Metoder til databehandling

De bedste data i universet er ikke meget anvendelige, hvis de ikke behandles. Databehandling refererer til metoder, der tager rådata og omdanner dem til brugbar information. Papir og blyant kan fungere, men i det 21. århundrede er dataanalyse normalt afhængig af computere. For at behandle data via computer skal de indsamles, kontrolleres for nøjagtighed og indtastes i computeren først.

Batchbehandling er gryntarbejde, den enkleste form for databehandling. Det er nyttigt, når en organisation har en stor mængde data, der kan samles i en eller to kategorier. En butik kan for eksempel batchbehandle sine transaktioner sidst på dagen eller ugen og sende resultaterne til hovedkontoret. Hvis oplysningerne ikke skal opdateres for hver ændring, er batchbehandlingen hurtig nok.

Nogle gange er batch-behandling ikke hurtig nok. Realtidsbehandlingsmetoder håndterer data, når det kræver en øjeblikkelig turn-around. Hvis nogen for eksempel køber en flybillet eller annullerer en reservation, skal flyselskabet opdatere sine optegnelser med det samme. Et radarsystem skal give sin operatør øjeblikkelig feedback på, hvad det detekterer; en pengeautomat skal behandle din anmodning om penge med det samme. Hvor batchbehandling håndterer store mængder data på bestemte tidspunkter, er realtidsbehandlingen kontinuerlig.

Data mining tager data fra flere kilder og puljer og kombinerer dem for at lede efter sammenhænge. For eksempel kan en dagligvarekæde analysere kundernes indkøb og opdage, at kunder, der køber korn, ofte køber bananer dertil. Kæden kan bruge den information til at øge salget, måske ved at placere bananer tæt på kornet for at tilskynde til flere fælles indkøb. Kæden kan også spore, hvilke varer der sælger bedre, når butikken tilbyder kuponer eller holder udsalg.

Statistisk bearbejdning indebærer kraftig tal-knusning. En virksomhed, der ved, at der er travlt om fredagen, kan bruge statistisk behandling til at beregne effekten af ​​forskellige variable. Noget af hastværket kan for eksempel skyldes kunder med forespørgsler i sidste øjeblik, mens en anden del kan være et resultat af, at medarbejdere slap af tidligere på ugen. At kende årsagen hjælper virksomheden med at klare hastværket. Statistik gør det også lettere at sammenligne data fra virksomheder af forskellig størrelse eller byer af forskellig størrelse.