Βίντεο: Βάσεις, Αποθήκες και Εξόρυξη Δεδομένων 2024
Μερικές φορές, η εξόρυξη δεδομένων για την αποθήκευση δεδομένων δεν συγχέεται με τις άλλες μορφές επιχείρησης νοημοσύνη. Αυτή η έλλειψη ολοκλήρωσης συμβαίνει για δύο λόγους:
-
Οι επιχειρηματικοί χρήστες δεν έχουν τις απαιτούμενες γνώσεις στα στατιστικά θεμέλια εξόρυξης δεδομένων.
-
Οι βασικοί προμηθευτές επιχειρηματικών πληροφοριών δεν παρέχουν τα ισχυρά εργαλεία εξόρυξης δεδομένων και οι προμηθευτές εξόρυξης δεδομένων δεν παρέχουν ισχυρά εργαλεία επιχειρηματικής ευφυΐας.
Τα εργαλεία εξόρυξης δεδομένων παρέχουν ένα βαθμό τεχνικής ανάλυσης που απαιτεί μια βασική κατανόηση στους στατιστικούς αλγόριθμους να είναι επιτυχής στη χρήση τους.
Η εξόρυξη δεδομένων συχνά παρουσιάζεται ως μια μαγική τεχνική που μπορείτε να χρησιμοποιήσετε για να αποκαλύψετε τα μυστικά του σύμπαντος από τα δεδομένα του οργανισμού σας. Στην πραγματικότητα, η εξόρυξη δεδομένων αποτελεί έναν όρο οροφής για μια σειρά προηγμένων στατιστικών τεχνικών και μοντέλων που γεννήθηκαν στη δεκαετία του 1980 ως μέρος της έρευνας τεχνητής νοημοσύνης (π.χ. νευρωνικά δίκτυα).
Προγνωστική:-
Τα εργαλεία και οι δυνατότητες εξόρυξης δεδομένων αναζητούν μεγάλους όγκους δεδομένων, αναζητούν πρότυπα και άλλες πτυχές της τα δεδομένα σύμφωνα με τις τεχνικές που χρησιμοποιούνται και να προσπαθήσουμε να σας πούμε τι μπορεί να συμβαίνει με βάση τις πληροφορίες που βρέθηκαν στην ανάλυση δεδομένων. Σημειώστε ότι η έμφαση στη λέξη μπορεί να: Η εξόρυξη δεδομένων είναι μια τεχνική πιθανότητας, όχι μια υπηρεσία περιπέτειας. -> Ο προσανατολισμός στην ανακάλυψη:
Και οι δύο βασικές ερωτήσεις και αναφορές και οι επιχειρηματικές αναλύσεις / OLAP κατηγορίες εργαλείων επιχειρηματικής ευφυΐας παρέχουν επιχειρηματική ευφυΐα βασισμένη είτε σε ερωτήσεις που θέτουν ρητά οι χρήστες τη στιγμή) ή & ldquo; θεσμοθετημένο & rdquo; ερωτήσεις που ζητούν τα μέλη του οργανισμού με τη μορφή τακτικών εκθέσεων (ή και των δύο). Η λέξη-κλειδί είναι -
ερώτηση : Εάν δεν ζητηθούν ερωτήσεις, δεν υπάρχουν απαντήσεις. Η φύση με γνώμονα την ανακάλυψη δεδομένων έχει σκοπό να παράσχει απαντήσεις, ακόμη και αν δεν κάνετε ερωτήσεις. (Μπορείτε να ανατρέξετε σε αυτό το μοντέλο σαν να λέτε κάτι ενδιαφέρον, ακόμα και αν δεν γνωρίζω ποιες ερωτήσεις θα πρέπει να ρωτήσετε.) Το σύστημα εξόρυξης δεδομένων συνήθως παρέχει αυτές τις απαντήσεις δημιουργώντας περίπλοκα μοντέλα που χρησιμοποιούνται για την ανάλυση δεδομένα, αναζητώντας κάποια τάση ή τάση μέσα στα δεδομένα που θα μπορούσαν να είναι κατάλληλα και στη συνέχεια να σας πω τι βρήκε.