សម្អាតទិន្នន័យដូចជាហ្គេម Rock, Paper, Scissors។ តើ​នេះ​ជា​ហ្គេម​មាន​ឬ​គ្មាន​ការ​បញ្ចប់? ផ្នែកទី 1. ទ្រឹស្តី

1. ទិន្នន័យដំបូង

ការសម្អាតទិន្នន័យគឺជាបញ្ហាប្រឈមមួយដែលត្រូវប្រឈមមុខនឹងការងារវិភាគទិន្នន័យ។ សម្ភារៈនេះបានឆ្លុះបញ្ចាំងពីការអភិវឌ្ឍន៍ និងដំណោះស្រាយដែលកើតឡើងជាលទ្ធផលនៃការដោះស្រាយបញ្ហាជាក់ស្តែងនៃការវិភាគមូលដ្ឋានទិន្នន័យក្នុងការបង្កើតតម្លៃសុរិយោដី។ ប្រភពនៅទីនេះ "របាយការណ៍លេខ 01/OKS-2019 ស្តីពីលទ្ធផលនៃការវាយតម្លៃសុរិយោដីរបស់រដ្ឋនៃអចលនទ្រព្យគ្រប់ប្រភេទ (លើកលែងតែដីឡូតិ៍) នៅលើទឹកដីនៃ Khanty-Mansiysk ស្វយ័ត Okrug - Ugra".

ឯកសារ "គំរូប្រៀបធៀប total.ods" នៅក្នុង "ឧបសម្ព័ន្ធ B. លទ្ធផលនៃការកំណត់ KS 5. ព័ត៌មានស្តីពីវិធីសាស្រ្តនៃការកំណត់តម្លៃសុរិយោដី 5.1 វិធីសាស្រ្តប្រៀបធៀប" ត្រូវបានពិចារណា។

តារាងទី 1. សូចនាករស្ថិតិនៃសំណុំទិន្នន័យនៅក្នុងឯកសារ "គំរូប្រៀបធៀប total.ods"
ចំនួនសរុបនៃវាល, pcs ។ — ៤៤
ចំនួនសរុបនៃកំណត់ត្រា, pcs ។ — ៣៦៥ ៤៩០
ចំនួនសរុបនៃតួអក្សរ, pcs ។ — ១០១ ៧១៤ ៦៩៣
ចំនួនតួអក្សរជាមធ្យមនៅក្នុងកំណត់ត្រាមួយ pcs ។ — ២៧៨.២៩៧
គម្លាតស្តង់ដារនៃតួអក្សរក្នុងកំណត់ត្រាមួយ pcs ។ — ១៥.៥១០
ចំនួនតួអក្សរអប្បបរមានៅក្នុងធាតុមួយ, pcs ។ —១៩៨
ចំនួនតួអក្សរអតិបរមានៅក្នុងធាតុមួយ, pcs ។ — ៣៦៣

2. ផ្នែកណែនាំ។ ស្តង់ដារមូលដ្ឋាន

ខណៈពេលដែលការវិភាគលើមូលដ្ឋានទិន្នន័យដែលបានបញ្ជាក់ ភារកិច្ចមួយត្រូវបានបង្កើតឡើងដើម្បីបញ្ជាក់តម្រូវការសម្រាប់កម្រិតនៃការបន្សុត ដោយសារវាច្បាស់ចំពោះមនុស្សគ្រប់គ្នា មូលដ្ឋានទិន្នន័យដែលបានបញ្ជាក់បង្កើតផលវិបាកផ្នែកច្បាប់ និងសេដ្ឋកិច្ចសម្រាប់អ្នកប្រើប្រាស់។ ក្នុងអំឡុងពេលការងារវាបានប្រែក្លាយថាមិនមានតម្រូវការជាក់លាក់សម្រាប់កម្រិតនៃការសម្អាតទិន្នន័យធំនោះទេ។ ការវិភាគបទដ្ឋានច្បាប់ក្នុងបញ្ហានេះ ខ្ញុំបានសន្និដ្ឋានថា ពួកគេទាំងអស់ត្រូវបានបង្កើតឡើងពីលទ្ធភាព។ នោះគឺ កិច្ចការជាក់លាក់មួយបានលេចចេញមក ប្រភពព័ត៌មានត្រូវបានចងក្រងសម្រាប់កិច្ចការ បន្ទាប់មកសំណុំទិន្នន័យត្រូវបានបង្កើតឡើង ហើយផ្អែកលើសំណុំទិន្នន័យដែលបានបង្កើត ឧបករណ៍សម្រាប់ដោះស្រាយបញ្ហា។ ដំណោះស្រាយលទ្ធផលគឺជាចំណុចយោងក្នុងការជ្រើសរើសពីជម្រើសផ្សេងៗ។ ខ្ញុំបានបង្ហាញវានៅក្នុងរូបភាពទី 1 ។



