Minería de datos frente a OLAP
Tanto la minería de datos como OLAP son dos de las tecnologías comunes de Business Intelligence (BI). La inteligencia comercial se refiere a los métodos basados en computadora para identificar y extraer información útil de los datos comerciales. La minería de datos es el campo de la informática que se ocupa de extraer patrones interesantes de grandes conjuntos de datos. Combina muchos métodos de inteligencia artificial, estadísticas y gestión de bases de datos. OLAP (procesamiento analítico en línea), como sugiere el nombre, es una compilación de formas de consultar bases de datos multidimensionales.
La minería de datos también se conoce como Knowledge Discovery in data (KDD). Como se mencionó anteriormente, es un campo de la informática, que se ocupa de la extracción de información interesante y previamente desconocida a partir de datos sin procesar. Debido al crecimiento exponencial de los datos, especialmente en áreas como los negocios, la minería de datos se ha convertido en una herramienta muy importante para convertir esta gran cantidad de datos en inteligencia empresarial, ya que la extracción manual de patrones se ha vuelto aparentemente imposible en las últimas décadas. Por ejemplo, actualmente se utiliza para diversas aplicaciones, como análisis de redes sociales, detección de fraudes y marketing. La minería de datos generalmente se ocupa de las siguientes cuatro tareas: agrupación, clasificación, regresión y asociación. La agrupación en clústeres identifica grupos similares a partir de datos no estructurados. La clasificación son reglas de aprendizaje que se pueden aplicar a nuevos datos y normalmente incluirán los siguientes pasos: preprocesamiento de datos, modelado de diseño, aprendizaje/selección de características y evaluación/validación. La regresión es encontrar funciones con un error mínimo para modelar datos. Y la asociación busca relaciones entre variables. La minería de datos generalmente se usa para responder preguntas como cuáles son los principales productos que podrían ayudar a obtener altas ganancias el próximo año en Wal-Mart.
OLAP es una clase de sistemas que brindan respuestas a consultas multidimensionales. Por lo general, OLAP se usa para marketing, elaboración de presupuestos, pronósticos y aplicaciones similares. No hace f alta decir que las bases de datos utilizadas para OLAP están configuradas para consultas complejas y ad-hoc con un rendimiento rápido en mente. Por lo general, se utiliza una matriz para mostrar la salida de un OLAP. Las filas y columnas están formadas por las dimensiones de la consulta. A menudo utilizan métodos de agregación en varias tablas para obtener resúmenes. Por ejemplo, ¿se puede usar para conocer las ventas de este año en Wal-Mart en comparación con el año pasado? ¿Cuál es la predicción sobre las ventas en el próximo trimestre? ¿Qué se puede decir acerca de la tendencia observando el cambio porcentual?
Aunque es obvio que la minería de datos y OLAP son similares porque operan con datos para obtener inteligencia, la principal diferencia radica en cómo operan con los datos. Las herramientas OLAP brindan análisis de datos multidimensionales y brindan resúmenes de los datos, pero, en contraste, la minería de datos se enfoca en proporciones, patrones e influencias en el conjunto de datos. Ese es un trato OLAP con agregación, que se reduce a la operación de datos a través de la "suma", pero la minería de datos corresponde a la "división". Otra diferencia notable es que, mientras que las herramientas de minería de datos modelan datos y devuelven reglas procesables, OLAP llevará a cabo técnicas de comparación y contraste a lo largo de la dimensión empresarial en tiempo real.
