Maʼlumotlarni tahlil qilish

OLAP (online analytical processing - onlayn tahliliy ishlov berish, real vaqt rejimida tahliliy ishlov berish) - bu ko'p o'lchovli ma'lumotlarni tahlil qilish imkoniyatini ta'minlaydigan hisobotlar va hujjatlarni kompilyatsiya qilish va dinamik nashr etishni o'z ichiga olgan axborotni qayta ishlash texnologiyasi. Bunday tizimlarda turli xil ma'lumotlar ko'p o'lchovli kub shaklida taqdim etiladi, uni osonlik bilan boshqarib, kerakli ma'lumotlarni bo'laklarga ajratib olish mumkin. Bu bir vaqtning o'zida bir nechta o'lchamdagi ma'lumotlarni tahlil qilish imkonini beradi. Murakkab ma'lumotlar bazasi so'rovlarini tezda qayta ishlash uchun tahlilchilar tomonidan qo'llaniladi.

• 
  QQQT lar yechilayaotgan masalani tipiga qarab, analitik va imitatsion vazaifalarni bajaradi.
  
• 
  Analitik vazifalar. O'z tahliliy modullarini ishlab chiqish, masalan, biznes jarayonlarining ko'rsatkichlari va statistik tavsiflarini hisoblash vazifalarni bajaradi.
  
• 
  Imitatsion vazifalar -Murakkab tizimlarning ixtiyoriy vaqt oralig'idagi xatti-harakatlarini tavsiflovchi matematik modellar bilan tajriba o'tkazish va "Agar ... nima bo'ladi?" Degan savolga javob berish imkonini beruvchi simulyatsiya vazifalarni bajaradi.
  

Qaror daraxtini qurish (QDQ) usullari
Qaror daraxtini qurish (QDQ) usuli qo`yilgan muammoni tasniflash va bashoratlash vazifalarini hal qilishning eng mashhur usullaridan biri hisoblanadi QDQ birinchi marta Haviland va Hunt (Homeland, Hunt) tomonidan 20asrning 50-yillari oxirida taklif qilingan. TasniflashTasniflash Data Mining ni keng tarqalgan usullaridan bo`lib, uning vazifasi belgilarni aniqlash va o`rganilayotgan ob`ekt ma`lumotlarini belgilovchi ma`lumotlar to`plamini sinflarga ajratadi. Belgilar orqali yangi obekt qaysi sinfga tegishli ekanligi aniqqlab olinadi. Tasniflash quydagi usullardan foydalanadi: yaqin qoshni – Nearest Neighbor, k-yaqin qoshni – k-Nearest Neighbor, Bayes tarmog'i - Bayesian network, daraxt yechimш induksiyasi, neyron tarmoq - neural network. Bashoratlash Oldingi (tarixiy) ma'lumotlarning xususiyatlari asosida bashoratlash muammosini hal qilish natijasida maqsadli raqamli ko'rsatkichlarning yetishmayotgan yoki kelajakdagi qiymatlari baholanadi. Bunday muammolarni hal qilish uchun matematik statistika usullari, neyron tarmoqlari va boshqalar keng qo'llaniladi. So`ngi ta`rifdan ko'rinib turibdiki, ushbu usul yordamida tasniflash va bashorat qilish muammolari hal qilinar ekan. Agar vazifa tobe –nimagadir bog'liq bo'lsa, ya'ni maqsadli o'zgaruvchi diskret qiymatlarni qabul qilsa, QDQ usuli yordamida tasniflash muammolari hal qilinadi. Agar qaram o'zgaruvchi doimiy qiymatlarni qabul qilsa, u holda QDQ usuli ushbu o'zgaruvchining mustaqil o'zgaruvchilarga bog'liqligini o'rnatadi. Bu bashorat qilish muammolarini hal qiladi.