Data Mining против OLAP
И интеллектуальный анализ данных, и OLAP - это две общие технологии бизнес-аналитики (BI). Под бизнес-аналитикой подразумеваются компьютерные методы выявления и извлечения полезной информации из бизнес-данных. Интеллектуальный анализ данных - это область информатики, которая занимается извлечением интересных закономерностей из больших наборов данных. Он сочетает в себе множество методов искусственного интеллекта, статистики и управления базами данных. OLAP (онлайн-аналитическая обработка), как следует из названия, представляет собой компиляцию способов запроса многомерных баз данных.
Интеллектуальный анализ данных также известен как обнаружение знаний в данных (KDD). Как упоминалось выше, это область компьютерных наук, которая занимается извлечением ранее неизвестной и интересной информации из необработанных данных. Из-за экспоненциального роста данных, особенно в таких областях, как бизнес, интеллектуальный анализ данных стал очень важным инструментом для преобразования этого огромного объема данных в бизнес-аналитику, поскольку ручное извлечение шаблонов стало казаться невозможным в последние несколько десятилетий. Например, в настоящее время он используется для различных приложений, таких как анализ социальных сетей, обнаружение мошенничества и маркетинг. Интеллектуальный анализ данных обычно решает следующие четыре задачи: кластеризацию, классификацию, регрессию и ассоциацию. Кластеризация - это определение похожих групп на основе неструктурированных данных. Классификация - это правила обучения, которые могут применяться к новым данным и обычно включают следующие шаги: предварительная обработка данных, проектирование моделирования, обучение / выбор функций и оценка / проверка. Регрессия - это поиск функций с минимальной ошибкой для моделирования данных. А ассоциация ищет отношения между переменными. Интеллектуальный анализ данных обычно используется для ответа на такие вопросы, как основные продукты, которые могут помочь в получении высокой прибыли в следующем году в Wal-Mart. Интеллектуальный анализ данных обычно используется для ответа на такие вопросы, как основные продукты, которые могут помочь в получении высокой прибыли в следующем году в Wal-Mart. Интеллектуальный анализ данных обычно используется для ответа на такие вопросы, как основные продукты, которые могут помочь получить высокую прибыль в следующем году в Wal-Mart.
OLAP - это класс систем, которые предоставляют ответы на многомерные запросы. Обычно OLAP используется для маркетинга, бюджетирования, прогнозирования и других подобных приложений. Само собой разумеется, что базы данных, используемые для OLAP, настроены для сложных и специальных запросов с учетом быстрой производительности. Обычно для отображения вывода OLAP используется матрица. Строки и столбцы формируются в соответствии с размерами запроса. Они часто используют методы агрегирования по нескольким таблицам для получения сводок. Например, с его помощью можно узнать о продажах в этом году в Wal-Mart по сравнению с прошлым годом? Каковы прогнозы продаж в следующем квартале? Что можно сказать о тенденции, глядя на процентное изменение?
Хотя очевидно, что интеллектуальный анализ данных и OLAP похожи, поскольку они работают с данными для получения интеллекта, основное различие заключается в том, как они работают с данными. Инструменты OLAP обеспечивают многомерный анализ данных, и они предоставляют сводку данных, но, напротив, интеллектуальный анализ данных фокусируется на соотношениях, закономерностях и влиянии в наборе данных. Это операция OLAP с агрегированием, которая сводится к обработке данных посредством «сложения», но интеллектуальный анализ данных соответствует «разделению». Другое заметное отличие состоит в том, что в то время как инструменты интеллектуального анализа данных моделируют данные и возвращают действенные правила, OLAP будет проводить сравнение и сопоставление методов по бизнес-измерению в реальном времени.
