СИСТЕМНЫЙ ПОДХОД К КЛАССИФИКАЦИИ БОЛЬШИХ ДАННЫХ В КОРПОРАТИВНЫХ ИНФОРМАЦИОННЫХ СИСТЕМАХ

Касымов Алексей Алексеевич, Лысенко Алексей

Классификация больших данных в информационных системах играет критическую роль в понимании целей организации, стремящейся к развитию в сфере коммерции. Отток клиентов является серьезной проблемой и одной из самых важных задач для крупных компаний. В связи с прямым влиянием на доходы компаний, они стремятся разработать методы для прогнозирования потенциального оттока клиентов. Следовательно, выявление факторов, увеличивающих отток клиентов, важно для принятия необходимых мер по его снижению. Это улучшит деятельность организации, что приведет к более эффективной информационной системе. Были протестированы четыре алгоритма классификации. Также были извлечены и использованы в классификациях признаки анализа социальных сетей (SNA) для улучшения информационных систем. Использование SNA повысило производительность модели информационной системы. Модель испытала четыре алгоритма: Decision Tree (дерево решений), Random Forest (случайный лес), Gradient Boosted Machine Tree (GBM) и Extreme Gradient Boosting (XGBOOST). Однако лучшие результаты были получены при применении алгоритма XGBOOST. Этот алгоритм позволил получить две классы с точной классификацией, что сделало информационную систему понятной и информативной.

Ключевые слова:Классификация больших данных, Отток клиентов, Алгоритмы машинного обучения, Анализ социальных сетей (SNA), Информационные системы.