Inhaltsverzeichnis:
Definition - Was bedeutet Data Mining?
Beim Data Mining werden verborgene Datenmuster nach verschiedenen Gesichtspunkten analysiert, um sie in nützliche Informationen zu unterteilen, die in gemeinsamen Bereichen wie Data Warehouses gesammelt und zusammengestellt werden, um effiziente Analysen, Data Mining-Algorithmen und Geschäftsentscheidungen zu erleichtern Anforderungen, um letztendlich die Kosten zu senken und den Umsatz zu steigern.
Data Mining wird auch als Data Discovery und Knowledge Discovery bezeichnet.
Techopedia erklärt Data Mining
Die wichtigsten Schritte bei einem Data Mining-Prozess sind:
- Extrahieren, transformieren und laden Sie Daten in ein Data Warehouse
- Speichern und verwalten Sie Daten in einer mehrdimensionalen Datenbank
- Bereitstellung des Datenzugriffs für Geschäftsanalysten mithilfe von Anwendungssoftware
- Präsentieren Sie analysierte Daten in leicht verständlicher Form, z. B. in Form von Diagrammen
Der erste Schritt beim Data Mining ist die Erfassung relevanter Daten, die für das Geschäft von entscheidender Bedeutung sind. Unternehmensdaten sind entweder Transaktionsdaten, nicht operative Daten oder Metadaten. Transaktionsdaten befassen sich mit alltäglichen Vorgängen wie Verkäufen, Lagerbeständen und Kosten usw. Nicht-operative Daten werden normalerweise prognostiziert, während sich Metadaten mit dem logischen Datenbankdesign befassen. Muster und Beziehungen zwischen Datenelementen liefern relevante Informationen, die den Umsatz der Organisation steigern können. Unternehmen mit einem starken Kundenfokus beschäftigen sich mit Data Mining-Techniken und liefern klare Bilder von verkauften Produkten, Preis, Wettbewerb und Kundendemografie.
Beispielsweise überträgt der Einzelhandelsriese Wal-Mart alle relevanten Informationen an ein Data Warehouse mit Terabyte an Daten. Auf diese Daten kann der Lieferant problemlos zugreifen, um das Kaufverhalten des Kunden zu ermitteln. Sie können mithilfe von Data-Mining-Techniken Muster für Einkaufsgewohnheiten, die meisten Einkäufe, die meisten Produkte und andere Daten generieren.
Der zweite Schritt beim Data Mining ist die Auswahl eines geeigneten Algorithmus - ein Mechanismus zur Erstellung eines Data Mining-Modells. Die allgemeine Funktionsweise des Algorithmus besteht darin, Trends in einem Datensatz zu identifizieren und die Ausgabe für die Parameterdefinition zu verwenden. Die beliebtesten für das Data Mining verwendeten Algorithmen sind Klassifizierungsalgorithmen und Regressionsalgorithmen, mit denen Beziehungen zwischen Datenelementen identifiziert werden. Wichtige Datenbankanbieter wie Oracle und SQL verwenden Data Mining-Algorithmen wie Clustering und Regressionstress, um den Bedarf an Data Mining zu decken.
