Zybex: cleanup bibliografii i rotten links

2023-12-17T17:54:01Z

cleanup bibliografii i rotten links

Nowa strona

'''Eksploracja danych''' (ang. ''data mining'') jest to [[proces]] odkrywania uogólnionych reguł i [[wiedza|wiedzy]] zawartej w [[baza danych|bazach danych]] oparty o [[:Kategoria:Statystyka|metody statystyczne]] i techniki [[sztuczna inteligencja|sztucznej inteligencji]]. [[Wiedza]] ta nie wynika bezpośrednio z samych [[dane|danych]], ale z faktu, iż to właśnie takie, a nie inne [[dane]] znalazły się razem w jednej bazie danych <ref>, Strykowski S., s. 17 </ref>.

Niektórzy autorzy określają ''data mining'' jako nietrywialną ekstrakcję poprzednio nieznanej wiedzy z danych przechowywanych w [[hurtownia danych|hurtowni]]. Polega ono na wykrywania współzależności, tendencji na podstawie zgromadzonych [[Dane|danych]] za pomocą technik statystycznych, matematycznych i rozpoznawania prawidłowości występujących w danych <ref>, Ryznar Z., s. 10-14 </ref>.

Ponadto eksploracja danych jest także:
* klasycznym narzędziem, które generuje sprawozdania i analizy,
* procesem, który jest automatyczny i nie wymaga nadzorowania ze strony człowieka,
* odszukuje przyczyny problemów przedsiębiorstw lub biznesowych,
* pomimo swojej złożoności jest procesem szybkim <ref>, Olszak C., s. 253 </ref>.

==TL;DR==
Eksploracja danych to proces odkrywania ukrytej wiedzy w bazach danych za pomocą statystyki i sztucznej inteligencji. Istnieją różne modele i metody eksploracji danych, które pomagają w analizie i generowaniu raportów. Eksploracja danych ma wiele zastosowań w zarządzaniu, takich jak identyfikacja wzorców zachowań klientów, wykrywanie powiązań demograficznych, czy określanie prawidłowości zmian cen akcji.

==Modele eksploracji danych==
* '''CRISP-DM''' (''Cross-Industry Standard Process for Data Mining''). Twórcami tego modelu są NCR Systems Engineering Copenhagen, SPSS/Integraf Solutions Ltd., Daimler-Chrysler oraz OHRA Verzekeringen [[Bank]] Group B.V.
Ich zdaniem [[model]] eksploracji danych składa się z sześciu etapów:

<google>n</google>

1. Zrozumienie uwarunkowań biznesowych.

2. Zrozumienie danych.

3. Przygotowanie danych.

4. [[Modelowanie]] - czyli wybór technik, które będą użyte do utworzenia modelu eksploracji danych.

5. [[Ewaluacja]] - [[ocena]] modelu, jego testowanie i ponowne przejrzenie jego konstrukcji.

6. [[Wdrożenie]].
* '''SEMMA''' (''Sample, Explore, Modify, Model, Assess''), zaprojektowany przez SAS Institute. W jego skład wchodzi pięć etapów:
1. [[Próbkowanie]] - wykorzystanie tylko części danych, zanim całość zostanie wprowadzona.

2. Eksplorowanie - w celu głębszego poznania danych.

3. [[Manipulacja]] - po etapie eksplorowanie, często potrzebna jest modyfikacja danych

4. Modelowanie - czyli wybór techniki modelowania.

5. Ocena.
* '''[[DMAIC]]''' (''Define, Measure, Analyze, Improve, Control''), oparty na strategii [[Six Sigma]]. Stworzony przez inżynierów z Instytutu Motoroli. Model skupia się na eliminacji strat i defektów, problemów z jakością w rożnych dziedzinach biznesu. Składa się z pięciu etapów:

1. Definiowanie - określenie celów i identyfikacja problemów biznesowych.

2. [[Pomiar]] - zbierane są [[informacje]] o aktualnym stanie procesu.

