Методы обработки данных

Лучшие данные во вселенной бесполезны, если они не обрабатываются. Под обработкой данных понимаются методы, которые берут необработанные данные и превращают их в полезную информацию. Бумага и карандаш могут работать, но в 21 веке анализ данных обычно полагается на компьютеры. Чтобы обработать данные с помощью компьютера, они должны быть собраны, проверены на точность и сначала введены в компьютер.

Пакетная обработка - это кропотливая работа, самая простая форма обработки данных. Это полезно, когда в организации имеется большой объем данных, которые можно сгруппировать в одну или две категории. Магазин, например, может обрабатывать свои транзакции в пакетном режиме в конце дня или недели, отправляя результаты в головной офис. Если информацию не нужно обновлять при каждом изменении, пакетная обработка выполняется достаточно быстро.

Иногда пакетная обработка выполняется недостаточно быстро. Методы обработки в реальном времени обрабатывают данные, когда это требует мгновенного обращения. Например, если кто-то покупает авиабилет или отменяет бронирование, авиакомпании необходимо немедленно обновить свои записи. Радарная система должна немедленно сообщать оператору о том, что она обнаруживает; банкомат должен оперативно обработать ваш запрос на перевод денег. Там, где пакетная обработка обрабатывает большие объемы данных в определенное время, обработка в реальном времени является непрерывной.

Интеллектуальный анализ данных берет данные из нескольких источников и пулов и объединяет их для поиска корреляций. Например, продуктовая сеть может анализировать покупки клиентов и обнаруживать, что клиенты, покупающие злаки, часто покупают бананы, чтобы пойти с ними. Сеть может использовать эту информацию для увеличения продаж, возможно, разместив бананы рядом с зерновыми, чтобы стимулировать больше совместных покупок. Сеть также может отслеживать, какие товары продаются лучше, когда магазин предлагает купоны или проводит распродажи.

Статистическая обработка требует большого количества вычислений. Компания, которая знает, что пятница занята, может использовать статистическую обработку для расчета влияния различных переменных. Часть спешки может быть вызвана, например, клиентами, сделавшими запросы в последнюю минуту, в то время как другая часть может быть результатом увольнения сотрудников в начале недели. Знание причины помогает компании справиться со спешкой. Статистика также упрощает сравнение данных по компаниям разного размера или по городам разного размера.