অন-লাইন বিশ্লেষণাত্মক মাইনিংয়ের কাঠামো কী?

একটি OLAP সার্ভার যেমন অনলাইন বিশ্লেষণাত্মক প্রক্রিয়াকরণ করে তেমনি একটি OLAP সার্ভার ডেটা কিউবগুলিতে বিশ্লেষণাত্মক খনির কাজ করে। একটি সমন্বিত OLAM এবং OLAP মেকানিজম, যেখানে OLAM এবং OLAP সার্ভার উভয়ই একটি গ্রাফিক্যাল ইউজার ইন্টারফেস API এর মাধ্যমে ব্যবহারকারীর অনলাইন প্রশ্ন (বা কমান্ড) গ্রহণ করে এবং একটি কিউব API এর মাধ্যমে ডেটা বিশ্লেষণে ডেটা কিউবের সাথে কাজ করে৷

একটি মেটাডেটা ডিরেক্টরি ডাটা কিউবের অ্যাক্সেস নির্দেশ করতে ব্যবহার করা যেতে পারে। একটি MDDB API এর মাধ্যমে একাধিক ডাটাবেস অ্যাক্সেস এবং একীভূত করার মাধ্যমে এবং OLE DB বা ODBC সংযোগ প্রদান করতে পারে এমন একটি ডাটাবেস API এর মাধ্যমে একটি ডেটা গুদাম ফিল্টার করে ডেটা কিউব তৈরি করা যেতে পারে৷

কারণ একটি OLAM সার্ভার ধারণার বর্ণনা, অ্যাসোসিয়েশন, শ্রেণীবিভাগ, ভবিষ্যদ্বাণী, ক্লাস্টারিং, টাইম-সিরিজ বিশ্লেষণ ইত্যাদি সহ বেশ কিছু ডেটা মাইনিং কাজ বাস্তবায়ন করতে পারে৷ এতে সাধারণত একাধিক ইন্টিগ্রেটেড ডেটা মাইনিং মডিউল অন্তর্ভুক্ত থাকে এবং এটি একটি OLAP সার্ভারের তুলনায় উচ্চতর পরিশীলিত৷

একটি OLAM ইঞ্জিন একাধিক ডেটা মাইনিং কাজ সম্পাদন করতে পারে, যেমন ধারণার বর্ণনা, অ্যাসোসিয়েশন, শ্রেণীবিভাগ, ভবিষ্যদ্বাণী, ক্লাস্টারিং এবং সময়-সিরিজ বিশ্লেষণ। অতএব, এটি সাধারণত একাধিক, সমন্বিত ডেটা মাইনিং মডিউল নিয়ে গঠিত, যা এটিকে একটি OLAP ইঞ্জিনের চেয়ে আরও পরিশীলিত করে তোলে। OLAP এবং OLAM-এর জন্য প্রয়োজনীয় ডেটা কিউবের মধ্যে কোনও মৌলিক পার্থক্য নেই, যদিও OLAM বিশ্লেষণের জন্য আরও শক্তিশালী ডেটা কিউব নির্মাণ এবং অ্যাক্সেস করার সরঞ্জামগুলির প্রয়োজন হতে পারে৷

এটি সেই ক্ষেত্রে যখন OLAM সূক্ষ্ম কণিকা সহ আরও মাত্রা যুক্ত করে বা ডেটা কিউবে বহু-বৈশিষ্ট্য সমষ্টির আবিষ্কার-চালিত অন্বেষণকে জড়িত করে, যার ফলে OLAP বিশ্লেষণের চেয়ে বেশি প্রয়োজন হয়। অধিকন্তু, যখন অনুসন্ধানমূলক ডেটা মাইনিং আকর্ষণীয় স্থানগুলি সনাক্ত করে, তখন একটি OLAM ইঞ্জিনকে ডেটা কিউব থেকে সংশ্লিষ্ট রিলেশনাল ডাটাবেসে ড্রিল করতে হতে পারে ডেটার নির্দিষ্ট অংশের বিশদ বিশ্লেষণের জন্য৷

এটি সেই ক্ষেত্রে যখন OLAM সূক্ষ্ম কণিকা সহ আরও মাত্রা যুক্ত করে বা ডেটা কিউবে বহু-বৈশিষ্ট্য সমষ্টির আবিষ্কার-চালিত অন্বেষণকে জড়িত করে, যার ফলে OLAP বিশ্লেষণের চেয়ে বেশি প্রয়োজন হয়। অধিকন্তু, যখন অনুসন্ধানমূলক ডেটা মাইনিং আকর্ষণীয় স্থানগুলি সনাক্ত করে, তখন একটি OLAM ইঞ্জিনকে ডেটা কিউব থেকে সংশ্লিষ্ট রিলেশনাল ডাটাবেসে ড্রিল করতে হতে পারে ডেটার নির্দিষ্ট অংশের বিশদ বিশ্লেষণের জন্য৷

অধিকন্তু, একটি ডেটা মাইনিং প্রক্রিয়া প্রকাশ করতে পারে যে একটি নির্মিত ঘনক্ষেত্রের মাত্রা বা পরিমাপ ডেটা বিশ্লেষণের জন্য উপযুক্ত নয়। এখানে, একটি পরিমার্জিত ডেটা কিউব ডিজাইন ডেটা গুদাম নির্মাণের গুণমান উন্নত করতে পারে৷

একটি কার্যকর ডেটা মাইনিংয়ের জন্য অনুসন্ধানমূলক ডেটা বিশ্লেষণ প্রয়োজন। ব্যবহারকারীরা প্রায়শই একটি ডাটাবেসের মধ্য দিয়ে যেতে চান, প্রাসঙ্গিক ডেটার অংশগুলি নির্বাচন করতে, বিভিন্ন কণিকাতে তাদের বিশ্লেষণ করতে এবং বিভিন্ন আকারে জ্ঞান/ফলাফল উপস্থাপন করতে চান৷

অনলাইন বিশ্লেষণাত্মক মাইনিং ডেটার বিভিন্ন উপসেট এবং বিমূর্তকরণের বিভিন্ন স্তরে ডেটা মাইনিংয়ের সুবিধা প্রদান করে। এটি ড্রিলিং, পিভটিং, ফিল্টারিং, ডাইসিং এবং একটি ডেটা কিউব এবং মধ্যবর্তী ডেটা মাইনিং ফলাফলের উপর টুকরো টুকরো করে এটি অর্জন করতে পারে। এটি, ডেটা/নলেজ ভিজ্যুয়ালাইজেশন টুলগুলির সাথে, অনুসন্ধানমূলক ডেটা মাইনিংয়ের শক্তি এবং অভিযোজনযোগ্যতাকে অত্যন্ত বৃদ্ধি করতে পারে৷