عناصر داده کاوی

ش

در اینجا به بیان عناصر اصلی داده کاوی از دو جنبه کسب و کار و فنی پرداخته می شود.

عناصر اصلی داده کاوی از جنبه کسب و کار

  • سوال مناسب: داده کاوی با یک یا چند سوال مشخص و مناسب آغاز می شود.
  • داده های تاریخی: برای انجام داده کاوی نیاز به داده های مناسب و به دردبخوری از گذشته هستیم.
  • فایل مناسب: پیش از شروع به کارگیری تکنیک های داده کاوی لازم است تا داده های مورد نظر برای تحلیل در قالب یک یا چند فایل در فرمت مناسب ذخیره و آماده شده باشند.
  • سیستم های پردازش گر: کامپیوترها و سیستم ها عصای دست هر داده کاو و متخصص و تحلیل گر داده ای می باشند. همان طور که آشپزی بدون قابلمه و ماهی تابه بسیار سخت (و شاید غیرممکن شود) سیستم های کامپیوتری نیز برای انجام عملیات داده کاوی ضروری می باشند.
  • دانش زمینه ای: باید نسبت به موضوعی که در حال انجام داده کاوی هستیم دانش مناسبی داشته باشیم. اگر پروژه داده کاوی بر روی بیماران دیابتی تعریف شده باشند بایستی یا خود تحلیل گر نسبت به بیماری دیابت اطلاعات کافی داشته باشد و یا از حضور یا فرد متخصص که در اینجا پزشک مرتبط با بیماری دیابت است، در تیم تحلیل کمک گرفته شود.
  • زمان مناسب: متناسب با هدف پروژه، حجم داده های در دسترس و سوالات مشخص شده، بایستی زمان مناسبی را برای انجام تحلیل داده کاوی در نظر گرفت. داده کاوی عصای جادویی نیست که در کسری از ثانیه یک دفعه داده ها را تبدیل به طلا نماید!!!

عناصر اصلی داده کاوی از جنبه فنی

داده کاوی دارای یک سری عنصر اصلی و تعیین کننده می باشد که در این مقاله در مورد آنها صحبت خواهد شد:

  • استخراج، انتقال و ذخیره داده در انبار داده: ترکیب سه فعالیت مهم استخراج (Extraction)، انتقال (Transform) و ذخیره (Load) که به اختصار ETL گفته می شود.
  • ذخیره و مدیریت داده ها در یک سیستم بانک اطلاعاتی چند رسانه ای
  • برقراری دسترسی مناسب به داده ها برای تحلیل گران کسب و کار و متخصصین فناوری اطلاعات
  • تحلیل داده ها با بسته های نرم افزاری و راه حل های سازمانی مناسب
  • ارائه داده ها در فرمت و قالب مناسب (اشکال، جداول و …
رای دادن به این post

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.