Metode Pemrosesan Data

Data terbaik di alam semesta tidak banyak berguna jika tidak diproses. Pengolahan data mengacu pada metode yang mengambil data mentah dan mengubahnya menjadi informasi yang dapat digunakan. Kertas dan pensil bisa bekerja, tetapi di abad ke-21, analisis data biasanya mengandalkan komputer. Untuk mengolah data dengan komputer, harus dikumpulkan, diperiksa keakuratannya dan dimasukkan ke komputer terlebih dahulu.

Pemrosesan batch adalah pekerjaan kasar, bentuk pemrosesan data yang paling sederhana. Ini berguna ketika sebuah organisasi memiliki volume data yang besar yang dapat dikelompokkan ke dalam satu atau dua kategori. Sebuah toko, misalnya, dapat memproses transaksinya secara batch pada akhir hari atau minggu, mengirimkan hasilnya ke kantor pusat. Jika informasi tidak harus diperbarui untuk setiap perubahan, pemrosesan batch cukup cepat.

Terkadang pemrosesan batch tidak cukup cepat. Metode pemrosesan waktu-nyata menangani data saat memerlukan perputaran instan. Jika seseorang membeli tiket pesawat atau membatalkan reservasi, misalnya, maskapai harus segera memperbarui catatannya. Sistem radar harus memberikan umpan balik langsung kepada operatornya tentang apa yang dideteksinya; ATM harus segera memproses permintaan uang Anda. Di mana pemrosesan batch menangani banyak data pada waktu tertentu, pemrosesan waktu nyata terus berlanjut.

Data mining mengambil data dari berbagai sumber dan kumpulan dan menggabungkannya untuk mencari korelasi. Misalnya, rantai toko kelontong mungkin menganalisis pembelian pelanggan dan menemukan bahwa pelanggan yang membeli sereal sering kali membeli pisang untuk dibawa bersamanya. Rantai dapat menggunakan informasi itu untuk meningkatkan penjualan, mungkin dengan menempatkan pisang di dekat sereal untuk mendorong lebih banyak pembelian bersama. Rantai juga dapat melacak barang mana yang terjual lebih baik saat toko menawarkan kupon atau mengadakan penjualan.

Pemrosesan statistik melibatkan penghitungan angka yang berat. Sebuah perusahaan yang tahu itu sibuk pada hari Jumat dapat menggunakan pemrosesan statistik untuk menghitung pengaruh variabel yang berbeda. Beberapa terburu-buru mungkin karena pelanggan dengan permintaan menit-menit terakhir, misalnya, sementara bagian lain mungkin akibat karyawan mengendur di awal minggu. Mengetahui penyebabnya membantu perusahaan mengatasi terburu-buru. Statistik juga memudahkan untuk membandingkan data dari perusahaan dengan ukuran berbeda atau kota dengan ukuran berbeda.