Оглавление:
Определение - что означает Data Mining?
Интеллектуальный анализ данных - это процесс анализа скрытых шаблонов данных в соответствии с различными перспективами для классификации в полезную информацию, которая собирается и собирается в общих областях, таких как хранилища данных, для эффективного анализа, алгоритмов интеллектуального анализа данных, облегчения принятия деловых решений и другой информации. требования в конечном итоге сократить расходы и увеличить доход.
Интеллектуальный анализ данных также известен как обнаружение данных и обнаружение знаний.
Techopedia объясняет Data Mining
Основные этапы процесса интеллектуального анализа данных:
- Извлекать, преобразовывать и загружать данные в хранилище данных
- Хранить и управлять данными в многомерных базах данных
- Обеспечить доступ к данным для бизнес-аналитиков с помощью прикладного программного обеспечения
- Представьте проанализированные данные в легко понятных формах, таких как графики
Первым шагом в интеллектуальном анализе данных является сбор важных данных, важных для бизнеса. Данные компании являются транзакционными, неработающими или метаданными. Транзакционные данные относятся к повседневным операциям, таким как продажи, запасы, затраты и т. Д. Неоперативные данные обычно прогнозируются, в то время как метаданные связаны с логическим дизайном базы данных. Шаблоны и взаимосвязи между элементами данных предоставляют соответствующую информацию, которая может увеличить доходы организации. Организации, ориентированные на потребителей, занимаются технологиями интеллектуального анализа данных, обеспечивая четкое представление о проданных продуктах, ценах, конкуренции и демографии клиентов.
Например, розничный гигант Wal-Mart передает всю соответствующую информацию в хранилище данных с терабайтами данных. Эти данные могут быть легко доступны поставщикам, что позволяет им определять схемы покупок покупателей. Они могут генерировать шаблоны для покупательских привычек, наиболее посещаемых дней, наиболее востребованных продуктов и других данных, использующих методы интеллектуального анализа данных.
Вторым шагом в интеллектуальном анализе данных является выбор подходящего алгоритма - механизма создания модели интеллектуального анализа данных. Общая работа алгоритма включает в себя выявление тенденций в наборе данных и использование выходных данных для определения параметров. Наиболее популярными алгоритмами, используемыми для интеллектуального анализа данных, являются алгоритмы классификации и регрессионные алгоритмы, которые используются для определения взаимосвязей между элементами данных. Крупные поставщики баз данных, такие как Oracle и SQL, используют алгоритмы интеллектуального анализа данных, такие как кластеризация и регрессия, для удовлетворения спроса на интеллектуальный анализ данных.
