DBVS pret datu ieguvi
A DBVS (datu bāzes pārvaldības sistēma) ir pilnīga sistēma, ko izmanto digitālo datu bāzu pārvaldīšanai, kas ļauj uzglabāt datu bāzes saturu, izveidot/uzturēt datus, meklēt un citas funkcijas. No otras puses, datu ieguve ir datorzinātņu joma, kas nodarbojas ar iepriekš nezināmas un interesantas informācijas ieguvi no neapstrādātiem datiem. Parasti dati, kas tiek izmantoti kā ievade datu ieguves procesam, tiek glabāti datu bāzēs. Lietotāji, kuriem ir tendence uz statistiku, izmanto datu ieguvi. Viņi izmanto statistikas modeļus, lai meklētu slēptos datu modeļus. Datu ieguvēji ir ieinteresēti atrast noderīgas attiecības starp dažādiem datu elementiem, kas galu galā ir izdevīgi uzņēmumiem.
DBMS
DBVS, ko dažreiz sauc tikai par datu bāzes pārvaldnieku, ir datorprogrammu kolekcija, kas paredzēta visu sistēmā (piemēram, cietajā diskā vai tīklā) instalēto datu bāzu pārvaldībai (t.i., organizēšanai, glabāšanai un izguvei).. Pasaulē pastāv dažādi datu bāzu pārvaldības sistēmu veidi, un daži no tiem ir paredzēti, lai pareizi pārvaldītu konkrētiem mērķiem konfigurētas datu bāzes. Populārākās komerciālās datu bāzes pārvaldības sistēmas ir Oracle, DB2 un Microsoft Access. Visi šie produkti nodrošina dažādu līmeņu privilēģiju piešķiršanu dažādiem lietotājiem, ļaujot DBVS centralizēti kontrolēt vienam administratoram vai piešķirt to vairākiem dažādiem cilvēkiem. Jebkurā datu bāzes pārvaldības sistēmā ir četri svarīgi elementi. Tās ir modelēšanas valoda, datu struktūras, vaicājumu valoda un transakciju mehānisms. Modelēšanas valoda nosaka katras DBVS mitinātās datu bāzes valodu. Pašlaik praksē tiek izmantotas vairākas populāras pieejas, piemēram, hierarhiskā, tīkla, relāciju un objektu pieeja. Datu struktūras palīdz sakārtot datus, piemēram, atsevišķus ierakstus, failus, laukus un to definīcijas un objektus, piemēram, vizuālo datu nesēju. Datu vaicājumu valoda nodrošina datu bāzes drošību, uzraugot pieteikšanās datus, piekļuves tiesības dažādiem lietotājiem un protokolus datu pievienošanai sistēmai. SQL ir populāra vaicājumu valoda, kas tiek izmantota relāciju datu bāzu pārvaldības sistēmās. Visbeidzot, mehānisms, kas ļauj veikt darījumus, palīdz nodrošināt vienlaicīgumu un daudzveidību. Šis mehānisms nodrošinās, ka vienu un to pašu ierakstu nepārveidos vairāki lietotāji vienlaikus, tādējādi saglabājot datu integritāti. Turklāt DBVS nodrošina arī dublēšanu un citas iespējas.
Datu ieguve
Datu ieguve ir pazīstama arī kā Knowledge Discovery in Data (KDD). Kā minēts iepriekš, tas ir datorzinātņu cienītājs, kas nodarbojas ar iepriekš nezināmas un interesantas informācijas ieguvi no neapstrādātiem datiem. Pateicoties eksponenciālajam datu pieaugumam, īpaši tādās jomās kā uzņēmējdarbība, datu ieguve ir kļuvusi par ļoti svarīgu līdzekli, lai šo lielo datu bagātību pārvērstu biznesa inteliģencē, jo pēdējo desmitgažu laikā modeļu manuāla iegūšana ir kļuvusi šķietami neiespējama. Piemēram, pašlaik to izmanto dažādām lietojumprogrammām, piemēram, sociālo tīklu analīzei, krāpšanas atklāšanai un mārketingam. Datu ieguve parasti nodarbojas ar šādiem četriem uzdevumiem: klasterēšana, klasifikācija, regresija un asociācija. Klasterizācija ir līdzīgu grupu identificēšana no nestrukturētiem datiem. Klasifikācija ir mācīšanās noteikumi, kurus var piemērot jauniem datiem, un tie parasti ietver šādas darbības: datu pirmapstrāde, modelēšanas projektēšana, mācīšanās/funkciju atlase un novērtēšana/validācija. Regresija ir funkciju atrašana ar minimālu kļūdu modelēšanai. Un asociācija meklē attiecības starp mainīgajiem. Datu ieguve parasti tiek izmantota, lai atbildētu uz jautājumiem, piemēram, kādi ir galvenie produkti, kas varētu palīdzēt gūt lielu peļņu nākamajā gadā Wal-Mart?
Kāda ir atšķirība starp DBVS un datu ieguvi?
DBMS ir pilnvērtīga sistēma digitālo datu bāzu komplekta izmitināšanai un pārvaldībai. Tomēr datu ieguve ir paņēmiens vai jēdziens datorzinātnēs, kas nodarbojas ar noderīgas un iepriekš nezināmas informācijas ieguvi no neapstrādātiem datiem. Vairumā gadījumu šie neapstrādātie dati tiek glabāti ļoti lielās datu bāzēs. Tāpēc datu ieguvēji izmanto esošās DBVS funkcijas, lai apstrādātu, pārvaldītu un pat apstrādātu neapstrādātus datus pirms datu ieguves procesa un tā laikā. Tomēr datu analīzei nevar izmantot tikai DBVS sistēmu. Taču dažās DBVS pašlaik ir iebūvēti datu analīzes rīki vai iespējas.
