Klasyfikacja danych w procesie inteligentnego pozyskiwania wiedzy z baz danych

• Autorzy: Małgorzata Nycz
• Języki publikacji: PL

Abstrakty

Obecnie wiedza staje się jedną z cennych wartości. Jest to m. in. związane z globalizacją gospodarki i technologii, które mają wpływ na to zjawisko. Dzisiejsze technologie informatyczne umożliwiają wspomaganie zarządzania w przedsiębiorstwach. Decydenci przedsiębiorstw, aby być skutecznymi w rozwiązywaniu problemów potrzebują nie tylko dostępu do baz danych ale również do wiedzy. Zarządzanie nowoczesną firmą wymaga dostępu do aktualnych informacji, które pozwolą na szybkie podejmowanie optymalnych decyzji. Dane związane z zarządzaniem przedsiębiorstwem zgromadzone są w różnych bazach danych, zbiorach danych i innych dokumentach. W przedsiębiorstwach coraz więcej danych jest przetwarzanych i analizowanych. Coraz więcej jest potrzebnych, aby można było różnorodne analizy wykonywać i zaspakajać potrzeby związane z opracowywaniem prognoz lub planów rozwojowych firmy. Powszechnie stosowane systemy wspomagania zarządzania organizacją nie rozwiązują wszystkich problemów związanych z jej funkcjonowaniem. Ułatwiają dostęp do informacji zawartych w bazach danych przedsiębiorstwa. Jednakże firmy poszukują nowych technologii, które pomogą zdobyć przewagę nad konkurencją i przyspieszą proces podejmowania decyzji. Techniką, która coraz szerzej jest wykorzystywana do analizy danych w bazach i hurtowniach danych jest data mining. Jest ona szczególnie przydatna do zastosowań w dużych bazach danych jak też w podsystemach hurtowni danych jako narzędzie wspomagające użytkownika w podejmowaniu optymalnych decyzji, gdyż pomaga przewidzieć przyszłe trendy i zachowania się rynku. Realizacja procesu Data Mining może być zdecydowanie przyśpieszona bądź też zmniejszeniu ulega ilość przeszukiwań danych, jeśli dane zostaną uprzednio poklasyfikowane. W części 1 scharakteryzowano proces odkrywania wiedzy z danych przy wykorzystaniu inteligentnych metod. Część 2 poświęcona została omówieniu analiz danych, zaś część 3 - zagadnieniu klasyfikacji danych ze szczególnym uwzględnieniem analizy dyskryminacyjnej. W zakończeniu podsumowano przeprowadzone rozważania. (fragment tekstu)

Słowa kluczowe

PL

Klasyfikacja danych; Wiedza; Generowanie wiedzy; Bazy danych; Data Mining

EN

Data classifications; Knowledge; Knowledge generating; Databases; Data Mining

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu
• Rocznik: 2003
• Numer: nr 975 Pozyskiwanie wiedzy i zarządzanie wiedzą
• Strony: 351--361

Twórcy

autor

Małgorzata Nycz

• Akademia Ekonomiczna we Wrocławiu

Bibliografia

• Baborski A. (red): Efektywne zarządzanie a sztuczna inteligencja. Wydawnictwa AE im. O. Langego we Wrocławiu, Wrocław 1994.
• Baborski A.: Metody indukcyjnego pozyskiwania wiedzy w systemach sztucznej inteligencji. [w:] Inteligentne systemy wspomagania decyzji w zarządzaniu. Red. Sroka H. Akademia Ekonomiczna im. K. Adamieckiego w Katowicach, 1995.
• Byrski M.: Data mining w bazie Oracle 9i. Materiały konferencyjne z VIII Konferencji PLOUG, Kościelisko, październik 2003.
• Chen M.S., Han J., Yu P.S.: Data Mining: An Overview from a Database Perspective. IEEE Transactions on Knowledge and Data Engineering, 8(6): p.866-883, 1996.
• Galant V.: Zastosowanie algorytmów odkrywania wiedzy w procesie podejmowania decyzji kredytowych. [w:] Zastosowania rozwiązań informatycznych w bankowości. Pod red. A. Gospodarowicz, "Prace Naukowe AE we Wrocławiu" nr 766, Wrocław 1997.
• Gatner E.: Nieparametryczna metoda dyskryminacji i regresji. Warszawa: PWN 2001.
• Han J., Cai Y., Cercone N.: Discovery of quantitative rules from large databases. [w:] Ras Z.W., Zemankova M., Emrich M.L. (red.): Methodologies for Intelligent Systems, 5, North-Holland, 1990.
• Han J.: Data mining techniques. ACM-SIGMOD'96 Conference Tutorial, June 1996.
• Jain, A.K., Dubes R.C.: Algorithms for clustering data. Prentice-Hall, Inc., A Division of Simon & Schuster, Englewood Cliffs, New Jersey 07632, 1988.
• Nycz M., Smok B.: Problemy związane z pozyskiwaniem wiedzy z baz danych. "Prace Naukowe AE we Wrocławiu", nr 850, Wydawnictwa Akademii Ekonomicznej im. O. Langego we Wrocławiu, Wrocław 2000.
• Nycz M., Smok B.: Wybrane metody ekstrakcji wiedzy w przedsiębiorstwie. [w:] Informatyka Ekonomiczna. "Prace Naukowe AE we Wrocławiu", nr 953, Wydawnictwa Akademii Ekonomicznej im. O. Langego we Wrocławiu, Wrocław 2002.
• Nycz M., Smok B.: Intelligent support for decision-making. A conceptual model. Referat przyjęty do druku i wygłoszenia na Informing Science + Information Technology Education Joint Conference, Pori, Finland June 24-27, 2003.
• Ostasiewicz W.: Statystyczne metody analizy danych. Wydawnictwa Akademii Ekonomicznej im. O. Langego we Wrocławiu, Wrocław 1998.
• Shapiro P.G., Frawley W.J.: Knowledge Discovery in Databases. The AAAI Press, 1991.