Ordlista för datahantering

Vad är en databas?

En databas är en funktion för att organisera, lagra, hantera, skydda och kontrollera åtkomst till data. Databaser är utformade enligt ett antal olika scheman, av vilka många följer den relationella modellen för att underlätta åtkomst för program och datafrågor. Vanliga typer av databaser inkluderar relationella databashanteringssystem (RDBMS), minnesbaserade databaser, objektorienterade databaser (OODBMS), NoSQL-databaser och NewSQL-databaser – var och en med sina egna fördelar.

Vad är datahantering?

Datahantering avser alla funktioner som är nödvändiga för att samla in, kontrollera, skydda, manipulera och leverera data. Datahanteringssystem inkluderar databaser, datalager och datamarts; verktyg för datainsamling, lagring och hämtning; och verktyg som hjälper till med validering, kvalitet och integration med applikationer och analysverktyg. Företag behöver en datastrategi för att fastställa ansvarsskyldighet för data som har sitt ursprung i eller är endemisk för specifika ansvarsområden.

Vad är databashantering?

Databashantering avser de processer och procedurer som krävs för att lagra, hantera, manipulera och skydda data. I många organisationer är ansvaret för att upprätta och övervaka sådana procedurer det primära ansvaret för en databasadministratör (DBA) eller liknande befattning. De flesta organisationer förlitar sig på ett kommersiellt databashanteringssystem (DBMS) som det primära verktyget för att hantera sin databas.

Vad är ett databashanteringssystem (DBMS)?

Ett databashanteringssystem (DBMS) är den programvaruverktygslåda som tillhandahåller en lagringsstruktur och datahanteringsfunktion för databashantering. DBMS kan vara en integrerad del av ett licensierat ERP-system (Enterprise Resource Planning), ett obligatoriskt separat inköp, en del av systemprogramvaran (operativsystemet) eller en separat licensierad programvaruprodukt. Oavsett källa är det viktigt att applikationer byggs kring och/eller är helt integrerade med DBMS, eftersom de är ömsesidigt beroende av effektiv funktionalitet hos både applikationer och DBMS. DBMS är i huvudsak en verktygslåda för databashantering.

Vad är en SQL-databas?

En SQL-databas är en relationsdatabas som lagrar data i tabeller och rader. Dataelement (rader) länkas baserat på gemensamma dataelement för att möjliggöra effektivitet, undvika redundans och underlätta enkel och flexibel hämtning. Namnet SQL kommer från Structured Query Language, verktygslådan och frågeprotokollet för naturligt språk som användare kan lära sig och tillämpa på vilken kompatibel databas som helst för datalagring, manipulation och hämtning.

Vad är en NoSQL-databas?

NoSQL-databaser utvecklades för att hantera ostrukturerad data som SQL inte kan stödja på grund av brist på struktur. NoSQL använder kreativa tekniker för att övervinna denna begränsning, inklusive dynamiska scheman och olika förbehandlingstekniker. De vanligaste typerna av databaser för ostrukturerad data är nyckel-värde-, dokument-, kolumn- och grafdatabaser och innehåller ofta saker som video, grafik, fritext och rå sensorutdata.

Vad är ett relationsdatabashanteringssystem (RDBMS)?

Ett relationsdatabashanteringssystem är ett databashanteringssystem (DBMS) som är baserat på den relationella datamodellen. Innehållet i RDBMS lagras i tabeller, som består av rader och kolumner, där varje tabell representerar ett specifikt objekt eller entitet i databasen som kan relateras till ett annat. Ett RDBMS innehåller vanligtvis flera tabeller och inkluderar ytterligare funktioner som upprätthåller dataens noggrannhet, konsistens, integritet och säkerhet, samt ett SQL-gränssnitt för att komma åt data i relation till varandra genom komplexa frågor.

Vad är ett CDBMS?

CDBMS är en term myntad av Gartner som huvudsakligen beskriver en molndistributionsmodell för RDBMS ovan.

Vad är strukturerad data?

Strukturerad data är snyggt formaterad i rader och kolumner och mappad till fördefinierade fält. Vanligtvis lagras de i Excel-kalkylblad eller relationsdatabaser, såsom finansiella transaktioner, demografisk information och maskinloggar. Fram tills nyligen var strukturerad data den enda användbara typen av data för företag.

Vad är ostrukturerad data?

