Panelová diskuse

Panelisté:

Moderátor:

Dobývání znalostí z databází (DZD) chápeme jako analýzu (často rozsáhlých) observačních dat s cílem nalézt neočekávané vztahy a sumarizovat data novými způsoby tak, že jsou srozumitelná a užitečná pro jejich vlastníka. Tato definice je převzata z knihy David Hand, Heikki Manilla, Padhraic Smyth: Principles of Data Mining (MIT 2001), kde je uvedena v souvislosti s pojmem data mining. Dobývání znalostí z databází je proces, který dle metodologie CRISP-DM (viz http://www.crisp-dm.org) zahrnuje šest hlavních etap vzájemně souvisejících způsobem naznačeným v tomto schématu (jsou uvedeny originální anglické termíny):

Jsou k dispozici rozsáhlé teoretické výsledky týkající se datových struktur uchovávaných v databázích. Tyto výsledky jsou využívány při projektování i provozování databází a jsou relevantní zejména k etapám v uvedeném schématu nazývaným Data Understanding a Data Preparation. Etapa nazývaná Modelling zahrnuje aplikace různých analytických procedur, také k ní se vztahuje řada teoretických výsledků. Méně teoretických výsledků je k dispozici pro ostatní etapy.

Cílem této diskuse je přispět k vyjasnění vzájemného vztahu teorie a praxe v oblasti DZD. V rámci diskuse budeme hledat odpovědi na otázky:

• Jaké teoretické výsledky praxe využívá nedostatečným způsobem a proč?
• Na jaké, z hlediska praxe důležité otázky, nedává teorie dostatečnou odpověď a proč?
• Která z etap (Business understanding, Data understanding, Data Preparation, Modelling, Evaluation, Deployment) uváděných v CRISP-DM metodologii je nejvíce a která nejméně propracovaná z teoretického a která z praktického pohledu a proč?
• Která z etap (Business understanding, Data understanding, Data Preparation, Modelling, Evaluation, Deployment) uváděných v CRISP-DM metodologii je nejvíce a která nejméně zajímavá z teoretického a která z praktického pohledu a proč?

K inspiraci pro diskusi lze využít i následující poznámky shromážděné při různých příležitostech bez nároků na systematičnost nebo úplnost. Výraz data mining je zde synonymem pro výraz modelling použitý výše.

• Do výzkumu v oblasti DZD je zapojeno mnoho lidí, je produkováno velké množství výzkumných článků a mnohé z nich znamenají jen velmi malý pokrok co se týče základních technik.
• Základní algoritmy se příliš nezměnily, je obtížné aplikovat metody data mining v praxi a nástroje pro data mining nejsou dostupné pro malé podniky.
• Je zapotřebí umožnit vyhledávání složitějších závislostí skrytých v datech a je zapotřebí vyvinout odpovídající nové teorie a nové algoritmy.
• Aplikace technologií data mining se musí stát běžnou součástí informačních systémů a běžní uživatelé se musí v široké míře seznámit s možnostmi těchto technologií.
• Výzkum v oblasti DZD se musí zabývat celým procesem, ne jen vývojem jednotlivých analytických metod.
• Z hlediska rozšíření DZD může být podstatně cennější dobře propracovaná typová úloha kterou lze snadno aplikovat v různých oblastech než zrychlení analytického algoritmu o 10 až 20 procent.
• Aplikace v různých prostředích se mohou výrazně lišit (např banky a nemocnice).

Inspirací pro diskusi může být i následující citát z knihy Keitha Devlina: Jazyk matematiky (nakladatelství Argo a Dokořán, Praha 2002), která je překladem z anglického originálu The Language of Mathematics: