DATA MININGTraditional Database Qu

DATA MINING
Traditional Database Query answer such as :
How many units of Product # 403 were shipped in March 2010?
 OLAP supports much more complex requests for information such as ;
Compare Sales of Product 403 relative to Plan by Quarter and Sales Region
for the past two years.
With both OLAP and Query-oriented Analysis, Users need to have a good idea about the information for which they are looking for.
Data Mining however is more discovery driven:
–Data Mining provides insight into corporate data that can not be obtained with OLAP or traditional Database Query
–Data Mining finds hidden patterns and relationship in large Databases and Inferring Rules from them to predict future behaviour.
The Patterns and Inferring Rules are used to guide Decision making and forecast the effect of those decisions.

ผลลัพธ์ (ไทย) 1:

การทำเหมืองข้อมูล
ฐานข้อมูลคำตอบแบบสอบถามแบบดั้งเดิมเช่น:
วิธีการหลายหน่วยของผลิตภัณฑ์# 403 ถูกส่งมีนาคม 2010
 OLAP สนับสนุนการร้องขอที่ซับซ้อนมากขึ้นสำหรับข้อมูลเช่น;
เปรียบเทียบยอดขายของผลิตภัณฑ์ญาติ 403 ในการวางแผนโดยไตรมาสและ? ภูมิภาค
ขายสำหรับที่ผ่านมาสองปี.
กับทั้ง OLAP และการวิเคราะห์แบบสอบถามที่มุ่งเน้นผู้ใช้จำเป็นต้องมีความคิดที่ดีเกี่ยวกับข้อมูลที่พวกเขากำลังมองหา
การทำเหมืองข้อมูล แต่เป็นมากขึ้นการค้นพบการขับเคลื่อน:.
ข้อมูลการทำเหมืองแร่ให้ข้อมูลเชิงลึกในข้อมูลขององค์กรที่ไม่สามารถรับกับ OLAP หรือแบบสอบถามฐานข้อมูลแบบดั้งเดิม
ข้อมูล การทำเหมืองแร่พบว่ารูปแบบที่ซ่อนอยู่และความสัมพันธ์ในฐานข้อมูลขนาดใหญ่และกฎการอนุมานจากพวกเขาที่จะทำนายพฤติกรรมในอนาคต.
รูปแบบและกฎการอนุมานถูกนำมาใช้เพื่อเป็นแนวทางในการตัดสินใจและการคาดการณ์ผลกระทบของการตัดสินใจเหล่านั้น

ผลลัพธ์ (ไทย) 2:

ทำเหมืองแร่ข้อมูล
ตอบแบบสอบถามฐานข้อมูล Traditional เช่น:
จำนวนหน่วยของผลิตภัณฑ์# 403 ถูกจัดส่งในเดือนมีนาคมปี 2010 ?
 OLAP สนับสนุนคำขอที่ซับซ้อนมากขึ้นสำหรับข้อมูลเช่น;
เปรียบเทียบขายของผลิตภัณฑ์ 403 สัมพันธ์กับแผนงานตามไตรมาสและภูมิภาคขาย
สำหรับผ่านมาสองปี
With OLAP และสอบถามเชิงวิเคราะห์ ผู้ใช้จำเป็นต้องมีความคิดที่ดีเกี่ยวกับข้อมูลที่พวกเขากำลังมองกัน
Data ทำเหมืองแร่อย่างไรก็ตามมีการค้นพบเพิ่มเติมขับเคลื่อน:
–Data ลึกเข้าไปในข้อมูลของบริษัทที่ไม่ได้รับกับ OLAP หรือแบบสอบถามฐานข้อมูล ช่วยให้การทำเหมืองแร่
–Data เหมืองพบซ่อนรูปและความสัมพันธ์ในฐานข้อมูลขนาดใหญ่และ Inferring กฎจากการทำนายพฤติกรรมในอนาคต
รูปแบบและกฎ Inferring ใช้ในการตัดสินใจให้คำแนะนำ และคาดการณ์ผลการตัดสินใจเหล่านั้น

ผลลัพธ์ (ไทย) 3:

ข้อมูลการทำเหมืองแร่
traditional ฐานข้อมูลคำถามคำตอบเช่น:
จำนวนหน่วยของ ผลิตภัณฑ์ # 403 ได้รับในเดือนมีนาคม 2010 ?
 OLAP Services สนับสนุนมากความซับซ้อนมากขึ้นคำขอสำหรับข้อมูลเช่น;
เปรียบเทียบยอดขายของ ผลิตภัณฑ์ 403 เมื่อเทียบกับแผนโดยไตรมาสและขายพื้นที่
สำหรับที่ผ่านมาสองปี.
with ทั้ง OLAP Services และคำถามแบบการวิเคราะห์ผู้ใช้จำเป็นต้องใช้ในที่ที่ดีมีความคิดเกี่ยวกับข้อมูลที่พวกเขากำลังมองหา.
data แต่ถึงอย่างไรก็ตามยังมีการทำเหมืองแร่การค้นหามากขึ้นขับรถ:
- ข้อมูลการทำเหมืองแร่ให้ความรู้ความเข้าใจในข้อมูลของบริษัทที่ไม่สามารถได้รับกับ OLAP Services หรือแบบดั้งเดิมฐานข้อมูลคำถาม
- ข้อมูลการทำเหมืองแร่พบที่ซ่อนอยู่และรูปแบบความสัมพันธ์ในขนาดใหญ่และฐานข้อมูล inferring กฎระเบียบในการทำนายอนาคต.
รูปแบบและ inferring กฎระเบียบมีการใช้ในคู่มือการทำให้การตัดสินใจและการคาดการณ์ผลของการตัดสินใจนั้น