Методи обробки даних

Найкращі дані у всесвіті не дуже корисні, якщо їх не обробляти. Обробка даних відноситься до методів, які беруть вихідні дані і перетворюють їх на інформацію, яку можна використовувати. Папір і олівець можуть працювати, але в 21 столітті аналіз даних зазвичай покладається на комп’ютери. Щоб обробити дані за допомогою комп’ютера, їх потрібно зібрати, перевірити на точність і спочатку ввести в комп’ютер.

Пакетна обробка — це груба робота, найпростіша форма обробки даних. Це корисно, коли організація має великий обсяг даних, які можна об’єднати в одну або дві категорії. Магазин, наприклад, може пакетно обробляти свої транзакції в кінці дня або тижня, надсилаючи результати до головного офісу. Якщо інформацію не потрібно оновлювати для кожної зміни, пакетна обробка досить швидка.

Іноді пакетна обробка недостатньо швидка. Методи обробки в режимі реального часу обробляють дані, коли це вимагає миттєвої обробки. Наприклад, якщо хтось купує авіаквиток або скасовує бронювання, авіакомпанії потрібно негайно оновити свої записи. Радарна система повинна негайно дати своєму оператору зворотний зв'язок про те, що вона виявляє; банкомат повинен швидко обробити ваш запит на гроші. Якщо пакетна обробка обробляє великі навантаження даних у певний час, обробка в реальному часі безперервна.

Інтелектуальний аналіз даних бере дані з кількох джерел і пулів і об’єднує їх для пошуку кореляцій. Наприклад, продуктова мережа може проаналізувати покупки клієнтів і виявити, що клієнти, які купують зернові, часто купують до них банани. Мережа може використовувати цю інформацію для збільшення продажів, можливо, розміщуючи банани близько до злаків, щоб стимулювати спільні покупки. Мережа також може відстежувати, які товари продаються краще, коли магазин пропонує купони або проводить розпродажі.

Статистична обробка включає в себе інтенсивне зведення чисел. Компанія, яка знає, що вона зайнята в п’ятницю, може використовувати статистичну обробку для обчислення впливу різних змінних. Наприклад, поспіх може бути пов’язаний із клієнтами, які звернулися в останню хвилину, тоді як інша частина може бути результатом того, що співробітники звільняються на початку тижня. Знання причини допомагає компанії впоратися з поспіхом. Статистика також полегшує порівняння даних компаній різного розміру або міст різного розміру.