Zeitschrift für Computertechnik und Informationstechnologie

Data Mining-Techniken bei der Analyse von Prozessdaten

Tom Zimmer

Data Mining ist der Prozess, Anomalien, Muster und Korrelationen in großen Datensätzen zu erkennen, um zukünftige Ergebnisse vorherzusagen. Dies wird durch die Kombination der miteinander verflochtenen Disziplinen Daten, künstliche Intelligenz und maschinelles Lernen erreicht. Lesen Sie weiter, um mehr über die Verwendung von Data Mining in der realen Welt, wichtige Unterschiede zwischen Data Mining und anderen verwandten Datenanwendungen sowie Data Mining-Ausrüstung und -Techniken zu erfahren. Beispielsweise basiert die Wettervorhersage auf Data Mining-Techniken. Bei der Wettervorhersage werden Unmengen historischer Aufzeichnungen analysiert, um Muster zu erkennen und zukünftige Wetterbedingungen basierend auf Jahreszeit, Wetter und anderen Variablen vorherzusagen. Diese Analyse führt zu Algorithmen oder Modellen, die Statistiken sammeln und analysieren, um Ergebnisse mit zunehmender Genauigkeit vorherzusagen. Daten werden gesammelt, organisiert und in ein Data Warehouse geladen. Die Daten werden entweder auf internen Servern oder in der Cloud gespeichert und verwaltet. Unternehmensanalysten und Datenwissenschaftler untersuchen die Brutto- oder Oberflächeneigenschaften der Daten und führen dann eine detailliertere Analyse aus der Perspektive einer vom Unternehmen definierten Problemstellung durch. Dies kann mithilfe von Abfrage-, Berichts- und Visualisierungsübungen erreicht werden. Sobald die verfügbaren Datenressourcen angezeigt werden, müssen sie bereinigt, strukturiert und in die gewünschte Form gebracht werden. Diese Phase kann auch eine weitere, tiefergehende Datenerkundung umfassen, die auf den Erkenntnissen der vorherigen Phase basiert.