Indhold
- Definition - Hvad betyder Data Mining?
- En introduktion til Microsoft Azure og Microsoft Cloud | Gennem denne vejledning lærer du, hvad cloud computing handler om, og hvordan Microsoft Azure kan hjælpe dig med at migrere og drive din virksomhed fra skyen.
- Techopedia forklarer Data Mining
Definition - Hvad betyder Data Mining?
Data mining er processen med at analysere skjulte datamønstre i henhold til forskellige perspektiver for kategorisering i nyttig information, som indsamles og samles i fælles områder, såsom datalager, til effektiv analyse, data mining algoritmer, letter forretningsbeslutning og anden information krav til i sidste ende at skære ned på omkostningerne og øge indtægterne.
Data mining er også kendt som data discovery og videnopdagelse.
En introduktion til Microsoft Azure og Microsoft Cloud | Gennem denne vejledning lærer du, hvad cloud computing handler om, og hvordan Microsoft Azure kan hjælpe dig med at migrere og drive din virksomhed fra skyen.
Techopedia forklarer Data Mining
De vigtigste trin involveret i en data mining-proces er:
- Uddrag, transformer og indlæs data til et datalager
- Opbevar og administrer data i en multidimensionel database
- Giv datatilgang til forretningsanalytikere ved hjælp af applikationssoftware
- Præsenter analyserede data i let forståelige former, såsom grafer
Det første trin i data mining er indsamling af relevante data, der er kritiske for virksomheden. Virksomhedsdata er enten transaktionsmæssige, ikke-operationelle eller metadata. Transaktionsdata omhandler den daglige drift som salg, lager og omkostninger osv. Forventes normalt ikke-operationelle data, mens metadata drejer sig om logisk databasedesign. Mønstre og forhold mellem dataelementer giver relevant information, som kan øge organisatoriske indtægter. Organisationer med et stærkt forbrugerfokus beskæftiger sig med data mining-teknikker, der giver klare billeder af solgte produkter, pris, konkurrence og kundedemografi.
For eksempel overfører detailgiganten Wal-Mart alle relevante oplysninger til et datavarehus med terabyte data. Disse data kan nemt få adgang til af leverandører, så de kan identificere kundens købsmønstre. De kan generere mønstre på shoppingvaner, de fleste indkøbte dage, mest søgte efter produkter og andre data ved hjælp af data mining-teknikker.
Det andet trin i data mining er at vælge en passende algoritme - en mekanisme, der producerer en data mining model. Den generelle funktion af algoritmen involverer at identificere tendenser i et datasæt og bruge output til parameterdefinition. De mest populære algoritmer, der bruges til data mining, er klassificeringsalgoritmer og regressionsalgoritmer, der bruges til at identificere forhold mellem dataelementer. Store databaseleverandører som Oracle og SQL inkorporerer data mining algoritmer, såsom clustering og regression tress, for at imødekomme efterspørgslen efter data mining.