POTENCIJAL ANALIZE KORISNIČKIH PODATAKA WEB SERVISA ZA RECENZIRANJE USLUGA : Diplomski rad

U današnjem svijetu, gotovo da i ne postoji poduzeće koje ne koristi podatke u svrhu unaprjeđenja poslovanja, pa stoga i ne čudi kako se upravo podaci smatraju najvrjednijim resursom današnjice. Podaci u svom sirovom obliku ne predstavljaju vrijednost za poduzeće, stoga kako bi se iskoristio njihov potencijal, potrebno je primijeniti odgovarajuće tehnike rudarenja podataka. Poslovna inteligencija kao koncept objedinjuje strategije i tehnologije korištene od strane poslovnih subjekata za analizu poslovnih podataka, s rudarenjem podataka kao jednom sastavnih funkcija. CRISP-DM predstavlja najpopularniji metodološki okvir za provođenje projekata rudarenja podataka, a sastoji se od 6 faza koje uključuju razumijevanje poslovnog problema, razumijevanje podataka, pripremu podataka, modeliranje, evaluaciju modela te isporuku odnosno implementaciju rezultata. Klasifikacija kao tehnika rudarenja podataka biti će, uz praćenje CRISP-DM metodološkoga okvira primijenjena na setu podataka web servisa za recenziranje usluga Yelp, a biti će evaluirani i različiti klasifikacijski algoritmi.In today's world, it is almost impossible to find a business that does not utilitze data in order to enhance its performance, therefore it is no wonder data is regarded as the most valuable resource to a company. Data in its raw form does not provide value to its owner, accordingly, an appropriate set of techniques has to be applied in order to exploit its potential. Business intelligence (BI) comprises the strategies and technologies used by enterprises for the data analysis of business information, with data mining as one of its essential functions. CRISP-DM represents the most widely used structured approach for planning and execution of a data mining project. CRISP-DM methodology consists of six phases, including business understanding, data understanding, data preparation, modeling, evaluation and deployment. Following CRISP-DM methodology framework, classification techniques are applied on a dataset consisted of reviews from Yelp user review platform, together with a performance evaluation of various classification algorithms