Интеллектуальный анализ данных (Data mining). Определение , назначение , стадии. Отличия от OLAP. Основные методы анализа данных в системах Data mining.

).Примеры типовых поисковых задач при использовании Data Mining приведены в таблице 1.Таблица 1. Примеры формулировок задач при использовании методов OLAP и Data Mining [9]OLAPData MiningКаковы средние показатели травматизма для курящих и некурящих?Какие факторы лучше всего предсказывают несчастные случаи?Каковы средние размеры телефонных счетов существующих клиентов в сравнении со счетами бывших клиентов (отказавшихся от услуг телефонной компании)?Какие характеристики отличают клиентов, которые, по всей вероятности, собираются отказаться от услуг телефонной компании?Какова средняя величина ежедневных покупок по украденной и не украденной кредитной карточке?Какие схемы покупок характерны для мошенничества с кредитными карточками?Специалисты по обработке данных часто задают вопрос о разнице между инструментами обработки данныхdata mining и инструментами OLAP.OLAP является частью технологии поддержки решений. Типичные инструменты запросов и отчетов описывают саму базу данных. Технология OLAP используется для ответа на вопрос, почему на самом деле происходят определенные вещи. В этом случае пользователь генерирует гипотезу о данных или взаимосвязях между данными, а затем использует серию запросов к базе данных для подтверждения или отклонения этих гипотез. В отличие от инструментов OLAP, инструменты поиска данных могут создавать модели на основе доступных данных, что позволяет им определять степень количественного определения изучаемых факторов, а не проверять ожидаемые взаимосвязи. Кроме того, средства поиска данных позволяют выдвигать новые гипотезы о природе неизвестных, но реально существующих взаимосвязей в данных.Интеллектуальный анализ данных и OLAP похожи друг на друга, потому что они работают с данными для получения интеллектуальных данных, основное различие заключается в том, как они работают с данными. С одной стороны, инструменты OLAP обеспечивают многомерный анализ данных и предоставляют сводку данных, но с другой – поиск данных фокусируется на отношениях, шаблонах и эффектах в наборе данных. Еще одно важное отличие состоит в том, что средства обработки данных моделируют данные и возвращают существующие правила, в то время как OLAP сравнивает и сопоставляет методов по бизнес-измерению в режиме реального времени [10].ЗАКЛЮЧЕНИЕВ данной работе рассмотрен интеллектуальный анализ данных (Datamining). В частности, приведены определение, назначение, стадии. Проведено сравнение ИАД с OLAP, указаны существующие отличия. Подводя итог можно сказать, что ИАД не располагают своим математическим аппаратом и всеми необходимыми программными инструментами, однако объединяют в себе различные интеллектуальные системы, а также методы математического моделирования.СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВАйвазян С. А., Бухштабер В. М., Юнюков И. С., Мешалкин Л. Д. Прикладная статистика: Классификация и снижение размерности. – М.: Финансы и статистика, 1989. Knowledge Discovery Through Data Mining: What Is Knowledge Discovery” – Tandem Computers Inc., 1996. Кречетов Н. Продукты для интеллектуального анализа данных. – Рынок программных средств, N14-15_97, c. 32-39. Boulding K. E. General Systems Theory – The Skeleton of Science//Management Science, 2, 1956. Гик Дж., ван. Прикладная общая теория систем. – М.: Мир, 1981. Киселев М., Соломатин Е. Средства добычи знаний в бизнесе и финансах. – Открытые системы. – 4, 1997, с. 41-44. Дюк В.А. Обработка данных на ПК в примерах. – СПб: Питер, 1997.Дюк В., Самойленко А. DataMining: учебный курс (+ CD-ROM). 2001 г. Издательство: Питер. Серия: Учебный курс. – 368 с.Сайт компании BI Partner: http://www.bipartner.ru/services/dm.html.Шапот М., Рощупкина В. Интеллектуальный анализ данных и управление процессами. // Открытые системы. –№ 4-5, 1998. –С. 29.