Добыча данных

Что означает понятие "добыча данных"?<\/h2>\r\n\r\n
Добыча данных - это процесс анализа скрытых закономерностей в данных с учетом различных точек зрения с целью превращения этих данных в полезную и часто применимую на практике информацию. Данные собираются и накапливаются в общих местах, таких как хранилища данных, а алгоритмы интеллектуального анализа данных ищут закономерности, которые могут быть использованы предприятием для принятия более эффективных решений, например, решений, позволяющих сократить расходы, увеличить доходы или улучшить обслуживание клиентов или заказчиков.<\/p>\r\n\r\n
Добыча данных также известна как обнаружение данных или обнаружение знаний. Он имеет решающее значение в бизнес-аналитике для принятия решений на основе данных.<\/p>\r\n\r\n
Основными этапами процесса добычи данных являются:<\/p>\r\n\r\n
\r\n\t
Извлечение данных<\/a>, преобразование и загрузка данных в хранилище данных<\/li>\r\n\t
Хранение и управление данными в многомерных базах данных<\/li>\r\n\t
Предоставление доступа к данным бизнес-аналитикам с помощью прикладного программного обеспечения<\/a><\/li>\r\n\t
Представление проанализированных данных в понятной форме, например в виде графиков.<\/li>\r\n<\/ul>\r\n\r\n
$\"\"$ <\/p>\r\n\r\n
Первым шагом в добыче данных является сбор релевантных данных, важных для бизнеса. Данные компании бывают транзакционными, неоперационными или метаданными. Транзакционные данные касаются повседневных операций, таких как продажи, запасы и затраты. Неоперационные данные обычно носят прогнозный характер, а метаданные связаны с логическим проектированием баз данных. Паттерны и взаимосвязи между элементами данных часто позволяют получить необходимую информацию для совершенствования бизнес-процессов. Организации, ориентированные на потребителя, используют методы интеллектуального анализа данных, позволяющие получить четкое представление о продаваемых товарах, ценах, конкуренции и демографических характеристиках покупателей.<\/p>\r\n\r\n
Например, гигант розничной торговли Walmart передает всю необходимую информацию в хранилище данных, содержащее терабайты данных. Эти данные легко доступны поставщикам, что позволяет им выявлять покупательские привычки. С помощью методов интеллектуального анализа данных можно получить данные о покупательских привычках, наиболее часто посещаемых магазинах, наиболее востребованных товарах и другие сведения.<\/p>\r\n\r\n
Вторым этапом интеллектуального анализа данных является выбор подходящего алгоритма - механизма, создающего модель интеллектуального анализа данных. Общая работа алгоритма заключается в выявлении тенденций в наборе данных и использовании полученных результатов для определения параметров. Наиболее популярными алгоритмами, используемыми для интеллектуального анализа данных, являются алгоритмы классификации и регрессии, которые применяются для выявления взаимосвязей между элементами данных. Крупнейшие поставщики баз данных, такие как Oracle и SQL, включают в себя алгоритмы интеллектуального анализа данных, такие как кластеризация и деревья регрессии, чтобы удовлетворить спрос на интеллектуальный анализ данных.<\/p>\r\n