Orddataene kommer fra det latinske sprog, hvilket betyder indsamling af rå information. Begrebet databehandling handler om at behandle rådata ved hjælp af en computer for at opnå det ønskede meningsfulde output. Dataene kan behandles enten manuelt eller automatisk. Outputdataene, der opnås efter behandling af rådata, er repræsenteret i forskellige former som f.eks. Det kan være enten numerisk form som 0-9,., +, -, /, E, D eller tegnform, som kan være enten strengformat som alfabetisk format eller alfanumerisk format eller grafisk form som diagrammer, kort, kort, der er baseret på typen af software anvendt eller proceduren, der anvendes til behandling af data.
Hvad er databehandling?
Processen med at konvertere rådata ved hjælp af et medium som manuelle eller automatiske værktøjer til meningsfuld outputinformation kaldes databehandling. Rådataene som antallet af studerende i en klasse, eksamensresultater, adresse osv., Der gives som input til processoren, der bruger visse procedurer til at manipulere rådataene og behandler dem for at give ønsket meningsfuld output. For eksempel, hvis vi køber en vare i en stormagasin, leverer de os faktura efter køb, hvor regningen indeholder alle oplysninger om dataposter som varedetaljer, kundenavn, telefonnummer, adresse, tid, fakturabeløb, betalt beløb, skat, osv. danner alle disse sammen en information, hvor denne information er procesform af data. Den grundlæggende funktion ved denne behandling er validering, sortering, opsummering, sammenlægning, analyse, rapportering, klassificering.
databehandling
Forskellige typer
Der er tre typer databehandling, det er de
Manuel databehandling
De data, der behandles manuelt af menneskelige handlinger uden brug af værktøj, er manuel behandling. Som f.eks. Manuel skrivning eller beregning af en rapport manuelt og nøjagtigt er manuel behandling, manuel kontrol af markark, økonomisk beregning osv. Den største ulempe er, at manuel behandling kræver høje arbejdsomkostninger, højt tidsforbrug, flere fejl osv. Derfor med dette ulempe, flere avancerede værktøjer er kommet, hvor bearbejdningsarbejdet udføres automatisk.
Elektronisk databehandling (EDP)
Det kaldes også som informationstjenester eller -systemer. Det behandler rådataene via computere og programmer ved hjælp af elektronisk kommunikation . Behandlingsarbejdet er meget hurtigt. Det bedste eksempel på elektronisk databehandling er et pengeautomatkort, der er indlejret med en elektronisk chip.
Realtids databehandling
Det er en kontinuerlig proces, der reagerer inden for få sekunder, når dataindgangen gives, den bliver behandlet og leverer ønskede outputdata. For eksempel ønsker en person at trække et bestemt beløb fra sin konto ved hjælp af en Hæveautomat . Så snart han indsætter kortet og går i balance, vil han trække sammen med ATM-pin, maskinen behandler transaktionen og opdaterer sin bankkontosaldo online inden for få sekunder. Den største fordel er tidsforbrug.
Databehandlingscyklus
Denne behandlingscyklus er fælles for både manuel og elektronisk behandling. Det er en række trin til udpakning af information fra rådata. Der er 3 vigtige faser i denne behandling, de er,
Indgang
Processen, hvorved indsamlede data omdannes til en form, som computer kan forstå. Det er det vigtigste trin, fordi de korrekte outputresultater afhænger af de givne inputdata. Aktiviteterne, der udføres i datainput, er i fire faser, de er
- Dataindsamling
- Data Indkodning
- Dataoverførsel
- Datakommunikation
Dataindsamling
Dataindsamling er et meget vigtigt skridt i behandlingen, hvor alle rå fakta indsamles fra forskellige miljøer, som skal være veldefinerede og nøjagtige til processer. Eksempler på dataindsamling er jordundersøgelser, valgundersøgelser.
Datakodning
Processen med at konvertere rå fakta til en form, der er lettere at levere som input til processystemet, er datakodning.
Dataoverførsel
På dette tidspunkt sendes dataene til processoren og også til forskellige komponenter i systemet
Datakommunikation
På dette stadium kommunikeres dataene mellem forskellige behandlingssystemer.
