Jaké jsou různé typy analýzy těžby dat?
Analýza dolování dat může být užitečným procesem, který poskytuje různé výsledky v závislosti na konkrétním algoritmu použitém pro hodnocení dat. Mezi běžné typy analýzy dolování dat patří: analýza průzkumných dat (EDA), popisné modelování, prediktivní modelování a objevování vzorů a pravidel. Využití každého z těchto nástrojů pro těžbu dat poskytuje jiný pohled na shromážděné informace. Odborníci používající tyto techniky mohou získat další vhled do problému nebo problému obav na základě použitého nástroje pro analýzu.
Vzhledem k různým výsledkům, které nástroje pro analýzu těžby dat poskytují při použití, je vhodné zvážit základní přehled každého z nich. Průzkumná analýza dat, neboli EDA, zahrnuje přehled datového souboru bez jakýchkoli jasných výsledků pro zkoumání. Proměnné, které definují data, se používají jako základ pro poskytování vizuálních reprezentací výzkumníkovi. Jak se zvyšuje počet proměnných, může tento nástroj pro analýzu těžby datStaňte se méně efektivní pro vizualizaci dat.
Deskriptivní modelování je nástroj pro analýzu těžby dat používaný k kolektivnímu popisu všech dat v daném datovém souboru. Konkrétně tento přístup syntetizuje všechna data, aby poskytoval informace o trendech, segmentech a klastrech, které jsou přítomny v hledaných informacích. Popisná analýza těžby dat se běžně používá v reklamě. Jedním z příkladů je segmentace trhu, ve kterém obchodníci berou větší skupiny zákazníků a segmentují je podle homogenních charakteristik.
Nástroje pro analýzu dolování dat zahrnují také prediktivní modelování. Prediktivní modelování zahrnuje vývoj modelu založeného na existujících datech. Model se pak používá jako základ pro predikci jiné proměnné, která je relevantní pro přezkoumání údajů. Termín „prediktivní“ naznačuje, že tento nástroj pro těžbu dat může uživateli umožnit předpovídat určitou hodnotu na základěCo je známo v datovém souboru. Obchodníci mohou používat prediktivní analýzu k určení, jaké produkty zákazníci hledají. Na základě současných nákupních trendů mohou obchodníci schopni předpovědět, které nové produkty mohou být v budoucnu populární.
Objevování vzorců a pravidel se liší od popisných a prediktivních nástrojů pro těžbu dat. Zatímco deskriptivní a prediktivní nástroje používají budování modelu jako základ pro analýzu, objevování vzorců a pravidel se zaměřuje na identifikaci vzorců v datech. Například obchodníci pracující pro obchody s potravinami často používají tento nástroj pro analýzu těžby dat jako prostředek k určení vzorců nákupu. Určením, jaké produkty zákazníci neustále nakupují ve stejné pořadí, lze vyvinout cílené propagace pro položky.