© Статья была опубликована на сайте “Управление – 3000”

Мы живем в веке информации. Трудно переоценить значение данных, которые мы непрерывно собираем в процессе нашей деятельности, в управлении бизнесом или производством, в банковском деле, в решении научных, инженерных и медицинских задач. Мощные компьютерные системы, хранящие и управляющие огромными базами данных, стали неотъемлемым атрибутом жизнедеятельности как крупных корпораций, так и небольших компаний. Тем не менее, наличия данных самого по себе еще недостаточно для улучшения показателей работы. Нужно уметь трансформировать "сырые" данные в полезную для принятия важных бизнес-решений информацию. В этом и состоит основное предназначение технологий data mining.

• Какие товары надо предлагать данному покупателю?


• Какова вероятность того, что данный сектор потенциальных клиентов отреагирует на рекламную кампанию?


• Можно ли выработать оптимальную стратегию игры на бирже?


• Каков риск выдачи кредита данному клиенту банка?


• Какой диагноз поставить данному пациенту?


• Как прогнозировать пиковые нагрузки в телефонных или энергетических сетях?
  


• В чем причины брака в производственной продукции?

Ответы на эти и многие другие вопросы, возможно, содержаться в мегабайтах ваших баз данных. Нахождение скрытых закономерностей в данных, взаимосвязей между различными переменными в базах данных, моделирование и изучение сложных систем на основе истории их поведения - вот предмет и задачи data mining. Результаты data mining - эмпирические модели, классификационные правила, выделенные кластеры и т.д. - можно затем инкорпорировать в существующие системы поддержки принятия решений и использовать их для прогноза будущих ситуаций.

Существует множество определений data mining, но в целом они совпадают в выделении 4-х основных признаков. Вот определение, которое дал Григорий Пиатецкий-Шапиро (G. Piatetsky-Shapiro, GTE Labs), один из ведущих мировых экспертов в области data mining: "

Data mining - это процесс обнаружения в сырых данных

• ранее неизвестных,


• нетривиальных,


• практически полезных и доступных интерпретации знаний,


• необходимых для принятия решений в различных сферах человеческой деятельности".
  

Дополнительная информация

• Статьи по OLAP, системам поддержки принятия решений