلوارزميات أو األدوات املستخدمة للمسائل احملددة بدقة عالية‪ .‬و هذا يقود إىل‬
‫تعظيم فرص النجاح باإلضافة إىل رفع الفعالية و الكفاءة لنظام اكتشاف املعرفة‪.‬‬
‫و ال حتتاج عملية التنقيب يف البيانات إىل جتميع البيانات يف مستودع البيانات‪ ،‬أما إذا كان مستودع‬
‫البيانات موجود يف املنظمة‪ ،‬فمن األفضل عدم احتكار املستودع بشكل مباشر لغرض التنقيب يف البيانات‪.‬‬
‫و ميكن تلخيص اخلطوات الضرورية لعملية فهم البيانات كاآليت‪:‬‬
‫تجميع البيانات(‪ : )Data Collection‬و هي اخلطوة املوجهة حنو حتديد مصدر البيانات يف‬ ‫‪‬‬
‫الدراسة مبا يف ذلك استخدام البيانات العامة اخلارجية مثل الضرائب و غريها‪.‬‬
‫توصيف البيانات(‪ : )Data Description‬و هي اخلطوة اليت تركز على توصيف حمتويات امللف‬ ‫‪‬‬
‫الواحد من امللفات أو اجلداول‪.‬‬
‫جودة البيانات و تحقيقها(‪ : )Data Quality and Verification‬هذه اخلطوة حتدد ما إذا‬ ‫‪‬‬
‫كان تقليل أو إمهال بعض البيانات غري الضرورية أو كوهنا رديئة اجلودة و قد ال تنفع يف الدراسة‪.‬‬
‫ألن النموذج اجليد حيتاج إىل بيانات جيدة مما يتوجب أن تكون البيانات صحيحة و ذات مضمون‬
‫دقيق‪.‬‬
‫التحليل االسترشادي للبيانات (‪ :)Exploratory Analysis of Data‬تستخدم األساليب‬ ‫‪‬‬
‫مثل اإلظهار املرئي أو التصور أو عملية التحليل املباشر(‪ )OLAP‬اليت تؤدي إىل إجراء التحليل‬
‫األويل للبيانات‪ .‬و تعترب هذه اخلطوة مهمة و ضرورية ألهنا تركز على تطوير الفرضيات املتعلقة‬
‫باملشكلة قيد الدراسة‪.‬‬
‫‪ .3‬تهيئة البيانات(‪ : )Data Preparation‬و تشمل اخلطوات التالية‪:‬‬
 ‫االختار(‪ )Selection‬و تعين اختيار املتغريات املتوقعة و حجم العينة‪.‬‬ ‫‪‬‬
‫صياغة المتغيرات و تحويلها(‪)Construction and Transformation Variables‬‬ ‫‪‬‬
‫حيث جيب دائما أن تصاغ املتغريات اجلديدة لبناء النماذج الفعالة‪.‬‬
‫تكامل البيانات(‪ : )Data Integration‬حيث أن جماميع البيانات يف دراسة التنقيب عن البيانات‬ ‫‪‬‬
‫من املمكن خزهنا يف قواعد بيانات متعددة األغراض اليت تكون حباجة إىل توحيدها يف قاعدة بيانية‬
‫واحدة‪.‬‬
‫تصميم و تنسيق البيانات(‪ )Data Formatting‬حيث تتعلق هذه اخلطوة يف إعادة ترتيب‬ ‫‪‬‬
‫حقول البيانات كما يتطلب يف منوذج التنقيب يف البيانات‪.‬‬
‫صياغة نماذج الحل و ثبوتها(‪ :)Model Building and Validation‬إن بناء و صياغة‬ ‫‪.4‬‬
‫منوذج احلل السليم و الدقيق يتم من خالل عملية اخلطأ و الصواب‪ ،‬حيث كثريا ما حتتاج مثل هذه العملية‬
‫إىل مساعدة املختصني يف التنقيب عن البيانات هبدف اختبار و فحص خمتلف البدائل للحصول على أفضل‬
‫منوذج حلل املشكلة قيد الدراسة‪.‬‬
‫‪.5‬التقييم و تعليل نتائج النموذج(‪ : )Evaluation and Interpretation‬حاملا يتم صياغة النموذج‬
‫و التحقق من ثباته و صدقه‪ ،‬جتري مباشرة عملية التحقق من ثبات حزمة البيانات اليت يتم تغذيتها بواسطة‬
‫النموذج‪ .‬ومبا أن نتاجات هذه البيانات معروفة‪ ،‬لذا فان النتائج املتوقعة تقارن مع النتائج الفعلية يف ثبات‬
‫حزمة البيانات قيد التشغيل‪ .‬و تؤدي هذه املقارنة أو املفاضلة إىل التحقق من دقة النموذج‪.‬‬
‫نشر و توزيع النموذج(‪ : )Model Deployment‬حيث تشتمل هذه اخلطوة على نشر و توزيع‬ ‫‪.6‬‬
‫النموذج داخل املنظمة ملساعدة عملية صنع القرار‪ .‬و أن النموذج الصاحل جيب أيضا أن حيقق الرضا لدى‬
‫املستفيدين طاملا أن اختيار النموذج البد أن يتم من خالل الدراسة االسرتشادية أو منوذج مصغر من الدراسة‬
‫الشاملة‪.‬‬

