داده کاوی چیست و چه فرآیندهای مهمی دارد؟

هوش تجاری نقش مهمی در زمینه داده کاوی اطلاعات دارد. در داده کاوی، اطلاعات خام و غیرقابل‌فهم طی فرایند منحصربه‌فردی به اطلاعات مهم و ارزشمند تبدیل می‌شود. استفاده از داده کاوی باعث می‌شود که به راحتی اطلاعات لازم و مفید را به دست آورده و از آن‌ها برای پیشرفت کار خود استفاده کنید. اگر شما هم کسب‌وکار خود را دارید و تمایل دارید آن را گسترش دهید، این مقاله برای شما نوشته شده؛ بنابراین به شما توصیه می‌کنم مطالب بیان شده در آن را از دست ندهید.

داده به چه چیزی گفته می‌شود؟

بهتر است پیش از صحبت درباره داده کاوی ابتدا با مفهوم داده آشنا شویم. اطلاعات خام در انواع مختلفی وجود دارند که به آن‌ها داده گفته می‌شود و به شیوه‌های مختلف و باتوجه‌به نوع نیاز افراد، قالب‌بندی می‌شوند. به دلیل اینکه فهم اطلاعات موجود در داده‌ها دشوار است، باید حتما طی یک فرایند تجزیه‌وتحلیل شوند تا بتوان از آن‌ها برای تصمیم‌گیری‌های کاری استفاده کرد. برخی نرم‌افزارهای مخصوص برای انجام فرایند ذکر شده روی داده‌های موجود در پایگاه داده مورداستفاده قرار می‌گیرند.

درباره داده کاوی بیشتر بدانید

تا پیش از سال 1990 هیچ سخنی از علم داده کاوی و هوش تجاری به میان نیامده بود اما پس از آن به دلیل نیاز افراد به این علم، باعث مطرح‌شدن آن شد. در دهه‌های گذشته به‌منظور کمک به بشر در اداره کسب‌وکار پیشرفت زیادی در این زمینه مشاهده شده است. داده کاوی یکی از شاخه‌های علم داده است که به دلیل شباهت بین آن با فرایند جستجو و استخراج سنگ‌ها و فلزات ارزشمند از دل کوه، نام آن را اینگونه نهاده‌اند.

در فرایند یاد شده باید حجم زیادی از داده‌های خام بررسی و غربال شوند تا مواد ارزشمند موجود در آن جداسازی شود. در داده کاوی به زبان ساده می‌توان گفت داده‌های خام تحت تجزیه‌وتحلیل قرار می‌گیرند و به اطلاعات مفید و کارآمد تبدیل می‌شوند. این پروسه توسط نرم‌افزارهای مختلفی انجام می‌گیرد که در ادامه مقاله بیشتر درباره آن صبحت خواهیم کرد.

به طور دقیق داده کاوی به فرایندی گفته می‌شود که طی آن داده‌های زیادی تحت تجزیه‌وتحلیل عظیم قرار می‌گیرند تا با استفاده از آن‌ها هوش تجاری مناسب برای توسعه شرکت‌ها شناخته شود. BI به صاحبان کسب‌وکار کمک می‌کند که از فرصت‌های پیش‌آمده کوچک و بزرگ به بهترین روش استفاده کنند و به آنان در حل مشکلات کمک می‌کند.

KDD (کشف دانش درون داده‌ها) یکی دیگر کارهایی است که توسط داده کاوی انجام می‌گیرد. در این فرایند بزرگ به کشف الگوهای موجود در داده‌ها و سایر اطلاعات نهفته در آن‌ها پرداخته می‌شود. به دلیل بزرگ‌شدن حجم اطلاعات موجود در داده‌ها، استفاده از تکنیک‌های داده کاوی در چند دهه گذشته بسیار افزایش‌یافته و پیشرفت این تکنیک‌ها نیز شتابی غیرقابل‌باور پیدا کرده است. به دلیل استفاده زیاد افراد از فضای مجازی، داده کاوی در شبکه‌های اجتماعی نیز طرف‌داران بسیاری پیدا کرده است.

