Статистичні методи Data Mining

Інформаційні системи і технології на підприємствах

Етапи інтелектуального аналізу даних

Рис, 8.8. Етапи інтелектуального аналізу даних

На першому етапі виконується осмислення поставленої задачі і уточнення цілей, які мають досягатися методами Data Mining, тобто формується гіпотеза (рис. 8.9). Гіпотеза - частково обґрунтована закономірність знань, що слугує для зв'язку між різними емпіричними фактами або для пояснення факту чи групи фактів.

Важливо правильно сформулювати цілі і вибрати необхідні для їх досягнення методи, оскільки від цього залежить подальша ефективність усього процесу. Необхідно підібрати параметри, що якнайкраще описують об'єкт. Після вибору параметрів дані можуть бути представлені у вигляді таблиці. Після підготовки таблиці з описом параметрів потрібно оцінити значимість кожного з них. Можливо, частина з них буде відсіяна у результаті аналізу.

Є кілька методів збору необхідних для аналізу даних: 1) отримання цих даних з облікових систем; 2) отримання відомостей з непрямих даних; 3) використання відкритих джерел; 4) проведення власних маркетингових досліджень і заходів щодо збору даних; 5) збирання даних вручну.

Другий етап полягає у приведенні даних до форми, придатної для застосування методів Data Mining.

Третій етап - це застосування методів Data Mining, сценарії якого можуть бути різними і включати складну комбінацію різноманітних методів, особливо якщо методи дозволяють проаналізувати дані з різних позицій.

Наступний етап - перевірка побудованих моделей. Дуже простий і часто використовуваний спосіб полягає у тому, що всі наявні дані, які необхідно аналізувати, поділяються на дві групи різної розмірності. На більшій групі, застосовуючи методи Data Mining, одержують моделі, а на меншій - перевіряють їх. За різницею в точності між тестовою і навчальною групами можна стверджувати про адекватність побудованої моделі.

Останній етап - інтерпретація одержаних моделей експертом у цілях їх використання для прийняття рішень, додавання нових правил і залежностей у бази знань. Цей етап часто має на увазі використання методів, що знаходяться на стику технології Data Mining і технології експертних систем.

Є інші підходи щодо моделювання та реінжинірингу аналітичного процесу в організації в цілому. Особливість, наприклад, ситеми KXEN полягає у тому, що закладений у ній математичний апарат на основі теорії мінімізації структурного ризику дає змогу практично повністю автоматизувати процес побудови моделей і на порядок збільшити швидкість аналізу, що проводиться. Відмінності традиційного процесу Data Mining і підходу KXEN наведено на рис. 8.9. Таким чином, побудова моделі у KXEN з проекту дослідження перетворюється на функцію аналізу в режимі он-лайн у вигляді "питання-відповідь". Причому відповіді даються в тих термінах, у яких було сформульоване питання, і завдання користувача зводиться до того, щоб ставити потрібні питання і вказувати дані для аналізу. Серед переваг KXEN можна назвати: зручна і безпечна робота з даними; наочність результатів моделювання, легкість для розуміння: графічне відображення моделей; широкі можливості застосування моделей: автоматична генерація коду моделей різними мовами, при цьому модель зможе працювати автономно.

Отже, інтелектуальний аналіз даних дає змогу автоматично, ґрунтуючись на великій кількості накопичених даних, генерувати гіпотези, які можуть бути перевірені іншими засобами аналізу, наприклад, OLAP.

Перед застосуванням методів Data Mining початкові дані мають бути перетворені. Вид перетворень цих даних залежить від методів.

Методи та інструменти Data Mining можуть ефективно використовуватися в різних сферах людської діяльності: бізнесі, медицині, науці, телекомунікаціях.

Серед подібних інструментів відомі Darwin компанії Thinking Machines, що нині входить в Oracle Corporation, та Intelligent Miner for Data корпорації IBM. Останнім часом намічається тенденція до інтеграції можливостей Data Mining у сервери баз даних. Так, корпорація Microsoft реалізувала деякі алгоритми у версії СУБД SQL Server 2000.

Найважливішим ресурсом сучасного підприємства, здатним значно вплинути на підвищення його конкурентоспроможності, є знання. Знання стають четвертим фактором вироб-

ництва, а їх значимість стає більш пріоритетною, ніж інші ресурси, капітал, праця.

OLAP, ВІ та Data Mining, що ґрунтуються на методах статистичної обробки, прогнозування і візуалізації, допомагають аналізувати структуровані дані. Складнішою є задача аналізу неструктурованих даних.

Сторінки


В нашій електронній бібліотеці ви можете безкоштовно і без реєстрації прочитати «Інформаційні системи і технології на підприємствах» автора Плескач В.Л. на телефоні, Android, iPhone, iPads. Зараз ви знаходитесь в розділі „Статистичні методи Data Mining“ на сторінці 2. Приємного читання.

