якщо залежна змінна набуває не числові (якісні) значення, то йдеться про завдання дисперційного аналізу даних;

якщо залежна змінна набуває не числові значення, то йдеться про завдання системного аналізу даних;

якщо залежна змінна набуває якісні значення, то йдеться про завдання якісного аналізу даних;

якщо залежна змінна набуває не числові (якісні) значення, то йдеться про завдання класифікації даних;

на підставі правил Е. Кодда для визначення OLAP-систем;

на підставі правил Е. Кодда для визначення MOLAP-систем;

на підставі правил Клод ВанДамма для визначення HOLAP-систем;

на підставі правил Клод ВанДамма для визначення ROLAP-систем;

евристичними методами, а також методом SWU;

статистичними методами, а також методом SVM;

методами кластеризації та математичними функціями;

методами штучного інтелекту і покриття;

скоротити їх кількість і покращити технологію організації командної роботи;

зменшити їх кількість і покращити технологію організації зв'язку між клієнтами;

скоротити їх кількість і полегшити процедуру Data Mining;

зменшити їх кількість і полегшити технологію Knowledge Management;

можливість роботи з наявними OLAP- і MOLAP-системами, більш економне використання комп'ютерних ресурсів і велика гнучкість при додаванні нових вимірів;

можливість роботи з наявними OLAP-системами, економне використання оперативної пам'яті та велика гнучкість при додаванні нових систем;

можливість роботи з наявними реляційними БД, більш економне використання обчислювальних ресурсів і велика гнучкість при додаванні нових вимірів;

можливість роботи з наявними MOLAP-системами, незначне використання обчислювальних ресурсів і велика швидкодія при додаванні нових вимірів;

OLAP (англ. Online Analytical Processing);

HOLAP (англ. Hybrid OLAP);

ROLAP (англ. Relational OLAP);

MOLAP (англ. Multidimensional OLAP);

класифікаційні ознаки, дерева рішень, математичні (лінійні та нелінійні) функції;

класифікаційні ознаки, модель дерева рішень, математичні (лінійні та нелінійні) функціонали;

класифікаційні правила, дерева рішень, математичні (лінійні та нелінійні) функції;

класифікаційні правила, зважені бінарні дерева, математичні (лінійні та нелінійні) функції;

на методі "зверху-вниз";

на методі найменших квадратів;

на методі "розділяй і володарюй";

на методах математичної статистики;

застосування методів Data Mining і побудова моделей даних, перевірка моделей даних на адекватність;

розуміння та формулювання завдання аналізу даних, підготовка даних для автоматизованого аналізу (передпроцесингу);

розуміння та формулювання завдання аналізу даних та їх підготовка для автоматизованого аналізу (передпроцесингу), застосування методів Data Mining; побудова моделей даних, їх перевірка на адекватність та інтерпретація аналітиком;

перевірка моделей даних на адекватність та їх інтерпретація аналітиком;

у визначенні можливих станів теперішніх подій за станами подій, що вже відбулися або мають відбутися;

у застосування моделі для передбачування майбутніх значень на підставі значень попередньо спостережених;

у застосування математичної моделі для передбачення майбутніх значень об'єктів на підставі значень попередньо обчислених;

у визначенні теперішніх подій за подіями, що мають відбутися;