面向企业的数据挖掘和大数据

0
52485

对于大公司而言,大数据正变得越来越具有挑战性。 “大数据”一词是对在其中寻求知识的毫无价值的数据山的隐喻。 Bigdata Mining描述了用于在海量数据中搜索趋势,交叉连接和新数据的统计方法。 不可能手动处理如此大量的数据,这就是为什么必须使用基于计算机的方法的原因。 这些方法也可以用于更少量的数据。 通常,数据挖掘仅指流程中的分析步骤。

数据挖掘与大数据

通过数据挖掘,可以通过计算机辅助程序检查大量数据。 术语“数据挖掘”有点误导,因为它与生成数据无关,而与从数据中获取知识有关。 该术语之所以盛行,主要是因为它简短而精确。 通常,数据挖掘可以描述为提取以前未知且被认为可能有用的知识的过程。 大数据描述的数据量太大,太大或改变得太快。 因此,不包括手工收集或使用经典方法进行处理。 收集到的用于数据挖掘的大数据可以来自任何来源。 这些范围从公司和当局的电子通讯到监视系统的记录。 为了使用大数据分析大数据的愿望经常与他人的人身权利发生冲突,因此必须事先确保。

数据挖掘和大数据:常规程序

大数据的数据挖掘分析选择和数据收集。 删除不完整的记录,并添加重要的来源或比较值。 随后,在数据中搜索某些行为模式,并显示获得的结果。 这些由专家进行检查和评估,以便可以确定是否可以实现所需的目标。 获得的知识可用于新的调查或用作比较参数,以便下次搜索的结果更加准确。 尽管Bigdata的数据挖掘过去曾经主要用于IT,但越来越多的公司对所使用的方法以及Bigdata提供的巨大潜力感兴趣。 在金融部门,数据挖掘用于检测欺诈和审计。 信用评分使用bigdata来计算违约的可能性。 在市场营销中,数据挖掘可计算出客户的购买行为如何失败或哪种广告措施可以吸引潜在客户。 在网上商店中,将分析购物车,然后更改价格和产品放置。 此外,可以搜索广告活动的目标群体并检查客户资料。 在互联网上,Bigdata Mining用于检测攻击,推荐服务和分析社交网络。 其他应用领域是例如医学,文献计量学和护理学领域。

值得了解大数据和数据挖掘

在大数据或数据挖掘中,人们可以假设一门学科在科学上是中立的。 通过数据挖掘,可以分析来自各种来源的数据。 但是,一旦数据与一个人相关,道德和法律冲突就会迅速出现。 这些通常不涉及数据评估,而仅涉及提取过程。 未充分匿名的数据可能会分配给特定的个人。 因此,在由Bigdata进行数据挖掘时,始终有必要确保匿名化,从而不允许得出有关个人或人群的结论。 除了法律上的冲突外,还应当指出,道德问题也被提出了。 是否应该允许计算机将人们划分为“类别”或“类别”,这是一个问题。 例如,在数据挖掘中,人们被形容为值得信赖或不值得的人。 总的来说,应该注意的是,该方法本身是非常中立的且匿名的。 该方法不知道计算的结果和概率。 但是,一旦人们面对真正的数据(例如,舒法),这可能会引起奇怪,冒犯或惊讶的反应。 提供了有关网站所有者目标群体的搜索引擎巨头Google Google Analytics(分析)数据。

机会与未来前景

在全球化的世界中,数据挖掘与大数据变得越来越相关。 过去,美国公司已经能够告知其客户的购买行为,无论他们是否怀孕。 根据这些发现,专门发送了购物券和购物提示,从而增加了销售额。 根据购买的性质,甚至可以预测出生日期,即使不是确切的日期。 大数据的数据挖掘对于当今的公司而言非常重要。 通过针对性的大数据数据挖掘,可以获得有关用户和潜在客户的重要见解。 数据挖掘最终会带来更高的收入和利润,因此在未来将变得更加重要。 难怪:在全球化且技术精明的世界中,数据收集现在很正常,并且在不久的将来将会更加强大。

留下答案

请输入您发表评论!
请在此输入你的名字