Innehåll
F:
Vad är skillnaden mellan big data och data mining?
A:
Big data och data mining är två olika saker. Båda avser användningen av stora datamängder för att hantera insamling eller rapportering av data som tjänar företag eller andra mottagare. De två termerna används emellertid för två olika element i denna typ av operation.
Big data är en term för en stor datamängd. Stora datauppsättningar är sådana som växer ut från den enkla typen av databas- och datahanteringsarkitekturer som användes i tidigare tider, då big data var dyrare och mindre genomförbart. Exempelvis kan uppsättningar av data som är för stora för att enkelt kunna hanteras i ett Microsoft Excel-kalkylblad kallas stora datauppsättningar.
Data mining hänvisar till aktiviteten genom att gå igenom big data-uppsättningar för att leta efter relevant eller relevant information. Denna typ av aktivitet är verkligen ett bra exempel på den gamla axiomen "letar efter en nål i en höstack." Tanken är att företagen samlar massiva uppsättningar data som kan vara homogena eller automatiskt samlas in. Beslutsfattare behöver tillgång till mindre, mer specifika uppgifter från de stora uppsättningarna. De använder gruvdrift för att avslöja informationen som kommer att informera ledarskap och hjälpa till att kartlägga kursen för ett företag.
Data mining kan innebära användning av olika typer av programvarupaket, t.ex. analysverktyg. Det kan automatiseras, eller det kan vara till stor del arbetskrävande, där enskilda arbetare specifikt frågar för information till ett arkiv eller en databas. I allmänhet hänvisar data mining till operationer som involverar relativt sofistikerade sökoperationer som ger riktade och specifika resultat. Till exempel kan ett data mining-verktyg titta igenom dussintals års bokföringsinformation för att hitta en specifik kolumn med utgifter eller kundfordringar för ett specifikt verksamhetsår.
Kort sagt, big data är tillgången och data mining är "hanteraren" av det som används för att ge gynnsamma resultat.