‫خامسا‪ :‬مجاالت تطبيق التنقيب في قواعد البيانات في منظمات األعمال‬

‫لقد عرف التنقيب يف البيانات جناحا كبريا و ازدادت تطبيقاته يف منظمات األعمال و ذاك راجع إىل النمو‬
‫الكبري يف البيانات خاصة املوجودة يف قواعد البيانات و خمازن البيانات‪ ،‬و املنافسة الشديدة يف السوق‪ ،‬مما‬
‫‪.‬يدفع هذه املنظمات إىل االستفادة القصوى من البيانات اليت متتلكها باستخدام التنقيب يف البيانات‬
 ‫و قد بدأ استخدام التنقيب يف البيانات يف منظمات التوزيع‪ ،‬مث انتقلت بعدها سريعا إىل البنوك‪ ،‬و‬
‫مؤسسات التأمني‪ ،‬و شركات اهلاتف (خاصة اهلاتف النقال)‪ ،‬و مؤسسات املياه و الكهرباء‪ ،‬و مؤخرا‬
‫مؤسسات النقل اجلوي و النقل بالسكك احلديدية‪...‬اخل‪ .‬و كانت تطبيقاهتا األوىل يف ميدان إدارة العالقة مع‬
‫الزبون من خالل حتليل سلوك الزبائن من أجل الوصول إىل جعلهم أكثر وفاء و اقرتاح منتجات وفق‬
‫‪.‬رغباهتم‬
‫(‪)14‬‬
‫عموما‪ ،‬هناك عدة ميادين لتطبيق التنقيب يف البيانات يف منظمات األعمال نذكر منها‪:‬‬

‫‪ .1‬التسويق‪ :‬استخدمت الشبكات العصبية االصطناعية يف دراسات التسويق املستهدف مبا يف ذلك‬
‫احلصص السوقية‪ .‬و قد ساعدت هذه األساليب التسويق على استخدام هنج حتصيص الزبائن وفقا‬
‫إىل احلقائق الدميغرافية (السكانية) األساسية مثل اجلنس والعمر واجملموعات وكذلك أمناطهم‬
‫الشرائية‪.‬‬
‫التجزئة‪ :‬لقد استخدمت أساليب التنقيب يف البيانات بصورة فعالة يف التنبؤ باملبيعات حيث أخذت‬ ‫‪.2‬‬
‫العديد من املتغريات يف الدراسات مثل متغريات السوق املتعددة‪ ،‬قدرات الزبائن املستندة على العادات املتبعة‬
‫يف الشراء‪ .‬كما ساعدت أساليب مثل حتليل السلة الشرائية أو السلة السوقية كثريا على إجياد أي من‬
‫املنتجات اليت ميكن أن تشرتى سوية من قبل الزبائن‪.‬‬
‫البنوك‪ :‬لقد أثبتت تنبؤات األعمال واملالية على أهنا األساليب املمتازة يف تطبيقات أساليب التنقيب‬ ‫‪.3‬‬
‫يف البيانات‪ .‬وقد استخدمت هذه األساليب يف إجياد األسعار املضمونة وتنبؤات السعر املستقبلية وأداء‬
‫األسهم‪ .‬كما وقد حققت استخدامات مثل هذه األساليب النجاح يف تطوير أنظمة القياس الرقمية يف حتديد‬
‫خماطرة القروض واالحتياالت املالية‪.‬‬
‫التأمين‪ :‬لقد استخدمت أساليب التنقيب يف البيانات كذلك وبصورة واسعة يف جمال شركات‬ ‫‪.4‬‬
‫التأمني وخاصة يف حتصيص جماميع الزبائن هبدف حتديد أسعار البوليصة وذبذبات املطالبات املتوقعة‬
‫مستقبال‪ ،‬وحتديد املطالبات املزيفة‪.‬‬
‫االتصاالت‪ :‬حيث استخدمت وبصورة فعالة أساليب التنقيب يف البيانات مثل الشبكات العصبية يف‬ ‫‪.5‬‬
‫حماولة تقليل – اخلضخضة‪ -‬اليت تظهر عندما تفقد املنظمة هؤالء الزبائن خالل املنافسة وذهاهبم إىل املنافسني‬
‫اآلخرين‪.‬‬
‫إدارة العمليات‪ :‬حيث استخدمت الشبكات العصبية يف عمليات التخطيط واجلدولة وإدارة املشاريع‬ ‫‪.6‬‬
‫باإلضافة إىل إدارة اجلودة‪.‬‬

