Penambangan Data vs OLAP
Baik penggalian data dan OLAP adalah dua teknologi Business Intelligence (BI) yang umum. Kecerdasan bisnis mengacu pada metode berbasis komputer untuk mengidentifikasi dan mengekstrak informasi yang berguna dari data bisnis. Penambangan data adalah bidang ilmu komputer yang berkaitan dengan penggalian pola yang menarik dari kumpulan data yang besar. Ini menggabungkan banyak metode dari kecerdasan buatan, statistik, dan manajemen basis data. OLAP (pemrosesan analitik online) seperti namanya adalah kompilasi cara untuk melakukan kueri database multi-dimensi.
Data mining juga dikenal sebagai Knowledge Discovery in data (KDD). Seperti disebutkan di atas, ini adalah bidang ilmu komputer, yang berhubungan dengan ekstraksi informasi yang sebelumnya tidak diketahui dan menarik dari data mentah. Karena pertumbuhan data secara eksponensial, terutama di bidang-bidang seperti bisnis, penambangan data telah menjadi alat yang sangat penting untuk mengubah kekayaan data yang besar ini menjadi intelijen bisnis, karena ekstraksi pola secara manual menjadi tidak mungkin dilakukan dalam beberapa dekade terakhir. Misalnya, saat ini telah digunakan untuk berbagai aplikasi seperti analisis jejaring sosial, deteksi penipuan, dan pemasaran. Penambangan data biasanya berkaitan dengan empat tugas berikut: pengelompokan, klasifikasi, regresi, dan asosiasi. Clustering mengidentifikasi kelompok serupa dari data tidak terstruktur. Klasifikasi adalah aturan pembelajaran yang dapat diterapkan pada data baru dan biasanya akan mencakup langkah-langkah berikut: praproses data, perancangan pemodelan, pembelajaran / pemilihan fitur dan evaluasi / validasi. Regresi adalah menemukan fungsi dengan kesalahan minimal pada data model. Dan asosiasi mencari hubungan antar variabel. Data mining biasanya digunakan untuk menjawab pertanyaan seperti apa produk utama yang mungkin bisa membantu memperoleh keuntungan tinggi tahun depan di Wal-Mart. Data mining biasanya digunakan untuk menjawab pertanyaan seperti apa produk utama yang mungkin bisa membantu memperoleh keuntungan tinggi tahun depan di Wal-Mart. Data mining biasanya digunakan untuk menjawab pertanyaan seperti apa produk utama yang mungkin bisa membantu memperoleh keuntungan tinggi tahun depan di Wal-Mart.
OLAP adalah kelas sistem, yang memberikan jawaban atas pertanyaan multi-dimensi. Biasanya OLAP digunakan untuk pemasaran, penganggaran, peramalan, dan aplikasi serupa. Tak perlu dikatakan bahwa database yang digunakan untuk OLAP dikonfigurasikan untuk kueri yang kompleks dan ad-hoc dengan kinerja yang cepat. Biasanya matriks digunakan untuk menampilkan output OLAP. Baris dan kolom dibentuk oleh dimensi kueri. Mereka sering menggunakan metode agregasi pada beberapa tabel untuk mendapatkan ringkasan. Misalnya, dapat digunakan untuk mengetahui tentang penjualan tahun ini di Wal-Mart dibandingkan tahun lalu? Bagaimana prediksi penjualan di kuartal berikutnya? Apa yang bisa dikatakan tentang tren dengan melihat perubahan persentase?
Meskipun jelas bahwa Data mining dan OLAP serupa karena keduanya beroperasi pada data untuk mendapatkan kecerdasan, perbedaan utamanya berasal dari cara mereka mengoperasikan data. Alat OLAP menyediakan analisis data multidimensi dan menyediakan ringkasan data, namun sebaliknya, data mining berfokus pada rasio, pola, dan pengaruh dalam kumpulan data. Itu adalah kesepakatan OLAP dengan agregasi, yang bermuara pada pengoperasian data melalui "penambahan" tetapi penambangan data sesuai dengan "pembagian". Perbedaan penting lainnya adalah bahwa sementara alat data mining memodelkan data dan mengembalikan aturan yang dapat ditindaklanjuti, OLAP akan melakukan teknik perbandingan dan kontras di sepanjang dimensi bisnis secara real time.
