Metode obdelave podatkov
Najboljši podatki v vesolju niso veliko uporabni, če niso obdelani. Obdelava podatkov se nanaša na metode, ki vzamejo neobdelane podatke in jih spremenijo v uporabne informacije. Papir in svinčnik lahko delujeta, vendar je v 21. stoletju analiza podatkov običajno odvisna od računalnikov. Za računalniško obdelavo podatkov jih je treba zbrati, preveriti točnost in najprej vnesti v računalnik.
Paketna obdelava
Paketna obdelava je najenostavnejša oblika obdelave podatkov. Uporabno je, če ima organizacija veliko količino podatkov, ki jih je mogoče združiti v eno ali dve kategoriji. Trgovina, na primer, lahko paketno obdela svoje transakcije ob koncu dneva ali tedna in pošlje rezultate v glavno pisarno. Če informacij ni treba posodobiti za vsako spremembo, je paketna obdelava dovolj hitra.
Obdelava v realnem času
Včasih paketna obdelava ni dovolj hitra. Metode obdelave v realnem času obravnavajo podatke, ko zahtevajo takojšen preobrat. Če nekdo na primer kupi letalsko karto ali prekliče rezervacijo, mora letalska družba takoj posodobiti svoje evidence. Radarski sistem mora operaterju dati takojšnjo povratno informacijo o tem, kaj zazna; bankomat mora takoj obdelati vašo zahtevo za denar. Kjer paketna obdelava obravnava velike količine podatkov ob določenih urah, je obdelava v realnem času neprekinjena.
Podatkovno rudarjenje
Podatkovno rudarjenje vzame podatke iz več virov in skupin ter jih združi za iskanje korelacije. Na primer, veriga trgovin z živili lahko analizira nakupe strank in odkrije, da kupci, ki kupujejo kosmiče, pogosto kupijo banane zraven. Veriga lahko te informacije uporabi za povečanje prodaje, morda tako, da banane postavi blizu žitaric, da spodbudi več skupnih nakupov. Veriga lahko tudi spremlja, kateri izdelki se bolje prodajajo, ko trgovina ponuja kupone ali zadržuje razprodaje.
Statistična obdelava
Statistična obdelava vključuje močno drobljenje številk. Podjetje, ki ve, da je v petek zasedeno, lahko s statistično obdelavo izračuna učinek različnih spremenljivk. Nekaj naglice je lahko na primer posledica strank z zahtevami v zadnjem trenutku, medtem ko je drugi del lahko posledica opuščanja zaposlenih v začetku tedna. Poznavanje vzroka pomaga podjetju pri soočanju s hitenjem. Statistični podatki prav tako olajšajo primerjavo podatkov iz podjetij različnih velikosti ali mest različnih velikosti.