دانش محوری

سیستم مدیریت پایگاه داده(۳): طرح های داخلی ، مفهومی ، خارجی

ز جمله مشکلاتی که در چند دهه اخیر کشور ما با آن مواجه شده عدم تعامل و ارتباط بین صنعت و دانشگاه است. دانشگاه‌ها هر ساله تعدادی فارغ‌التحصیل را به جامعه تزریق می‌کنند، اما مسئله اینجاست که چند درصد این افراد می‌توانند وارد بازار کار شوند و از آن تعدادی هم که مشغول به کار شدند، این حرفه در راستای مدرک تحصیلی آنهاست؟

بهتر است برای درک بهتر این فرآیند به تعریف سیستم رجوع شود. چرا که صنعت و سازوکارهای آن یک سیستم و دانشگاه نیز به طور جداگانه سیستمی دیگر محسوب می‌شود، که هر کدام اهداف خاص خود را دارند. سیستم مجموعه‌ای از اجزا است که برای رسیدن به هدف مشترک هر یک از اعضای آن با هم تعامل دارند. تفکر با رویکرد سیستمی بر خلاف مکتب سنتی، نگاهی کل‌گرایانه به مسائل دارد. از اصول این نوع نگرش می‌توان به موارد زیر اشاره کرد:

· در تفکر سیستمی، هر پدیده‌ای به مثابه یک سیستم در نظر گرفته می‌شود.
· کلیت یک پدیده بررسی می‌شود؛ یعنی چگونگی تعامل بین اجزاء و تعامل با محیط و دیگر سیستم‌ها مورد توجه است.
· پرهیز از انزواطلبی؛ حیات یک سیستم در گرو تعامل با دیگر سیستم‌هاست.


برای تبیین فرآیند ارتباط بین صنعت و دانشگاه،م

انتخاب بهترین روش ذخیره‌سازی اطلاعات یکی از مهم‌ترین مسائل در یک شرکت است که باید به آن رسیدگی کرد. این داده‌ها بیش از اطلاعات صرف هستند. امروزه سازمان‌ها تصمیمات بحرانی در مورد تجارت‌شان را با تکیه بر اطلاعات اختصاصی که در دست دارند، می‌گیرند و از الگوریتم‌های قدرتمندی استفاده می‌کنند تا بینش‌های ارزشمندی را از داده‌های بدون ساختار جمع‌آوری شده از مشتریان، محققان و رقبا استخراج کنند. تعیین مکانی برای ذخیره‌ی این داده‌ها می‌تواند چالشی دلهره‌آور باشد. شرکت‌ها باید مزایای روش‌های فضای داخلی (on-premises) در مقابل خارجی (off-premises)

طراحی و ساخت آرشیو سازمانی: بیان دلایل استفاده از آرشیو برای سازمان ها

تعریف آرشیو: آرشیو در فارسی به معنای بایگانی یا محل نگهداری اسناد، اوراق، تصاویر، پرونده‌ها، صفحات موسیقی، و جز آن آمده است. آرشیو در اصطلاح به مجموعه نوشته‌ها و اسنادی گفته می‌شود که خود حاصل فعالیت‌های روزمره و مستمر دیوان‌های سابق و ادارات کنونی است و معمولاً شامل نوشته‌ها و اسنادی نظیر شرح وظایف، دستورات، خط‌مشی‌ها، تشکیلات، فعالیت‌های اجرایی، و نیز مسائل حقوقی، فرهنگی، اجتماعی، نظامی، و هر نوع اوراق مهم دیگر نظیر قباله‌های فروش، رقبات، و پیش‌نویس مکاتبات است که به سبب ارزش دائمی‌شان در محلی به همین نام نگهداری می‌شوند.

انواع آرشیو: آرشیوها را، از لحاظ شکل و مواد اطلاعاتی، می‌توان به سه گروه تقسیم کرد: ۱) آرشیو مکتوب که مهم‌ترین، متداول‌ترین، و قدیمی‌ترین نوع آرشیو است. این اسناد از لحاظ شکل نگهداری و ارائه خدمات، وضعیتی خاص دارند. مراکز و سازمان‌های آرشیوی،

همانطور که اهمیت اطلاعات در کسب‌وکار امروزی بیشتر می‌شود، استراتژی‌های توسعه‌یافته برای پشتیبان‌گیری موثر این اطلاعات به یکی از بزرگ‌ترین نگرانی‌های سازمان‌ها تبدیل شده است. با وجود اینکه شرکت‌ها اطلاعات حیاتی‌شان را به سادگی نزد خودشان ذخیره می‌کردند، اما حالا بیش از پیش برای تهیه‌ی سرویس‌های پشتیبان‌گیری به مراکز داده رو می‌آورند.
تاثیر این کار زمانی است که مراکز داده متعارف و نرم‌افزار محور بتوانند برای سازمان‌هایی که توانایی رسیدگی به حوادث رخ‌داده برای اطلاعات‌شان را ندارند، آسودگی خاطر به همراه داشته باشند.

