Data Mining, a Course by Blog

H Farecast συλλέγει καθημερινά εκατομμύρια δεδομένων περί πτήσεων: ώρες, διαθεσιμότητα και, κυρίως, τιμές. Πηγή των δεδομένων αποτελεί αρχικά το ομοιογενές αρχείο δεδομένων της αντίστοιχης αμερικανικής ‘Υπηρεσίας Πολιτικής Αεροπορίας’, η οποία μάλλον είναι και η μοναδική που διαθέτει πληθώρα ιστορικών στοιχείων σχετικά με τα μεγέθη αυτά (αυτός είναι και ο λόγος που η υπηρεσία δεν έχει κατορθώσει να επεκταθεί πλήρως εκτός ΗΠΑ ακόμα), επίσης δε και στις ιστοσελίδες των ίδιων των αεροπορικών εταιρειών.

Αφού λοιπόν υπάρχουν διαθέσιμα τα δεδομένα αυτά, η Farecast  τα χρησιμοποιεί (για μαντέψτε, σωστά) για να τρέξει διάφορα μοντέλα data mining και να επιστρέψει, εκτός από πίνακα συσχέτισης τιμών με ώρες πτήσης, επίσης και κυρίως την πρόβλεψή της εάν οι τιμές ανέβουν ή πέσουν, οπότε συμφέρει κανείς να αγοράσει τώρα τα εισητήριά του ή να περιμένει (δείτε τα ακόλουθα δύο σχήματα, επίσης ‘our technology‘ & ‘how it works‘).

Γιατί σας τα αναφέρω όλα αυτά; Επειδή, πέρα του ότι είμαι σίγουρος πως, αν είχατε διαθέσιμα αντίστοιχα δεδομένα, θα μπορούσατε να ανταπεξέλθετε επιτυχώς στο ‘farecast task’ (χμμ, ίσως είναι καλή ιδέα κάτι τέτοιο για την εξέτασή σας στο τέλος του εξαμήνου..), κάνω την αναφορά καθώς σήμερα ανακοινώθηκε πως η Microsoft αγοράζει την Farecast αντί ποσού $115Μ.

Ιδού λοιπόν, μία σχετικά απλοϊκή και εφικτή εφαρμογή data mining, ωστόσο εξαιρετικά εκτελεσμένη (προσέξτε πως ο τελικός χρήστης δεν αντιλαμβάνεται τι τρέχει από πίσω, απλά λαμβάνει κάποια αποτελέσματα, εξαιρετικά απλά, πχ κόκκινα ή πράσινα βελάκια ανόδου ή πτώσης, που με άλλες τεχνικές δεν θα μπορούσε να διαθέτει. αυτό οφείλει να είναι μπούσουλας για εσάς όταν επιχειρείτε χρήση των τεχνικών του μαθήματος εκτός ακαδημαϊκών χώρων), η εφαρμογή και η αξία της. Ποιος είναι ο επόμενος;