Извличането на данни е процес на търсене на големи бази данни, за да се намери полезна информация, която може да се използва за вземане на решения. Използва се и английският термин „извличане на данни“.
Може да се разбира като технология и софтуер, използвани за намиране на модели на поведение в базата данни. Основната основа за това е, че тези модели помагат за вземането на решения. Например, това може да помогне на компаниите да разберат моделите на поведение на своите клиенти. По такъв начин, че да улесни създаването на стратегии за увеличаване на продажбите или намаляване на разходите.
Предимства на извличането на данни
Основното предимство на този процес на анализ на данни е големият брой бизнес сценарии, към които той може да бъде приложен, като пример имаме:
- Предсказание: Прогноза за продажбите на компанията.
- Вероятност: Избор на най-добрите клиенти за директен контакт по телефона или по имейл.
- Анализ на последователността: Анализ на продуктите, които клиентите са закупили, и проверка на взаимовръзката между тях.
Етапи на извличане на данни
В рамките на процеса на извличане на данни можем да намерим пет фази:
- Цел и събиране на данни: Първото е да се съсредоточим върху какъв тип информация искаме да получим. Нека си представим примера, че супермаркет иска да знае по кое време на денонощието има най-много посещаемост на клиентите. Това би била целта и информацията, която търговията иска да получи в този случай.
- Обработка и управление на данни: След като знаем данните, които искаме да съберем, ние ги привеждаме в действие. Това е може би най-трудната фаза на процеса. Е, това изисква избор на представителна извадка, върху която ще се извърши анализът. След като извадката е избрана, трябва да се анализира какъв тип променливи или регресионен модел ще се извърши върху пробата.
- Избор на модел: Тя е тясно свързана с предходната фаза. Става въпрос за създаване на модел или алгоритъм, който ни дава възможно най-добрия резултат. За целта трябва да се извърши изчерпателен анализ на променливите, които трябва да бъдат включени в модела. Това се превръща в сложна задача, тъй като ще зависи от вида на информацията, която ще се анализира. Следователно, миньорите на данни извършват различни тестове на алгоритъма като: линейна регресия, дърво на решенията, времеви редове, невронна мрежа и др.
- Анализ и преглед на резултатите: По принцип това е да се анализират резултатите, за да се види дали те дават логично обяснение. Обяснение, което улеснява вземането на решения въз основа на информацията, предоставена от резултатите.
- Актуализация на модела: Последната стъпка от процеса ще бъде актуализацията на модела. Много е важно да се прави с течение на времето, за да не остарее. Променливите на модела могат да станат незначителни и поради това се изисква периодичен контрол на модела.