نقش داده کاوی در تجارت

یکی از خدماتی که داده کاوی به تاجران ارائه می‌دهد، پاسخ به برخی از سوالات آن‌ها است که پیش‌ازاین بدون جواب مانده‌اند. برای پاسخ به بسیاری از پرسش‌های تجاری باید محاسبات زیادی انجام داد که تا پیش از ظهور علم داده کاوی، به دست آوردن پاسخ آن‌ها غیر ممکن به‌نظر می‌رسید.

اما امروزه با کمک سیستم‌های کامپیوتری و استفاده از الگوریتم هوش مصنوعی می‌توان در زمانی کوتاه تمام محاسبات را بدون خطا انجام داد. این محاسبات از روش‌های وسیع آماری پیروی می‌کنند و باید طی آن تجزیه‌وتحلیل‌های مختلفی انجام شود.

نتیجه به‌دست‌آمده حاصل از داده کاوی به کاربر اطلاعاتی درباره روند بازار می‌دهد که با کمک آن می‌توان پیش‌بینی کرد در آینده چه اتفاقی رخ می‌دهد. از داده کاوی اطلاعات در بیشتر زمینه‌های تجارت مانند بازاریابی و فروش محصول، توسعه خط تولید محصول، آموزش کادر سازمان، روش‌های مراقبتی حین کار و غیره  استفاده می‌شود. درنهایت اگر از این علم به‌درستی استفاده شود به رونق کسب‌وکار، جذب و حفظ مشتری، افزایش درآمد، کاهش هزینه و… می‌انجامد و باعث پیشی گرفتن شما از رقبا خواهد شد.

از داده کاوی به انگلیسی Data mining یاد می‌شود. این علم باعث شده که تصمیم‌گیری در شرکت‌ها و سازمان‌های بزرگ بیشتر بر مبنای تجزیه‌وتحلیل و به‌صورت کاملا دقیق انجام شود که در نهایت به تحقق اهداف بزرگ می‌انجامد. هدف نخست انجام تصمیم‌گیری درست و منطقی در کمپانی‌ها است و دیگری بالابردن سرعت تجزیه‌وتحلیل داده‌ها برای پیشی گرفتن از رقبا است. استفاده از تکنیک‌های داده کاوی همیشه کمی دشوار است؛ اما پیشرفت هوش مصنوعی باعث بهبود عملکرد افراد در استفاده از آن شده است.

فرایندهای مهم در انجام داده کاوی

در پروژه‌های داده کاوی باید در ابتدا سوالات تجاری مطرح شوند سپس پاسخ‌های مناسبی برای آن‌ها ارائه شود. ممکن است اگر از این علم استفاده نکنید، برخی از داده‌ها را چندین بار بررسی و تحلیل کنید اما به هیچ نتیجه و اطلاعات جامع و مفیدی نرسید. مهم‌ترین نکته برای داده کاوی این است که داده‌های مناسب، دقیق و شفاف را در اختیار سیستم قرار دهید.

تعداد داده‌ها برای هوش تجاری اهمیت زیادی ندارد و نباید در واردکردن داده اولیه شک کنید. اگر آن‌ها کیفیت مناسب را نداشته باشند، حاصل کار یک نتیجه ضعیف خواهد بود که کمکی به شما نخواهد کرد؛ بنابراین باید ورودی شما بدون نقص باشد.

توجه داشته باشید که برای داشتن نتایج دقیق داده کاوی، باید بین کارشناسان داده کاوی و تیم کارشناسی تجاری همکاری نزدیک وجود داشته باشد. فرایند داده کاوی در حالت کلی و ایده‌آل 6 مرحله زیر را در بر می‌گیرد:

1. به‌دست‌آوردن درک درستی از کسب‌وکار که شامل وضعیت کنونی، هدف اصلی تجاری در پروژه موردنظر و مشخص نمودن معیار‌های دقیق در کسب موفقیت است.
2. کسب درک درستی از داده‌هایی که برای پاسخ به مسئله موردنیاز است و جمع‌کردن آن‌ها از منابعی که در اختیار دارد.
3. حال نوبت به مرتب‌سازی داده‌های به‌دست‌آمده برای آغاز فرایند تجزیه‌وتحلیل است. در این قسمت همه داده‌های تکراری و اضافی حذف می‌شوند و مشکلات پیش‌آمده به‌خاطر ورود داده‌های ضعیف یا مفقودی رفع می‌شود و در یک قالب مناسب برای هوش تجاری آماده می‌شود.
4. حال باید یک مدل برای کار پیش‌بینی شود تا بتوان با استفاده از آن، همه داده‌ها را با کمک الگوریتم‌ها در یک الگوی مشخص ارائه داد.
5. در مرحله پنجم باید مشخص شود که آیا نتایجی که از مدل پیش‌بینی شده به‌دست‌آمده، برای رسیدن به هدف تجاری موردنظر مفید است یا نتیجه دلخواه نیست. اگر این اتفاق رخ نداده باشد، مراحل طی شده دوباره تکرار خواهند شد. در بیشتر موارد یک الگوریتم وجود دارد که این فرایند تا زمانی تکرار می‌کند که بهترین نتیجه به دست آید.
6. حال باید تجزیه‌وتحلیل را راه‌اندازی کنید تا نتایج نهایی در اختیار شما قرار بگیرد. در این مرحله که استقرار نامیده می‌شود، شما می‌توانید نتایج را به‌عنوان پاسخ نهایی در اختیار تصمیم‌گیرندگان اصلی پروژه قرار دهید.

چرا داده کاوی مهم است؟

داده کاوی به شما کمک می‌کند در کوتاه‌ترین زمان، اطلاعات لازم برای تصمیم‌گیری درباره کارها را به دست آورید و برای انجام آن‌ها اقدام کنید؛ به همین دلیل یادگیری داده کاوی جز ملزومات تجارت امروزی است. درصورتی‌که این اتفاق رخ دهد، شما پیش از رقبای خود وارد عمل شده‌اید که مطمئنا از اهمیت این اتفاق به‌خوبی آگاهید. برای درک بهتر از یک مثال عملی استفاده می‌کنیم.

برای مثال به توضیح نقش داده کاوی و هوش مصنوعی تجاری در بازاریابی و فروش می‌پردازیم. درصورتی‌که برای داده کاوی از این علم استفاده کنید، به‌راحتی قادر خواهید بود که مشتریان معمولی خود را به مشتریانی ثابت و سودآور تبدیل کنید.

برای انجام این کار بر اساس جمعیت‌شناسی مشتریانی که اطلاعات آن‌ها در سیستم ثبت شده است، یک پروفایل برای مشتریان معمولی ساخته می‌شود. برای هریک از این مشتریان مشخص می‌شود که احتمالا به کدام یک از پیشنهادهای خرید پاسخ مثبت می‌دهند و برای خرید ترغیب می‌شوند.

حال این پیشنهادها به آن‌ها ارائه می‌شود تا آن‌ها را از یک مشتری معمولی به یک مشتری ویژه و سودآور تبدیل کند. بدین ترتیب شما به اهداف میان‌مدت خود یعنی سود بیشتر و بازگشت سرمایه خواهید رسید.

پرده‌برداری از تکنیک‌های خاص داده کاوی

هوش تجاری و داده کاوی ایران مانند سایر زمینه‌ها، تکنیک‌های مختلفی دارد که برخی از سایرین مهم‌ترند. در ادامه برخی از مهم‌ترین تکنیک‌ها را معرفی می‌کنیم.

• تجزیه‌وتحلیل بازار با نام یادگیری قوانین مربوط به انجمن شناخته می‌شوند که به معنی پیداکردن روابط خاص و جالب بین داده‌ها است. این روابط ممکن است در ابتدا مشخص نباشند اما در نهایت توسط سیستم پیدا می‌شوند. این سیستم برای برنامه‌های بلندمدت مناسب است و نباید با دید کوتاه‌مدت یا میان‌مدت به آن نگریست. یکی از کارهایی که این برنامه انجام می‌دهد، تعیین محصولاتی است که باهم فروش بهتری دارند.
• تکنیک دیگر طبقه‌بندی است که در آن داده‌ها را بر اساس ویژگی‌های مشترکی که دارند به گروه‌های مختلف باهدف مشخص تقسیم می‌کنند. با کمک این تکنیک می‌توان با الگوریتم مشخص، پیچیده‌ترین و عجیب‌ترین داده‌ها را طبقه‌بندی کرد.
• خوشه‌بندی یکی دیگر از تکنیک‌های کارآمد است که در شناخت گروه‌‌بندی و ساختار طبیعی داده‌ها به کاربران کمک می‌کند. هر گروه‌بندی از داده‌ها را می‌توان در خوشه‌هایی مرتب کرد. داده‌های موجود در این خوشه‌ها کاملا معنادارند و با یکدیگر ارتباط خاصی دارند. در این تکنیک به‌جای اینکه داده‌ها در دسته‌هایی مرتب شوند که ویژگی‌های آن‌ها از پیش تعیین شده باشد، در گروهی قرار می‌گیرند که همه اعضا آن دارای یک ویژگی مشترک باشند.
• به یکی دیگر از روش‌های دسته‌بندی داده‌ها که نسبتا جالب است درخت تصمیم گفته می‌شود. در این تکنیک تعداد زیادی سوال آبشاری پرسیده می‌شود و داده‌ها بر اساس آن پرسش‌ها، به‌مرور در یک دسته‌بندی قرار می‌گیرند. بدین ترتیب در انتها تعدادی کلاس مختلف خواهیم داشت که داده‌های موجود در آن‌ها ویژگی مشترک دارند.
• رگرسیون یا پسرفت نیز تکنیکی دیگر است که با استفاده از آن می‌توان مقادیر عددی مربوط به فروش، نرخ سهام و… را پیش‌بینی کرد و از آن‌ها به‌عنوان یک مجموعه خاص از داده‌ها استفاده کرد.