‫خاتمة‪:‬‬
‫لقد أدى إدماج مزايا تكنولوجيا املعلومات مع الطرق اإلحصائية و اخلوارزميات إىل توفر اإلمكانات‬
‫الالزمة للتنبؤ بالسلوك املستقبلي و من مث وضع احللول املناسبة للمشكالت قبل وقوعها يف حال‬
‫إمكان حدوثها‪ ،‬أو من باب التنبؤ هبدف التطوير و التحديث بشكل عام يف شىت اجملاالت كل ذلك‬
‫باستخدام تقنيات التنقيب يف البيانات اليت تشكل مرحلة من مسار أمشل هو استكشاف املعرفة يف‬
‫قواعد البيانات و اليت أصبحت من اهلموم الكبرية اليت تقع على عاتق الدول بكافة مؤسساهتا بشكل‬
‫عام‪.‬‬
 ‫‪:‬الهوامش و المراجع‬

‫‪ .1‬بشري عباس‪ ،‬العالق‪ ،‬اإلدارة الرقمية‪ :‬اجملاالت و التطبيقات‪ ،‬مركز اإلمارات للدراسات و البحوث اإلسرتاتيجية‪ ،‬ابوظيب‪ ،2005 ،‬ص ‪.84‬‬
‫‪2.Bazsalica M., Naim P., Data mining pour le Web, éd. Eyrolles, Paris, 2001, P. 61.‬‬
‫‪ .3‬عبد الستار العلي‪ ،‬عامر إبراهيم قنديلجي‪ ،‬غسان العمري‪ ،‬املدخل إىل إدارة املعرفة‪،‬دار املسرية للنشر و التوزيع و الطباعة‪ ،‬الطبعة األوىل‪،‬‬
‫عمان‪ ،2006 ،‬ص‪.157 .‬‬
‫‪4.Hand d., Mannila H., Smyth R., Principles of Data Mining, MIT Press, London, 2001, p. 01.‬‬
‫بشري عباس‪ ،‬العالق‪ ،‬مرجع سابق‪ ،‬ص‪ .‬ص ‪.91-89‬‬ ‫‪.5‬‬
‫بشري عباس‪ ،‬العالق‪ ،‬مرجع سابق‪ ،‬ص‪92 .‬‬ ‫‪.6‬‬
‫‪7.Bazsalica M., Naim P., Op. Cit., pp.68-69.‬‬
‫‪8.Berry J. A. M., Linoff G. S., Data Mining Techniques For Marketing, Sales, and Customer‬‬
‫‪Relationship Management, 2° ed., Wiley Publishing,INC, Indianapolis, 2004, p. 10.‬‬
‫‪9.Bazsalica M., Naim P., Op. Cit., pp.66.‬‬
‫بشري عباس العالق‪ ،‬مرجع سابق‪ ،‬ص‪.93 .‬‬ ‫‪.10‬‬
‫‪11.Bazsalica M., Naim P., Op. Cit., pp.68.‬‬
‫بشري عباس العالق‪ ،‬مرجع سابق‪ ،‬ص‪.94-93 .‬‬ ‫‪.12‬‬
‫عبد الستار العلي‪ ،‬عامر إبراهيم قنديلجي‪ ،‬غسان العمري‪ ،‬مرجع سابق‪ ،‬ص‪ .‬ص‪.102-100 .‬‬ ‫‪.13‬‬
‫عبد الستار العلي‪ ،‬عامر إبراهيم قنديلجي‪ ،‬غسان العمري‪ ،‬مرجع سابق‪ ،‬ص‪ .‬ص‪.99-98 .‬‬ ‫‪.14‬‬