Skillnaden mellan datainriktning och datalagring
Innehåll
Data Mining och Data Warehousing används båda för att inneha affärsinformation och möjliggöra beslutsfattande. Men båda, data mining och data warehousing har olika aspekter av att arbeta med ett företags data. Å ena sidan datalager är en miljö där ett företags data samlas in och lagras på ett aggregerat och sammanfattat sätt. Å andra sidan, data mining är en process; som använder algoritmer för att extrahera kunskap från de data som du inte ens vet att finns i databasen.
Låt oss kolla in skillnaden mellan data mining och data warehousing med hjälp av ett jämförelsediagram som visas nedan.
- Jämförelsediagram
- Definition
- Viktiga skillnader
- Slutsats
Jämförelsediagram
| Grund för jämförelse | Data Mining | Datalagring |
|---|---|---|
| Grundläggande | Data mining är en process för att hämta eller extrahera meningsfull data från databas / datalager. | Datalager är ett förvar där informationen från flera källor lagras under ett enda schema. |
Definition av Data Mining
Data Mining är en process att göra upptäcka kunskap, vilken du aldrig förväntat till finns i din databas. Med hjälp av traditionellt frågaverktyg kan du bara hämta den kända informationen från data. Men, data mining ger dig vägen till hämta dold information ur data. Data mining utvinner meningsfull information från databasen som kan användas för beslutsfattande.
Kunskapsupptäckten i databaser, kallad KDD, utställningar relation och mönster. Förhållandet kan vara mellan två eller flera olika objekt, mellan attribut för samma objekt. Mönster är ett annat resultat av datainsamling som visar den regelbundna och begripliga sekvensen av information som hjälper till att fatta beslut.
Stegen involverade i KDD, dvs kunskapsupptäckt i databaser kan sammanfattas som först, urval av datauppsättning på vilken datainsamling måste utföras. Nästa är förbehandling som involverar borttagning av inkonsekventa data. Sedan kommer datatransformation där uppgifterna omvandlas till den form som är lämplig för data mining. Nästa är data mining, här används data mining algoritmer på data. Och slutligen, tolkning och utvärdering som innebär att extrahera relationen eller mönstret mellan data.
Data mining passar bra i datalagermiljön som har lagrat data på ett aggregerat och sammanfattat sätt. När det blir lätt att gruva upp data i datalager
Definition av datalagring
Datalager är ett centralt läge där information samlade från flera källor lagras under ett enda enhetligt schema. Uppgifterna samlas in initialt, olika företagskällor rengörs sedan och transformeras och lagras i ett datalager. När data har matats in i ett datalager förblir de där länge och kan nås övertid.
Data Warehouse är en perfekt blandning av tekniker som datamodellering, datainsamling, datahantering, metadatahantering, utvecklingsverktyg lagringshantering. Alla dessa teknologier stöder funktioner som datautvinning, datatransformation, datalagring, tillhandahållande av användargränssnitt för åtkomst till data.
Datavarehus är inte en produkt eller programvara, det är en informationsmiljö som ger information som en integrerad vy av ett företag. Du kan komma åt företagets aktuella och historiska data som hjälper till att fatta beslut. Det stöder transaktioner för beslutsfattande utan att påverka operativa system. Det är en flexibel resurs för att få strategisk information.
- Det finns en grundläggande skillnad som skiljer data mining och data warehousing som är data mining är en process för att extrahera meningsfull data från den stora databasen eller datalageret. Datalager ger emellertid en miljö där data lagras i en integrerad form som underlättar utvinning av data för att extrahera data mer effektivt.
Slutsats:
Data Mining kan göras endast när det finns en välintegrerad stor databas, dvs datalager. Så datalager måste vara färdiga innan datainsamling. Datavaruhus måste ha information i välintegrerad form så att datautvinning kan utvinna kunskapen på ett effektivt sätt.
