Metody przetwarzania danych

Najlepsze dane we wszechświecie na niewiele się przydadzą, jeśli nie zostaną przetworzone. Przetwarzanie danych odnosi się do metod, które pobierają surowe dane i przekształcają je w użyteczne informacje. Papier i ołówek mogą działać, ale w XXI wieku analiza danych zwykle opiera się na komputerach. Aby przetwarzać dane za pomocą komputera, należy je najpierw zebrać, sprawdzić pod kątem dokładności i wprowadzić do komputera.

Przetwarzanie wsadowe to podstawowa praca, najprostsza forma przetwarzania danych. Jest to przydatne, gdy organizacja ma dużą ilość danych, które można pogrupować w jedną lub dwie kategorie. Sklep może na przykład przetwarzać wsadowo swoje transakcje na koniec dnia lub tygodnia, wysyłając wyniki do centrali. Jeśli informacje nie muszą być aktualizowane przy każdej zmianie, przetwarzanie wsadowe jest wystarczająco szybkie.

Czasami przetwarzanie wsadowe nie jest wystarczająco szybkie. Metody przetwarzania w czasie rzeczywistym obsługują dane, gdy wymagają one natychmiastowej zmiany. Jeśli na przykład ktoś kupi bilet lotniczy lub anuluje rezerwację, linia lotnicza musi natychmiast zaktualizować swoje dane. System radarowy musi dać operatorowi natychmiastową informację zwrotną na temat tego, co wykryje; bankomat musi szybko przetworzyć Twoją prośbę o pieniądze. Tam, gdzie przetwarzanie wsadowe obsługuje duże ilości danych w określonym czasie, przetwarzanie w czasie rzeczywistym jest ciągłe.

Eksploracja danych pobiera dane z wielu źródeł i pul i łączy je w celu wyszukania korelacji. Na przykład sieć sklepów spożywczych może przeanalizować zakupy klientów i odkryć, że klienci, którzy kupują płatki zbożowe, często kupują do nich banany. Sieć może wykorzystać te informacje do zwiększenia sprzedaży, na przykład umieszczając banany w pobliżu płatków, aby zachęcić do większej liczby wspólnych zakupów. Sieć może również śledzić, które przedmioty sprzedają się lepiej, gdy sklep oferuje kupony lub wstrzymuje wyprzedaże.

Przetwarzanie statystyczne wiąże się z intensywnym przetwarzaniem liczb. Firma, która wie, że w piątek jest zajęta, może wykorzystać przetwarzanie statystyczne do obliczenia wpływu różnych zmiennych. Część pośpiechu może być spowodowana na przykład przez klientów z prośbami w ostatniej chwili, podczas gdy inna część może być wynikiem zwolnienia pracowników na początku tygodnia. Znajomość przyczyny pomaga firmie poradzić sobie z pośpiechem. Statystyki ułatwiają również porównywanie danych z firm różnej wielkości lub miast różnej wielkości.