Традиционный подход к разработке баз данных это моделирование определенной предметной области (Model-Driven-Development, пример). Это отлично работающий подход для разработки бизнес-приложений, автоматизирующих заранее определенные процессы.

Главное достижение такого подхода это возможность решать задачи любого уровня сложности: с помощью системного анализа делается декомпозиция системы на элементы и функциональные аспекты. Но остается проблема гибкости, когда при изменении в реальной деятельности приходится менять программный код и схему данных, что неизбежно делается с задержкой и порождает функциональные (программа работает неправильно) и системные (программа просто не работает) ошибки.
Читать далее →

Каждый из нас постоянно занимается анализом данных на работе и в личной жизни. Очевидно, что помимо входных данных, которые обрушиваются на нас постоянным и изменчивым потоком информации, нам требуется знание, чтобы мы могли принимать решения на основе этих данных.

Читать далее →

Анализ данных имеет несколько принципиальных аспектов:

Источники и хранилище данных; Извлечение и представление знаний; Поддержка принятия решений. Важной задачей является поиск источников данных и извлечение из них требуемой информации, поскольку от этого зависит результат. Чем больше исходных данных, тем более достоверный и качественный анализ.

Читать далее →

Чем отличаются обычные компьютерные программы от интеллектуальных систем? И зачем нужны интеллектуальные решения?

Обычные программы не решают задачу понимания, а работают в рамках алгоритмов, заложенного разработчиком. Поэтому при изменении задач приходится такие программы обновлять или заменять. И они могут даже мешать работе пользователей, снижая их эффективность, если не позволяют учитывать особенности конкретной организации.

Читать далее →