ডেটা মাইনিং-এর সীমাবদ্ধতা
ডেটা মাইনিং হল রিপোজিটরিতে সংরক্ষিত বিশাল পরিমাণ ডেটা ছানবিন করে ব্যবহারিক নতুন কোরিলেশন, প্যাটার্ন, এবং ট্রেন্ড আবিষ্কার করার প্রক্রিয়া, প্যাটার্ন রিকগনিশন টেকনোলজি ব্যবহার করে যেন সাংখ্যিক এবং গাণিতিক কৌশল। এটি তথ্যবহুল ডেটাসেটের অ্যানালাইসিস যাতে অননুমানিত সম্পর্ক আবিষ্কার করা যায় এবং রেকর্ডগুলোকেও নতুন পদ্ধতিতে সারসংক্ষেপ করা যায় যেগুলো যৌক্তিক এবং ডেটা মালিকের জন্য উপকারী।
ডেটা মাইনিং একটি আন্তঃবিষয়ক ফিল্ড, ডিসিপ্লিনের একটি সমষ্টি, যেমন ডেটাবেস সিস্টেম, সাংখ্যিক, মেশিন লার্নিং, ভিজ্যুয়ালাইজেশন, এবং ডেটা সায়েন্স। ডেটা মাইনিং পদ্ধতি ব্যবহার করার ওপর নির্ভর করে, অন্যান্য ডিসিপ্লিনের কৌশলও প্রয়োগ করা যেতে পারে, যেমন নিউরাল নেটওয়ার্ক, ফাজি এবং/অথবা রাফ সেট থিওরি, নলেজ রিপ্রেজেন্টেশন, ইন্ডাক্টিভ লজিক প্রোগ্রামিং, বা হাই-পারফরম্যান্স কম্পিউটিং।
ডেটা মাইনিং ডেটা সায়েন্সের সমান। এটি একটি ব্যক্তি দ্বারা, একটি নির্দিষ্ট পরিস্থিতিতে, একটি নির্দিষ্ট ডেটাসেটে, একটি উদ্দেশ্যে বাস্তবায়ন করা হয়। এই ফেজে বিভিন্ন ধরনের সার্ভিস রয়েছে যেমন টেক্সট মাইনিং, ওয়েব মাইনিং, অডিও এবং ভিডিও মাইনিং, পিক্টোরিয়াল ডেটা মাইনিং, এবং সোশ্যাল মিডিয়া মাইনিং। এটি সফটওয়্যার মাধ্যমে সম্পন্ন হয় যা সহজ বা অত্যন্ত নির্দিষ্ট হতে পারে।
ডেটা মাইনিং আউটসোর্স করলে সকল কাজ দ্রুত এবং কম অপারেশনাল খরচে সম্পন্ন হয়। নির্দিষ্ট ফার্মও নতুন টেকনোলজি ব্যবহার করে এমন ডেটা সংরক্ষণ করতে পারে যা ম্যানুয়ালি খুঁজে বের করা অসম্ভব। একাধিক প্ল্যাটফর্মে টন টন ডেটা উপলব্ধ, কিন্তু খুব সীমিত জ্ঞান অ্যাক্সেসযোগ্য।
প্রধান চ্যালেঞ্জ হল ডেটা বিশ্লেষণ করে অপরিহার্য তথ্য বের করা যা একটি সমস্যা সমাধান বা কোম্পানির উন্নতির জন্য ব্যবহার করা যাবে। ডেটা মাইন করুন এবং আরও ভালো জ্ঞান পান এর জন্য অনেক শক্তিশালী যন্ত্র এবং কৌশল উপলব্ধ।
ডেটা মাইনিং-এর সীমাবদ্ধতাগুলো মূলত ডেটা বা পারসোনেল-সম্পর্কিত, প্রযুক্তি-সম্পর্কিত নয়।
ডেটা মাইনিং সফটওয়্যার খুব শক্তিশালী টুল কিন্তু সেগুলো স্বয়ং-পর্যাপ্ত অ্যাপ্লিকেশন নয়। সফল হতে হলে, দক্ষ টেকনিক্যাল এবং অ্যানালিটিক্যাল স্পেশালিস্ট দরকার যারা অ্যানালাইসিস কাঠামো করতে পারে এবং আউটপুট ব্যাখ্যা করতে পারে।
ডেটা মাইনিং প্যাটার্ন এবং সম্পর্ক পেতে ব্যবহৃত হয়, এটি ব্যবহারকারীকে এই প্যাটার্নের মান বা গুরুত্ব বলে না। এই ধরনের নির্ধারণ ব্যবহারকারীদের দ্বারা করা উচিত।
আবিষ্কৃত প্যাটার্নের বৈধতা এর ওপর নির্ভর করে কীভাবে এগুলো বাস্তব বিশ্বের পরিস্থিতির সাথে তুলনা করা হয়। উদাহরণস্বরূপ, একটি বড় ব্যক্তি পুলে সম্ভাব্য আতঙ্কবাদী সনাক্ত করার জন্য ডিজাইন করা ডেটা মাইনিং অ্যাপ্লিকেশনের বৈধতা যাচাই করতে, ব্যবহারকারী পরিচিত আতঙ্কবাদীদের তথ্য ধারণকারী ডেটা ব্যবহার করে মডেল টেস্ট করতে পারে।
ডেটা মাইনিং আচরণ এবং ভেরিয়েবলের মধ্যে সংযোগ চিহ্নিত করতে পারে, এটি অরিবারCTORি কausal relationship চিহ্নিত করে না। উদাহরণস্বরূপ, একটি অ্যাপ্লিকেশন চিহ্নিত করতে পারে যে আচরণের একটি প্যাটার্ন, যেমন ফ্লাইটের শিডিউল হওয়ার ঠিক আগে এয়ারলাইন টিকেট কেনার প্রবণতা, বৈশিষ্ট্যগুলোর সাথে সম্পর্কিত যেমন আয়, শিক্ষার স্তর, এবং ইন্টারনেট ব্যবহার।