ដោយសារនៅក្នុងបញ្ហានៃការកំណត់ស្តង់ដារណាមួយ វាជាការប្រសើរក្នុងការពឹងផ្អែកលើបច្ចេកវិទ្យាដែលបានបង្ហាញឱ្យឃើញ ខ្ញុំបានជ្រើសរើសតម្រូវការដែលមានចែងក្នុង "និយមន័យ និងសេចក្តីណែនាំអំពីភាពត្រឹមត្រូវនៃទិន្នន័យ MHRA GxP សម្រាប់ឧស្សាហកម្ម"ពីព្រោះខ្ញុំបានចាត់ទុកឯកសារនេះមានលក្ខណៈទូលំទូលាយបំផុតសម្រាប់បញ្ហានេះ។ ជាពិសេសនៅក្នុងឯកសារនេះ ផ្នែកនិយាយថា "វាគួរតែត្រូវបានកត់សម្គាល់ថាតម្រូវការសុចរិតភាពទិន្នន័យអនុវត្តស្មើៗគ្នាចំពោះទិន្នន័យដោយដៃ (ក្រដាស) និងអេឡិចត្រូនិច។" (ការបកប្រែ៖ “... តម្រូវការ​សុចរិតភាព​ទិន្នន័យ​អនុវត្ត​ដូចគ្នា​ទៅនឹង​ទិន្នន័យ​សៀវភៅដៃ (ក្រដាស) និង​អេឡិចត្រូនិក”)។ ការបង្កើតនេះត្រូវបានផ្សារភ្ជាប់យ៉ាងជាក់លាក់ជាមួយនឹងគំនិតនៃ "ភស្តុតាងជាលាយលក្ខណ៍អក្សរ" នៅក្នុងបទប្បញ្ញត្តិនៃមាត្រា 71 នៃក្រមនីតិវិធីរដ្ឋប្បវេណី សិល្បៈ។ 70 CAS, សិល្បៈ។ 75 APC "ជាលាយលក្ខណ៍អក្សរ" សិល្បៈ។ 84 ក្រមនីតិវិធីរដ្ឋប្បវេណី។

រូបភាពទី 2 បង្ហាញពីដ្យាក្រាមនៃការបង្កើតវិធីសាស្រ្តចំពោះប្រភេទនៃព័ត៌មានក្នុងយុត្តិសាស្រ្ត។

អង្ករ។ 2. ប្រភព នៅទីនេះ.

រូបភាពទី 3 បង្ហាញពីយន្តការនៃរូបភាពទី 1 សម្រាប់ភារកិច្ចនៃ "ការណែនាំ" ខាងលើ។ វាងាយស្រួល ដោយធ្វើការប្រៀបធៀប ដើម្បីដឹងថា វិធីសាស្រ្តដែលប្រើនៅពេលបំពេញតម្រូវការសម្រាប់សុចរិតភាពព័ត៌មាននៅក្នុងស្តង់ដារទំនើបសម្រាប់ប្រព័ន្ធព័ត៌មានមានកម្រិតយ៉ាងខ្លាំងក្នុងការប្រៀបធៀបជាមួយនឹងគំនិតច្បាប់នៃព័ត៌មាន។