نرم‌افزار‌های مهم در داده کاوی

همان گونه که پیش‌ازاین گفته شد برای Data mining از نرم‌افزار مختلفی استفاده می‌شود که هرکدام در زمینه تحقق یک هدف، عملکرد بهتری دارند. برای انجام داده کاوی زبان‌های منبع‌باز زیادی از جمله R، Python و غیره وجود دارد.

همچنین یکی از شناخته‌شده‌ترین نرم‌افزارها برای انجام این کار Excel است که بیشتر ما در سطح مبتدی می‌توانیم از آن استفاده کنیم اما برای داده کاوی باید با قابلیت‌های پیچیده‌تر آن آشنا شویم. برای انتخاب نرم‌افزار مناسب باید معیارهای خاصی را در نظر بگیرید. در ادامه به برخی از مهم‌ترین معیارها برای انتخاب نرم‌افزار داده کاوی می‌پردازیم.

• نوع نیاز خود را نسبت به کار آیی داده کاوی مشخص کنید. به‌عنوان نمونه مشخص است که نیاز سازمان دارویی به داده کاوی با نیاز یک تاجر پارچه به آن متفاوت است.
• همه فرایندهای انجام شده از دریافت داده تا تحویل اطلاعات مفید در قالب‌های مختلف از جمله نمودار را در بر بگیرد.
• قابلیت هماهنگ شدن با سایر نرم‌افزارهای موجود در سازمان مانند ERP و… را داشته باشد و در آن‌ها اختلالی ایجاد نکند.
• این نرم‌افزار باید با زبان‌های منبع‌باز در سازمان ترکیب شود تا قادر باشد به توسعه سازمان کمک کند؛ بنابراین باید به‌منظور ارائه برنامه‌های نوین حتما انعطاف‌پذیری لازم را داشته باشد.
• به دلیل اینکه این سیستم در سازمان، سراسری خواهد بود باید نیاز همه قسمت‌های موجود را برطرف نماید. بخش IT، مالی، تحلیل داده و… تعدادی از بخش‌هایی است که باید مورد حمایت این نرم‌افزار قرار بگیرند.

آشنایی با مزایای داده کاوی حرفه‌ای

زندگی در دنیای امروزه باعث شده شما هر روز با حجم زیادی از داده‌ها و اطلاعات جدید روبه‌رو شوید که اگر توانایی استفاده از آن‌ها را نداشته باشید، احتمال دارد که در برابر رقبا با شکست مواجه شوید. حال دیگر نمی‌توانید انتخاب کنید که آیا در تجارت خود از هوش تجاری و داده کاوی استفاده کنید یا خیر زیرا کسب‌وکار شما بدون آن عقب می‌ماند. اکنون باید تنها درباره نوع داده کاوی و سیستم مورداستفاده برای آن تفکر کنید.

