ВУЗ:
Составители:
Рубрика:
ВД максимально приближена к конечному пользователю и содержит данные,
тематически ориентированные на него (например, ВД для работников отдела маркетинга
может содержать данные, необходимые для маркетингового анализа).
ВД значительно меньше по объему, чем ХД, и для ее реализации не требуется
больших затрат. Они могут быть реализованы как самостоятельно, так и вместе с ХД.
Технологии оперативной аналитической обработки данных - OLAP
В процессе принятия решений пользователь генерирует некоторые гипотезы.
Проверка гипотез осуществляется на основании информации об анализируемой предметной
области. Как правило, наиболее удобным способом представления такой информации
является зависимость между некоторыми параметрами. Например, зависимость объема
продаж от региона, времени, категории товар и т.д.
В процессе анализа данных, поиска решений часто возникает необходимость в
построении зависимостей между различными параметрами. Кроме того, число таких
параметров может варьироваться в широких пределах. Традиционные средства анализа,
оперирующие данными, которые представлены в виде таблиц, не могут в полной мере
удовлетворять такими требованиям.
Для анализа информации наиболее удобным способом ее представления является
многомерная модель или гиперкуб, ребрами которого являются измерения. Это позволяет
анализировать данные сразу по нескольким измерениям, т.е. выполнять многомерный
анализ.
С концепцией многомерного анализа данных тесно связывают оперативный анализ,
который выполняют средствами OLAP-систем.
OLAP (On-Line Analytical Processing)- технология оперативной аналитической
обработки данных, использующая методы и средства для сбора, хранения и анализа
многомерных данных в целях поддержки процессов принятия решений.
Основное назначение OLAP-систем – поддержка аналитической деятельности,
произвольных запросов пользователей-аналитиков. Цель OLAP-анализа – проверка
возникающих гипотез.
Специальные технологии «добычи данных» - Data Mining
17
OLAP-системы предоставляют аналитику средства проверки гипотез при анализе
данных, то есть основной задачей аналитика является генерация гипотез, которую он решает
ее, основываясь на своих знаниях и опыте.
Однако знания есть не только у человека, но и у накопленных данных, которые
подвергаются анализу. Такие знания содержатся в огромной объеме информации, которую
человек не в силах исследовать самостоятельно. В связи с этим существует вероятность
пропустить гипотезы, которые могут принести значительную выгоду.
Для обнаружения «скрытых» знаний применяется специальные методы
автоматического анализа - Добыча Данных (Data Mining) (ДД).
Методы ДД помогают решить многие задачи, с которыми сталкивается аналитик. К
базовым методам ДД принято относить прежде всего алгоритмы, основанные на переборе и
подходы, использующие элементы теории статистики.
Для обнаружения скрытых знаний в данных недостаточно просто применить методы
ДД, хотя, безусловно, этот этап является основным в процессе интеллектуального анализа.
Весь процесс состоит из нескольких этапов.
17
Источник: http://www.abc.org.ru/smd.html
Страницы
- « первая
- ‹ предыдущая
- …
- 50
- 51
- 52
- 53
- 54
- …
- следующая ›
- последняя »