Ostrukturerad data är inte organiserad i rader och kolumner – vilket gör den svårare att lagra, analysera och söka i. Exempel inkluderar rådata från sakernas internet (IoT), video- och ljudfiler, kommentarer från sociala medier och transkriptioner från callcenter. Ostrukturerad data lagras vanligtvis i datasjöar, NoSQL-databaser eller moderna datalager.

Vad är semistrukturerad data?

Semistrukturerad data har vissa organisatoriska egenskaper, såsom semantiska taggar eller metadata, men överensstämmer inte med raderna och kolumnerna i ett kalkylblad eller en relationsdatabas. Ett bra exempel på semistrukturerad data är e-post – som inkluderar en del strukturerad data, som avsändar- och mottagaradresser, men även ostrukturerad data, som själva meddelandet.

Vad är datamappning?

Datamappning är processen att matcha fält mellan olika datastrukturer eller databaser. Detta är ett nödvändigt steg om databaser ska kombineras, om data migreras från ett system eller en databas till ett annat, eller om olika datakällor ska användas inom en enda applikation eller ett analysverktyg – vilket ofta händer inom datalager. Datamappning identifierar unik, motstridig och duplicerad information så att en uppsättning regler kan utvecklas för att sammanföra all data till ett samordnat schema eller format.

Vad är datamodellering?

När konstruktören skapar en ny eller alternativ databasstruktur börjar hen med ett diagram över hur data kommer att flöda in i och ut ur databasen. Att diagramma dataflöden kallas datamodellering. Från detta flödesschema kan mjukvaruingenjörer definiera egenskaperna hos dataformat, strukturer och databashanteringsfunktioner för att effektivt stödja dataflödeskraven.

Vad är datalagring?

Ett datalager tillhandahåller en enda, omfattande lagringsanläggning för data från många olika källor – både interna och externa. Dess huvudsyfte är att tillhandahålla data för business intelligence (BI), rapportering och analys. Moderna datalager kan lagra och hantera alla datatyper, strukturerade och ostrukturerade, och distribueras vanligtvis i molnet för större skalbarhet och användarvänlighet.

Vad är en datasjö?

En datasjö är en stor pool av data som lagras i sitt råa eller naturliga format. Datasjöar används vanligtvis för att lagra stordata, inklusive strukturerad, ostrukturerad och semistrukturerad data.

Vad är stordata?

Big Data är en term som beskriver extremt stora datamängder av strukturerad, ostrukturerad och semistrukturerad data. Big data kännetecknas ofta av de fem V den stora mängden insamlad data, variationen av datatyper, hastigheten med vilken data genereras, datas sanningsenlighet och datas värde . Med system för hantering och analyser av stordata kan företag utvinna stordata för djupa insikter som vägleder beslutsfattande och åtgärder.

Vad är liten data?

Till skillnad från stordata, som är enormt omfattande och komplex, är liten data lätt för människor att förstå. Små datamängder kan innehålla allt från marknadsundersökningar till vardagliga kalkylblad – och kan till och med vara så "små" som ett enda inlägg på sociala medier eller e-postmeddelande. I allt större utsträckning använder företag smådata, utöver stordata, för att träna sina AI- och maskininlärningsalgoritmer, för ännu djupare insikter.

Vad är tjock data?

Tjock data är kvalitativ information som ger insikt i konsumenternas vardagliga känsloliv. Det inkluderar observationer, känslor och reaktioner – saker som vanligtvis är svåra att kvantifiera. I kombination med big data framträder en mycket heltäckande bild av en konsuments preferenser och krav.

Vad är dataintegration?

Dataintegration är den metod som används för att inhämta, transformera, kombinera och tillhandahålla data, där och när det behövs. Denna integration sker i företaget och utanför – mellan partners såväl som tredjepartsdatakällor och användningsfall – för att möta dataförbrukningskraven för alla applikationer och affärsprocesser. Tekniker inkluderar bulk-/batchdataförflyttning, extrahering, transformering, laddning (ETL), ändringsdatainsamling, datareplikering, datavirtualisering, strömmande dataintegration, dataorkestrering med mera.

Vad är datavirtualisering?

Datavirtualisering ger företag en enhetlig bild av all företagsdata – över olika system och format – i ett virtuellt datalager. Istället för att duplicera data lämnar datavirtualisering informationen i sina källsystem och exponerar helt enkelt en virtuell representation av den för användare och applikationer i realtid. Datavirtualisering är en modern metod för dataintegration som låter användare upptäcka och manipulera data oavsett dess fysiska plats, format eller protokoll.

Vad är datastruktur?

En datastruktur är en anpassad kombination av arkitektur och teknik. Den använder dynamisk dataintegration och orkestrering för att koppla samman olika platser, källor och datatyper. Med rätt strukturer och flöden, enligt definitionen i data fabric-plattformen, kan företag snabbt komma åt och dela data oavsett var den finns eller hur den genererades.

Vad är datanät?

Data mesh är en metod för datahantering som använder ett distribuerat arkitekturramverk. Med andra ord: det sprider äganderätt och ansvar för specifika datamängder över hela verksamheten, till de användare som har specialistkompetensen för att förstå vad den informationen betyder och hur man bäst använder den.

Vad är en datapipeline?

En datapipeline beskriver en uppsättning automatiserade och repeterbara processer för att hitta, rensa, omvandla och analysera alla typer av data vid dess källa. Eftersom data analyseras nära där den genereras kan affärsanvändare snabbt analysera och dela den information de behöver till en lägre kostnad för organisationen. Datapipelines kan också förbättras med tekniker som maskininlärning för att göra dem snabbare och mer effektiva.

Vad är datasilos?

En datasilo är en slangterm för en situation där enskilda avdelningar eller funktionella områden inom ett företag inte delar data och information med andra avdelningar. Denna isolering förhindrar samordnade insatser mot företagets mål och resulterar i dåliga resultat (och dålig kundservice), höga kostnader och en allmän oförmåga att reagera på marknadens krav och förändringar. Duplicerad och redundant data är svår att förena, vilket ytterligare förhindrar alla försök att samordna aktiviteter och effektivt hantera verksamheten.

Vad är datawrangling?

Datawrangling är processen att ta rådata och omvandla den till ett format som är kompatibelt med etablerade databaser och applikationer. Processen kan innefatta strukturering, rensning, berikande och validering av data efter behov för att göra rådata användbara.

Vad är datasäkerhet?

Datasäkerhet är handlingen att göra data trygga och skyddade – skyddade från obehörig åtkomst eller exponering, katastrofer eller systemfel, och samtidigt lättillgängliga för legitima användare och applikationer. Metoder och verktyg inkluderar datakryptering, nyckelhantering, redundans- och säkerhetskopieringsrutiner samt åtkomstkontroller. Datasäkerhet är ett krav för organisationer av alla storlekar och typer för att skydda kund- och organisationsdata mot det ständigt ökande hotet om dataintrång och integritetsrisker. Redundans och säkerhetskopior är viktiga för affärskontinuitet och katastrofåterställning.

Vad är dataskydd?

Datasekretess avser policyer och praxis för att hantera data på sätt som skyddar dem från obehörig åtkomst eller avslöjande. Dataskyddspolicyer och -rutiner täcker hur information samlas in och lagras enligt organisationens datastrategi, hur den får eller inte får delas med tredje part och hur man följer lagstadgade restriktioner. Datasekretess är ett affärsmässigt krav som uppfyller kundernas förväntningar samtidigt som integriteten och säkerheten för lagrad information skyddas.

Vad är datakvalitet?

Datakvalitet är en vag term som beskriver datas lämplighet och tillförlitlighet. Bra data av god kvalitet betyder helt enkelt att informationen är korrekt (verkligen representativ för vad den beskriver), tillförlitlig (konsekvent, granskningsbar, korrekt hanterad och skyddad) och fullständig i den utsträckning som användare och applikationer kräver. Datakvalitet kan endast säkerställas genom en korrekt utformad och genomförd datastrategi som genomförs med industriella styrkor och system tillsammans med noggrant följda policyer och procedurer för datahantering.

Vad är datavalidering?

Datavalidering är processen att fastställa kvaliteten, noggrannheten och giltigheten hos data innan de importeras eller används. Validering kan bestå av en serie aktiviteter och processer för att autentisera data och generellt "rensa upp" dataelement, inklusive borttagning av dubbletter, korrigering av uppenbara fel eller saknade element och eventuella formateringsändringar (datarensning). Datavalidering säkerställer att informationen du behöver för att fatta viktiga beslut är korrekt och tillförlitlig.

Vad är datarening?

