Hva er de forskjellige typene analyser av data mining?

Data mining analyse kan være en nyttig prosess som gir forskjellige resultater avhengig av den spesifikke algoritmen som brukes til dataevaluering. Vanlige typer data mining analyse inkluderer: eksplorativ dataanalyse (EDA), beskrivende modellering, prediktiv modellering og oppdage mønstre og regler. Bruk av hvert av disse data mining verktøyene gir et annet perspektiv på innsamlet informasjon. Fagpersoner som bruker disse teknikkene, kan få ytterligere innsikt i et problem eller bekymringsproblem basert på det spesifikke analyseverktøyet som brukes.

På grunn av de forskjellige resultatene som analyseverktøy for data mining gir når de er ansatt, er det relevant å vurdere en grunnleggende gjennomgang av hver. Utforskende dataanalyse, eller EDA, innebærer gjennomgang av et datasett uten noen klare utfallsmål for undersøkelse. Variabler som definerer dataene brukes som et fundament for å gi visuelle fremstillinger til forskeren. Når antallet variabler øker, kan dette verktøyet for utvinning av data bli mindre effektivt for å visualisere data.

Beskrivende modellering er et data mining-analyseverktøy som brukes til å samlet beskrive alle dataene i et gitt datasett. Konkret syntetiserer denne tilnærmingen alle dataene for å gi informasjon angående trender, segmenter og klynger som er til stede i den søkte informasjonen. Beskrivende data mining analyse blir ofte brukt i reklame. Et eksempel på dette er markedssegmentering der markedsførere tar større kundegrupper og segmenterer dem etter homogene egenskaper.

Analyseverktøy for data mining inkluderer også prediktiv modellering. Prediktiv modellering innebærer utvikling av en modell basert på eksisterende data. Modellen blir deretter brukt som grunnlag for prediksjon av en annen variabel som er relevant for dataene som er gjennomgått. Begrepet "prediktivt" indikerer at dette data mining-verktøyet kan gjøre det mulig for brukeren å forutsi noe verdi basert på det som er kjent i datasettet. Prediktiv analyse kan brukes av markedsførere for å bestemme hvilke produkter kundene søker. Basert på gjeldende kjøpstrender, kan markedsførere kanskje komme med spådommer om hvilke nye produkter som kan være populære i fremtiden.

Å oppdage mønstre og regler skiller seg fra beskrivende og prediktive data mining-verktøy. Mens beskrivende og prediktive verktøy bruker modellbygging som et grunnlag for analyse, fokuserer det å oppdage mønstre og regler på identifisering av mønstre i dataene. Markedsførere som jobber for dagligvarebutikker, bruker ofte dette data mining-verktøyet som et middel til å bestemme kjøpsmønstre. Ved å bestemme hvilke produkter kundene konsekvent kjøper i samme ordre, kan det utvikles målrettede kampanjer for varene.