Сочинение на тему Data Mining и хранилище данных

Современная экономика – это большой непрерывный поток данных. Возможность собирать, анализировать и использовать данные в интересах своей компании является бесценным активом. Процесс компиляции и организации данных в одну общую базу данных является хранилищем данных. Процесс интеллектуального анализа данных опирается на данные, скомпилированные на этапе размещения хранилища данных, для выявления значимых закономерностей.

Хранилище данных – это база данных, используемая для хранения данных. Это центральное хранилище данных, в котором хранятся данные из разных источников. Это хранилище данных затем используется для отчетности и анализа данных. Его можно использовать для создания отчетов о тенденциях для отчетности высшего руководства, таких как годовые и квартальные сравнения. Целью хранилища данных является предоставление пользователю гибкого доступа к данным. Хранилище данных, как правило, относится к комбинации множества различных баз данных по всему предприятию.

Хранилище данных подчеркивает сбор данных из различных источников для полезного анализа и доступа, но обычно не начинается с точки зрения конечного пользователя, которому может понадобиться доступ к специализированным, иногда локальным базам данных. Последняя идея известна как витрина данных.

Существует два подхода к хранилищу данных: сверху вниз и снизу вверх. Нисходящий подход приводит к раскладке витрин данных для определенных групп пользователей после создания полного хранилища данных. Подход «снизу вверх» сначала строит витрины данных, а затем объединяет их в одно всеобъемлющее хранилище данных.

Как правило, хранилище данных размещается на корпоративном мэйнфреймовом сервере или все чаще в облаке. Данные из различных приложений для онлайн-обработки транзакций (OLTP) и других источников выборочно извлекаются для использования аналитическими приложениями и пользовательскими запросами.

Термин «хранилище данных» был придуман Уильямом Инмоном, который известен как отец хранилищ данных. Инмон описал хранилище данных как предметно-ориентированный, интегрированный, изменяющийся во времени и энергонезависимый сбор данных, который поддерживает процесс принятия решений руководством.

Data Mining – это фактически анализ данных. Это компьютерный процесс, позволяющий анализировать и анализировать огромные наборы данных, которые либо были скомпилированы компьютером, либо введены в компьютер. При извлечении данных компьютер будет анализировать данные и извлекать из них смысл. Он также будет искать скрытые шаблоны в данных и пытаться предсказать будущее поведение. Data Mining в основном используется для поиска и отображения взаимосвязей между данными. Цель интеллектуального анализа данных, также известного как обнаружение знаний, состоит в том, чтобы позволить компаниям просматривать эти модели поведения, тенденции и / или отношения и иметь возможность учитывать их в своих решениях. Это позволяет предприятиям принимать упреждающие, основанные на знаниях решения.

Термин «интеллектуальный анализ данных» происходит от того факта, что процесс интеллектуального анализа данных, то есть поиск взаимосвязей между данными, аналогичен интеллектуальному анализу и поиску драгоценных материалов. Инструменты интеллектуального анализа данных используют искусственный интеллект, машинное обучение, статистику и системы баз данных для поиска корреляции между данными. Эти инструменты могут помочь ответить на деловые вопросы, которые традиционно занимали слишком много времени.

Data Mining включает в себя различные этапы, включая этап необработанного анализа, аспекты управления базой данных и данными, предварительную обработку данных, соображения модели и логического вывода, метрики интересности, соображения сложности, постобработку обнаруженных структур, визуализацию и онлайн-обновление.

В интеллектуальном анализе данных правила ассоциации создаются путем анализа данных на частые шаблоны if / then, а затем с использованием критериев поддержки и достоверности для определения наиболее важных отношений в данных. Поддержка – это то, как часто элементы появляются в базе данных, а достоверность – это количество раз, когда / тогда утверждения точны.