Podatkovno rudarjenje je sistematično iskanje vzorcev, povezav in nepravilnosti v velikih podatkovnih zbirkah. Opira se na statistične tehnike in metode strojnega učenja, kot so razvrščanje v skupine, klasifikacija ali analiza asociacij. Klasičen primer je analiza nakupovalne košarice v trgovini, ki pokaže, kateri izdelki se pogosto kupijo skupaj – osnova za izbor ponudbe, postavitev in priporočila.
Agenti, poteki dela in predloge v enem delovnem prostoru – brezplačna 24-urna predstavitev.
Začni predstavitevPrepoznavanje vzorcev je samodejno odkrivanje pravilnosti, struktur ali ponavljajočih se značilnosti v podatkih, kot so slike, zvoki, besedila ali meritve. Sistemi nova opažanja razvrstijo v znane kategorije ali odkrijejo skupine brez vnaprej določenih oznak. Uporablja se pri prepoznavanju obrazov, prepoznavanju rokopisa, kontroli kakovosti v proizvodnji in odkrivanju nenavadnih transakcij. Področje je pomemben temelj strojnega učenja.
Gručenje (clustering) je metoda nenadzorovanega učenja, ki podatkovne točke na podlagi podobnosti razdeli v skupine brez vnaprej določenih kategorij. Razkrije vzorce, ki jih še nihče ni poimenoval – na primer segmente strank s podobnim nakupnim vedenjem. Pri besedilih gručenje pomaga razvrstiti na stotine povpraševanj strank v teme, kot so dostava, obračun ali pritožbe, in pokaže, kje je težišče.
Napovedna analitika uporablja zgodovinske podatke, statistiko in strojno učenje za oceno verjetnih prihodnjih dogodkov. Odgovarja na vprašanja, kot so: katere stranke se bodo kmalu odjavile? Koliko zalog bo potrebnih naslednji mesec? Kdaj bo stroj verjetno odpovedal? Rezultati so verjetnosti, ne gotovosti. Njihova vrednost je močno odvisna od kakovosti podatkov in od tega, ali napovedi dejansko vplivajo na odločitve in procese.
Raziskovalna analiza podatkov (EDA) je prvi, odprt pogled na podatkovno zbirko: izračunate povzetke, preučite porazdelitve in grafikone ter iščete vzorce, osamelce in manjkajoče vrednosti – še brez trdne hipoteze. Pomaga oceniti kakovost podatkov in poiskati smiselna vprašanja za nadaljnjo analizo ali modeliranje. Primer: pred napovedjo prodaje EDA razkrije, da je bil en mesec zaradi selitve sistema zabeležen nepopolno.
