3. Pirmsākumi 1662, Londona, Anglija JohnGraunt (1620-1674) Iespējams viens no pirmajiem, kas statistiski aprēķināja Londonas iedzīvotāju skaitu un izmaiņas. Datu avots – slimību reģistrs.
4. Pirmsākumi 1854, Londona, Anglija John Snow (1813 –1858) Epidemoloģijas tēvs Cīņa ar holēras izplatību Pirmais ĢIS
5. Datoruēra 1981 – datoru jauda kļūst pieejamāka 1990 – Data Mining jēdziens 2000 – Y2K 2010 – CloudComputing realitāte Mākslīgais intelekts Relāciju datubāzes Mašīnmācīšanās Neironu tīkli Lēmumu koki (Decision trees) Klāsteru analīze ...
7. DPA un datu analīze 2001.gads pirmais sadarbības līgums ar SPSS Inc. – SPSS Statistics kompetence 2009.gads SPSS Modeler (Clementine) SPSS apmācību programmas 2011.gads IBM SPSS Modeler apmācību programmas
8. SPSS 40 gadu pieredze statistikas programmatūras ražošanā Pilns produktu klāsts statistikas vajadzībām Augstskolu apmācību pamats 2010.gads pievienojas
23. Sociālie mediji un datu analīze Dati ir bezmaksas Vispusīgi Anonīmi izteikti – ticamāki Sabiedrības atmiņu krātuve
24. Patērētājs un datu analīze Patērētāju sabiedrība Dati par aktivitātēm Internetbankas atskaites SMS/sarunu pārskati E-rēķinu pārskati Klientu lojalitātes kartes
31. Mākoņskaitļošana Attālinātu serveru resursu centralizēta izmantošana Praktiski neierobežota jauda Salīdzinoši zemas izmaksas Pielāgojamība Pieejamība
38. Prognozēšana Prognozējošā analītika ir vēsturisku un aktuālu datu statistiskā analīze ar mērķi atklāt sakarības un, balstoties uz šīm sakarībām, prognozēt turpmākus notikumus/rezultātus/tendences...
47. Moderns uzņēmums Vairākas datu sistēmas Vēsturiski dati Centralizētas sistēmas Dinamiski procesi Konkurence
48. DA nozīme uzņēmumā Uz faktiem balstīta attīstības plānošana Matemātisku modeļu izmantošana tirgus izmaiņu prognozēšanai Konkurentu darbības prognozēšana Drošu un pamatotu lēmumu pieņemšana Uzņēmuma darbības pārraudzība
49. Moderna infrastruktūra Modulāra Pielāgojama Elastīga Integratīva No platformas neatkarīga Analītika Pielietojums Atskaites Pārskati Uzņēmuma vide Datu sistēmas
56. TendencesCilvēki Datu analītiķis nonāks frontes pirmajās rindās Vairāk atbildības lēmumu ietekmēšanā Darba vide pārvietosies uz konferenču zāli Amatu apvienošana (analītiķis – konsultants) Piekļuve aizvien lielākiem datu apjomiem Ārpakalpojumu pieaugošā popularitāte
57. TendencesIespējas Datu gudrība (dataknowledge) Prognozēšanas iespējas Slēptie faktori datos Agrāk nezināmas likumsakarības Esiet pirmie!
58. TendencesTehnoloģijas Mākoņskaitļošana Prognozējošās analītikas modeļi Mašīnmācīšanās algoritmi Centralizētas datu glabātuves Liela apjoma datizrace (datamining) Saistītās datu bāzes(sociālie tīkli) Analīzes automatizācija serveros
60. Kopsavilkums – Datu analīze Tehnoloģijas gaida izaicinājumus Datu ticamība ir vērtība Aizvien jauni pielietojuma veidi Izmaiņas darba procesos
Editor's Notes
BusinessIntelligence sistēmu izmantošana Jūsu uzņēmuma vai iestādes datu analīzē un pārskatu veidošanā padara šo procesu ātrāku un pārskatus – plašāk izmantojamus. Prezentācijā gūsiet plašāku ieskatu par SQL2008 kā datu glabāšanas un analīzes platformas priekšrocībām, kā arī par integrāciju ar SharePoint, Excel 2010 % PowerPivot risinājumiem.
Mēra laikā mirušo statistika un mēģinājumi ierobežot.Viens no pirmajiem demogrāfistiemEpidemoloģijas ekspertsNatural and Political Observations Made upon the Bills of Mortality (1662)
Meklēja holeras cēloņusOn the Mode of Communication of Cholera in 1849Vainīgs publiskais ūdens sūknisBayes' theorem (1700s) and regression analysis (1800s).
Data mining's second longest family line is artificial intelligence, or AI. This discipline, which is built upon heuristics as opposed to statistics, attempts to apply human-thought-like processing to statistical problems. Because this approach requires vast computer processing power, it was not practical until the early 1980s, when computers began to offer useful power at reasonable prices. AI found a few applications at the very high end scientific/government markets, but the required supercomputers of the era priced AI out of the reach of virtually everyone else. The notable exceptions were certain AI concepts which were adopted by some high-end commercial products, such as query optimization modules for Relational Database Management Systems (RDBMS).
BusinessAnalyticsDA konceptsJēgas meklējumi
Kopā 57 akreditētās
http://smartdatacollective.com/brett-stupakevich/27075/four-trends-business-intelligence-and-data-analyticsCīņas par indivīda datu kopumu, virtuālās personības
http://smartdatacollective.com/brett-stupakevich/27075/four-trends-business-intelligence-and-data-analyticsCīņas par indivīda datu kopumu, virtuālās personības
http://smartdatacollective.com/brett-stupakevich/27075/four-trends-business-intelligence-and-data-analyticsCīņas par indivīda datu kopumu, virtuālās personības
http://smartdatacollective.com/brett-stupakevich/27075/four-trends-business-intelligence-and-data-analyticsCīņas par indivīda datu kopumu, virtuālās personības
Visu izšķir modeļa ticamībaVēsturiskie dati, nepārtrauktība