3. Analiza - zdefiniowanie krytycznych przyczyn problemów, uzasadnienie ich wpływu na proces.

4. Usprawnienie - wprowadzanie odpowiednich rozwiązań.

5. [[Kontrola]].
* '''VcofDM''' (''Virtuos Cycle of Data Mining'') zaprojektowany przez M. J. A. Berrego i G. Linoffa, wybitych specjalistów dziedziny eksploracji danych. Składa się z czterech etapów:

1. Zidentyfikowanie problemów biznesowych.

2. Przekształcenie danych w informacje.

3. Podjęcie działań.

4. Mierzenie i ocena wyników <ref>, Olszak C., s. 255-256 </ref>.

==Metody eksploracji danych==
Metody eksploracji danych są dzielone na 6 podstawowych klas:
# '''Klastrowanie''' - głównym celem tych metod jest odnajdowanie w bazie danych skończonych zbiorów klas obiektów, czyli klastrów, posiadających podobne cechy. Owy proces klastrowania przebiega bardzo często w dwóch cyklach: [[cykl]] zewnętrzny, który przebiega po liczbie możliwych klastrów; cykl wewnętrzny, próbujący odnaleźć optymalny podział między klastry.
# '''Odkrywanie asocjacji''' - jest to najrozleglejsza klasa metod. Obejmuje odkrywanie różnego rodzaju nieznanych współzależności w bazie danych. Jest to przede wszystkim odkrywanie asocjacji między obiektami.
# '''Odkrywanie wzorców sekwencji''' - czyli odkrywanie wzorców zachowań czasowych, na przykład sekwencja notowań giełdowych, zachowania klientów supermarketów.
# '''Wykrywanie zmian i odchyleń''' - odnajdywanie różnic pomiędzy oczekiwanymi a aktualnymi wartościami danych, na przykład odnajdywanie anomalnych zachowań klientów firm telekomunikacyjnych.
# '''Odkrywanie zbieżności w przebiegach czasowych''' - odnajdywanie podobieństw w czasowych przebiegach, które opisują określone procesy.
# '''Odkrywanie klasyfikacji''' - do głównego celu tych metod należy odnajdywanie zależności między klasyfikacją danych obiektów (taką wprowadzoną przez eksperta lub naturalną) a ich charakterystyką <ref>, Morzy T., s. 4 </ref>.

==Wykorzystanie==
Eksploracja danych przynosi wymierne korzyści w różnych obszarach [[Zarządzanie|zarządzania]]. Przykłady zastosowań eksploracji danych to:
* [[identyfikacja]] wzorców zachowań [[klient]]ów przy dokonywaniu zakupów,
* wykrywanie powiązań pomiędzy charakterystykami demograficznymi klientów,
* identyfikacja [[lojalność klienta|lojalnych klientów]],
* odnajdywanie współzależności pomiędzy różnymi [[analiza wskaźnikowa|wskaźnikami finansowymi]],
* określanie prawidłowości rządzących zmianami [[akcje|cen akcji]] na podstawie ich dotychczasowych notowań,
* opracowanie [[dystrybucja|planu dystrybucji towarów]] pomiędzy [[rynek|rynkami zbytu]].

{{infobox5|list1={{i5link|a=[[Modelowanie procesów]]}} — {{i5link|a=[[7 narzędzi TQC]]}} — {{i5link|a=[[Sztuczne sieci neuronowe]]}} — {{i5link|a=[[Analiza danych]]}} — {{i5link|a=[[Konceptualizacja]]}} — {{i5link|a=[[DMAIC]]}} — {{i5link|a=[[Behavior driven development]]}} — {{i5link|a=[[Zarządzanie strategiczne]]}} — {{i5link|a=[[Cykl Deminga]]}} }}

==Przypisy==
<references />

==Bibliografia==
<noautolinks>
* Morzy T. (1999), ''Eksploracja danych: problemy i rozwiązania'', V Konferencja PLOUG, Zakopane
* Olszak C. (2018), ''Analiza i ocena wybranych modeli eksploracji danych''
* Ryznar Z. (1998), ''Istota i zadania hurtowni danych'', Informatyka, nr 11
* Strykowski S. (1996), ''Eksploracja danych'', Informatyka, nr 10
* Woźniak K. (2005), ''System informacji menedżerskiej jako instrument zarządzania strategicznego w firmie'', praca doktorska, Akademia Ekonomiczna w Krakowie, Kraków
</noautolinks>

{{a|[[Krzysztof Woźniak]], Karolina Gralak}}
[[Kategoria:Zarządzanie informacjami]]

{{#metamaster:description|Odkryj ukrytą wiedzę w danych dzięki eksploracji danych. Wykorzystuje ona statystykę, sztuczną inteligencję i matematykę do wykrywania trendów i przyczyn problemów biznesowych.}}

Eksploracja danych - Historia wersji

Zybex: cleanup bibliografii i rotten links