نگاهی به تفاوت بین داده کاوی (data mining) و انباره داده (data warehouse)

 Data mining(داده کاوی) و Data Warehousing هردو از تکنیک های بسیار قدرتمند و مشهور آنالیز داده محسوب می شوند. کاربرانی که به آمارها علاقه دارند از data mining استفاده می کنند. در data mining تلاش بر این است که با استفاده از مدل های آماری بتوان الگوهای مخفی در داده ها را پیدا کرد. کسانی که عمل data mining انجام می دهند به دنبال یافتن ارتباطات مفید بین عناصر داده ای متفاوت می باشند. یافتن این ارتباطات در دنیای امروزه و برای تجارت ها بسیار ارزشمند است. اما از طرف دیگر کارشناسان داده ای که ابعاد مختلف یک کسب و کار را به طور مستقیم بررسی می کنند علاقه دارند که از data warehousها استفاده نمایند. 

تعریف Data Mining

• Clustering

• Classification

• Regression

• Association

 Clustering به تشخیص داده های شبیه به هم و گروه بندی آنها گفته می شود. به این شکل که از داده هایی که ساختاری ندارند گروه هایی تشکیل می شوند که هر کدام از اعضای این گروه ها با سایر اعضای گروه ارتباط دارند. Classification به عمل پیدا کردن قوانینی که می توان بر داده های جدید اعمال نمود، گفته می شود. classification شامل این مراحل است: پیش پردازش داده ها، طراحی مدل ها، ارزیابی و اعتبارسنجی ویژگی ها. Regression به پیدا کردن توابعی با کمترین مقدار خطا را برای این که مدل داده ها را تولید کنیم می گویند. Association جستجوی ارتباط بین متغیرها را گویند. Data mining اغلب به سوالاتی مانند این سوال پاسخ می دهد که در سال آینده کدام محصول فروش بیشتری در یک فروشگاه خواهد داشت؟ 

تعریف Data Warehousing

 

همانطور که گفته شد Data warehousing نیز برای آنالیز داده ها استفاده می شود ولی کاربران و اهداف متفاوتی دارد. برای مثال اگر بخواهیم فروشندگی را مثال بزنیم کاربران Data warehousing بر روی این نکته که کدام یک از خریدها بین کاربران مشهور تر است. بنابراین نتیجه این آنالیز به کاربر امکان را می دهد که با استفاده از تجربیات مشتریان بتوان تصمیم بهتری بگیرد. اما کسانی که عمل data mining انجام می دهند ابتدا یک فرضیه را ارائه می کنند که مثلا مشتریان یک جنس خاص را می خرند و داده ها را برای تست کردن فرضیه خود مورد استفاده قرار می دهند که آیا فرضیه شان درست بوده و یا خیر. بنابراین می توان نتیجه گرفت که این دو نوع آنالیز به نظر مشابه می آید ولی این گونه نیست. هردوی این آنالیز ها به افزایش سود با استفاده از تاریخچه داده ها می پردازند. اما تفاوت های کلیدی دارند. به زبان ساده data mining و data warehousing هرکدام نوع خاصی از آنالیز و بررسی را انجام می دهند. که کاربر هرکدام از این آنالیزها جدا می باشد. به عبارت دیگر data mining به دنبال وابستگی ها و الگوهایی آماری می گردد که بتواند با استفاده از آن یک فرضیه ارائه دهد و با استفاده از داده ها آن فرضیه را تست کند. اما data warehousing سوالات گسترده مقایسه ای را پاسخ می دهد و داده ها را تجزیه می کندتا بتواند راههای بهبود آنها را در آینده تشخیص دهد.

نویسنده: مهدی عادلی فر 

منبع: انجمن تخصصی فناوری اطلاعات ایران