Data Warehouse & Data Mining e

D-Salhra

Innehåller annonser

Om appen

I den här applikationen hittar du kurser + övningar + korrigering i detaljer om Data Waherouse och Data Mining

Vad är "Data Warehouse" först? :

Det är en typ av databas som innehåller en enorm mängd data som hjälper till att fatta beslut inom organisationen. Denna typ av databas kännetecknas av överensstämmelse med dess interna struktur med vad användaren behöver av indikatorerna och analysaxlarna i det som kallas stjärnstjärnmodellen och dess applikationer: system beslutsstöd och data mining.

Datalager innehåller vanligtvis historiska data som har härrörts och utvunnits från uppgifterna från de vanliga databaserna som används i applikationer där många in- och uppdateringsoperationer äger rum, och datalager kan också innehålla data från andra källor, t.ex. textfiler och andra dokument.


vad är "Data Mining"? :

Det är en datoriserad och manuell sökning efter kunskap om data utan preliminära hypoteser om vad denna kunskap kan vara. Data mining definieras också som processen att analysera en mängd data (vanligtvis en stor mängd) för att hitta ett logiskt förhållande som sammanfattar data på ett nytt sätt som är förståeligt och användbart för dataägaren . "Modeller" kallas förhållanden och sammanfattande data som erhållits från datainsamling. Data mining handlar vanligtvis om data som har erhållits för ett annat ändamål än dataanläggning (till exempel en databas med transaktioner i en bank), vilket innebär att gruvmetoden för data påverkar inte hur själva uppgifterna samlas in. Detta är ett av de områden där data mining skiljer sig från statistik, och av denna anledning kallas data mining processen för en sekundär statistisk process. Definitionen indikerar också att datamängden generellt sett är stor, men om datamängden är liten är det bäst att använda regelbundna statistiska metoder för att analysera den.

När man hanterar en stor mängd data uppstår nya problem som hur man identifierar distinkta punkter i datan, hur man analyserar uppgifterna på rimlig tid och hur man avgör om ett uppenbart förhållande återspeglar ett faktum i datorns natur. . Vanligtvis extraheras data som är en del av datauppsättningen, där målet vanligtvis är att generalisera resultaten till alla data (till exempel att analysera den aktuella informationen om konsumenten av en produkt för att förutse framtida krav konsumenter). Ett av målen med data mining är också att minska eller komprimera stora mängder data för att uttrycka enkla data utan generalisering.