Video: Date Warehousing and Data Mining 2024
Til tider er dataudvinding til datalagring ikke forbundet med de øvrige former for forretninger intelligens. Denne mangel på integration forekommer af to grunde:
-
Forretningsbrugere har ikke den nødvendige viden i data miningets statistiske fundament.
-
De almindelige forretningsinformationsleverandører leverer ikke de robuste dataudvindingsværktøjer, og data mining-leverandører giver ikke robuste business intelligence-værktøjer.
Data mining værktøjer giver en grad af teknisk analyse, der kræver en grundlæggende forståelse i statistiske algoritmer for at være vellykket i deres brug.
Data mining er ofte præsenteret som en magisk teknik, som du kan bruge til at afdække universets hemmeligheder fra din organisations data. Data mining er i virkeligheden et paraplybetegnelse for en række avancerede statistiske teknikker og modeller født i 1980'erne som led i kunstig intelligensforskning (f.eks. Neurale netværk).
Data mining som en teknik har et eller begge af disse aspekter:
-
Predictive: Data mining værktøjer og evner søge gennem store mængder data, se efter mønstre og andre aspekter af data i overensstemmelse med de anvendte teknikker og forsøge at fortælle dig, hvad kan ske på baggrund af de oplysninger, som dataanalysen fandt. Vær opmærksom på vægten på ordet may: Data mining er en sandsynlighedsteknik, ikke en formuefortællingstjeneste.
-
Discovery-oriented: Både de grundlæggende forespørgsels- og rapporterings- og forretningsanalyse / OLAP-kategorier af business intelligence-værktøjer giver business intelligence baseret på enten spørgsmål, som brugerne udtrykkeligt spørger (for eksempel spørgsmålet om i øjeblikket) eller & ldquo; institutionaliseret & rdquo; Spørgsmål, som medlemmer af organisationen regelmæssigt spørger i form af regelmæssige rapporter (eller begge). Nøgleordet er spørgsmål: Hvis der ikke stilles spørgsmål, er der ingen svar.
Data miningens opdagelsesorienterede karakter er beregnet til at give svar, selvom du ikke stiller spørgsmål. (Du kan henvise til denne model som "fortælle mig noget interessant, selvom jeg ikke ved, hvilke spørgsmål der skal stilles.")
Data mining systemet giver typisk disse svar ved at bygge komplekse modeller, der bruges til at analysere data, leder efter en tendens eller tendens inden for de data, der kan være relevante, og derefter fortæller dig, hvad den fandt.
