Засідання наукового студентського гуртка “ФІНАНСОВИЙ АНАЛІТИК” на тему “Data Mining в системі підтримки прийняття рішень”

22 квітня 2025 року відбулось засідання Наукового студентського гуртка «Фінансовий аналітик» на тему «Data Mining в системі підтримки прийняття рішень». Лекторка к.е.н., доцентка, завідувачка кафедри обліку і оподаткування Інна Райковська відмітила, що запровадження штрихових кодів, глобальна гіпертекстова система Інтернету тощо зробили реальною можливість для компаній збирати великі обсяги нових даних. Однак у зв’язку з цим виникло питання про інструментальні засоби добування корисної інформації з нагромаджених обсягів «сирих» даних. Ці засоби опісля отримали назву «Data Mining» (дейтамайнінг).За останні роки надзвичайно зріс інтерес до дейтамайнінгу з боку ділових користувачів, котрі вирішили скористатися перевагами даної технології для отримання конкурентної переваги в бізнесі.

Загродський Дмитро відмітив, що дейтамайнінг (Data mining) є типом аналітичних додатків, які підтримують рішення, розшукуючи за прихованими шаблонами (patterns) інформацію в базі даних. Цей пошук може бути зроблений або користувачем (тобто тільки за допомогою виконання запитів) або інтелектуальною програмою, яка автоматично розшукує в базах даних і знаходить важливі для користувача зразки інформації. Відповіді на інформаційні запити подаються в бажаній для користувача формі (наприклад, у вигляді діаграм, звітів тощо).

Парубець Ірина доповіла, що очевидною перешкодою для розроблення і впровадження в корпораціях рішень з дейтамайнінгу є наявність багатьох різних підходів до нього, що мають свої певні властивості й переваги, у той час як фактично тільки кількома основними методами формуються основи більшості систем ДМ.

Бербера Ірина навела, що важливим положенням Data Mining є нетривіальність закономірностей, розшукуваних за шаблонами. Це означає, що вони повинні відображати неочевидні, несподівані (Unexpected) регулярності в даних, які становлять так звані приховані знання (Hidden Knowledge). До діловим людям прийшло розуміння, що «сирі» дані (Raw Data) містять глибинний пласт знань і при грамотній його розкопці можуть бути виявлені «справжні самородки», які можна використовувати в конкурентній боротьбі.

В підсумку засідання гуртка учасники зробили висновки, що Data Mining є мультидисциплінарної областю, виникла і розвивається на базі досягнень прикладної статистики, розпізнавання образів, методів штучного інтелекту, теорії баз даних та ін. Data mining є процесом сортування великих наборів даних для виявлення закономірностей і зв’язків, які можуть допомогти вирішити бізнес-проблеми за допомогою аналізу даних. Методи та інструменти data mining (аналізу даних) дозволяють підприємствам передбачати майбутні тенденції та приймати більш обґрунтовані бізнес-рішення.