Behandle
Dette trin handler om at manipulere rådata ved hjælp af forskellige værktøjer eller softwareteknikker til meningsfuld information. Mange softwareværktøjer er tilgængelige til at behandle store datamængder inden for en kort tidsperiode. Det kan forklares i enkel form i det følgende eksempel på en automatisering databehandlingsteknik, brugeren skriver et program for at udføre tilføjelse af to tal, som indeholder sæt instruktioner, dette program behandles til den centrale behandlingsenhed, der behandler data baseret på instruktionen. Nu manipulerer softwaren dataene, som giver instruktioner til at behandle data og give meningsfuld forventet information.
databehandlingseksempel
Der er tre forskellige typer datamanipilerende teknikker, de er
- Klassifikation: Data er adskilt i overensstemmelse hermed i forskellige grupper og undergrupper på dette stadium, så det ville være let at behandle.
- Opbevaring: På dette tidspunkt lagres data i en korrekt rækkefølge, så de let kan tilgås, når det er nødvendigt.
- Beregning: På dette stadium udføres et antal operationer på dataene for at give de ønskede resultater.
Produktion
På dette stadium er dataoutputtet, der opnås efter behandling, meningsfulde data, der kræves for slutbrugere. Output kan opnås i forskellige former som lyd, video, rapportudskrivning osv. Følgende er de aktiviteter, der udføres, inden de er,
- Afkodning: De data, der er kodet, afkodes i forståelsesformatet.
- Meddelelse: Det output, der genereres, distribueres til forskellige steder, så enhver bruger kan få adgang til det til enhver tid.
- Hentning: De data, der distribueres og lagres, kan tilgås af enhver, der er overbevist.
Opbevaringsfase
De behandlede oplysninger lagres i virtuel datahukommelse til videre brug, det er det vigtige trin i cyklussen, fordi vi kan hente dataene, når det er nødvendigt.
Databehandling i forskningsområdet
De vigtige trin, der hovedsageligt inkluderer i denne behandling, er som følger:
- Spørgsmålskontrol
- Redigering
- Kodning
- Klassifikation
- Tabulering
- Grafisk repræsentation
- Datarengøring
- Datajustering
databehandling-i-forsknings-område
- Spørgeskemakontrol: Det første trin er at kontrollere, om der er spørgeskemaer eller nej. Få af ikke acceptable spørgeskemaer er ufuldstændige eller delvise data, utilstrækkelig viden.
- Redigeringsdata identificeres, hvis der er fejl i rådata, så hvis de er fejl, kan de redigeres og rettes.
- Kodning er processen med at give symboler, så svar kan placeres i deres respektive grupper.
- Klassificering af data er baseret på klasser som klasseinterval, hyppighed eller attributter som byen, befolkningen gøres for bedre forståelse.
- Efter klassificering tabellerer vi hele processen i forskellige relevante kolonner og rækker.
- Repræsenter dem derefter i grafisk eller statistisk søjlediagramformat.
- Derefter kontrollerer vi hele dataene igen fra første om der mangler noget
data, vi tilføjer det for konsistens. - Et yderligere koncept med datajustering udføres som komplementær for at forbedre kvaliteten.
Fordele
Fordelene ved databehandling er
- Meget effektiv
- Tidsbesparende
- Høj hastighed
- Reducerer fejl
Ulemper
Ulemperne ved databehandling er
- Stort strømforbrug
- Optager stort hukommelse
- Omkostningerne ved installation er høje
- Spild af hukommelse.
Ansøgninger
Anvendelsen af databehandling er
- I banksektoren bruges denne behandling af bankkunder til at verificere der, bankoplysninger, transaktion og andre detaljer.
- I uddannelsesafdelinger som skoler, gymnasier er denne behandling anvendelig til at finde studerendes detaljer som biodata, klasse, rollenummer, opnåede karakterer osv.
- I transaktionsprocessen opdaterer applikationen oplysningerne, når brugerne anmoder om deres detaljer.
- I et logistisk sporingsområde hjælper denne behandling med at hente de nødvendige kundedata online.
- På hospitaler kan man let søge i detaljer.
Denne artikel beskriver den måde, hvorpå rådata behandles, når de gives som input til en processor, og disse rådata kan behandles enten ved hjælp af software eller et hvilket som helst andet værktøj til at få meningsfuld information. Den vigtige fordel ved data forarbejdning er, man kan nemt hente data inden for få sekunder. Her i denne artikel har vi set databehandlingscyklussen, behandlingen i forskningsområdet, dens fordele, ulemper og dens applikationer. Her er spørgsmålet 'Hvordan data behandles i e-handelsområdet?'.