۱- نقص هارد درایو

بیشتر سازمان‌ها متوجه اهمیت پشتیبان‌گیری از اطلاعات هستند. حتی اگر این کار توسط یک مرکز داده‌ی نرم‌افزار محور یا دیگر گزینه‌های سرویس مرکز داده (DcaaS) انجام شود، تعداد بی‌شماری هستند که روش‌های قدیمی را رها نمی‌کنند.
پشتیبان‌گیری از اطلاعات بر روی هارد درایوهای خارجی نه تنها برای مدیریت ناخوشایند است بلکه نتایج فاجعه‌باری به همراه دارد. به وجود ذخیره‌ی اطلاعات بر روی دستگاه‌های مکانیکی درایو هارد دیسک یا دستگاه‌های درایو حالت جامد جدید، خطر از دست رفتن اطلاعات به دلیل نقص فنی یا سانحه حائز اهمیت است. هر هفته در آمریکا حدود ۱۴۰۰۰۰ هارد درایو از کار می‌افتند که تقریباً ۳۰ درصد این خرابی‌ها به دلیل خطای انسانی است.
پشتیبان‌گیری اطلاعات بر روی یک هارد درایو محلی حتی برای یک تجارت کوچک هم حفاظت موثری به حساب نمی‌آید. با اینکه هارد درایوها راه‌حلی ارزان، ساده و مطمئن به‌نظر می‌رسند ولی بازیابی اطلاعات از یک دستگاه از کار افتاده اغلب غیرممکن است. علاوه‌براین هارد درایوها معمولاً به موقع پشتیبان‌گیری نمی‌شوند. در نتیجه در موقعیتی که اطلاعات از دست رفته‌اند، اگر برای بازیابی مورد استفاده قرار بگیرند به اطلاعات ناقصی دست می‌یابیم.
مراکز داده می‌توانند بلافاصله در یک فضای ابری به عنوان بخشی از پیشنهادات سرویس مرکز داده (DcaaS) از اطلاعات پشتیبان‌گیری کنند. همچنین برای تضمین دسترس‌پذیری همیشگی به اطلاعات حتی در زمان نقص هارد درایو، قدرت پردازش چندگانه‌ی بیشتری تهیه کنند.

۲- بلایای طبیعی

مردم هنگام وقوع بلایای طبیعی معمولاً به خطر خسارت‌های فیزیکی فکر می‌کنند. سیل و طوفان می‌تواند منجر به خرابی ادارات شود و برای تدارکات انبارها ویرانی به‌بار آورد. با این حال، بلایای طبیعی برای بیشتر شرکت‌ها خطراتی بلندمدت و جدی‌تر به همراه دارند: از دست رفتن اطلاعات.
بر طبق اطلاعات فما (سازمان مدیریت بحران فدرال) ۴۰ تا ۶۰ درصد کسب‌وکارها بعد از متحمل شدن خسارات ناشی از بلایای طبیعی هرگز بازگشایی نشدند. با اینکه دلیل این کار تاحدودی به هزینه‌های خالص بازسازی زیرساخت حیاتی کسب‌وکار برمی‌گردد ولی از دست رفتن اطلاعات عامل اصلی دیگری در این شکست‌هاست.
بدون مرکز داده پشتیبان‌گیری، امکان دارد که شرکت‌ها زمانی که بلایای طبیعی قسمتی از ساختار IT آنها را نابود می‌کند، اطلاعت مهم تجاری‌شان را برای همیشه از دست بدهند. بازسازی یک اداره، یک چیز است ولی بازسازی یک پایگاه داده‌ی مرتبط با مشتری که به دقت

اطلاعات در دنیای خرده‌فروشی حیاتی است. شرکت‌ها مدت‌هاست که بر روی داده‌های فروش و تحقیقات بازار تکیه کرده‌اند تا تجربیات بهتری برای مشتری به ارمغان آورند، زنجیره‌های تامین را کارآمد سازند و پیشنهادات تولید را بهبود بخشند.