រូបភាពទី 3

នៅក្នុងឯកសារដែលបានបញ្ជាក់ (ការណែនាំ) ការភ្ជាប់ទៅនឹងផ្នែកបច្ចេកទេស សមត្ថភាពសម្រាប់ដំណើរការ និងរក្សាទុកទិន្នន័យត្រូវបានបញ្ជាក់យ៉ាងល្អដោយសម្រង់ពីជំពូកទី 18.2 ។ មូលដ្ឋានទិន្នន័យទំនាក់ទំនង៖ "រចនាសម្ព័ន្ធឯកសារនេះមានសុវត្ថិភាពជាង ព្រោះទិន្នន័យត្រូវបានរក្សាទុកក្នុងទម្រង់ឯកសារធំ ដែលរក្សាទំនាក់ទំនងរវាងទិន្នន័យ និងទិន្នន័យមេតា។"

ជាការពិតណាស់នៅក្នុងវិធីសាស្រ្តនេះ - ពីសមត្ថភាពបច្ចេកទេសដែលមានស្រាប់មិនមានអ្វីមិនធម្មតាទេហើយនៅក្នុងខ្លួនវាគឺជាដំណើរការធម្មជាតិចាប់តាំងពីការពង្រីកគំនិតបានមកពីសកម្មភាពដែលបានសិក្សាច្រើនបំផុត - ការរចនាមូលដ្ឋានទិន្នន័យ។ ប៉ុន្តែម៉្យាងវិញទៀត បទដ្ឋានផ្លូវច្បាប់លេចឡើងដែលមិនផ្តល់ការបញ្ចុះតម្លៃលើសមត្ថភាពបច្ចេកទេសនៃប្រព័ន្ធដែលមានស្រាប់ ឧទាហរណ៍៖ GDPR - បទប្បញ្ញត្តិការពារទិន្នន័យទូទៅ.

អង្ករ។ 4. ផ្លូវនៃសមត្ថភាពបច្ចេកទេស (ប្រភព).

នៅក្នុងទិដ្ឋភាពទាំងនេះ វាច្បាស់ថាសំណុំទិន្នន័យដើម (រូបភាពទី 1) នឹងត្រូវរក្សាទុក ហើយទីពីរ ជាមូលដ្ឋានសម្រាប់ការទាញយកព័ត៌មានបន្ថែមពីវា។ ជាការប្រសើរណាស់ ជាឧទាហរណ៍៖ កាមេរ៉ាថតច្បាប់ចរាចរណ៍មានគ្រប់ទីកន្លែង ប្រព័ន្ធដំណើរការព័ត៌មានកម្ចាត់អ្នកបំពាន ប៉ុន្តែព័ត៌មានផ្សេងទៀតក៏អាចត្រូវបានផ្តល់ជូនអ្នកប្រើប្រាស់ផ្សេងទៀតផងដែរ ឧទាហរណ៍ ដូចជាការត្រួតពិនិត្យទីផ្សារនៃរចនាសម្ព័ន្ធលំហូរអតិថិជនទៅកាន់មជ្ឈមណ្ឌលផ្សារទំនើប។ ហើយនេះគឺជាប្រភពនៃតម្លៃបន្ថែមនៅពេលប្រើ BigDat ។ វាអាចទៅរួចដែលថាសំណុំទិន្នន័យដែលកំពុងប្រមូលនៅពេលនេះ នៅកន្លែងណាមួយនាពេលអនាគតនឹងមានតម្លៃយោងទៅតាមយន្តការស្រដៀងនឹងតម្លៃនៃការបោះពុម្ពដ៏កម្រនៃ 1700 នៅពេលបច្ចុប្បន្ន។ តាមពិតទៅ សំណុំទិន្នន័យបណ្ដោះអាសន្នគឺមានលក្ខណៈប្លែកពីគេ ហើយទំនងជាមិនអាចធ្វើម្តងទៀតនាពេលអនាគតបានទេ។

