Video: Date Warehousing and Data Mining 2024
Ibland är data mining för datalagring inte förenad med de andra formerna av verksamhet intelligens. Denna brist på integration sker av två anledningar:
-
Företagskunder har inte den kunskap som krävs i data miningens statistiska stiftelser.
-
De generella affärsintelligensleverantörerna tillhandahåller inte de robusta datautvinningsverktygen, och datautvinningsleverantörerna tillhandahåller inte robusta affärsunderrättelseverktyg.
Data mining verktyg ger en viss teknisk analys som kräver en grundläggande förståelse i statistiska algoritmer för att lyckas i deras användning.
Data mining presenteras ofta som en magisk teknik som du kan använda för att avslöja universums hemligheter från din organisations data. I själva verket är datautvinning ett paraplybegrepp för en rad avancerade statistiska tekniker och modeller födda på 1980-talet som en del av artificiell intelligensforskning (t.ex. neurala nätverk).
Datautvinning som en teknik har en eller båda av dessa aspekter:
-
Prediktiv: Datautvinningsverktyg och funktioner sök igenom stora datamängder, leta efter mönster och andra aspekter av data i enlighet med de tekniker som används och försöka berätta vad kan hända baserat på den information som dataanalysen hittade. Lägg märke till betoningen på ordet may: Data mining är en sannolik teknik, inte en förmögenhetstjänst.
-
Discovery-oriented: Både de grundläggande frågorna och rapportering och affärsanalys / OLAP-kategorierna av affärsunderrättelseverktyg ger affärsinformation baserat på antingen frågor som användarna uttryckligen frågar (typ av frågan om ögonblicket) eller & ldquo; institutionaliserade och rdquo; frågor som medlemmar av organisationen regelbundet frågar i form av regelbundna rapporter (eller båda). Nyckelordet är fråga: Om inga frågor ställs, kommer inga svar att komma fram.
Data miningens upptäcktsorienterade natur är avsedd att ge svar, även om du inte ställer några frågor. (Du kan hänvisa till denna modell som "berätta för mig något intressant, även om jag inte vet vilka frågor som ska ställas.")
Datavinnningssystemet tillhandahåller vanligtvis dessa svar genom att bygga komplexa modeller som används för att analysera data, letar efter någon trend eller tendens inom de data som kan vara lämpliga, och sedan berätta vad det hittades.
