Data Management
ระบบ (System) ประกอบด้วย
- วัตถุประสงค์ (Objective)
- ส่วนประกอบ (Element)
- กระบวนการทำงาน แบ่งออกเป็น สิ่งที่นำเข้า (Input) กระบวนการ (Process) และผลลัพธ์ (Output)
- สิ่งแวดล้อม (Environment)
- ขอบเขต
- การควบคุม (control) และผลย้อนกลับ (feedback)
- ระบบย่อย (Subsystem)
Data & Information
ความแตกต่างระหว่าง Data และ Information อยู่ที่ ประโยชน์ของการนำมาใช้ Data คือ ข้อมูลที่ไม่ผ่านกระบวนการใด ๆ จึงยังไม่มีประโยชน์ต่อคนรับ ส่วน Information คือผลลัพธ์ที่เกิดจากการนำ Data เข้าสู่กระบวนการแล้ว จึงเป็นข้อมูลที่ผู้รับที่มีส่วนได้เสียได้รับประโยชน์จากการรับสารนั้น
ดังนั้นปัจจัยที่กำหนดว่า Message จะเป็น data หรือ information ขึ้นอยู่กับผู้รับหากส่งผลกับการตัดสินใจของผู้รับ Message นั้นก็จะเป็น Information
นอกจากนี้ ระบบสารสนเทศ คือ ระบบที่สร้างสารสนเทศ หมายถึง ระบบที่ทำหน้าที่รวบรวมข้อมูลเพื่อนำมาประมวลผล วิเคราะห์เพื่อสร้างสารสนเทศให้กับผู้ที่ต้องการ ซึ่งต้องเป็นผู้ที่มีสิทธิได้รับสารสนเทศ รวมทั้งการจัดเก็บบันทึกข้อมูลที่นำเข้าสู่ระบบไว้เพื่อการใช้งานในอนาคต
Data Management
สาเหตุความยากลำบากของการบริหารข้อมูล เช่น ข้อมูลกระจายอยู่ทั่วทั้งองค์กร ทำให้เกิดความซ้ำซ้อน (Redundant) ดังนั้นจะต้องมีการสร้างและเก็บรวบรวมอย่างมีระบบ การใช้ข้อมูลจากภายนอกไม่ใช้ข้อมูลภายในอย่างเดียว โดยการแยกข้อมูลภายในจากข้อมูลภายนอก ดูจากความเป็นเจ้าของและอำนาจในการควบคุมข้อมูลดังกล่าว และ องค์ประกอบของข้อมูลที่ดีต้องมี 3 ลักษณะ คือ security quality และ integrity เป็นต้น
เป้าหมายของ Data Management คือ การสร้าง infrastructure ที่ทำการเปลี่ยน ข้อมูลดิบ ให้เป็น สารสนเทศขององค์กร
Data Management แบ่งออกเป็น 4 ส่วน ได้แก่
1. Data profiling – ความเข้าใจข้อมูล
2. Data quality management – การปรับปรุงคุณภาพข้อมูล
3. Data integration – การรวบรวมข้อมูลที่เหมือนกันจากแหล่งที่มาที่หลากหลาย
4. Data augment – การปรับปรุงคุณค่าของข้อมูล
Data Life cycle process
1. เก็บรวบรวมข้อมูลจากหลายแหล่งที่มา
2. จัดเก็บข้อมูลใน database และทำให้มี format เพื่อเก็บไว้ใน data warehouse
3. ผู้ใช้งาน access เข้า data warehouse และทำการคัดลอกเพื่อเอาไปใช้ในการวิเคราะห์
4. เครื่องมือในการวิเคราะห์คือ Data analysis tools และ Data mining tools
Data warehouse
Data warehouse ไม่ใช่ database ขนาดใหญ่ แต่จะเป็นการ extract ข้อมูลบางส่วนมาจาก database เฉพาะข้อมูลที่ต้องการ โดยข้อมูลดังกล่าวนั้นจะถูกนำมาใช้ใน analytical process ต่อไป ทำให้ในการวิเคราะห์นั้นผู้ใช้ไม่จำเป็นต้องดึงข้อมูลจาก database โดยองค์กรที่ต้องมี data warehouse ต้องเป็นองค์กรที่ผู้บริหารต้องการตัดสินใจโดยอาศัยการวิเคราะห์ข้อมูล
ลักษณะของ Data warehouse
1. Organization – วิเคราะห์ข้อมูลโดย subject อะไร และจัดข้อมูลใหม่โดยใช้ subject
2. Consistency -- ข้อมูลมักไม่สม่ำเสมอ ต้องแก้ไขให้ข้อมูลมี consistency
3. Time variant – ใช้ช่วงของเวลาไม่ใช่จุดของเวลา
4. Non-volatile data – ข้อมูลที่ใช้มาจากอดีตดังนั้นจะไม่มีการเปลี่ยนแปลงอีกแล้ว ดังนั้นจะไม่มีการ update ข้อมูล แต่จะใช้การ refresh คือการเพิ่มข้อมูลใหม่
5. Relational
6. Client/server
ไม่มีความคิดเห็น:
แสดงความคิดเห็น