Mineria de dades

Amb les noves funcionalitats que incorpora Access 2007, és possible aconseguir alguns resultats similars als que ens donaria una eina de Business Intelligence.

Si no tenim massa dades o els nostres requeriments no són molt exigents potser ja tinguem prou amb una eina que ens permeti organitzar la nostra informació, filtrar, sumarizarla, accedir-hi des de diferents punts de vista i realitzar alguns gràfics amb els resultats.

En aquest article de DatabaseJournal compten com podem fer tot això amb Access com si es tractés una eina de BI.
 

Pervasive Business Intelligence es podria traduir com Business Intelligence omnipresent, almenys a nivell d'empresa. Es tracta de fer que el sistema de BI arribi a tots els nivells de l'organització, en el moment oportú, i amb la informació necessària per a cadascun. Pot abastar fins i tot la integració amb altres sistemes, normalment operacionals, i també contemplar capacitats d'interacció, no només d'accés a la informació.

En TDWI han realitzat un estudi sobre el grau d'introducció de les eines de BI a les empreses. Van utilitzar com a base una enquesta realitzada a més de 700 persones implicades en projectes de BI i entrevistes en profunditat realitzades a més de 20 proveïdors o professionals del món BI.

El resultat d'aquest estudi és l'informe Pervasive Business Intelligence, Techniques and Technologies to Deploy BI on an Enterprise Scale, del qual pas a resumir el que em sembla més rellevant:

Resultats de l'enquesta

Adopció d'eines de BI i grau d'utilització

En la publicació electrònica MCData.ti es pot trobar una classificació bastant completa de diferents eines relacionades amb el business intelligence i la gestió de dades.
Aquesta és la descripció que es realitza de les eines de Mineria de dades

Empresa: Computer Associates
Producte: CleverPath Predictive Analysis Server
Descripció: Solució que pot analitzar i extreure coneixement crític a partir de les dades, descobrint els factors significatius, causes i canvis que influenxien en l'èxit del negoci. Posteriorment, els utilitza per aplicar intel·ligència en temps real en les aplicacions e-business per adaptar i oferir serveis personalitzats a clients, proveïdors, partners i empleats.

Empresa: MicroStrategy
Producte: MicroStrategy Desktop
Descripció:Sofware corporatiu que ofereix funcions de consulta i generació d'informes, anàlisis i workflow de suport per la presa de decisions. També inclou àmplies capacitats d'anàlisi online de les dades corporatives.

En l'article Data Mining: Data Mining: Torturant a les dades fins que confessin Luis Carlos Molina proporciona una visió molt clarificadora sobre la mineria de dades, incloent interessants exemples d'aplicacions de la mateixa.

Incloc el resum de l'article i l'índex, extrets de la mateixa publicació:

Resum

El títol d'aquest article és una explicació informal de l'activitat que realitza una tecnologia denominada data mining (mineria de dades). El que es pretén amb aquesta tecnologia és descobrir coneixement ocult a partir de grans volums de dades. Des de la dècada passada, a causa de els grans avanços computacionals, s'ha anat incorporant a les organitzacions per a constituir-se en un suport essencial al moment de prendre decisions. Organitzacions tals com empreses, clubs professionals esportius, universitats i governs, entre uns altres, fan ús d'aquesta tecnologia com ajuda en la presa de les seves decisions. Alguns d'aquests exemples seran citats en el present treball.

SUMARI

1. Introducció

2. Data mining: conceptes i història

3. Aplicacions d'ús

3.1. En el govern

La mineria de dades, o data mining, és el procés no trivial de descobrir patrons vàlids, nous, potencialment útils i comprensibles dintre d'un conjunt de dades, segons la definició de Piatetsky-Shapiro publicada en la revista "AI Magazine".

Per a simplificar-lo, podríem dir que la mineria de dades tracta d'extreure coneixement a partir de les dades.
Mitjançant una sèrie de processos aplicats en diferents fases sobre les dades brutes, i definits per un expert que conegui el significat d'aquestes dades, i tingui clars els objectius que persegueix, es poden extreure relacions entre aquestes dades, descobrir patrons ocults i construir models que descriguin aquest coneixement. Les fases per les quals hauria de passar aquest procés de descobriment de coneixement són les següents: