ডেটা সাধারণীকরণ ও ধারণা বর্ণনা
ডেটা সাধারণীকরণ নিম্ন-স্তরের মানগুলো (যেমন বয়স বৈশিষ্ট্যের সংখ্যাসূচক মান) উচ্চ-স্তরের ধারণা (যেমন তরুণ, মধ্যবয়স্ক, এবং বয়স্ক) দিয়ে প্রতিস্থাপন করে ডেটা সারসংক্ষেপ করে। ডেটাবেসে সংরক্ষিত ডেটার বিশাল পরিমাণ দেওয়ায়, ধারণাগুলো সংক্ষিপ্ত ও সুসংগত শব্দে সাধারণীকৃত (নিম্ন-স্তরের বদলে) বিমূর্ততার স্তরে সংজ্ঞায়িত করতে পারা সুবিধাজনক।
ডেটা সেটগুলোর একাধিক বিমূর্ততার স্তরে সাধারণীকরণের সুযোগ দেওয়া ব্যবহারকারীদের ডেটার সাধারণ আচরণ পরীক্ষা করতে সাহায্য করে। AllElectronics ডেটাবেস দেওয়া থাকলে, ফুটকরা গ্রাহক লেনদেন পরীক্ষা করার বদলে, বিক্রয় পরিচালকরা ডেটাকে উচ্চ স্তরে সাধারণীকৃত দেখতে পছন্দ করতে পারে, যেমন—ভৌগলিক অঞ্চল অনুযায়ী ব্যবহারকারী গোষ্ঠীতে সারসংক্ষেপ, গোষ্ঠী প্রতি ক্রয় কম্পাঙ্ক, এবং ব্যবহারকারীদের আয়। এটি আমাদের ধারণা বর্ণনার ধারণায় নিয়ে যায়, যা ডেটা সাধারণীকরণের একটি রূপ।
একটি ধারণা সাধারণত ডেটার একটি সেটকে সংজ্ঞায়িত করে যथा মহূর্ত ক্রেতা, স্নাতক ছাত্ররা, ইত্যাদি। ডেটা মাইনিং টাস্ক হিসেবে ধারণা বর্ণনা ডেটার সাধারণ গণনা নয়। বরং, ধারণা বর্ণনা ডেটার বৈশিষ্ট্যিকরণ ও তুলনার জন্য বর্ণনা তৈরি করে। যখন ধারণাটি বস্তুগুলোর একটি শ্রেণীকে সংজ্ঞায়িত করে, তখন এটিকে শ্রেণী বর্ণনাও বলা হয়।
বৈশিষ্ট্যিকরণ একটি প্রদত্ত ডেটা সেটের সংক্ষিপ্ত ও সুসংগত সারসংক্ষেপ প্রদান করে, যখন ধারণা বা শ্রেণী তুলনা (যাকে বিভেদও বলা হয়) দুটি বা অধিক ডেটা সেটের মধ্যে তুলনামূলক বর্ণনা প্রদান করে। নিচে 몇몇 ক্ষেত্র দেওয়া হলো:
জটিল ডেটা টাইপ ও সমষ্টিগতকরণ
ডেটা গোদাম এবং OLAP টুলস একটি মൾটিডাইমেনশনাল ডেটা মডেলের ওপর ভিত্তি করে যা তথ্যকে ডেটা কিউবের রূপে দেখায়, যেখানে থাকে মাত্রা (বা বৈশিষ্ট্য) এবং মাপ (সমষ্টিগত ফাংশন)।
তবে, বর্তমান অনেক OLAP সিস্টেম মাত্রাকে নন-নিউমেরিক রেকর্ড এবং মাপকে নিউমেরিক তথ্যের মধ্যে সীমাবদ্ধ রাখে। ডেটাবেসে বিভিন্ন ডেটা টাইপের বৈশিষ্ট্য থাকতে পারে, যেমন—নিউমেরিক, নন-নিউমেরিক, স্পেশিয়াল, টেক্সট, বা ইমেজ, যা ধারণা বর্ণনায় অন্তর্ভুক্ত করা উচিত।
ব্যবহারকারী-নিয়ন্ত্রণ বনাম স্বয়ংক্রিয়তা
ডেটা গোদামে অন-লাইন বিশ্লেষণ প্রক্রিয়া (OLAP) একটি ব্যবহারকারী-নিয়ন্ত্রিত প্রক্রিয়া। মাত্রার নির্বাচন এবং OLAP অপারেশনগুলো (যেমন ড্রিল-ডাউন, রোল-আপ, স্লাইসিং, এবং ডাইসিং) সাধারণত ব্যবহারকারীদের দ্বারা নির্দেশিত ও পরিচালিত হয়।
যদিও অনেক OLAP সিস্টেমে নিয়ন্ত্রণ ব্যবহারকারী-বান্ধব, ব্যবহারকারীদের প্রতিটি মাত্রার গুরুত্ব ভালোভাবে বুঝতে হয়। കൂടে, একটি সন্তোষজনক তথ্য বর্ণনা পেতে ব্যবহারকারীদের দীর্ঘ শৃঙ্খলার OLAP অপারেশন নির্দিষ্ট করতে হতে পারে।
একটি আরও স্বয়ংক্রিয় প্রক্রিয়া থাকা বাঞ্ছনীয় যা ব্যবহারকারীদের সিদ্ধান্ত নিতে সাহায্য করে কোন মাত্রা (বা বৈশিষ্ট্য) বিশ্লেষণে অন্তর্ভুক্ত করা উচিত, এবং প্রদত্ত ডেটা সেটকে কতটুকু সাধারণীকরণ করতে হবে যাতে রেকর্ডের একটি আকর্ষণীয় সারসংক্ষেপ তৈরি হয়।
