مقارنة بين أدوات التنقيب في البيانات (Data Mining)

المقدمة:

مع التطور الهائل والانفجار المعلوماتي أصبح هناك كم كبير من المعلومات المتوفرة والمحدثة بشكل مستمر، ونظراً لأهمية تلك المعلومات في حال التوصل اليها وتحليلها قد ظهرت الحاجة الى تقنية جديدة تساهم في الوصول الى اكوام المعلومات المختزنة في قواعد المعلومات، وظهرت تقنيات التنقيب في البيانات من أجل هذا الغرض وتوفير الوصول الجيد للمعلومات في أسرع وقت وبأقل مجهود.

ويمكن تعريف التنقيب في البيانات بأنه أسلوب متقدم لتحليل البيانات، يجد العلاقات والانماط المخفية التي قد تفقدها أنواع التحليل الأخرى، حيث انه يشتمل على الذكاء الاصطناعي (AI) والتعلم الآلي لتحديد احتياجات العملاء، وإيجاد طرق لزيادة الإيرادات والربحية، والمشاركة بشكل أكثر فعالية مع الجماهير، وفي هذه الأيام أصبح التنقيب في البيانات أقوى من أي وقت مضى، حيث يمكنه بالتأكيد إجراء التنقيب في النص، لكنه قادر على تقنيات اكتشاف المعرفة الأكثر تعقيداً (Robb D,2022).

الا ان التنقيب في البيانات يحتاج الى أدوات مساعدة تساهم في الوصول الى تلك المعلومات بشكل سريع ويسهل من عملية الاستفادة من تلك المعلومات وتحليلها وفهمها، ومن هنا بدأت تظهر أدوات التنقيب في البيانات لتحقيق هذا الغرض.

تتعدد تلك الأدوات وتتعدد مميزاتها وسلبياتها واستخداماتها حسب نوع البيانات او المعلومات المراد استخراجها، وفي هذه الورقة سنستعرض ماهية تقنية التنقيب في البيانات وأهم تلك الأدوات المستخدمة فيها ونعطي نبذة عنها ونقارن بين أبرز المميزات والسلبيات التي توفرها تلك الأدوات.

أدوات التنقيب في البيانات:

يذكر (Judith,2021) بأن أدوات التنقيب في البيانات عبارة عن حزم برمجية لديها القدرة على تحليل كميات كبيرة من البيانات لاكتشاف أنماط ذات مغزى والتنبؤ بالنتائج، حيث تحتوي بعض أدوات استخراج البيانات على ميزات تنظيف البيانات التي تعمل على أتمتة عملية تنظيف البيانات، بالإضافة الى القدرة على استخراج معلومات قيمة من أنواع بيانات مختلفة مثل الأرقام والنص والمستندات والصورة والرسم البياني والكلام والصوت والفيديو، يسمح هذا النوع من الأدوات باستخراج المعلومات القيمة من البيانات والمعروفة ايضاَ باسم اكتشاف المعرفة في قواعد البيانات (KDD).

خصائص أدوات التنقيب في البيانات (DM):

يشير (Simmi,2011) في دراسة (عثمان،2018) الى بعض الخصائص الرئيسية لأدوات التنقيب في البيانات ومنها:

• القدرة على التعامل مع مشكلة معقدة: إن الهدف من برمجيات التنقيب في البيانات هو الكشف آلياً عن معلومات مفيدة من مجموعة البيانات المعقدة، تسمح خوارزميات التنقيب في البيانات باكتشاف المعرفة واستخدامها في التنبؤ والبحث عن أنماط البيانات المعقدة بسهولة.
• اكتشاف تلقائي لأنماط مجهولة: يعمل التنقيب في البيانات على عملية إيجاد التنبؤ من قواعد البيانات الكبيرة، يساعد اكتشاف النمط في العثور على اكتشاف الغش والأخطاء في الصفقة، وهي المهمة الرئيسية لتدقيق الحسابات.
• التدرج: يمكن لأدوات التنقيب في البيانات معالجة كمية من البيانات التي تجعل من التدرج أحد ميزاتها الهامة وتعمل هذه الميزة بالنسبة لعملية التدقيق بمثابة النقطة الرئيسية.
• التكلفة العالية نسبياً: تعتبر برمجيات التنقيب في البيانات رخيصة ولكنها تبقى أغلى من غيرها من البرمجيات الأخرى، ونظراً لأن مستخدمي التنقيب في البيانات يتحملون مصاريف عامة مثل إعداد البيانات وتحليلها وتكاليف التدريب وهي نسبة مرتفعة نسبياً.
• المهارة الفنية المطلوبة: تعتبر المهارة الفنية مطلوبة لمستخدمي برمجيات تنقيب البيانات، لذا يجب أن يكون لدى المستخدم المعرفة في مختلف الخوارزميات الخاصة بالتنقيب في البيانات لاختيار الخوارزمية المناسبة وفقاً لمتطلبات المهمة، وكذلك تتطلب أيضاَ المهارات لإيجاد أنماط الاهتمام وتقييم النتائج.

