Hva er databehandling: Typer og applikasjoner

Ordet data kommer fra det latinske språket, som betyr innsamling av rå informasjon. Konseptet med databehandling handler om å behandle rådata ved hjelp av en datamaskin for å oppnå ønsket meningsfull utdata. Dataene kan behandles enten manuelt eller automatisk. Utdataene som er oppnådd etter behandling av rådata er representert i forskjellige former, for eksempel kan det være numerisk som 0-9,., +, -, /, E, D eller tegnform som kan være enten strengformat som alfabetisk format eller alfanumerisk format eller grafisk form som diagrammer, diagrammer, kart, som er basert på typen programvare brukt eller fremgangsmåten som brukes for behandling av data.

Hva er databehandling?

Prosessen med å konvertere rådata ved hjelp av et medium som manuelle eller automatiske verktøy til meningsfull utdata, kalles databehandling. Rådataene som antall studenter i en klasse, eksamensresultater, adresse osv., Som blir gitt som input til prosessoren som bruker visse prosedyrer for å manipulere rådataene og behandler dem for å gi ønsket meningsfull utdata. For eksempel, hvis vi kjøper en vare i en avdelingsbutikk, gir de oss faktura etter kjøp, der regningen inneholder all informasjonen om dataelementene, som varedetaljer, kundenavn, telefonnummer, adresse, tid, fakturabeløp, betalt beløp, skatt, etc, alle disse sammen danner en informasjon, der denne informasjonen er prosessform av data. Den grunnleggende funksjonen til denne behandlingen er validering, sortering, oppsummering, aggregering, analyse, rapportering, klassifisering.

databehandling

Forskjellige typer

Det er tre typer databehandling, det er de

Manuell databehandling

Dataene som behandles manuelt av menneskelige handlinger uten bruk av verktøy, er manuell behandling. Som for eksempel manuelt å skrive eller beregne en rapport manuelt og nøyaktig er manuell behandling, manuell verifisering av merkeark, økonomisk beregning osv. Den største ulempen er at manuell behandling krever høye arbeidskostnader, høyt tidsforbruk, flere feil osv. Derfor med dette ulempe, flere forhåndsverktøy har kommet der prosesseringsarbeidet gjøres automatisk.

Elektronisk databehandling (EDP)

Det kalles også som informasjonstjenester eller -systemer. Den behandler rådataene via datamaskiner og programmer ved hjelp av elektronisk kommunikasjon . Behandlingsarbeidet er veldig raskt. Det beste eksemplet for elektronisk databehandling er et minibankort som er innebygd med en elektronisk brikke.

Databehandling i sanntid

Det er en kontinuerlig prosess, som reagerer i løpet av sekunder når datainngangen blir gitt, den blir behandlet og gir ønsket utdata. For eksempel ønsker en person å trekke et visst beløp fra kontoen sin ved hjelp av en Minibank . Så snart han setter inn kortet og balanserer, vil han trekke sammen med minibank pin, maskinen behandler transaksjonen og oppdaterte bankkontosaldoen online i løpet av få sekunder. Den største fordelen er tidsforbruk.

Databehandlingssyklus

Denne behandlingssyklusen er vanlig for både manuell og elektronisk behandling. Det er en serie trinn for å hente ut informasjon fra rådata. Det er 3 viktige trinn i denne behandlingen de er,

Inngang

Prosessen gjennom hvilken data som samles inn blir transformert til et skjema som datamaskin kan forstå. Det er det viktigste trinnet fordi de riktige resultatene avhenger av de gitte inndataene. Aktivitetene som utføres i datainformasjonen er de fire trinnene

• Datainnsamling
• Data Koding
• Data overføring
• Datakommunikasjon

Datainnsamling

Datainnsamling er et veldig viktig trinn i behandlingen der alle rå fakta blir samlet inn fra forskjellige miljøer som skal være veldefinerte og nøyaktige for å behandle den. Eksempler på datainnsamling er landmålinger, valgmåling.

Datakoding

Prosessen med å konvertere rå fakta til et skjema som er enklere å gi som input til prosesseringssystemet er datakoding.

Data overføring

På dette stadiet blir dataene sendt til prosessoren og også til ulike komponenter i systemet

Datakommunikasjon

På dette stadiet kommuniseres dataene mellom ulike prosesseringssystemer.

