Определение интеллектуального анализа данных

Я давно слышу афоризм о том, что данные - это новая нефть, но если мы должны судить по названию одной из дисциплин, связанных с ее эксплуатацией и использованием, так называемая добыча данных, Я бы скорее назвал их «новым углем» по аналогии с их формами добыча.

Интеллектуальный анализ данных - это дисциплина, которая состоит из выводов на основе автоматизированного статистического анализа большого набора данных.

Эти данные могут поступать из многих источников, иметь разную структуру или даже не быть структурированными. По этой причине интеллектуальный анализ данных включает в себя системы искусственный интеллект и из машинное обучение способен адаптироваться к неструктурированным данным и пропускать их через фильтры, позволяющие их анализировать.

В конце концов, суть в том, что выводы помогают принимать решение по определенной системе, которая может быть самой разнообразной: от дорожного движения в городе или регионе до обеспечение пожарных и других государственных служб на случай возникновения чрезвычайных ситуаций.

Это также касается выявления закономерностей, которым следуют данные и которые до сих пор были скрыты. или мы не могли ясно видеть среди всего болота большой объем существующих данных.

Что отличает интеллектуальный анализ данных от большое количество данных? Ну майнинг занимается только анализом, а майнинг большое количество данных Это дисциплина, которая отвечает за сбор и хранение данных, а также за их администрирование.

К анализировать данные правильно, прежде всего мы должны определить некоторые цели, которые мы преследуем с анализ, ряд вопросов, на которые мы должны найти ответ, поскольку они укажут, где мы должны искать.

Исходя из этих вопросов в виде предпосылок, мы выбираем данные для обработки (может оказаться, что нам нужна только часть база данных, и не все).

Этап обработки отличается в каждом случае, и он использует инструменты искусственного интеллекта и машинное обучение, чтобы они могли динамически адаптироваться к введенным данным, при необходимости изменяя свои операции.

Конечным продуктом этой обработки должна стать серия выводов, но давайте не будем путать их с выводами, которые должны быть сделаны теми, кто отвечает за систему, или теми, кто принимает окончательные решения. Эти выводы касаются объема проанализированных данных.

Если мы снова возьмем пример дорожного движения в городе, мы можем получить заключение что на определенную улицу идет чрезмерный поток транспортных средств, но система не дает нам волшебных рецептов, чтобы решить эту проблему.

Хотя система обладает интеллект искусственные, которые могут предлагать решения, последнее слово всегда будет за человеческим персоналом.

Data Mining применяется на практике в большом количестве дисциплин, среди которых выделяются финансовые.

Таким образом, мы можем найти приложения в таких разделах, как фондовый рынок (для прогнозирования поведения акций), а также в секторов, которые не являются строго финансовыми, но имеют тесную связь с сектором, как в случае страхование.

Обработка естественного языка, онлайн-поиск или умные автомобили - это другие дисциплины, в которых применяется интеллектуальный анализ данных.

Фотографии Fotolia: Moartist / Thinglass

Темы интеллектуального анализа данных