Video: Date Warehousing and Data Mining 2024
Til tider kommer datautvinning for datalagring ikke sammen med andre virksomhetsformer intelligens. Denne mangelen på integrasjon skjer av to grunner:
-
Bedriftsbrukere har ikke den nødvendige kunnskapen i data miningens statistiske grunnlag.
-
De viktigste forretningsmessige intelligensleverandørene gir ikke de robuste datautvinningsverktøyene, og data mining leverandører gir ikke robuste forretningsinformasjonsverktøy.
Data mining verktøy gir en grad av teknisk analyse som krever en grunnleggende forståelse i statistiske algoritmer for å lykkes i deres bruk.
Datautvinning presenteres ofte som en magisk teknikk som du kan bruke til å avdekke universets hemmeligheter fra organisasjonens data. I virkeligheten er datautvinning et paraplybegrep for en rekke avanserte statistiske teknikker og modeller født på 1980-tallet som en del av kunstig intelligensforskning (f.eks. Nevrale nettverk).
Prediktive:-
Data mining verktøy og evner søke gjennom store datamengder, se etter mønstre og andre aspekter av data i samsvar med teknikkene som brukes, og prøv å fortelle deg hva kan skje basert på informasjonen som dataanalysen fant. Legg merke til vekten på ordet kanskje: Data mining er en sannsynlighetsteknikk, ikke en formuefortellingstjeneste.
-
Både de grunnleggende spørrings- og rapporteringsverktøyene og forretningsanalysen / OLAP-kategoriene for forretningsinformasjonsverktøy gir forretningsinformasjon basert på enten spørsmål brukerne uttrykkelig spør (for eksempel spørsmålet om øyeblikket) eller & ldquo; innlagt & rdquo; Spørsmål som medlemmer av organisasjonen regelmessig spør i form av regelmessige rapporter (eller begge deler). Nøkkelordet er spørsmål: Hvis det ikke stilles spørsmål, er det ikke noe svar som kommer. Data miningens funn-orienterte natur er ment å gi svar, selv om du ikke stiller spørsmål. (Du kan referere til denne modellen som "fortell meg noe interessant, selv om jeg ikke vet hvilke spørsmål du skal spørre.")
Datautvinningssystemet gir vanligvis disse svarene ved å bygge komplekse modeller som brukes til å analysere data, ser etter noen trend eller tendens innenfor dataene som kan være passende, og deretter fortelle deg hva den fant.
