Tiedonlouhinta vs OLAP
Sekä tiedonlouhinta että OLAP ovat kaksi yleistä Business Intelligence (BI) -tekniikkaa. Liiketoimintatiedolla tarkoitetaan tietokonepohjaisia menetelmiä hyödyllisen tiedon tunnistamiseksi ja keräämiseksi yritystiedoista. Tiedon louhinta on tietojenkäsittelytieteen ala, joka käsittelee mielenkiintoisten kuvioiden poimimista suurista tietojoukoista. Se yhdistää monia tekoälyn, tilastojen ja tietokantojen hallinnan menetelmiä. OLAP (online-analyyttinen käsittely) nimensä mukaan on kokoelma tapoja kysyä moniulotteisia tietokantoja.
Tiedonlouhinta tunnetaan myös nimellä Knowledge Discovery in Data (KDD). Kuten edellä mainittiin, se on tietojenkäsittelytieteiden ala, joka käsittelee aiemmin tuntemattomien ja mielenkiintoisten tietojen poimimista raakatiedoista. Datan räjähdysmäisen kasvun takia etenkin liiketoiminnan kaltaisilla aloilla tiedonlouhinnasta on tullut erittäin tärkeä työkalu muuntaa tämä suuri joukko tietoja liiketoimintatiedoksi, koska kuvioiden manuaalinen poimiminen on tullut näennäisen mahdottomaksi viime vuosikymmenien aikana. Esimerkiksi sitä käytetään tällä hetkellä erilaisiin sovelluksiin, kuten sosiaalisten verkostojen analyysiin, petosten havaitsemiseen ja markkinointiin. Tiedonlouhinta käsittelee yleensä seuraavia neljää tehtävää: ryhmittely, luokittelu, regressio ja assosiaatio. Klusterointi tunnistaa samanlaiset ryhmät strukturoimattomasta tiedosta. Luokittelu on oppimissääntöjä, joita voidaan soveltaa uuteen dataan ja joka sisältää tyypillisesti seuraavat vaiheet: tietojen esikäsittely, mallinnuksen suunnittelu, oppiminen / ominaisuuksien valinta ja arviointi / validointi. Regressio on toimintojen etsiminen mahdollisimman pienellä virheellä mallin tiedoissa. Ja yhdistys etsii suhteita muuttujien välillä. Tiedonlouhintaa käytetään yleensä vastaamaan kysymyksiin, kuten mitkä ovat tärkeimmät tuotteet, jotka saattavat auttaa saamaan suurta voittoa ensi vuonna Wal-Martissa. Tiedonlouhintaa käytetään yleensä vastaamaan kysymyksiin, kuten mitkä ovat tärkeimmät tuotteet, jotka saattavat auttaa saamaan suurta voittoa ensi vuonna Wal-Martissa. Tiedonlouhintaa käytetään yleensä vastaamaan kysymyksiin, kuten mitkä ovat tärkeimmät tuotteet, jotka saattavat auttaa saamaan suurta voittoa ensi vuonna Wal-Martissa.
OLAP on järjestelmäluokka, joka tarjoaa vastauksia moniulotteisiin kyselyihin. OLAPia käytetään tyypillisesti markkinointiin, budjetointiin, ennustamiseen ja vastaaviin sovelluksiin. On sanomattakin selvää, että OLAP: ssä käytettävät tietokannat on konfiguroitu monimutkaisiin ja tapauskohtaisiin kyselyihin nopean suorituskyvyn kannalta. OLAP: n lähdön näyttämiseen käytetään tyypillisesti matriisia. Rivit ja sarakkeet muodostuvat kyselyn mitoista. He käyttävät usein yhteenvetomenetelmiä useissa taulukoissa saadakseen yhteenvedot. Esimerkiksi sitä voidaan käyttää selvittämään tämän vuoden myynti Wal-Martissa viime vuoteen verrattuna? Mikä on seuraavan neljänneksen myynnin ennuste? Mitä voidaan sanoa trendistä tarkastelemalla prosenttimuutosta?
Vaikka on selvää, että tiedonlouhinta ja OLAP ovat samanlaisia, koska ne toimivat datalla älykkyyden hankkimiseksi, suurin ero syntyy siitä, miten ne toimivat datalla. OLAP-työkalut tarjoavat moniulotteisen data-analyysin ja tarjoavat yhteenvedot tiedoista, mutta päinvastoin, tiedon louhinta keskittyy suhdelukuihin, kuvioihin ja vaikutuksiin tietojoukossa. Tämä on OLAP-sopimus aggregaatista, joka johtuu tietojen toiminnasta "lisäyksen" kautta, mutta tiedonlouhinta vastaa "jakamista". Toinen merkittävä ero on se, että vaikka tiedonlouhintatyökalut mallintavat tietoja ja palauttavat toimivia sääntöjä, OLAP suorittaa vertailu- ja kontrastitekniikoita liiketoiminnan ulottuvuudella reaaliajassa.
