Вибірка даних: розкопки «свежезалитого»
Завдання створення бази даних по постачальникам комп’ютерної техніки вирішена. Побудовано дерево категорій, функціонує загальна таблиця з пропозиціями від усіх постачальників.
Типові задачі Data Minig в контексті даного прикладу:
- знайти товар за мінімальною ціною;
- вибрати товар з мінімальною вартістю доставки і ціни;
- аналіз товарів: характеристики і ціни за критеріями.
В реальній роботі менеджера, який використовує дані від декількох десятків постачальників, варіацій цих завдань буде безліч, а реальних ситуацій ще більше.
Наприклад, є постачальник «А», який продає ASUS VivoBook S15: передоплата, поставка через 5 днів після фактичного отримання грошей. Є постачальник «Б» такого ж товару тієї ж моделі: оплата при отриманні, поставка після укладення договору протягом дня, ціна вище в півтора рази.
Починається інтелектуальний аналіз даних Data Mining – «розкопки». Образні вислови: «розкопки» або «добування даних» – синоніми. Мова йде про те, як отримати підставу для прийняття рішення.
По постачальникам «А» і «Б» є історія поставок. Оцінка передоплати в першому випадку проти оплати при отриманні у другому випадку з урахуванням того, що збій поставки у другому випадку вище на 65 %. Ризик штрафних санкцій від клієнта вище/нижче. Як і що визначити і яке рішення прийняти?
З іншого боку: база даних створена програмістом і менеджером. Якщо помінялися програміст і менеджер, як визначити поточний стан бази даних і навчитися її правильно використовувати? Доведеться також робити інтелектуальний аналіз даних. Data Mining пропонує безліч математичних та логічних методів, яким байдуже які саме дані піддаються дослідженню. У деяких випадках це дає вірне рішення, але не у всіх.