Datarensning är processen att ta bort eller korrigera fel från en datamängd, tabell eller databas. Dessa fel kan innefatta korrupt, felaktig, irrelevant eller ofullständig information. Den här processen, även kallad datarensning, hittar dubbletter av data och andra inkonsekvenser, som stavfel och numeriska uppsättningar som inte summerar. Datarensning kan ta bort felaktig information eller korrigera uppenbara misstag, såsom tomma fält eller saknade koder.

Vad är dataintegritet?

Dataintegritet avser datas sanningsenlighet på lång sikt. När data har matats in eller importerats, granskats, validerats, rensats och lagrats, är dataintegritet ett bevis på att datakvaliteten upprätthålls och att användarna kan vara säkra på att de data som matades in inte har och inte kommer att ändras. Den data som hämtas är densamma som den som ursprungligen lagrades. Ibland används dataintegritet som en synonym för datakvalitet, men det handlar mer om tillförlitlighet och pålitlighet.

Vad är datastyrning?

Datastyrning är en uppsättning policyer och praxis för att säkerställa korrekt datahantering i hela en organisation. Den etablerar IT-infrastrukturen och utser de individer (eller befattningar) som har befogenhet och ansvar för hantering och skydd av specifika typer av data. Effektiv datastyrning säkerställer att data är tillgänglig, pålitlig, säker och efterlever regler – och att den inte missbrukas.

Vad är datahantering?

Dataförvaltning är implementeringen av policyer och procedurer för datastyrning för att fastställa datanoggrannhet, tillförlitlighet, integritet och säkerhet. Personer som tilldelats ansvar för datahantering hanterar och övervakar de procedurer och verktyg som används för att hantera, lagra och skydda data.

Vad är dataarkitektur?

Dataarkitektur är den övergripande designen för strukturen, policyerna och reglerna som definierar en organisations data och hur den ska användas och hanteras. Dataarkitekturen omfattar detaljerna kring hur datastrategin implementeras till stöd för affärsbehov och mål – och fungerar som grund för utveckling av databaser, procedurer, skyddsåtgärder, säkerhet och datastyrning.

Vad är masterdatahantering?

Masterdatahantering (MDM) är metoden att skapa en enda huvudreferenskälla för all viktig affärsdata. Det inkluderar policyer och procedurer för att definiera, hantera och kontrollera (eller styra) hanteringen av masterdata. Centraliserad masterdatahantering eliminerar konflikter och förvirring som uppstår på grund av spridda databaser med duplicerad information och okoordinerad data som kan vara föråldrad, korrupt eller förskjuten i tid – uppdaterad på ett ställe men inte på ett annat. Att ha en version som betjänar hela företaget innebär att alla delar av organisationen arbetar med samma definitioner, standarder och antaganden.

Vad är analyser?

Termen analys avser systematisk analys av data. Analysapplikationer och verktygslådor innehåller matematiska algoritmer och beräkningsmotorer som kan manipulera stora datamängder för att avslöja mönster, trender, relationer och annan information som gör det möjligt för användare att ställa frågor och få användbara insikter om sin verksamhet, verksamhet och marknader. Många moderna analysverktyg är utformade för användning av icke-tekniska affärsmän, vilket gör det möjligt för dem att utföra dessa analyser med minimal hjälp från dataforskare eller IT-specialister.

Vad är förstärkt analys?

Augmented analytics är analyser som är "utökade" med artificiell intelligens-teknik, inklusive maskininlärning och naturlig språkbehandling (NLP). Utökad analys kan inte bara hjälpa användare att få djupare insikter snabbare – den kan automatisera många komplicerade steg i processen och låta även icke-tekniska användare söka data på ett naturligt och konversationsbaserat sätt.

Vad är datautvinning?

Datautvinning är handlingen att utvinna användbar information från stora datamängder. Datautvinning utförs ofta av affärsanvändare som använder analysverktyg för att upptäcka mönster, trender, avvikelser, relationer, beroenden och annan användbar information. Datautvinning har ett brett användningsområde, från att upptäcka bedrägerier och cybersäkerhetsproblem till att förbättra prognoser och hitta möjligheter till prestandaförbättringar.

Vad är dataprofilering?

Dataprofilering är att samla in statistik och egenskaper om en datamängd, såsom dess noggrannhet, fullständighet och validitet. Dataprofilering är en av de tekniker som används i datavalidering och datarensning, eftersom det kan hjälpa till att upptäcka problem med datakvaliteten som redundanser, saknade värden och inkonsekvenser.