Adatbányászat vs OLAP
Mind az adatbányászat, mind az OLAP a két általános üzleti intelligencia (BI) technológia. Az üzleti intelligencia számítógépes módszerekre utal a hasznos információk azonosításához és kivonásához az üzleti adatokból. Az adatbányászat a számítástechnika területe, amely érdekes minták kinyerésével foglalkozik nagy adathalmazokból. Számos módszert ötvöz a mesterséges intelligenciától, a statisztikától és az adatbázis-kezelésig. Az OLAP (online analitikai feldolgozás), ahogy a neve is sugallja, a többdimenziós adatbázisok lekérdezésének módjainak összeállítása.
Az adatbányászatot más néven Knowledge Discovery in Data (KDD) néven is ismerik. Mint fentebb említettük, ez a számítástechnika olyan területe, amely korábban ismeretlen és érdekes információk nyers adatokból történő kinyerésével foglalkozik. Az adatok exponenciális növekedése miatt, különösen olyan területeken, mint például az üzleti élet, az adatbányászat nagyon fontos eszközzé vált, hogy ezt a nagy mennyiségű adatot üzleti intelligenciává konvertálhassák, mivel a minták kézi kinyerése látszólag lehetetlenné vált az elmúlt évtizedekben. Például jelenleg különböző alkalmazásokhoz használják, például a szociális háló elemzéséhez, a csalások felderítéséhez és a marketinghez. Az adatbányászat általában négy feladattal foglalkozik: klaszterezés, osztályozás, regresszió és társítás. A fürtözés a strukturálatlan adatokból azonosít hasonló csoportokat. Az osztályozás olyan tanulási szabályok, amelyek új adatokra alkalmazhatók, és általában a következő lépéseket tartalmazzák: az adatok előfeldolgozása, a modellezés megtervezése, a tanulás / jellemzők kiválasztása és az értékelés / validálás. A regresszió olyan funkciók megtalálása, amelyek minimális hibát jelentenek az adatok modellezéséhez. Az asszociáció pedig a változók közötti kapcsolatokat keresi. Az adatbányászatot általában olyan kérdések megválaszolására használják, mint amelyek a legfontosabb termékek, amelyek elősegíthetik a magas profit elérését a következő évben a Wal-Mart-ban. Az adatbányászatot általában olyan kérdések megválaszolására használják, mint amelyek a legfontosabb termékek, amelyek elősegíthetik a magas profit elérését a következő évben a Wal-Mart-ban. Az adatbányászatot általában olyan kérdések megválaszolására használják, mint amelyek a legfontosabb termékek, amelyek elősegíthetik a magas profit elérését a következő évben a Wal-Mart-ban.
Az OLAP a rendszerek egy osztálya, amely válaszokat ad a többdimenziós kérdésekre. Az OLAP-ot általában marketingre, költségvetés-tervezésre, előrejelzésre és hasonló alkalmazásokra használják. Magától értetődik, hogy az OLAP-hoz használt adatbázisok összetett és eseti lekérdezésekhez vannak konfigurálva, a gyors teljesítmény szem előtt tartásával. Általában egy mátrixot használnak az OLAP kimenetének megjelenítésére. A sorokat és oszlopokat a lekérdezés dimenziói alkotják. Az összefoglalók megszerzéséhez gyakran több táblázatban összesítési módszereket alkalmaznak. Például fel lehet használni az idei Wal-Mart eladások megismerésére a tavalyi évhez képest? Mi a jóslat az eladásokra a következő negyedévben? Mit lehet mondani a trendről, ha megnézzük a százalékos változást?
Bár nyilvánvaló, hogy az adatbányászat és az OLAP hasonlóak, mivel az adatok felhasználásával intelligenciát szereznek, a fő különbség abban áll, hogy miként működnek az adatok. Az OLAP eszközök többdimenziós adatelemzést nyújtanak, és összefoglalják az adatokat, de ezzel ellentétben az adatbányászat az adatkészlet arányaira, mintáira és hatásaira összpontosít. Ez egy OLAP-ügylet az összesítésről, amely az adatok „összeadás” útján történő működéséhez vezet, de az adatbányászat megfelel az „osztásnak”. Másik figyelemre méltó különbség, hogy míg az adatbányászati eszközök modellezik az adatokat és visszaadják a cselekvésre alkalmas szabályokat, az OLAP valós idejű összehasonlítási és kontraszt technikákat fog végrehajtani az üzleti dimenzió mentén.
