Espesyalisasyon pag-aaral

Anumang pag-aaral ay upang obserbahan ang mga katangian ng mga bagay sa pagkakasunod-sunod upang linawin at suriin ang makabuluhang mga relasyon at pakikipag-ugnayan sa pagitan ng mga tagapagpabatid sa mga properties.

Espesyalisasyon ay nagsasama ng mga bagay na naiiba sa kanilang mga ari-arian at sa isang tiyak na paraan ay sa ilang mga respeto interrelated. Ang desisyon programming gawain ay nagsisimula sa isang pag-aaral ng paksa na lugar.

Espesyalisasyon - ito ay bahagi ng tunay na mundo, na kung saan ay walang hanggan at naglalaman ng parehong mahalaga at hindi mahalagang data. tagapagpananaliksik ay dapat na magagawang upang magtalaga ng isang makabuluhang bahagi ng mga ito. Halimbawa, pag-solve ang problema ng loan, ay isasaalang-alang ang lahat ng mga kaugnay na impormasyon tungkol sa pribadong buhay ng client (kung mayroong isang trabaho kasama ang asawa, menor de edad mga bata kung ang customer ay nagdudulot, client edukasyon, at iba pa). At upang malutas ang iba pang mga gawain na may kaugnayan sa mga gawain banking, ang naturang data ay lubos na matibay. Data kabuluhan ay depende sa kung ano ang pinili naming bilang paksa na lugar.

Sa panahon ng pag-aaral, kailangan mong lumikha ng isang domain modelo. Kaalaman mula sa iba't ibang pinagmumulan dapat gawing pormal. Espesyalisasyon ay formalized sa pamamagitan ng anumang paraan. Pondo ay maaaring maging napaka-magkakaibang. Ito ay maaaring isang text na paglalarawan ng domain o pinasadyang mga graphical notation. Sa naglalarawan ng domain modelo ng proseso na nagaganap sa loob nito, pati na rin ang data ng lugar ng pag-aaral ay pinag-aralan.

Pahayag ng problema ay din sa paglalarawan ng mga static at dynamic na pag-uugali ng mga bagay na kami. Paglalarawan static na pag-uugali ay nagsasangkot ng ang mga katangian ng mga bagay at ang kanilang mga katangian. Sa naglalarawan sa mga dynamic na pag-uugali nailalarawan sa mga sanhi ng pag-uugali na mga bagay.

Ang mga dynamic na pag-uugali ng mga bagay ay madalas na inilarawan kasama ang mga static na pag-uugali.

Minsan domain at pagtatasa ng gawain ay pinagsama sa isang hakbang.

Ang hakbang ng pagtukoy at pag-aaral na kinakailangan ng data na ginawa sa data pagmomolde kinakailangan para sa Data Pagmimina. Para sa pag-aaral ng mga problema ng pamamahagi ng mga gumagamit; analytical mga katangian ng sistema; data access ang mga isyu na kailangan para sa pag-aaral.

Espesyalisasyon ay pinag-aaralan mas madali at mas epektibo kapag ang isang organisasyon ay may isang data warehouse. Gayunpaman, hindi lahat ng mga kompanya ay may tulad ng isang data warehouse. Sa kasong ito, ang pinagmulan ng mga orihinal na data ay pagpapatakbo database, sanggunian at archive materyales, samakatuwid nga, ang data mula sa mga umiiral AY (sistema ng impormasyon).

Higit pang impormasyon ay maaaring kinakailangan mula sa EC ulo ng mga panlabas at panloob na mga mapagkukunan, iba't-ibang mga dokumento papel, pati na rin ang mga espesyalista sa kaalaman at / o mga resulta ng poll.

Kailangan mo ring magkaroon ng kamalayan na sa proseso ng data ng paghahanda sa mga developer software ay may upang ilarawan hangga't maaari kadahilanan na nag-iimpluwensya ng proseso. Maaaring may ilang mga coding ng data. Halimbawa, ang isa sa mga katangian ng ang client - antas ng kita, na maaaring tinukoy bilang: napakababa, mababa, katamtaman, mataas, napakataas. Sa kasong ito, ito ay kinakailangan upang matukoy ang gradation antas ng kita.

Sa pagtukoy ng tamang dami ng data ay dapat isaalang-alang ang data sa pag-order.

Sa kaganapan na ang mga ito ay iniutos, ito ay kinakailangan upang malaman kung kasama sa isang hanay ng mga seasonal / cyclical data component. Kapag sila ay hindi iniutos, ie, hanay ng mga kaganapan mula sa database ay hindi naka-link sa timeline, at pagkatapos ay sa kurso ng koleksyon ay dapat sumunod sa mga sumusunod na alituntunin:

1) ang isang maliit na bilang ng mga talaan sa database ay maaaring maging sanhi ng ang paglikha ng isang hindi sapat na mga modelo;

2) ang kawastuhan ng modelo ay maaaring pinabuting sa pamamagitan ng pagdaragdag ng bilang ng data;

3) lumang data ay ibinukod mula sa set;

4) algorithm na ginagamit upang lumikha ng isang modelo na may napakalaking mga database, ang dapat ma upang mag-zoom.