داده کاوی، مفاهیم و کاربرد آن (شهر الکترونیک)

امروزه با گسترش سیستم های پایگاهی به حجم بالای داده های ذخیره شده در این سیستم ها، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کرده و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد. با استفاده از پرسش های ساده در SQL به بهانه های گوناگون گزارش گیری معمولی می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آن ها بپردازند اما وقتی که حجم داده ها بالا باشد، کاربران هستند زبردست و باتجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم باشند، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است. داده کاوی یکی از مهم ترین این روش ها است که به وسیله آن الگوهای مفیدتر داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیلگران قرار می دهند تا براساس آن ها تصمیمات مهم و حیاتی در سازمان ها اتخاذ شود. در داده کاوی از بخشی از علم آمار ادامه تحصیل اکتشافی داده ها استفاده می شود که در آن به کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تاکید می شود. علاوه بر این داده کاوی با هوش مصنوعی و یادگیری ماشین نیز ارتباط تنگاتنگی دارد بنابراین می توان گفت در داده کاوی تیوری های پایگاه داده ها، هوش مصنوعی، یادگیری ماشین و علم آمار را در هم می آمیزد تا زمینه کاربردی فراهم شود. باید توجه داشت که اصطلاح داده کاوی زمانی به کار برده می شود که با حجم بزرگی از داده ها در حد مگا یا ترابایت مواجه باشیم. در تمامی منابع داده کاوی بر این مطلب تاکید شده است. هر چه حجم داده ها بیشتر و روابط میان آن ها پیچیده تر باشد دسترسی به اطلاعات نهفته در میان داده ها مشکل تر می شود و نقش داده کاوی به عنوان یکی از روش های کشف دانش روشن تر می گردد.

Keywords:

داده کاوی , فناوری اطلاعات و ارتباطات , داده های اطلاعاتی , پایگاه داده , الگوریتم های داده کاوی , شهر الکترونیک