Hvad er rumlig data mining?
Rumlig datamining er processen med at prøve at finde mønstre i geografiske data. Det er mest almindeligt anvendt i detailhandelen, det er vokset ud af datamining, som oprindeligt fokuserede på at finde mønstre i tekstlige og numeriske elektroniske oplysninger. Rumlig datamining betragtes som en mere kompliceret udfordring end traditionel minedrift på grund af vanskelighederne i forbindelse med analyse af objekter med konkrete eksistenser i rum og tid.
Som med standarddata mining bruges rumlig data mining primært i verdenen af markedsføring og detailhandel. Det er en teknik til at tage beslutninger om, hvor man skal åbne, hvilken slags butik. Det kan hjælpe med at informere disse beslutninger ved at behandle allerede eksisterende data om, hvilke faktorer der motiverer forbrugerne til at gå til et sted og ikke et andet.
Sig, at Ashley ønsker at åbne en natklub på en bestemt byblok. Hvis hun havde adgang til de relevante data, kunne hun bruge rumlig datamining for at finde ud af, hvilke rumlige faktorer der gør natklubber vellykket. Hun måskeStil spørgsmål som: Vil flere mennesker komme til klubben, hvis offentlig transit er i nærheden? Hvilken afstand fra andre nattelivssteder maksimerer protektion? Er nærhed til tankstationer et plus eller en minus?
Ashley ønsker måske også at sikre, at de mennesker, der kommer til hendes natklub, ankommer i en jævn distribution i løbet af en individuel nat. Hun kunne også bruge rumlige data mining - måske mere præcist, spatiotemporal data mining - for at finde ud af, hvordan folk bevæger sig gennem byen på bestemte tidspunkter. Den samme proces kunne anvendes til protektion på forskellige nætter i ugen.
Vanskelighederne ved rumlig datamining er et resultat af verdens kompleksitet ud over internettet. Mens tidligere bestræbelser på datamining normalt havde databaser modne til analyse, er de tilgængelige input til rumlig datamining ikke gitter af information, men kort. Disse kort har forskellige typer objekter lIke veje, befolkninger, virksomheder og så videre.
Bestemmelse af, om noget er "tæt på" noget andet, går fra at være en diskret til en kontinuerlig variabel. Dette øger massivt den kompleksitet, der kræves til analyse. Utroligt, dette er en af de mere enkle typer forhold, der er tilgængelige for nogen, der forsøger rumlig data mining.
Rumlig datamining står også over for problemet med falske positiver. I processen med at søge data på udkig efter forhold vil mange tilsyneladende tendenser opstå som en konsekvens af statistiske falske positiver. Dette problem eksisterer også til opgaven med at mines en mere enkel database, men det forstærkes af størrelsen af de data, der er tilgængelige for den rumlige dataminer. I sidste ende bør en tendens identificeret ved rumlig data mining bekræftes gennem forklaringsprocessen og yderligere forskning.