Adatbázisrendszerek jövője Dr. Krauszné Dr.Princz Mária

Objektumorientált programozás Relációs adatbázisok Strukturált programozás  Objektumrelációs adatbáziskezelő rendszerek (Oracle 8i, Persistence, UniSQL) Objektumorientált adatbáziskezelő rendszerek (Object Store, Ode, Ontos, Orion) Objektumorientált programozás információ elrejtés OO fejlesztési módszertanok

Megszorítások és triggerek (aktív elemek) Megszorítások: logikai értékű függvények Triggerek: kódrészlet, amelyet egy esemény bekövetkezése vált ki Ha az adatok mérete, vagy az aktív elemek száma nagy, a megvalósítás komoly technikai nehézséget okoz.

Multimédia adatbázisok Jóval nagyobb adatmennyiség, mint a korábbi adatformátumok  A tárkezelőt alkalmassá kell tenni gigabájt méretű sorok kezelésére Hagyományos adatbázisok: strukturált adatok Multimédia adatok: strukturálatlanok vagy szemi strukturáltak  metaadatok használata A multimédia-adatokon végrehajtott műveletek sem egyszerűek (pl egy arcképhez „hasonló” kikeresése)  Tulajdonság-alapú lekérdezés mellett tartalom-alapú lekérdezés

Adattárház - Datawarehouse Különböző adatbázisból származó adatokat megfelelő átalakítás után egy központi adatbázisba másolnak. Az adattárház építés lépései: Adatok válogatása (adatbázisokból) Adatok tisztítása – a következetlenségek, redundanciák eltávolítása A hiányzó információk pótlása Kódolás – túl részletes adatok esetén

Adattárház Az adattárházak jellemzői : Az időtől való függés – az adattárházban lévő adat és a keletkezés időpontja közötti kapcsolat Változatlanság – az adatokat az adattárban csak lekérdezzük és nem módosítjuk A tárgyhoz igazodó adatok – csak azon adatok, amelyek a döntéstámogatáshoz kellenek Egységesítés – minden adatot egy névvel és egy típussal kell megadni

Az adattárház nem szükséges feltétele az adatbányászatnak:

Adatbányászat – Datamining Segítségével jelenségek ok-okozati összefüggéseire lehet következtetni. Az adatbányászat a rejtett tudás, a meglepetésszerű minták és új szabályok feltárása nagyméretű adatbázisokból. Pl. Strukturálatlan adatokból szövegbányászat, web bányászat

Adatbányászat Néhány terület, ahol az adatbányászat fontos: Marketing és eladás A normálistól eltérő minták felderítése Az elmúlt tapasztalatokra és az jelenlegi trendre alapozva a jövő megjövendölése

Az adatbányászatot támogató technikák: Vizualizáció – segít az adatok láthatóvá tételében Statisztikai következtetés - osztályozás, társítás, becslés, jóslás Gépi tanulás - szabályok generálása automatikusan, több száz emberi munkaórát megtakarítva (pl. neurális hálók, döntésfák, genetikus algoritmusok) Döntés támogatás – az eredmények közül kiemeli a lényeget, és azt a döntéshozók számára elérhetővé teszi

Az adatbányászati piramis

Trendek az adatbányászatban Adatbányászat osztott, heterogén, hagyatéki adatbázisokban Adatbányászat metaadatokban Multimédia adatbányászat Web bányászat

Web bányászat

Térinformatika GIS – földrajzi inf. rsz. LIS - földadat inf.rsz. AM / FM- közműnyilvántartás