برچسب: داده کاوی چیست

امروزه با گسترش سيستم هاي پايگاهي و حجم بالاي داده هاي ذخيره شده در اين سيستم ها، نياز به ابزاري است تا بتوان داده هاي ذخيره شده را پردازش کرد و اطلاعات حاصل از اين پردازش را در اختيار کاربران قرار داد. 

با استفاده از پرسش هاي ساده در SQL و ابزارهاي گوناگون گزارش گيري معمولي، مي توان اطلاعاتي را در اختيار کاربران قرار داد تا بتوانند به نتيجه گيري در مورد داده ها و روابط منطقي ميان آن ها بپردازند. اما وقتي که حجم داده ها بالا باشد، کاربران هر چند زبر دست و با تجربه باشند نمي توانند الگوهاي مفيد را در ميان حجم انبوه داده ها تشخيص دهند و يا اگر قادر به اين کار هم با شند، هزينه عمليات از نظر نيروي انساني و مادي بسيار بالا است.

از سوي ديگر کاربران معمولا فرضيه اي را مطرح مي کنند و سپس بر اساس گزارشات مشاهده شده به اثبات يا رد فرضيه مي پردازند، در حالي که امروزه نياز به روشهايي است که اصطلاحا به کشف دانش بپردازند، يعني با کمترين دخالت کاربر و به صورت خودکار الگوها و رابطه هاي منطقي را بيان نمايند.

داده کاوي يکي از مهم ترين اين روش ها است که به وسيله آن الگوهاي مفيد در داده ها با حداقل دخالت کاربران شناخته مي شوند و اطلاعاتي را در اختيار کاربران و تحليل گران قرار مي دهند تا براساس آن ها تصميمات مهم و حياتي در سازمان ها اتخاذ شوند.

در داده کاوي از بخشي از علم آمار به نام تحليل اکتشافي داده ها استفاده مي شود که در آن بر کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تأکيد مي شود. علاوه بر اين داده کاوي با هوش مصنوعي و يادگيري ماشين نيز ارتباط تنگاتنگي دارد، بنابراين مي توان گفت در داده کاوي تئوري هاي پايگاه داده ها، هوش مصنوعي ، يادگيري ماشين و علم آمار را در هم مي آميزند تا زمينه کاربردي فراهم شود . 

بايد توجه داشت که اصطلاح داده کاوي زماني به کار برده مي شود که با حجم بزرگي از داده ها، در حد مگا يا ترابايت، مواجه باشيم. در تمامي منابع داده کاوي بر اين مطلب تأکيد شده است. 

هر چه حجم داده ها بيشتر و روابط ميان آن ها پيچيده تر باشد، دسترسي به اطلاعات نهفته در ميان داده ها مشکل تر مي شود و نقش داده کاوي به عنوان يکي از روش هاي کشف دانش ، روشن تر مي گردد.