डेटा माइनिंग
डेटा माइनिंग स्वचालित या अर्ध-स्वचालित विधि द्वारा भारी मात्रा में तथ्यों के अन्वेषण और विश्लेषण की तकनीक है ताकि महत्वपूर्ण पैटर्न और नीतियों की खोज की जा सके। यह बड़ी मात्रा में डेटा के चयन, अन्वेषण, और मॉडलिंग की प्रक्रिया है ताकि नियमितताओं या संबंधों की खोज की जा सके जो पहले अज्ञात थे, डेटाबेस के मालिक के लिए स्पष्ट और उपयोगी परिणाम प्राप्त करने के लिए।
डेटा माइनिंग स्वचालित या अर्ध-स्वचालित साधनों द्वारा बड़ी मात्रा में डेटा के अन्वेषण और विश्लेषण की प्रक्रिया है ताकि सार्थक पैटर्न और नियम खोजे जा सकें। यह कंप्यूटर एल्गोरिदम या सांख्यिकीय तकनीकों के उपयोग तक सीमित नहीं है। यह एक व्यावसायिक खुफिया प्रक्रिया है जिसे सूचना प्रौद्योगिकी के साथ मिलकर कंपनी के निर्णयों का समर्थन करने के लिए उपयोग किया जा सकता है।
डेटा माइनिंग डेटा साइंस के समान है। यह एक व्यक्ति द्वारा, एक विशिष्ट स्थिति में, एक विशेष डेटा सेट पर, एक उद्देश्य के साथ किया जाता है। इस प्रक्रिया में विभिन्न प्रकार की सेवाएं शामिल हैं जैसे टेक्स्ट माइनिंग, वेब माइनिंग, ऑडियो और वीडियो माइनिंग, चित्रात्मक डेटा माइनिंग, और सोशल मीडिया माइनिंग। यह सॉफ्टवेयर के माध्यम से किया जाता है जो सरल या अत्यधिक विशिष्ट हो सकता है।
डेटा माइनिंग को आउटसोर्स करके, सभी काम कम परिचालन लागत के साथ तेजी से पूरे किए जा सकते हैं। विशेष फर्म नई तकनीकों का उपयोग करके उस डेटा को सेट कर सकती हैं जिसे मैन्युअल रूप से रखना असंभव है। विभिन्न प्लेटफॉर्म पर सूचनाओं के टन उपलब्ध हैं, लेकिन बहुत कम ज्ञान सुलभ है।
सांख्यिकी (Statistics)
सांख्यिकी संख्यात्मक डेटा के विश्लेषण और प्रस्तुति को संदर्भित करती है, जो सभी डेटा माइनिंग एल्गोरिदम का प्रमुख हिस्सा है। यह बड़ी मात्रा में डेटा से निपटने के लिए उपकरण और विश्लेषणात्मक विधियां प्रदान करता है। सांख्यिकी में योजना, डिजाइन, जानकारी एकत्र करना, विश्लेषण करना, और शोध निष्कर्षों की रिपोर्टिंग शामिल है। इन कारणों से सांख्यिकी न केवल गणित तक सीमित है, बल्कि एक व्यावसायिक विश्लेषक भी व्यावसायिक समस्याओं को हल करने के लिए सांख्यिकी का उपयोग करता है।
इन्फेरेंशियल सांख्यिकी का उपयोग एक नमूने का उपयोग करके जनसंख्या के पैरामीटर्स के मूल्यों का अनुमान लगाने के लिए किया जाता है। यह परिकल्पना परीक्षण कर सकता है यह देखने के लिए कि क्या दो डेटासेट समान या भिन्न हैं। यह कार्य-कारण समझाने के लिए रैखिक या बहु-प्रतिगमन विश्लेषण करने के लिए उपयोग किया जाता है।
परिकल्पना परीक्षण दो डेटासेट की संख्यात्मक तुलना कर सकता है। उदाहरण के लिए, कोई यह महसूस (परिकल्पना) कर सकता है कि यह बिक्री मात्रा समान है, या मुख्य प्रतियोगी से बेहतर है। यह इस धारणा को गणितीय रूप से पुष्टि या अस्वीकार करने के लिए परिकल्पना परीक्षण का उपयोग कर सकता है। सहसंबंध विश्लेषण एक सरल उपकरण है जो कई यादृच्छिक चरों में देखे जाने वाले रुचि के चरों को अलग करने के लिए, अक्सर विशाल डेटासेट में, यह देखने के लिए कि कौन से व्यावसायिक चर वांछित व्यावसायिक परिणाम को महत्वपूर्ण रूप से प्रभावित करते हैं।
