Minería de datos vs OLAP
Tanto la minería de datos como OLAP son dos de las tecnologías de Business Intelligence (BI) comunes. La inteligencia empresarial se refiere a los métodos informáticos para identificar y extraer información útil de los datos empresariales. La minería de datos es el campo de la informática que se ocupa de extraer patrones interesantes de grandes conjuntos de datos. Combina muchos métodos de inteligencia artificial, estadísticas y gestión de bases de datos. OLAP (procesamiento analítico en línea), como su nombre lo sugiere, es una compilación de formas de consultar bases de datos multidimensionales.
La minería de datos también se conoce como descubrimiento de conocimiento en datos (KDD). Como se mencionó anteriormente, es un campo de la informática, que se ocupa de la extracción de información previamente desconocida e interesante a partir de datos sin procesar. Debido al crecimiento exponencial de los datos, especialmente en áreas como las empresas, la minería de datos se ha convertido en una herramienta muy importante para convertir esta gran cantidad de datos en inteligencia empresarial, ya que la extracción manual de patrones se ha vuelto aparentemente imposible en las últimas décadas. Por ejemplo, actualmente se utiliza para diversas aplicaciones como análisis de redes sociales, detección de fraude y marketing. La minería de datos generalmente se ocupa de las siguientes cuatro tareas: agrupación, clasificación, regresión y asociación. La agrupación consiste en identificar grupos similares a partir de datos no estructurados. La clasificación es el aprendizaje de reglas que se pueden aplicar a nuevos datos y, por lo general, incluye los siguientes pasos: preprocesamiento de datos, diseño de modelos, aprendizaje / selección de características y evaluación / validación. La regresión consiste en encontrar funciones con un error mínimo en los datos del modelo. Y la asociación busca relaciones entre variables. La minería de datos se usa generalmente para responder preguntas como cuáles son los principales productos que podrían ayudar a obtener altas ganancias el próximo año en Wal-Mart. La minería de datos se usa generalmente para responder preguntas como cuáles son los principales productos que podrían ayudar a obtener altas ganancias el próximo año en Wal-Mart. La minería de datos se usa generalmente para responder preguntas como cuáles son los principales productos que podrían ayudar a obtener altas ganancias el próximo año en Wal-Mart.
OLAP es una clase de sistemas que proporcionan respuestas a consultas multidimensionales. Normalmente, OLAP se utiliza para aplicaciones de marketing, presupuestación, previsión y similares. No hace falta decir que las bases de datos utilizadas para OLAP están configuradas para consultas complejas y ad-hoc con un rendimiento rápido en mente. Normalmente, se utiliza una matriz para mostrar la salida de un OLAP. Las filas y columnas están formadas por las dimensiones de la consulta. A menudo utilizan métodos de agregación en varias tablas para obtener resúmenes. Por ejemplo, ¿se puede utilizar para conocer las ventas de este año en Wal-Mart en comparación con el año pasado? ¿Cuál es la predicción sobre las ventas en el próximo trimestre? ¿Qué se puede decir sobre la tendencia al observar el cambio porcentual?
Aunque es obvio que la minería de datos y OLAP son similares porque operan con datos para obtener inteligencia, la principal diferencia proviene de cómo operan con los datos. Las herramientas OLAP brindan análisis de datos multidimensionales y brindan resúmenes de los datos pero, por el contrario, la minería de datos se enfoca en proporciones, patrones e influencias en el conjunto de datos. Ese es un trato OLAP con agregación, que se reduce a la operación de datos a través de "adición", pero la minería de datos corresponde a la "división". Otra diferencia notable es que mientras que las herramientas de minería de datos modelan datos y devuelven reglas procesables, OLAP llevará a cabo técnicas de comparación y contraste a lo largo de la dimensión empresarial en tiempo real.