Prosess

Dette stadiet handler om å manipulere rådata ved hjelp av forskjellige verktøy eller programvareteknikker til meningsfull informasjon. Mange programvareverktøy er tilgjengelige for å behandle store datamengder innen kort tid. Det kan forklares i enkel form i følgende eksempel på en automatiserings databehandlingsteknikk, brukeren skriver et program for å utføre tillegg av to tall, som inneholder sett med instruksjoner, dette programmet behandles til den sentrale prosesseringsenheten som behandler data basert på instruksjonene som er gitt. Nå manipulerer programvaren dataene som gir instruksjoner om å behandle data og gi meningsfull forventet informasjon.

databehandling-eksempel

Det er tre forskjellige typer datamanipuleringsteknikker de er

• Klassifisering: Data har segregert tilsvarende i forskjellige grupper og undergrupper på dette stadiet, slik at det ville være enkelt å behandle.
• Lagring: På dette stadiet lagres data i riktig rekkefølge slik at det er lett tilgjengelig når det er nødvendig.
• Beregning: På dette stadiet utføres en rekke operasjoner på dataene for å gi ønskede resultater.

Produksjon

På dette stadiet er datautdataene som oppnås etter behandlingen meningsfulle data som kreves for sluttbrukere. Output kan fås i forskjellige former som lyd, video, rapportutskrift osv. Følgende er aktivitetene som utføres i det de er,

• Dekoding: Dataene som er kodet dekodes i forståelsesformat.
• Kommunikasjon: Utgangen som genereres distribueres til forskjellige steder slik at enhver bruker kan få tilgang til den når som helst.
• Henting: Dataene som distribueres og lagres, kan nås av hvem som helst som er overbevist.

Lagringsstadium

Den behandlede informasjonen lagres i virtuelt dataminne for videre bruk. Det er det viktige stadiet i syklusen fordi vi kan hente dataene når det er nødvendig.

Databehandling i forskningsområdet

De viktige trinnene som hovedsakelig inkluderer i denne behandlingen er som følger:

1. Spørreskjema
2. Redigering
3. Koding
4. Klassifisering
5. Tabell
6. Grafisk representasjon
7. Datarengjøring
8. Datajustering

databehandling-i-forsknings-området

• Spørreskjema: Det første trinnet er å sjekke om det er noen spørreskjemaer eller ikke. Få av ikke akseptable spørreskjemaer er ufullstendige eller delvise data, utilstrekkelig kunnskap.
• Redigeringsdata identifiseres hvis det er feil i rådata, slik at hvis de er feil, kan de redigeres og korrigeres.
• Koding er prosessen med å gi symboler slik at svar kan plasseres i deres respektive grupper.
• Klassifisering av data er basert på klasser som klasseintervall, frekvens eller attributter som byen, befolkningen er gjort for bedre forståelse.
• Etter klassifisering tabellerer vi hele prosessen i forskjellige relevante kolonner og rader.
• Representer dem deretter i grafisk eller statistisk søylediagramformat.
• Etter det sjekker vi hele dataene igjen fra første om det mangler
  data, legger vi det opp for konsistens.
• Et ekstra konsept med datajustering gjøres som komplementært for å forbedre kvaliteten.

Fordeler

Fordelene med databehandling er

• Svært effektiv
• Tidssparende
• Høy hastighet
• Reduserer feil

Ulemper

Ulempene med databehandling er

• Stort strømforbruk
• Opptar stort hukommelse
• Installasjonskostnadene er høye
• Sløsing med minne.

applikasjoner

Anvendelsen av databehandling er

• I banksektoren brukes denne behandlingen av bankkundene til å verifisere der, bankdetaljer, transaksjoner og andre detaljer.
• I utdanningsavdelinger som skoler, høyskoler, er denne behandlingen relevant for å finne studentdetaljer som biodata, klasse, rulletall, oppnådde karakterer osv.
• I transaksjonsprosessen oppdaterer applikasjonen informasjonen når brukere ber om opplysningene.
• I et logistisk sporingsområde hjelper denne behandlingen til å hente nødvendige kundedata online.
• På sykehuspasienter kan det enkelt søkes i detaljer.

Denne artikkelen beskriver måten rådatainndata behandles når de blir gitt som input til en prosessor, og disse rådataene kan behandles enten ved hjelp av programvare eller et annet verktøy for å få meningsfull informasjon. Den viktige fordelen med data behandling er, kan man enkelt hente data innen få sekunder. Her i denne artikkelen har vi sett databehandlingssyklusen, behandlingen i forskningsområdet, dens fordeler, ulemper og dets applikasjoner. Her er spørsmålet 'Hvordan dataene behandles i e-handelsområdet?'.