چرا کلان داده در خرده‌فروشی رونق یافته است؟

ابزارهای دیجیتال امروزی، منابع داده‌ی بیشتری از آنچه قبلاً بوده برای خرده‌فروشان تدارک دیده‌اند. آنها نه تنها می‌توانند نشان دهند که کدام تولیدات و کجا فروخته شده‌اند بلکه در حال حاضر می‌توانند مشخص کنند کدام مشتریان حقیقی و گروه‌های مشتریان در حال خرید آن چیزی هستند که در نظر گرفته بودند و چگونه تصمیمات خریدشان تحت تاثیر نیروهای خارجی است.

پایگاه داده چیست؟

پایگاه داده مجموعه ای از داده های مرتبط است که نمایانگر برخی از جنبه های دنیای واقعی است. طراحی سیستم پایگاه داده به گونه ایست که برای برای کار مخصوصی ساخته و با داده های مربوط پر می شود.

نرم افزاری برای ذخیره و بازیابی اطلاعات کاربران با در نظر گرفتن اقدامات امنیتی مناسب است. (این شامل یک گروه از برنامه ها است که پایگاه داده را دستکاری می کنند.) سیستم مدیریت پایگاه داده، درخواست برنامه را می پذیرد و به سیستم عامل دستور می دهد تا داده های خاص را ارائه دهد. در سیستم های بزرگ ، این نرم افزار به کاربران و سایر نرم افزارها کمک می کند تا داده ها را ذخیره و بازیابی کنند. همچنین به کاربران اجازه می دهد پایگاه داده خود را بر اساس نیاز خود ایجاد کنند.

داده‌های شبکه‌های اجتماعی

کاربران شبکه‌های اجتماعی همانند دیگر کاربران به طور مداوم با جنبه‌های مختلفی از هر پلتفرم مواجه می‌شوند. هرکس از این تعاملات یک مقدار داده‌ی قابل اندازه‌گیری می‌سازد که قابلیت پیگیری، تقسیم و تجزیه و تحلیل برای بینش‌ها را دارد.
داده‌های شبکه‌های اجتماعی مرتباً رفتار کاربر را ثبت می‌کنند. این امر به شرکت‌ها اجازه می‌دهد تا استراتژی‌های مشارکتی بسازند که به آنها در ارتقای تجارت‌شان کمک می‌کند.
یکی از مزایای اصلی این داده‌ها این است که به سادگی مقدار زیادی از آنها را بدست خواهید آورد. رقم سرسام‌آور ۲.۶۲ بیلیون کاربر که در سال ۲۰۱۸ از برخی از پلتفرم‌های شبکه‌های اجتماعی استفاده می‌کردند. انتظار می‌رود که این رقم تا سال ۲۰۲۱ به ۳ بیلیون برسد. فیس بوک، محبوب‌ترین پلتفرم شبکه‌ی اجتماعی تابه‌حال، به تنهایی کمی بیشتر از ۲ بیلیون کاربر فعال دارد.
داده‌های تولید شده با این پلتفرم‌ها نه تنها وسیع هستند بلکه یک نگاه اجمالی از آنچه کاربرها در حال انجام هستند، ارائه می‌دهند.
شرکت‌ها به جای اینکه منتظر گزارش‌های سالانه یا فصلی از رفتار مشتریان باشند می‌توانند گرایش‌ها و واکنش‌ها را به محض اتفاق دنبال کنند.

معماری پایگاه داده چیست؟

معماری سیستم مدیریت پایگاه داده به طراحی ، توسعه ، پیاده سازی و نگهداری پایگاه کمک می کند. میدانیم که پایگاه داده اطلاعات مهم برای کسب و کار ها را ذخیره می کند. انتخاب “معماری پایگاه” صحیح به دسترسی سریع و ایمن داده ها کمک می کند.

معماری دو سطحی مدلی از معماری پایگاه داده است که در آن سطح نمایشی بر روی رایانه شخصی ، موبایل ، تبلت و غیره اجرا می شود و داده ها در یک سرور جدا ذخیره می شوند.
یک رابط برنامه در سمت مشتری به او امکان می دهد تا سیستم مدیریت پایگاه را فراخوانی کند. امروزه بیشتر سیستم های رابط کاربری مخصوص خود را ارائه می دهد. معماری دو سطحی امنیت بیشتری را به ایجاد می کند زیرا مستقیماً در معرض استفاده کاربر نهایی نیست.نمونه ای از معماری دوسطحی ، یک سیستم مدیریت تماس است که با استفاده از MS- Access ایجاد شده است.

در معماری دو سطحی تصویر می توان مشاهده کرد که یک سرور به کاربر های ۱ ،۲ و ۳ متصل است.

