מה ההבדל בין ביצוע שאילתות ל DataMining ומה הקשר בין חיתולים לבירות

ישנו סיפור חביב ביותר ( ולא אמיתי ) המדגים ביצוע של DM מסוג basket analysis
ניתוח דומה ניתן לבצע דרך ה SSAS.
קראו את המאמר הבא:
www.regdeveloper.co.uk/2006/08/15/beer_diapers/

המאמר שציינת כולל טעות נפוצה, שמיחסת את היכולת של כריית-נתונים בגילוי דפוסי

התנהגות בתוך הנתונים, לשיטת נסה-וטעה ולכח מחשב עצום, כאילו הפגזת הנושא בשאילתות

רבות, תפתור את הבעיה. יש פה מספר טעויות תפיסתיות.

אמנה כמה מהן:

א. אוי למודל כריית נתונים אם הרעיון ה"מבריק" שלו זה לחפש דפוסי התנהגות בצורה עיוורת, בלי שכל, בכל מרחב האפשרויות בנתונים.

ב. בכלל, מרחב האפשרויות הוא אינסופי, והקומבינציות בין מישתנים וחלקי מישתנים לא

ניתנות למיצוי. הרעיון להפגיז בעיה מורכבת ב brute force לא עומד במבחן התיאוריה. ובמילים אחרות, תמיד יהיה לו תירוץ של מחסור במשאבי המחשב שבגללם הוא לא מגיע לאבחון

ג.  מספר החישובים הנחוצים לפיצוח בעיה, הוא בהחלט אינדיקטור לאיכות של פתרון. אם

פתרון צורך משאבים רבים, סימן שהוא גרוע!!! וכהוכחה לכך שאפשר אחרת, המודל שנקרא GT

data mining מסתפק בכח המצומצם של PC. מי שרוצה עוד פרטים מוזמן לפורום כריית

נתונים.

ד. ואחרון חביב, כריית נתונים צריך למצוא דפוסי התנהגות סמויים, ולהבטיח שהם יציבים, למרות שמשתמשים בנתונים "חופשיים" שנלקחו מכל הבא ליד ולא מיצגים את המציאות. אלה דרישות קשות. אין סיכוי שסתם חירטוט בנתונים ייתן להם תשובה.