ডেটা মাইনিং বনাম OLAP
ডেটা মাইনিং এবং OLAP উভয়ই দুটি সাধারণ ব্যবসায়িক বুদ্ধিমত্তা (BI) প্রযুক্তি। ব্যবসায়িক বুদ্ধিমত্তা ব্যবসায়িক ডেটা থেকে দরকারী তথ্য সনাক্তকরণ এবং বের করার জন্য কম্পিউটার-ভিত্তিক পদ্ধতিগুলিকে বোঝায়। ডেটা মাইনিং হল কম্পিউটার বিজ্ঞানের একটি ক্ষেত্র যা ডেটার বড় সেট থেকে আকর্ষণীয় নিদর্শন বের করার সাথে কাজ করে। এটি কৃত্রিম বুদ্ধিমত্তা, পরিসংখ্যান এবং ডাটাবেস ব্যবস্থাপনা থেকে অনেক পদ্ধতি একত্রিত করে। OLAP (অনলাইন অ্যানালিটিকাল প্রসেসিং) নাম অনুসারে বহু-মাত্রিক ডেটাবেস অনুসন্ধানের উপায়গুলির একটি সংকলন৷
ডেটা মাইনিং কে নলেজ ডিসকভারি ইন ডেটা (KDD) নামেও পরিচিত।উপরে উল্লিখিত হিসাবে, এটি কম্পিউটার বিজ্ঞানের একটি ক্ষেত্র, যা কাঁচা ডেটা থেকে পূর্বে অজানা এবং আকর্ষণীয় তথ্য আহরণের সাথে সম্পর্কিত। ডেটার সূচকীয় বৃদ্ধির কারণে, বিশেষ করে ব্যবসার মতো ক্ষেত্রগুলিতে, ডেটা মাইনিং এই বৃহৎ ডেটাকে ব্যবসায়িক বুদ্ধিমত্তায় রূপান্তর করার জন্য অত্যন্ত গুরুত্বপূর্ণ হাতিয়ার হয়ে উঠেছে, কারণ গত কয়েক দশকে নিদর্শনগুলির ম্যানুয়াল নিষ্কাশন আপাতদৃষ্টিতে অসম্ভব হয়ে উঠেছে। উদাহরণস্বরূপ, এটি বর্তমানে সামাজিক নেটওয়ার্ক বিশ্লেষণ, জালিয়াতি সনাক্তকরণ এবং বিপণনের মতো বিভিন্ন অ্যাপ্লিকেশনের জন্য ব্যবহৃত হয়। ডেটা মাইনিং সাধারণত নিম্নলিখিত চারটি কাজ নিয়ে কাজ করে: ক্লাস্টারিং, ক্লাসিফিকেশন, রিগ্রেশন এবং অ্যাসোসিয়েশন। ক্লাস্টারিং অসংগঠিত ডেটা থেকে অনুরূপ গোষ্ঠী সনাক্ত করছে। শ্রেণিবিন্যাস হল শেখার নিয়ম যা নতুন ডেটাতে প্রয়োগ করা যেতে পারে এবং সাধারণত নিম্নলিখিত ধাপগুলি অন্তর্ভুক্ত করবে: ডেটার প্রিপ্রসেসিং, মডেলিং ডিজাইন করা, শেখার/বৈশিষ্ট্য নির্বাচন এবং মূল্যায়ন/বৈধতা। রিগ্রেশন মডেল ডেটাতে ন্যূনতম ত্রুটি সহ ফাংশন খুঁজে বের করছে। এবং অ্যাসোসিয়েশন ভেরিয়েবলের মধ্যে সম্পর্ক খুঁজছে।ডেটা মাইনিং সাধারণত প্রশ্নগুলির উত্তর দিতে ব্যবহৃত হয় যেমন প্রধান পণ্যগুলি কী কী যেগুলি পরের বছর ওয়াল-মার্টে উচ্চ মুনাফা পেতে সাহায্য করতে পারে৷
OLAP হল এক শ্রেণীর সিস্টেম, যা বহুমাত্রিক প্রশ্নের উত্তর প্রদান করে। সাধারণত OLAP বিপণন, বাজেট, পূর্বাভাস এবং অনুরূপ অ্যাপ্লিকেশনের জন্য ব্যবহৃত হয়। এটা বলার অপেক্ষা রাখে না যে OLAP-এর জন্য ব্যবহৃত ডাটাবেসগুলি দ্রুত কর্মক্ষমতার কথা মাথায় রেখে জটিল এবং অ্যাড-হক প্রশ্নের জন্য কনফিগার করা হয়েছে। সাধারণত একটি ম্যাট্রিক্স একটি OLAP এর আউটপুট প্রদর্শন করতে ব্যবহৃত হয়। সারি এবং কলামগুলি কোয়েরির মাত্রা দ্বারা গঠিত হয়। তারা প্রায়ই সারসংক্ষেপ প্রাপ্ত করার জন্য একাধিক টেবিলে একত্রিতকরণের পদ্ধতি ব্যবহার করে। যেমন, গত বছরের তুলনায় এ বছর ওয়ালমার্টে বিক্রির কথা জানতে ব্যবহার করা যায়? পরের প্রান্তিকে বিক্রয়ের পূর্বাভাস কী? শতাংশ পরিবর্তন দেখে প্রবণতা সম্পর্কে কী বলা যেতে পারে?
যদিও এটা স্পষ্ট যে ডেটা মাইনিং এবং ওএলএপি একই রকম কারণ তারা বুদ্ধিমত্তা অর্জনের জন্য ডেটার উপর কাজ করে, মূল পার্থক্যটি আসে তারা কীভাবে ডেটার উপর কাজ করে।OLAP টুলগুলি বহুমাত্রিক ডেটা বিশ্লেষণ প্রদান করে এবং তারা ডেটার সারাংশ প্রদান করে কিন্তু বিপরীতভাবে, ডেটা মাইনিং ডেটার সেটে অনুপাত, প্যাটার্ন এবং প্রভাবের উপর ফোকাস করে। এটি একত্রিতকরণের সাথে একটি OLAP চুক্তি, যা "সংযোজন" এর মাধ্যমে ডেটার অপারেশনে ফুটে ওঠে কিন্তু ডেটা মাইনিং "বিভাগ" এর সাথে মিলে যায়। অন্যান্য উল্লেখযোগ্য পার্থক্য হল ডাটা মাইনিং টুলস মডেল ডেটা এবং রিটার্ন অ্যাকশনেবল নিয়মের সময়, ওএলএপি রিয়েল টাইমে ব্যবসার মাত্রার সাথে তুলনা এবং বৈসাদৃশ্য কৌশল পরিচালনা করবে।
