Data mining vs Data Anbarı
Data Mining və Məlumat Anbarı verilənlərin təhlili üçün həm çox güclü, həm də populyar üsullardır. Statistikaya meylli olan istifadəçilər Data Mining-dən istifadə edirlər. Məlumatlarda gizli nümunələri axtarmaq üçün statistik modellərdən istifadə edirlər. Məlumat mədənçiləri müxtəlif məlumat elementləri arasında faydalı əlaqələr tapmaqda maraqlıdırlar ki, bu da son nəticədə müəssisələr üçün sərfəlidir. Lakin digər tərəfdən, biznesin ölçülərini birbaşa təhlil edə bilən data ekspertləri Data anbarlarından istifadə etməyə meyllidirlər.
Data mining həmçinin verilənlərdə Bilik Kəşfi (KDD) kimi tanınır. Yuxarıda qeyd edildiyi kimi, bu, əvvəllər naməlum və maraqlı məlumatların xam verilənlərdən çıxarılması ilə məşğul olan informatika sahəsidir. Xüsusilə biznes kimi sahələrdə məlumatların eksponensial artımı ilə əlaqədar olaraq, verilənlərin əldə edilməsi bu böyük məlumat sərvətini biznes kəşfiyyatına çevirmək üçün çox vacib alətə çevrildi, çünki nümunələrin əl ilə çıxarılması son bir neçə onillikdə qeyri-mümkün görünürdü. Məsələn, hazırda sosial şəbəkələrin təhlili, saxtakarlığın aşkarlanması və marketinq kimi müxtəlif tətbiqlər üçün istifadə olunur. Data mining adətən aşağıdakı dörd vəzifə ilə məşğul olur: klasterləşdirmə, təsnifat, reqressiya və assosiasiya. Klasterləşmə strukturlaşdırılmamış məlumatlardan oxşar qrupların müəyyən edilməsidir. Təsnifat yeni verilənlərə tətbiq oluna bilən öyrənmə qaydalarıdır və adətən aşağıdakı addımları əhatə edir: məlumatların əvvəlcədən işlənməsi, modelləşdirmənin dizaynı, öyrənmə/xüsusiyyət seçimi və Qiymətləndirmə/təsdiqləmə. Reqressiya verilənlərin modelləşdirilməsində minimal xəta ilə funksiyaların tapılmasıdır. Və assosiasiya dəyişənlər arasında əlaqələr axtarır. Data mining adətən Wal-Mart-da gələn il yüksək gəlir əldə etməyə kömək edə biləcək əsas məhsullar hansılardır? kimi suallara cavab vermək üçün istifadə olunur.
Yuxarıda qeyd edildiyi kimi, Məlumat anbarı məlumatların təhlili üçün də istifadə olunur, lakin müxtəlif istifadəçilər qrupları və bir az fərqli məqsəd nəzərdə tutulur. Məsələn, pərakəndə satış sektoruna gəldikdə, Məlumat anbarı istifadəçiləri daha çox müştərilər arasında hansı növ alışların populyar olması ilə maraqlanırlar, buna görə də təhlilin nəticələri müştəri təcrübəsini təkmilləşdirməklə müştəriyə kömək edə bilər. Lakin Data madencileri ilk növbədə hansı müştərilərin müəyyən bir məhsul növü alması və hipotezi yoxlamaq üçün məlumatları təhlil etməsi kimi bir fərziyyə irəli sürürlər. Məlumatların saxlanması, Nyu-York mağazalarının Çikaqo mağazalarından daha kiçik ölçülü inventar satdığını öyrənmək üçün əvvəlcə mağazalarını eyni ölçülü məhsullarla saxlayan böyük bir pərakəndə satıcı tərəfindən həyata keçirilə bilər. Beləliklə, bu nəticəyə baxaraq pərakəndə satıcı Nyu York mağazasını Çikaqodakı mağazalarla müqayisədə daha kiçik ölçülərdə saxlaya bilər.
Beləliklə, aydın şəkildə gördüyünüz kimi, bu iki analiz növü adi gözlə eyni xarakterli görünür. Hər ikisi tarixi məlumatlara əsaslanaraq mənfəətin artırılmasından narahatdırlar. Ancaq təbii ki, əsas fərqlər var. Sadə dillə desək, Data Mining və Data Warehousing müxtəlif növ analitika təqdim etməyə həsr olunub, lakin mütləq fərqli istifadəçilər üçün. Başqa sözlə, Data Mining statistik fərziyyəni dəstəkləmək üçün korrelyasiya, nümunələr axtarır. Lakin Məlumat Anbarı nisbətən daha geniş suala cavab verir və gələcəkdə təkmilləşdirmə yollarını tanımaq üçün oradan məlumatları dilimləyir və küp edir.