Зміст

  • ПЕРЕЛІК СКОРОЧЕНЬ

  • Розділ 1. Основні поняття і роль інформаційних систем та технологій в управлінні підприємствами

  • Сутність та поняття інформації і даних

  • Властивості інформації

  • Семантична та прагматична міри інформації

  • Інформаційні ресурси для управління діяльністю підприємства

  • Поняття інформаційного простору

  • Інформаційні технології

  • Використання IT в управлінні соціально-економічними системами

  • Структура інформаційної технології

  • Стратегія розвитку IT на підприємстві

  • Інформаційні системи

  • Проблеми захисту інформації на підприємствах

  • Відкриті системи

  • Середовище відкритих систем

  • Модель МІС

  • Удосконалення управління підприємством у процесі міжнародної економічної інтеграції

  • Зовнішнє і внутрішнє середовища підприємства

  • Розділ 2. Економічна інформація на підприємствах і засоби її формалізованого опису

  • Структури подання економічної інформації

  • Класифікація економічної інформації

  • Методи кодування економічної інформації

  • Штрихове кодування економічної інформації

  • Єдина система класифікації та кодування техніко-економічної інформації

  • Розділ 3. Cучасні підходи до розроблення -і впровадження інформаційних систем

  • Моделі життєвого циклу ПЗ

  • Інженерія вимог

  • Структурний підхід до розроблення ПЗ

  • Методи структурного аналізу і проектування ПЗ

  • -засоби

  • Класифікація САSЕ -засобів

  • Тестування програм та систем

  • Аналіз якості програмного забезпечення

  • Повторне використання компонентів ІС

  • Процеси життєвого циклу ІС

  • Розділ 4. Засоби створення і забезпечення інформаційних технологій на підприємствах

  • Використання ІТ в управлінні соціально-економічними системами

  • Тенденції розвитку інформаційних технологій

  • Критерії класифікації інформаційних технологій

  • Математичне забезпечення (МЗ)

  • Апаратне забезпечення

  • Технічні засоби обробки інформації

  • Пристрої виводу інформації

  • Програмне забезпечення

  • Автоматизоване робоче місце фахівця, основні функції та компоненти

  • Розподілений доступ до інформаційного середовища

  • Підхід до композиції сервіс-орієнтованих прикладних застосунків

  • Етапи життєвого циклу СОА

  • Internet-, Extranet-, Intranet-технології

  • Розділ 5. Автоматизація управління проектами на підприємствах

  • Сутність та поняття проекту

  • Автоматизована система управління ІТ-проектом

  • Програмний продукт управління проектами Office Project Standard-2007

  • Програмні продукти управління проектами

  • Програма Альт-Інвест 3.0

  • Розділ 6. Еволюція стратегічних моделей управління підприємствами в інформаційних системах

  • MRP-система (планування матеріальних ресурсів)

  • MRP ІІ-система (планування виробничих ресурсів)

  • ERP-система (планування ресурсів підприємства)

  • Застосування системи Microsoft XAL на світових ринках

  • Основні модулі ERP-системи компанії В A AN IV

  • Концепція ERP II

  • СSRР-система (планування ресурсів, синхронізоване зі споживачем)

  • Розділ 7. Інформаційні системи підтримки прийняття рішень та їх використання на підприємствах

  • Організаційно-технологічні основи теорії прийняття рішень

  • Класифікація СППР

  • Архітектура СППР

  • Тенденції розвитку СППР

  • Розділ 8. Інтелектуальні інформаційні системи на підприємствах

  • Квазіалгоритми

  • Організаційні основи експертних систем

  • Класифікація експертних систем

  • Інструментарій створення ЕС

  • Інтелектуальні системи аналізу і звітності на підприємствах. Приклади використання інтелектуальних ВІ-платформ

  • Структура Cognos & ВІ

  • ВІ Server

  • ВІ Publisher

  • ВІ Delivers

  • ВІ Office Plug-In

  • ВІ Disconnected Analytics

  • Використання можливостей баз даних

  • Архітектура MicroStrategy

  • -системи

  • -запити

  • Інтелектуальні технології Data Mining і Text Mining

  • Задача класифікації і регресії

  • Моделі Data Mining

  • Статистичні методи Data Mining
  • Інтелектуальні технології Text Mining

  • Агентно орієнтовані системи на підприємствах

  • Віртуальні організації

  • Типи віртуальних підприємств

  • Онтологічний підхід до використання знань на підприємствах. Організаційні онтології

  • Висновки

  • Розділ 9. Web-технології на підприємствах

  • Засоби створення Web-сайтів

  • Інші Web-технології

  • Сайт як засіб підтримки і розвитку підприємства

  • Web-сервіси як технологічний базис інтеграції підприємств

  • Сервіс-орієнтована архітектура

  • Розділ 10. Інформаційні системи управління корпораціями

  • Єдиний інформаційний простір

  • Класифікація КІС

  • Корпоративна інформаційна система SAP R/3

  • Бізнес-інжиніринг в SAP R/3

  • Бюджетування та його реалізація в корпоративних інформаційних системах

  • ВИСНОВКИ

  • ГЛОСАРІЙ