در صورت استفاده از سیستم و تکنیک‌های خاص داده کاوی، تمام تصمیم‌های کاری شما علمی و بر اساس اطلاعات به‌دست‌آمده از یک هوش تجاری خواهد بود. در این حالت دیگر احساسات و غریزه شما در تصمیم نهایی تاثیر نداشته و احتمال وقوع خطا کمتر می‌شود. استفاده از این فرایند به شما کمک می‌کند تا چندین ترابایت داده را به‌جای چند روز، تنها در چند ساعت بررسی و تحلیل کنید.

هرچقدر سرعت شما در تحلیل و بررسی داده‌های به‌دست‌آمده و استفاده از آن‌ها در تصمیمات مهم شرکت بیشتر باشد، احتمال موفقیت کسب‌وکار شما نیز بیشتر خواهد بود. حتی BI و داده کاوی در شبکه‌های اجتماعی نیز یک فرصت بسیار خوب در اختیار شما قرار می‌دهد تا با کسب درک مناسبی از گذشته و زمان حال و داشتن پیش‌بینی‌های درست و دقیق، یک آینده بهینه در پیش روی خود داشته باشید. به‌جرئت می‌توان گفت کاربرد داده کاوی در رفع مشکلات تجاری شما غیرقابل‌باور است. در ادامه برخی از زمینه‌هایی که توسط داده کاوی مورد تحلیل و بررسی قرار می‌گیرند را معرفی می‌کنیم:

• افزایش میزان درآمد
• بهبود فروش
• افزایش فروش
• به‌دست‌آوردن درک درست از سلیقه مشتری
• افزایش میزان ROI از بازاریابی
• جذب مشتری جدید
• شناسایی ریسک‌های احتمالی
• حفظ مشتریان قدیمی
• تبدیل مشتری معمولی به مشتری فعال و سودآور
• نظارت به نحوه عملیات‌های اجرایی
• کشف تقلب و جلوگیری از وقوع آن

چالش‌ها و معایب داده کاوی

استفاده از هوش تجاری و فناوری Data mining نیز چالش‌هایی به همراه دارد که باید پیش از استفاده از آن، حتما آن‌ها را شناخته و پیش‌بینی‌های لازم را به عمل آورید. در ادامه به 12 مورد از متداول‌ترین مشکلات و معایب داده کاوی اشاره می‌کنیم.

1. درصورتی‌که داده‌های اشتباه، تکراری، نادرست، کثیف و غیره در مجموعه‌داده‌ها وجود داشته باشد نتیجه نهایی بسیار ضعیف خواهد بود.
2. اگر داده‌هایی با فرمت‌های مختلف در مجموعه وجود داشته باشد نیز در نتیجه نهایی اشکال رخ خواهد داد. انواع فرمت عبارت است از متن، چندرسانه‌ای، عددی، جغرافیایی و…
3. به‌وجودآمدن نگرانی درباره شکسته شدن سیستم امنیتی و اطلاعات خصوصی سازمان توسط افراد خارج از سازمان و سایر سازمان‌های خصوصی و دولتی و قرارگرفتن تحت حمله سایبری.
4. دشوار شدن دسترسی به داده‌ها یا غیرقابل‌دسترس بودن آن‌ها در هر لحظه.
5. نیاز به تنظیم مقیاس و الگوریتم نرم‌افزار و سیستم موردنظر برای تجزیه‌وتحلیل مفید اطلاعات موجود در پایگاه داده.
6. ممکن است در برخورد با مجموعه‌هایی که داده‌های بزرگی دارند به استفاده از یک رویکرد توزیع نیاز باشد.
7. در استفاده از این سیستم ممکن است برای پردازش برخی داده‌های غیرایستا، حساس و… با مشکل مواجه شوید.
8. در برخی موارد دریافت اطلاعات از پایگاه‌های حاوی داده‌های ناهمگن و اطلاعات جهانی دشوار است.
9. برای اینکه سرعت سیستم در تجزیه‌وتحلیل داده‌های جدید مناسب باشد، باید به طور مداوم به‌روزرسانی شود.
10. اگر داده‌های شما زیاد باشد باید برای بررسی و نگهداری آن‌ها هزینه بالایی جهت تهیه نرم‌افزارها و سخت‌افزارهای قدرتمند پرداخت کنید.
11. برای پردازش داده‌هایی که پیچیدگی و حجم بالایی دارند یا قالب مشخصی در ساختار خود ندارند با چالش روبه‌رو شوید.
12. مقدار خالص خروجی ممکن است در روش‌های مختلف داده کاوی یکسان نباشد.

