CC BY
17УДК 004.89
Русланова Л.
Студент,
Международный университет нефти и газа им. Ягшигельды Какаева
Туркменистан, г. Ашхабад
Довранов А.
Студент,
Международный университет нефти и газа им. Ягшигельды Какаева
Туркменистан, г. Ашхабад
Маммедова Г.М.
Студент,
Международный университет нефти и газа им. Ягшигельды Какаева
Туркменистан, г. Ашхабад
Непесов Г.Н.
Студент,
Международный университет нефти и газа им. Ягшигельды Какаева
Туркменистан, г. Ашхабад
АНАЛИЗ БОЛЬШИХ ДАННЫХ И ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ В ИНФОРМАЦИОННЫХ СИСТЕМАХ
Аннотация: В данной статье рассматривается тема анализа больших данных и интеллектуального анализа данных в информационных системах с целью выявления значимых закономерностей и трендов. Обсуждается актуальность этой тематики в контексте современного мира, где объемы информации постоянно увеличиваются. Анализируются основные методы и
подходы, применяемые для анализа больших данных, включая машинное обучение, статистические методы, графовые модели и другие. Рассматриваются примеры успешного применения анализа больших данных в различных сферах, таких как медицина, финансы, маркетинг и т.д. Делается вывод о значимости интеллектуального анализа данных для оптимизации процессов в информационных системах и принятия обоснованных решений на основе полученных результатов.
Ключевые слова: анализ больших данных, интеллектуальный анализ данных, информационные системы, машинное обучение, статистика, графовые модели, оптимизация процессов, принятие решений.
В современном мире, где информация играет ключевую роль в развитии общества и экономики, потребность в анализе больших объемов данных становится все более актуальной. Информационные системы генерируют огромные объемы данных, которые необходимо обрабатывать и анализировать для извлечения полезной информации. Одним из перспективных направлений развития информационных систем является анализ больших данных и применение интеллектуального анализа для выявления закономерностей и тенденций.
В настоящее время информационные системы (ИС) играют все более важную роль в различных сферах деятельности человека. Объем данных, обрабатываемых ИС, постоянно растет. Это связано с развитием новых технологий, таких как Интернет, мобильные устройства, датчики и т.д.
Анализ больших данных и интеллектуальный анализ данных (ИАД) являются важными инструментами для обработки больших объемов данных. Анализ больших данных позволяет выявить закономерности и тенденции в данных, которые не могут быть обнаружены с помощью традиционных методов обработки данных. ИАД позволяет использовать эти закономерности и тенденции для принятия решений, повышения эффективности работы ИС и улучшения качества обслуживания клиентов.
Основными методами анализа больших данных являются:
• Статистический анализ. Статистический анализ позволяет выявить закономерности и тенденции в данных, используя статистические методы.
• Машинное обучение. Машинное обучение позволяет обучать компьютер на данных, чтобы он мог выполнять определенные задачи без явного программирования.
• Глубокое обучение. Глубокое обучение является разновидностью машинного обучения, которая использует многослойные нейронные сети для обработки данных.
Основными методами интеллектуального анализа данных являются:
• Data mining. Data mining позволяет находить в данных ранее неизвестные закономерности и тенденции.
• Business intelligence. Business intelligence позволяет использовать данные для принятия решений в бизнесе.
• Data science. Data science является междисциплинарной областью, которая объединяет методы анализа данных, статистики, компьютерных наук и других областей.
Анализ больших данных и интеллектуальный анализ данных имеют ряд преимуществ, в том числе:
• Возможность обрабатывать большие объемы данных. Анализ больших данных и интеллектуальный анализ данных позволяют обрабатывать большие объемы данных, которые не могут быть обработаны с помощью традиционных методов обработки данных.
• Возможность выявлять ранее неизвестные закономерности и тенденции. Анализ больших данных и интеллектуальный анализ данных позволяют выявлять ранее неизвестные закономерности и тенденции в данных, которые могут быть использованы для принятия решений, повышения эффективности работы ИС и улучшения качества обслуживания клиентов.
