Data Mining vs OLAP
Həm data mining, həm də OLAP ümumi Business Intelligence (BI) texnologiyalarından ikisidir. Biznes kəşfiyyatı biznes məlumatlarından faydalı məlumatları müəyyən etmək və çıxarmaq üçün kompüter əsaslı üsullara aiddir. Data mining, böyük məlumat dəstlərindən maraqlı nümunələr çıxarmaqla məşğul olan kompüter elminin sahəsidir. O, süni intellekt, statistika və verilənlər bazası idarəçiliyindən bir çox metodları birləşdirir. Adından da göründüyü kimi OLAP (onlayn analitik emal) çoxölçülü verilənlər bazalarını sorğulamaq yollarının məcmusudur.
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 kimi suallara cavab vermək üçün istifadə olunur.
OLAP çoxölçülü sorğulara cavab verən sistemlər sinfidir. Adətən OLAP marketinq, büdcələşdirmə, proqnozlaşdırma və oxşar tətbiqlər üçün istifadə olunur. Sözsüz ki, OLAP üçün istifadə olunan verilənlər bazası sürətli performans nəzərə alınmaqla mürəkkəb və xüsusi sorğular üçün konfiqurasiya edilmişdir. Tipik olaraq OLAP-ın çıxışını göstərmək üçün matris istifadə olunur. Satırlar və sütunlar sorğunun ölçüləri ilə formalaşır. Xülasələri əldə etmək üçün çox vaxt bir neçə cədvəldə toplama üsullarından istifadə edirlər. Məsələn, Wal-Mart-da keçən illə müqayisədə bu ilin satışlarını öyrənmək üçün istifadə edilə bilərmi? Növbəti rübdə satışlarla bağlı proqnoz nədir? Faiz dəyişikliyinə baxaraq trend haqqında nə demək olar?
Data mining və OLAP-ın kəşfiyyat əldə etmək üçün verilənlər üzərində işlədikləri üçün oxşar olduğu aydın olsa da, əsas fərq onların verilənlər üzərində işləmə üsulundan irəli gəlir. OLAP alətləri çoxölçülü məlumatların təhlilini təmin edir və onlar məlumatların xülasəsini təqdim edir, lakin əksinə, məlumat istehsalı məlumat dəstindəki nisbətlərə, nümunələrə və təsirlərə diqqət yetirir. Bu, "əlavə" yolu ilə məlumatların işlənməsi ilə nəticələnən OLAP sövdələşməsidir, lakin məlumatların çıxarılması "bölmə" ilə uyğun gəlir. Digər diqqətəlayiq fərq ondan ibarətdir ki, data mining alətləri verilənləri modelləşdirərkən və icra edilə bilən qaydaları qaytararkən, OLAP real vaxt rejimində biznes ölçüsü üzrə müqayisə və təzad üsullarını həyata keçirəcək.