أنواع أدوات التنقيب في البيانات:

هناك العديد من الأدوات التي تساهم في عملية التنقيب في البيانات، وتستخدم حسب احتياجها وفي هذه الورقة سنستعرض أبرز الأدوات في التنقيب في البيانات المستخدمة في هذه العملية مثل (KNIME, R, RapidMiner, Orange) كما يلي:

• أداة (KNIME):

يعد Konstanz Information Miner أو KNIME عبارة عن منصة مفتوحة المصدر لتحليل البيانات وإعداد التقارير والتكامل. (Al-Khoder A, 2015).

مميزات الأداة العامة:

• مفتوح المصدر
• التطوير المستمر.
• جعل فهم البيانات وتصميم مهام سير عمل علوم البيانات والمكونات القابلة لإعادة الاستخدام في متناول الجميع.
• مخصص للتعاون القائم على الفريق، والاتمتة والإدارة ونشر مهام سير عمل علوم البيانات كتطبيقات وخدمات تحليلية.

ويمكن تحديد أبرز الإيجابيات والسلبيات فيه كالتالي:

• أداة (RapidMiner):

RapidMiner عبارة عن طاولة عمل لتحليلات الأعمال مع التركيز على التنقيب في البيانات واستخراج النصوص والتحليلات التنبؤية. يستخدم مجموعة متنوعة من الأساليب الوصفية والتنبؤية لإعطاء البصيرة لاتخاذ قرارات مربحة. يوفر RapidMiner، جنبًا إلى جنب مع خادمه التحليلي Rapid Analytics، إمكانات كاملة لإعداد التقارير ولوحة المعلومات. (Robb,2022).

مميزات الأداة العامة:

• بدلاً من الاحتفاظ بمجموعات بيانات كاملة في الذاكرة، يتم أخذ أجزاء فقط من البيانات من خلال عملية التحليل ويتم تجميع النتائج في مكان مناسب لاحقًا.
• أداء سريع لأنه يأخذ الخوارزميات إلى البيانات بدلاً من العكس. اتصال رسومي لـ Hadoop للتعامل مع تحليلات البيانات الضخمة.
• نشر البيانات الوصفية لإزالة التجربة والخطأ.
• يمكن لبرنامج RapidMiner أن يراقب باستمرار سلوك التخزين ووقت التشغيل لعمليات التحليل في الخلفية وتحديد الاختناقات المحتملة.

• أداة (R):

R هي لغة برمجة مفتوحة المصدر وبيئة للحوسبة والرسومات الإحصائية. حيث توفر لغة برمجة R مجموعة متنوعة من الرسومات والتقنيات الإحصائية مثل النمذجة الخطية وغير الخطية والاختبارات الإحصائية الكلاسيكية وتحليل السلاسل الزمنية وتجميع التصنيف وهو قابل للتوسعة بدرجة كبيرة. هذه الأداة مفيدة للغاية لتصور البيانات والبيانات الجيدة القابلة للتوسيع. (Patel,2015).

• أداة (Orange):

Orange هي أداة استخراج بيانات مفتوحة المصدر وبرامج تصور مع مجتمع نشط وتساعد المبتدئين والخبراء في تحليلهم. هذه الأداة متوافقة مع أنظمة التشغيل windows وMac OS c وGNU / Linux. إنها أيضًا مفيدة جدًا للعملية التحليلية التي تحتوي على برمجة مرئية سهلة الاستخدام أو برمجة نصية بلغة Python. تحتوي هذه الأداة على جميع خوارزميات التنقيب في البيانات الرئيسية. على وجه الخصوص، تحتوي هذه الأدوات على أدوات مساعدة للوظيفة الإضافية للمعلوماتية الحيوية والوظيفة الإضافية لتعدين النص. (Patel,2015).

مميزات الأداة العامة:

• إجراء تحليل بسيط للبيانات مع تصور البيانات.
• استكشاف التوزيعات الإحصائية ومخططات المربعات والمخططات المبعثرة أو التعمق أكثر باستخدام أشجار القرار والتجميع الهرمي والخرائط الحرارية والإسقاطات الخطية.
• الاستكشاف التفاعلي للبيانات للتحليل النوعي السريع.