صنعت مراقبت‌های بهداشتی هرگز از نظر داده کسری نداشته است. مشکل اینجاست که سازمان‌های مراقبت بهداشتی برای استفاده‌ی موثر از این داده‌ها در پیکار بوده‌اند.
قسمتی از این چالش به طبیعت بدون ساختار داده‌ها برمی‌گردد.
ترکیب سنجه‌های ساختار یافته مانند هزینه‌های سربار و میزان داروهای تجویز شده در یک الگوریتم، واقعا ساده است ولی توجیه داده‌های ارزشمند موجود در منابعی مانند نمودارهای پزشکی (که برخی از آنها هنوز هم به صورت دست نوشته‌اند) بسیار سخت‌تر است و حتی قبل از مسائل مربوط به انطباق با حریم خصوصی بیمار، که یکی از چالش‌های اصلی کلان داده در مراقبت‌های بهداشتی است، مورد توجه قرار می‌گرفتند.
همانطور که بهبود تجزیه و تحلیل کلان‌ داده‌ها با استفاده از هوش مصنوعی و یادگیری ماشینی ادامه دارد، با این حال سازمان‌های مراقبت‌های بهداشتی در حال یافتن راه‌های متعددی هستند تا از این مجموعه داده‌ها سود ببرند.
نمونه‌های مختلفی از کلان داده در مراقبت‌های بهداشتی وجود دارد که ارزش اشاره دارند. تجزیه و تحلیل طولانی مدت روال تشخیص بیماری، درمان و نتایج سلامتی می‌تواند در نهایت هزینه‌ی مراقبت را از طریق حذف عادات بی‌فایده یا زائد، به طور قابل ملاحظه‌ای کاهش دهد.
متخصصان مراقبت‌های بهداشتی نیز می‌توانند مدل‌های پیش‌بینی دقیق‌تری برای انواع مختلف شرایط و درمان‌ها ایجاد کنند که به آنها اجازه می‌دهد در زمان مراقبت از بیمار، تصمیماتی آگاهانه‌تر بگیرند.
با افزایش دستگاه‌های پزشکی اینترنت اشیا که قابلیت پوشیدن دارند، سازمانها قادر خواهند بود که حتی داده‌های بیشتری از بیماران جمع‌آوری کنند تا تجزیه و تحلیل کلان داده‌هایشان را به طور مداوم بهبود بخشند.

رسانه و سرگرمی

دیجیتالی کردن محتوای سرگرمی در مسیر توسعه‌ی شرکت‌ها و خرید و فروش تولیدات و خدمات آنها تحولی عظیم به بار آورده است. با این حال تجارت الکترونیک تنها ۱۴.۳ درصد خرده فروشان آمریکا را شامل می‌شود. این رقم نمی‌تواند از چگونگی عملکرد مردم به عنوان مشتری یا تاثیر کل نمونه‌های کلان داده در خرده فروشی، تصویری کلی برساند.
بر طبق داده‌های نیلسن (Nielsen)، جوانان (افراد بین سنین ۱۸-۳۴ سال) ۴۳ درصد از وقتی را که صرف رسانه‌ها می‌کنند، در پلتفورم‌های دیجیتال به سر می‌برند که تقریبا به یک سوم این رسانه‌ها از طریق گوشی‌های هوشمندشان دسترسی دارند.
این تعاملات یک صف طولانی از سطوح داده می‌سازد که می‌تواند به شرکت‌ها کمک کند تا تولیدات و خدمات‌شان را در موقعیت موثرتری قرار دهند.
با تحلیل کلان داده‌ها که قابلیت یافتن الگو در این داده‌ها را میسر می‌سازد، تولیدکنندگان محتوا می‌توانند علایق و تقاضاهای مخاطبان را خیلی دقیق‌تر از قبل پیش‌بینی کنند. آنها به جای اینکه محتوایشان را در رابطه با یک سری از گروه‌های تمرکز بسازند که ممکن است نشانی از مخاطبان واقعی نداشته باشند، می‌توانند از روند داده‌ها استفاده کنند تا محتوای بخصوصی را برای جمعیت خاصی هدف قرار دهند.
شرکت‌ها با درک اینکه کاربران چگونه وقت‌شان را صرف رسانه و سرگرمی می‌کنند، همچنین می‌توانند از سیستم عامل‌های توزیع‌شان حداکثر استفاده را ببرند تا مشتریان‌شان را همانجایی که هستند ملاقات کنند.

لیل کلان داده‌ها همچنین می‌تواند خطرات بالقوه را قبل از اینکه تبدیل به تهدید شوند، شناسایی کند و به رانندگان یا مهندسان شهری هشدار دهد که وسیله‌ی نقلیه یا پلی نیاز به تعمیر دارد.

خدمات مالی