डाटा प्रोसेसिंग के तरीके

ब्रह्मांड में सबसे अच्छा डेटा अधिक उपयोग नहीं होता है यदि इसे संसाधित नहीं किया जाता है। डेटा प्रोसेसिंग उन तरीकों को संदर्भित करता है जो कच्चे डेटा को लेते हैं और इसे प्रयोग करने योग्य जानकारी में बदल देते हैं। कागज और पेंसिल काम कर सकते हैं, लेकिन 21वीं सदी में, डेटा विश्लेषण आमतौर पर कंप्यूटर पर निर्भर करता है। कंप्यूटर द्वारा डेटा को संसाधित करने के लिए, इसे एकत्र करना, सटीकता के लिए जाँच करना और पहले कंप्यूटर में दर्ज करना होता है।

बैच प्रोसेसिंग ग्रंट वर्क है, जो डेटा प्रोसेसिंग का सबसे सरल रूप है। यह तब उपयोगी होता है जब किसी संगठन के पास बड़ी मात्रा में डेटा होता है जिसे एक या दो श्रेणियों में बांटा जा सकता है। एक स्टोर, उदाहरण के लिए, दिन या सप्ताह के अंत में अपने लेनदेन को बैच-प्रोसेस कर सकता है, परिणाम प्रधान कार्यालय को भेज सकता है। यदि प्रत्येक परिवर्तन के लिए जानकारी को अद्यतन करने की आवश्यकता नहीं है, तो बैच प्रोसेसिंग काफी तेज है।

कभी-कभी बैच-प्रोसेसिंग पर्याप्त तेज़ नहीं होती है। रीयल-टाइम प्रोसेसिंग विधियां डेटा को तब संभालती हैं जब उसे तत्काल टर्न-अराउंड की आवश्यकता होती है। उदाहरण के लिए, यदि कोई एयरलाइन टिकट खरीदता है या आरक्षण रद्द करता है, तो एयरलाइन को अपने रिकॉर्ड तुरंत अपडेट करने की आवश्यकता होती है। एक रडार सिस्टम को अपने ऑपरेटर को तत्काल प्रतिक्रिया देनी होती है कि वह क्या पता लगाता है; एक एटीएम को आपके पैसे के अनुरोध को तुरंत संसाधित करना होगा। जहां बैच प्रोसेसिंग निर्दिष्ट समय पर डेटा के बड़े भार को संभालती है, रीयल-टाइम प्रोसेसिंग निरंतर होती है।

डेटा माइनिंग कई स्रोतों और पूलों से डेटा लेता है और सहसंबंधों को देखने के लिए इसे जोड़ता है। उदाहरण के लिए, एक किराने की श्रृंखला ग्राहकों की खरीदारी का विश्लेषण कर सकती है और यह पता लगा सकती है कि अनाज खरीदने वाले ग्राहक अक्सर इसके साथ जाने के लिए केले खरीदते हैं। श्रृंखला उस जानकारी का उपयोग बिक्री बढ़ाने के लिए कर सकती है, शायद अधिक संयुक्त खरीद को प्रोत्साहित करने के लिए केले को अनाज के पास रखकर। श्रृंखला यह भी ट्रैक कर सकती है कि जब स्टोर कूपन प्रदान करता है या बिक्री रखता है तो कौन सी वस्तुएं बेहतर बिकती हैं।

सांख्यिकीय प्रसंस्करण में भारी संख्या-क्रंचिंग शामिल है। एक कंपनी जो जानती है कि वह शुक्रवार को व्यस्त है, विभिन्न चर के प्रभाव की गणना के लिए सांख्यिकीय प्रसंस्करण का उपयोग कर सकती है। उदाहरण के लिए, कुछ भीड़ अंतिम-मिनट के अनुरोध वाले ग्राहकों के कारण हो सकती है, जबकि दूसरा भाग कर्मचारियों के सप्ताह में पहले से काम बंद करने का परिणाम हो सकता है। कारण जानने से कंपनी को भीड़ से निपटने में मदद मिलती है। आंकड़े अलग-अलग आकार की कंपनियों या अलग-अलग आकार के शहरों के डेटा की तुलना करना भी आसान बनाते हैं।