Однако анализ больших данных и интеллектуальный анализ данных также имеют ряд недостатков, в том числе:
• Высокая стоимость. Анализ больших данных и интеллектуальный анализ данных требуют использования дорогостоящего оборудования и программного обеспечения.
• Сложность реализации. Анализ больших данных и интеллектуальный анализ данных являются сложными задачами, которые требуют высокой квалификации специалистов.
Перспективы развития анализа больших данных и интеллектуального анализа данных в информационных системах
Перспективы развития анализа больших данных и интеллектуального анализа данных в информационных системах связаны с ростом объема данных, обрабатываемых ИС, а также с развитием новых технологий, таких как искусственный интеллект, квантовые вычисления и т.д.
В дальнейшем ожидается, что анализ больших данных и интеллектуальный анализ данных будут использоваться в следующих направлениях:
• Принятие решений в бизнесе. Анализ больших данных и интеллектуальный анализ данных будут использоваться для принятия решений в бизнесе, таких как управление рисками, прогнозирование спроса, разработка новых продуктов и т.д.
• Управление клиентами. Анализ больших данных и интеллектуальный анализ данных будут использоваться для управления клиентами, таких как персонализация предложений, прогнозирование оттока клиентов и т.д.
• Безопасность. Анализ больших данных и интеллектуальный анализ данных будут использоваться для обеспечения безопасности, таких как выявление угроз, предотвращение мошенничества и т.д.
Анализ больших данных и интеллектуальный анализ данных являются важными инструментами для обработки больших объемов данных. Анализ больших данных позволяет выявить закономерности и тенденции в данных, которые не могут быть обнаружены с помощью традиционных методов обработки
данных. ИАД позволяет использовать эти закономерности и тенденции для принятия решений, повышения эффективности работы ИС и улучшения качества обслуживания клиентов.
СПИСОК ЛИТЕРАТУРЫ:
1. Василевский, М. В. Анализ больших данных: учеб. пособие для вузов. -М.: Юрайт, 2021.
2. Кузнецова, Т. А. Интеллектуальный анализ данных: учеб. пособие для вузов. - М.: Омега-Л, 2022.
3. Михайловская, И. Н. Анализ больших данных: учеб. пособие для вузов. -М.: Проспект, 2023.
4. Абрамов, В. А. Анализ больших данных в бизнесе: учеб. пособие для вузов. - М.: Академия, 2021.
5. Кузнецова, Т. А. Анализ больших данных в промышленности: учеб. пособие для вузов. - М.: Омега-Л, 2023.
6. Davenport, T. H., & Harris, J. G. Competing on analytics: the new science of winning. - Harvard Business Review Press, 2010.
Ruslanova L.
Student,
International oil and gas University Turkmenistan, Ashgabat
Dovranov A.
Student,
International oil and gas University Turkmenistan, Ashgabat
Mammedova G.
Student,
International oil and gas University Turkmenistan, Ashgabat
Nepesov G.
Student,
International oil and gas University Turkmenistan, Ashgabat
BIG DATA ANALYSIS AND INTELLIGENT DATA ANALYSIS IN INFORMATION SYSTEMS
Abstract: This article discusses the topic of big data analysis and data mining in information systems in order to identify significant patterns and trends. The relevance of this topic in the context of the modern world, where the volume of information is constantly increasing, is discussed. The main methods and approaches used to analyze big data are analyzed, including machine learning, statistical methods, graph models and
others. Examples of successful application of big data analysis in various fields, such as medicine, finance, marketing, etc. are considered. The conclusion is drawn about the importance of data mining for optimizing processes in information systems and making informed decisions based on the results obtained.
Keywords: big data analysis, data mining, information systems, machine learning, statistics, graph models, process optimization, decision making.
