אפשר לחלק באופן גס את הנתונים בעולם הביג-דאטה לשתי קבוצות: סטטיים ודינמיים. בנתונים סטטיים הכוונה בדרך כלל לנתונים שמאפיינים ישות מסוימת ועונים על השאלה "מי היא". אם מדובר באדם אז הכוונה למשל לשמו, גילו, שנת לידתו, מספר תעודת הזהות שלו וכדומה. בעולם הסייבר נתאר קובץ במחשב לפי הסוג שלו, שמו, אורכו ומאפיינים אחרים שנוכל למצוא עליו. לעומת זאת נתונים דינמיים בדרך כלל מאפיינים אירועים שהתרחשו בנקודת זמן מסוימת וקשורים לישויות האלו. הם עונים למשל על השאלה "מה הם עושים". אז מהו אלגוריתם התנהגותי? ניתוח שעוסק בנתונים של אוסף אירועים הוא עקרונית "התנהגותי". אמנם טבעי יותר להשתמש במונח "התנהגותי" בהקשר של אנשים מאשר של שדות תעופה, אבל זוהי הבחנה מלאכותית שהומצאה כדי לתמוך במצגות של אנשי שיווק ומכירות. בפועל ממילא ייעשה שימוש באותן השיטות בדיוק בהן משתמשים כבר עשרות שנים לניתוח של נתונים דינמיים, עוד לפני שסיפרו לנתונים שהם "התנהגותיים". לכתבה המלאה
יש שימושים שונים לאלגוריתמים התנהגותיים, לדוגמא באתרי מכירות או בהגנת סייבר. בפוסט הקודם התחלתי לעסוק באלגוריתמים התנהגותיים והסברתי שמדובר בניתוח של נתוני אירועים בזמן. הדגמתי ניתוח של נתוני טיסות, וציינתי שיש לאלגוריתמים התנהגותיים הרבה שימושים. אחד היישומים הפופולריים כיום באלגוריתמים התנהגותיים הוא ניתוח דפוסי התנהגות של גולשים באתרי אינטרנט. אמחיש זאת. נניח שיש לך אתר אינטרנט ואת מוכרת בו מוצרים מעשה ידייך. פרסמת את האתר במקומות הנכונים, וגולשים וגולשות מגיעים אליו בהמוניהם. אבל אף אחד לא קונה. למה? תמיד קיימת האפשרות שהמוצרים לא קורצים מספיק לקונים, ואולי יקרים מדי. אבל מצד שני, כשאת מוכרת אותם בירידים הם נמכרים מצוין. אז איך ניתן להסביר מה קורה? לכתבה המלאה
שילוב של נתונים ממדים שונים, למשל זמן ומקום, מעשיר את ההבנה שלנו. בפוסט הקודם הבאתי דוגמות נוספות לשימושים באלגוריתמים התנהגותיים. כל הדוגמות עד כה עסקו בתובנות מניתוח של נתוני אירועים בזמן, אבל לאירועים שונים יש מאפיין חשוב נוסף – מקום. שילוב של ממדים שונים, במקרה שלנו זמן ומקום, מעשיר את ההבנה שלנו. ללא מיקומי השיחות יכולנו אמנם לדעת עם מי הוא מדבר ומתי, אבל לא על שגרת חייו. לכתבה המלאה
