Как BI связан с интеллектуальным анализом данных?

BI small создает подробный отчет (список сегодняшних продаж). Очень мало математики, возможно, подсчет строк и суммирование продаж. Здесь вы видите инструменты отчетности под названием «BI».

Среда BI генерирует показатель (прибыль за квартал). Это простая алгебра, но производить ее на регулярной основе сложно из-за огромного количества данных. Это мир кубов и олапа.

BI large занимается математическим моделированием. Это может быть что угодно, от линейной регрессии до статистических моделей. Ключевым моментом здесь является то, что модели используют большие объемы данных. Настоящие статистики используют фразу «интеллектуальный анализ данных» в уничижительном смысле, потому что люди, не обученные использованию статистики, скорее всего, будут анализировать данные до тех пор, пока не обнаружат ложную корреляцию. Чем больше ваш набор данных, тем больше вероятность того, что вы обнаружите взаимосвязи случайно, а не в реальности.

Поскольку заказчиками BI являются линейные бизнес-менеджеры, а не аспиранты, поставщики, такие как Microsoft и др. упростили его, предоставив нам инструменты «черного ящика» для «интеллектуального анализа данных», многие из которых такие же, как и в SAS и тому подобное.

Единственное, что я вижу, связывающее все эти приложения фразы BI, это то, что все они используют большие объемы данных для принятия бизнес-решений.

Чтобы ответить на ваш общий вопрос «Является ли бизнес-аналитика проявлением интеллектуального анализа данных», на самом деле все наоборот.

В общем смысле BI — это использование данных вашей фирмы для понимания рыночных условий и принятия решений. Итак, как сказал МэтьюМартин, это может быть как просто, как отчет SSRS, так и сложно, как система поддержки принятия решений/ИИ в реальном времени.

Интеллектуальный анализ данных — это аспект BI, поскольку интеллектуальный анализ данных можно использовать для огромных объемов данных для обнаружения знаний и прогнозирования с использованием инструментов, реализующих алгоритмы, такие как кластеризация, нейронные сети и т. д.