Methoden voor gegevensverwerking

De beste gegevens in het universum hebben niet veel zin als ze niet worden verwerkt. Gegevensverwerking verwijst naar methoden die de onbewerkte gegevens gebruiken en omzetten in bruikbare informatie. Papier en potlood kunnen werken, maar in de 21e eeuw is data-analyse meestal afhankelijk van computers. Om gegevens per computer te verwerken, moeten deze eerst worden verzameld, op juistheid worden gecontroleerd en in de computer worden ingevoerd.

Batchverwerking is gruntwerk, de eenvoudigste vorm van gegevensverwerking. Dit is handig wanneer een organisatie een grote hoeveelheid gegevens heeft die in een of twee categorieën kan worden onderverdeeld. Een winkel kan bijvoorbeeld zijn transacties aan het einde van de dag of aan het einde van de week batchgewijs verwerken en de resultaten naar het hoofdkantoor sturen. Als de informatie niet bij elke wijziging geüpdatet hoeft te worden, is batchverwerking snel genoeg.

Soms is batchverwerking niet snel genoeg. Realtime verwerkingsmethoden verwerken gegevens wanneer dit een onmiddellijke doorlooptijd vereist. Als iemand bijvoorbeeld een vliegticket koopt of een reservering annuleert, moet de luchtvaartmaatschappij haar administratie onmiddellijk bijwerken. Een radarsysteem moet de operator onmiddellijk feedback geven over wat het detecteert; een geldautomaat moet uw verzoek om geld snel verwerken. Waar batchverwerking grote hoeveelheden gegevens op gespecificeerde tijden verwerkt, is realtime verwerking continu.

Datamining haalt gegevens uit meerdere bronnen en pools en combineert deze om correlaties te zoeken. Een supermarktketen kan bijvoorbeeld de aankopen van klanten analyseren en ontdekken dat klanten die granen kopen, vaak ook bananen kopen. De keten kan die informatie gebruiken om de verkoop te verhogen, bijvoorbeeld door bananen dicht bij het graan te plaatsen om meer gezamenlijke aankopen te stimuleren. De keten kan ook volgen welke artikelen beter verkopen wanneer de winkel kortingsbonnen aanbiedt of verkopen houdt.

Statistische verwerking vereist veel rekenwerk. Een bedrijf dat weet dat het op vrijdag druk is, kan statistische verwerking gebruiken om het effect van verschillende variabelen te berekenen. Een deel van de haast kan bijvoorbeeld te wijten zijn aan klanten met last-minute verzoeken, terwijl een ander deel het gevolg kan zijn van het feit dat werknemers eerder in de week verslappen. Het kennen van de oorzaak helpt het bedrijf de drukte het hoofd te bieden. Statistieken maken het ook gemakkelijker om gegevens van bedrijven van verschillende grootte of steden van verschillende grootte te vergelijken.