داده کاوی شبکه اجتماعی

شبکه اجتماعی یکی از محیط‌هایی است که در آن استفاده از داده کاوی رایج و مفید است. هوش تجاری در برنامه‌های اجتماعی مانند فیس‌بوک، اینستاگرام و غیره درباره کاربرانی که صفحات شخصی دارند اطلاعاتی جمع کرده و مورد بررسی قرار می‌دهد.

در این راستا علایق شخصی آن‌ها را بررسی می‌کند تا بتواند تبلیغات درست و کارآمد برای آن‌ها ارسال کند. با ارسال به‌موقع تبلیغ، مشتری‌های بیشتری جذب می‌شوند و فروش شما افزایش خواهد یافت. البته در کنار استفاده‌های مفید، داده کاوی نیز می‌تواند در راه اشتباه و باهدف خرابکاری نیز مورداستفاده قرار گیرد.

آینده علم داده کاوی

حجم داده‌هایی که در دنیای امروزی استفاده و ذخیره می‌کنیم تا جایی زیاد شده که اطلاعات جدید ثبت شده در فضای مجازی تا مرز 1.7 مگابایت افزایش‌یافته است. این مسئله نشان‌دهنده این است که آینده علم داده کاوی بسیار روشن است.

به دلیل اینکه تنوع در داده‌های ثبت شده بیشتر می‌شود باید از مدل‌ها و تکنیک‌های جدیدتر و پیچیده‌تری استفاده شود. در صورت استفاده از تکنیک‌های قدیمی ممکن است نتایج ضعیفی از داده موجود به دست آوریم و این جا است که به اهمیت یادگیری داده کاوی پی می‌بریم.

به دلیل اینکه داده‌های حاصل از فروش محصول، سیستم تولید، بازاریابی فروش و غیره بسیار زیاد است استفاده از فضای ذخیره مانند هارد مناسب نیست، به همین دلیل برای این امر فضای ابری بیشتر توصیه می‌شود. استفاده از چنین فضایی مقرون‌به‌صرفه خواهد بود و برای استفاده سازمانی و شرکت‌ها کاربردی‌تر است. هنگامی که همه اطلاعات و داده‌ها در فضای ابری ذخیره شوند، جمع‌آوری، بررسی و استفاده از آن‌ها راحت‌تر خواهد بود و در انتها نتایج بهتری در اختیار صاحبان کسب‌وکار قرار می‌دهد.

تکنولوژی‌های قدیمی باتوجه‌به گستردگی داده در آینده پاسخگو نخواهند بود به همین دلیل استفاده از ابزار‌هایی که به‌صورت منبع‌باز به کار داده کاوی ایران می‌پردازند بهتر است. این ابزار با سرعت بیشتری به محاسبه داده‌های موجود می‌پردازند و قادرند حجم بیشتری از اطلاعات را تجزیه‌وتحلیل کنند. در آینده باید این راه‌حل‌های سنتی که در حال حاضر مورداستفاده قرار می‌گیرند کنار گذاشته شوند و از روش‌های جدید و پرسرعت استفاده کرد؛ تا رسیدن به آن‌ها راهی کوتاه مانده است.

استفاده از تکنیک‌های جدید و به‌روز باعث می‌شود تحلیل‌گران به‌راحتی اطلاعات موجود را تحلیل کنند و تصمیم‌های بهتر و مناسب‌تری برای کارهای شرکت بگیرند. ابزار محاسباتی که تکنیک‌های جدید در اختیار افراد قرار می‌دهند، برای محاسبات دشوار و پیچیده داده‌های آینده کارآمدتر خواهند بود.

سخن آخر

استفاده از روش سنتی در بررسی و تحلیل داده‌ها زمان‌بر و بسیار دشوار است به همین استفاده از هوش تجاری در روش‌های نوین داده کاوی اطلاعات، طرف‌داران زیادی پیدا کرده است. کاربرد داده کاوی زیاد است به همین دلیل همه تجار و صاحبان کسب‌وکار را بر آن داشته که از این روش استفاده کنند. اما برای استفاده از این روش باید حتما اطلاعات کاملی درباره تکنیک‌ها، نرم‌افزارها و سایر نکات مربوط به آن داشته باشید که با مطالعه این مقاله آن‌ها را به دست خواهید آورد.