Veri İşleme Yöntemleri

Evrendeki en iyi veriler, işlenmedikçe pek bir işe yaramaz. Veri işleme, ham verileri alıp kullanılabilir bilgiye dönüştüren yöntemleri ifade eder. Kağıt ve kalem işe yarayabilir, ancak 21. yüzyılda veri analizi genellikle bilgisayarlara dayanır. Verilerin bilgisayar tarafından işlenmesi için önce toplanması, doğruluğunun kontrol edilmesi ve bilgisayara girilmesi gerekir.

Toplu işleme, veri işlemenin en basit biçimi olan homurdanma işidir. Bir kuruluşta bir veya iki kategoriye toplanabilecek büyük miktarda veri olduğunda kullanışlıdır. Örneğin bir mağaza, işlemlerini günün veya haftanın sonunda toplu işleyerek sonuçları merkeze gönderebilir. Bilgilerin her değişiklik için güncellenmesi gerekmiyorsa, toplu işleme yeterince hızlıdır.

Bazen toplu işleme yeterince hızlı olmayabilir. Gerçek zamanlı işleme yöntemleri, anında geri dönüş gerektirdiğinde verileri işler. Örneğin birisi uçak bileti alırsa veya bir rezervasyonu iptal ederse, havayolunun kayıtlarını anında güncellemesi gerekir. Bir radar sistemi, tespit ettiği şey hakkında operatörüne anında geri bildirim vermelidir; bir ATM, para talebinizi derhal işleme koymalıdır. Toplu işlemenin belirli zamanlarda büyük miktarda veriyi işlediği durumlarda, gerçek zamanlı işleme süreklidir.

Veri madenciliği, birden çok kaynaktan ve havuzdan veri alır ve korelasyonları aramak için bunları birleştirir. Örneğin, bir bakkal zinciri müşterilerin satın alımlarını analiz edebilir ve tahıl satın alan müşterilerin genellikle onunla birlikte muz aldığını keşfedebilir. Zincir bu bilgiyi satışları artırmak için kullanabilir, belki de daha fazla ortak satın almayı teşvik etmek için muzları tahılın yakınına yerleştirerek. Zincir ayrıca, mağaza kupon sunduğunda veya indirim yaptığında hangi ürünlerin daha iyi sattığını da izleyebilir.

İstatistiksel işleme, ağır sayı-çatışma içerir. Cuma günü meşgul olduğunu bilen bir şirket, farklı değişkenlerin etkisini hesaplamak için istatistiksel işlemeyi kullanabilir. Acelenin bir kısmı, örneğin son dakika talepleri olan müşterilerden kaynaklanabilirken, bir kısmı da çalışanların haftanın başlarında gevşemesinin bir sonucu olabilir. Nedeni bilmek, şirketin aceleyle başa çıkmasına yardımcı olur. İstatistikler ayrıca farklı büyüklükteki şirketlerden veya farklı büyüklükteki şehirlerden gelen verileri karşılaştırmayı da kolaylaştırır.