Duomenų apdorojimo metodai

Geriausi duomenys visatoje nėra labai naudingi, jei jie nėra apdorojami. Duomenų apdorojimas reiškia metodus, kurie paima neapdorotus duomenis ir paverčia juos tinkama informacija. Popierius ir pieštukas gali veikti, tačiau XXI amžiuje duomenų analizė dažniausiai remiasi kompiuteriais. Norint apdoroti duomenis kompiuteriu, jie turi būti surinkti, patikrinti jų tikslumą ir pirmiausia įvesti į kompiuterį.

Paketinis apdorojimas yra grubus darbas, paprasčiausia duomenų apdorojimo forma. Tai naudinga, kai organizacija turi daug duomenų, kuriuos galima suskirstyti į vieną ar dvi kategorijas. Pavyzdžiui, parduotuvė gali paketiniu būdu apdoroti savo operacijas dienos ar savaitės pabaigoje, o rezultatus išsiųsdama į pagrindinę buveinę. Jei informacijos nereikia atnaujinti dėl kiekvieno pakeitimo, paketinis apdorojimas yra pakankamai greitas.

Kartais paketinis apdorojimas nėra pakankamai greitas. Realaus laiko apdorojimo metodai apdoroja duomenis, kai juos reikia nedelsiant pakeisti. Pavyzdžiui, jei kas nors perka lėktuvo bilietą arba atšaukia rezervaciją, oro linijų bendrovė turi nedelsdama atnaujinti savo įrašus. Radaro sistema turi nedelsiant pateikti savo operatoriui grįžtamąjį ryšį apie tai, ką ji aptinka; bankomatas turi greitai apdoroti jūsų pinigų prašymą. Kai paketinis apdorojimas apdoroja didelius duomenų kiekius nurodytu laiku, apdorojimas realiuoju laiku yra nuolatinis.

Duomenų gavyba ima duomenis iš kelių šaltinių ir telkinių ir sujungia juos, kad būtų ieškoma koreliacijų. Pavyzdžiui, bakalėjos parduotuvių tinklas gali analizuoti klientų pirkinius ir sužinoti, kad klientai, perkantys grūdus, dažnai perka bananus prie jų. Tinklas gali panaudoti šią informaciją, kad padidintų pardavimą, galbūt padėdami bananus šalia grūdų, kad paskatintų daugiau bendrų pirkimų. Tinklas taip pat gali stebėti, kurios prekės parduodamos geriau, kai parduotuvė siūlo kuponus arba išparduoda.

Statistinis apdorojimas apima didelį skaičių traiškymą. Įmonė, kuri žino, kad penktadienį yra užimta, gali naudoti statistinį apdorojimą, kad apskaičiuotų skirtingų kintamųjų poveikį. Dalį skubėjimo gali lemti, pavyzdžiui, klientai, pateikę užklausas paskutinę minutę, o kita dalis gali būti dėl to, kad darbuotojai atslūgo anksčiau šią savaitę. Priežasties žinojimas padeda įmonei susidoroti su skuba. Statistika taip pat leidžia lengviau palyginti skirtingų dydžių įmonių ar skirtingų miestų duomenis.