Problemi OZP i CRISP-DM

Data Mining: Definicije i primena

Današnje baze i skladišta podataka se mere veličinama reda terabajta podataka. U toj asi podataka mogu se kriti informacije od presudnog poslovnog značaja. Postavlja se pitanje kako do tih informacija doći iz mora podataka koji ih sakrivaju?

Odgovor na to pitanje može dati Data Mining.

Data Mining se može bukvalno prevesti kao rudarenje ili kopanje po podacima i verovatno i nema boljeg naziva koji opisuje ovaj proces. U primeni Data Mininga počinjemo od bilo kakvog izvora podataka (biramo mesto za kopanje) i pokušavamo da pronađemo neke zavisnosti, veze ili pravila koja postoje među podacima. Jednom rečju pokušavamo iz ogromnog broja nestruktuiranih i razbacanih podataka da dobijemo neko znanje (grumen zlata) koje će nam koristiti u rešavanju nekog problema ili unapređenju nekog poslovnog procesa. Naravno u tom procesu, kao ni u rudarenju nije zagarantovan uspeh u pronalaženju znanja. Do korisnih informacija možemo doći jako brzo, a može se desiti da posle dugog i napornog kopanja ne pronažemo baš ništa što nama može biti od koristi. Sa druge strane možemo “slučajno” doći do nekog znanja koje možemo primeniti pri rešavanju nekih drugih problema.