데이터 마이닝
데이터 마이닝은 통계 및 수학적 기법을 포함한 패턴 인식 기술을 사용하여 저장소에 저장된 많은 양의 데이터를 전송하여 유용한 새로운 상관 관계, 패턴 및 추세를 찾는 프로세스입니다. 의심하지 않은 관계를 발견하고 데이터 소유자에게 논리적이고 도움이 되는 새로운 방법으로 기록을 요약하기 위한 사실 데이터 세트의 분석입니다.
데이터 마이닝에서 데이터의 숨겨진 패턴은 여러 범주에 따라 유용한 데이터 조각으로 간주됩니다. 이 데이터는 데이터 웨어하우스가 포함된 영역에서 이를 분석하여 수집하고 데이터 마이닝 알고리즘을 수행합니다. 이 데이터는 가치를 줄이고 수익을 높이는 효과적인 결정을 내리는 데 도움이 됩니다.
데이터 마이닝은 이전에 알려지지 않았고 잠재적으로 유용한 데이터를 방대한 양의 정보에서 추출하는 중요한 방법입니다. 데이터 마이닝 프로세스에는 여러 구성 요소가 포함되며 이러한 구성 요소는 데이터 마이닝 시스템 구조를 구성합니다.
데이터 웨어하우스
데이터 웨어하우징은 비즈니스에 의미 있는 비즈니스 통찰력을 제공하기 위해 다양한 소스에서 데이터를 수집하고 관리하는 데 주로 사용되는 기술입니다. 데이터 웨어하우스는 관리 결정을 지원하도록 특별히 설계되었습니다.
간단히 말해서 데이터 웨어하우스는 조직의 운영 데이터베이스와 독립적으로 유지 관리되는 데이터베이스를 정의합니다. 데이터 웨어하우스 시스템은 여러 애플리케이션 시스템의 통합을 가능하게 합니다. 분석을 위한 통합된 과거 정보의 견고한 플랫폼을 제공하여 데이터 처리를 제공합니다.
데이터 웨어하우스는 다차원 공간에서 데이터를 일반화하고 중앙 집중화합니다. 데이터 웨어하우스 구축에는 데이터 정리, 데이터 통합 및 데이터 변환이 포함되며 데이터 마이닝을 위한 중요한 전처리 단계로 볼 수 있습니다.
이는 효과적인 데이터 일반화 및 데이터 마이닝을 용이하게 하는 다양한 입도의 다차원 데이터의 대화식 분석을 위한 OLAP(온라인 분석 처리) 도구를 제공합니다. 연관, 분류, 예측 및 클러스터링을 포함한 여러 데이터 마이닝 기능이 OLAP 작업과 통합되어 다양한 추상화 수준에서 지식의 대화형 마이닝을 구축할 수 있습니다.
데이터 마이닝과 데이터 웨어하우스의 비교를 살펴보겠습니다.
| 데이터 마이닝 | 데이터 웨어하우스 |
|---|---|
| 데이터 마이닝은 일반적으로 방대한 데이터 세트에서 유용한 데이터를 추출하는 절차로 취급됩니다. | 데이터 웨어하우징은 모든 관련 정보를 결합하는 단계입니다. |
| 데이터 마이닝 접근 방식의 이점은 시스템에 나타나는 원치 않는 오류를 감지하고 식별하는 것입니다. | 데이터 웨어하우스의 이점은 자주 업데이트할 수 있다는 것입니다. 주된 이유는 최신 정보가 필요한 비즈니스 기업가에게 이상적이기 때문입니다. |
| 데이터 마이닝은 데이터 패턴을 결정하는 단계입니다. | 데이터 웨어하우스는 분석을 위해 설계된 데이터베이스 시스템입니다. |
| 데이터 마이닝 기술은 다른 통계 데이터 응용 프로그램과 비교할 때 수익성이 있습니다. | 데이터 웨어하우스의 권한은 각 유형의 비즈니스 정보를 용이하게 하는 것입니다. |