معايير أدوات التنقيب في البيانات:

تعد معايير أدوات التنقيب في البيانات أحد أهم الأمور التي يمكن من خلالها الحكم على نوع الأداة المناسب للاستخدام للتنقيب في البيانات حيث انها تظهر مدى قوة كل أداة في نوع البيانات المراد التنقيب فيه ومن تلك المعايير ما يلي:

يحدد (سيد،2016) مجموعة من معايير لأدوات التنقيب في البيانات ومنها المعايير التي تخص الأداء، الوظيفة، الدعم والاستخدام ويمكن وصفها كما هو موضح بالجدول التالي:

يتضح من الجدول السابق (جدول4) بأن هناك عدة جوانب يجب مراعاتها عند النظر في نوع أداة التنقيب في البيانات المراد استخدامه ومجموعة من الأسئلة الاستفهامية لكل جانب معياري والتي يجب ان يكون هناك إجابات منطقية عليها لتسهيل عملية اختيار الأداة لتحقيق الغرض المطلوب منها.

مقارنة أدوات التنقيب في البيانات باستخدام المعايير:

أما دراسة (Al-Khoder A, 2015) فقد عمل مقارنة بين الأدوات المجانية ومفتوحة المصدر بناء على مجموعة من المعايير التي وضعها في الدراسة تشمل: الوصف، سنة الاطلاق، والاصدار، وفريق التطوير، وسعر الأداة، ونوع الرخصة، ولغة تصميم البرمجية.

ويتضح من الجدول السابق بأن البرمجيات الخاصة بالتنقيب في البيانات بدأت منذ 1997 بداية من لغة، ومازالت تنافس في الإصدارات حيث بلغت الاصدارة 3.1.1 في عام 2014 كما، ان لغة R هي الوحيدة بلغة برمجية مختلفة عن البقية التي اعتمدت على لغة JAVA.

كما يقارن (سيد،2016) بين مصادر بيانات أدوات التنقيب في البيانات مفتوحة المصدر وهي كالتالي:

يتضح من الجدول السابق (جدول6) بأن أدوات التنقيب في البيانات تختلف مصادر البيانات فيها من أداة الى أخرى، وهذا ما استدعانا في بداية الورقة للقول بأن هناك استخدامات مختلفة لكل أداة، حسب بيئة المنظمة وطريقة تخزين البيانات فيها والتي قد تختلف من منظمة الى أخرى، الى ان المقارنة في الجدول السابق تسير في صالح RapidMiner فيما عدا تناول مصادر المعلومات من قواعد المعلومات (Access, ODBC) فأنها غير متوفرة فيهما.

الخلاصة:

المراجع:

دراسات أجنبية:

• Bagga, S., & Singh, G. N. (2011). Comparison of Data Mining and Auditing Tools. International Journal of Computer Science and Communication, 2(1), 275-277.‏
• Robb, D. (2022). Best Data Mining Tools & Software 2022. EWeek, N.PAG.
• Santos-Pereira, J., Gruenwald, L., & Bernardino, J. (2021). Top data mining tools for the healthcare industry. Journal of King Saud University-Computer and Information Sciences.‏
• Al-Khoder, A., & Harmouch, H. (2015). Evaluating four of the most popular open source and free data mining tools. Int. J. Acad. Sci. Res, 3(1), 13-23.‏
• Patel, P. S., & Desai, S. G. (2015). A comparative study on data mining tools. International Journal of Advanced Trends in Computer Science and Engineering, 4(2).‏
• Jović, A., Brkić, K., & Bogunović, N. (2014). An overview of free software tools for general data mining. 2014 37th International Convention on Information and Communication Technology, Electronics and Microelectronics, MIPRO 2014 – Proceedings, (May), 1112–1117. https://doi.org/10.1109/MIPRO.2014.6859735
• Malkawi, R., Saifan, A. A., Alhendawi, N., & BaniIsmaeel, A. (2020). Data mining tools evaluation based on their quality attributes. International Journal of Advanced Science and Technology, 29(3), 13867-13890.‏

دراسات عربية:

• علي، صلاح الدين عمر عبد الله، وعثمان، سيف الدين فتوح. (2018). تطوير نموذج تنقيب البيانات لدعم صنع القرارات الاستراتيجية: دراسة حالة جامعة بخت الرضا (رسالة دكتوراه غير منشورة). جامعة أم درمان الاسلامية، ام درمان. مسترجع من http://search.mandumah.com.sdl.idm.oclc.org/Record/906983
• سيد، أحمد فايز أحمد. (2016). أدوات التنقيب عن البيانات مفتوحة المصدر: دراسة تحليلية تقييمية. مجلة جامعة طيبة للآداب والعلوم الإنسانية، مج5 ,ع10 ،792 – 865.