3. ផ្នែកណែនាំ។ លក្ខណៈ​វិនិច្ឆ័យ​វាយ​តម្លៃ

កំឡុងពេលដំណើរការ ការចាត់ថ្នាក់នៃកំហុសខាងក្រោមត្រូវបានបង្កើតឡើង។

1. ថ្នាក់កំហុស (ផ្អែកលើ GOST R 8.736-2011): ក) កំហុសជាប្រព័ន្ធ; ខ) កំហុសចៃដន្យ; គ) កំហុស។

2. ដោយគុណ: ក) ការបង្ខូចទ្រង់ទ្រាយម៉ូណូ; ខ) ការបង្ខូចទ្រង់ទ្រាយច្រើន។

3. តាម​ការ​រិះ​គន់​នៃ​ផល​វិបាកៈ ក) វិចារណកថា; ខ) មិនសំខាន់។

4. តាមប្រភពនៃការកើតឡើង៖

ក) បច្ចេកទេស - កំហុសដែលកើតឡើងកំឡុងពេលប្រតិបត្តិការឧបករណ៍។ កំហុសដែលពាក់ព័ន្ធដោយស្មើភាពសម្រាប់ប្រព័ន្ធ IoT ប្រព័ន្ធដែលមានឥទ្ធិពលយ៉ាងសំខាន់លើគុណភាពនៃការទំនាក់ទំនង ឧបករណ៍ (ផ្នែករឹង) ។

ខ) កំហុសរបស់ប្រតិបត្តិករ - កំហុសក្នុងជួរដ៏ធំទូលាយពីការវាយបញ្ចូលរបស់ប្រតិបត្តិករក្នុងអំឡុងពេលបញ្ចូលទៅកំហុសក្នុងលក្ខណៈបច្ចេកទេសសម្រាប់ការរចនាមូលដ្ឋានទិន្នន័យ។

គ) កំហុសរបស់អ្នកប្រើ - នេះគឺជាកំហុសរបស់អ្នកប្រើនៅក្នុងជួរទាំងមូលពី "ភ្លេចប្តូរប្លង់" ទៅជាកំហុសម៉ែត្រសម្រាប់ជើង។

5. បែងចែកជាថ្នាក់ដាច់ដោយឡែកមួយ៖

ក) "ភារកិច្ចនៃសញ្ញាបំបែក" នោះគឺលំហ និង ":" (ក្នុងករណីរបស់យើង) នៅពេលដែលវាត្រូវបានចម្លង។
ខ) ពាក្យដែលសរសេរជាមួយគ្នា;
គ) គ្មានចន្លោះបន្ទាប់ពីតួអក្សរសេវាកម្ម
ឃ) និមិត្តសញ្ញាច្រើនស៊ីមេទ្រី៖ (), "", "..." ។

រួមជាមួយនឹងការរៀបចំប្រព័ន្ធនៃកំហុសមូលដ្ឋានទិន្នន័យដែលបង្ហាញក្នុងរូបភាពទី 5 ប្រព័ន្ធសំរបសំរួលដែលមានប្រសិទ្ធភាពត្រូវបានបង្កើតឡើងសម្រាប់ការស្វែងរកកំហុស និងបង្កើតក្បួនដោះស្រាយការសម្អាតទិន្នន័យសម្រាប់ឧទាហរណ៍នេះ។

អង្ករ។ 5. កំហុសធម្មតាដែលត្រូវគ្នាទៅនឹងឯកតារចនាសម្ព័ន្ធនៃមូលដ្ឋានទិន្នន័យ (ប្រភព៖ Oreshkov V.I., Paklin N.B. "គោលគំនិតសំខាន់ៗនៃការបង្រួបបង្រួមទិន្នន័យ").

ភាពត្រឹមត្រូវ ភាពសុចរិតនៃដែន ប្រភេទទិន្នន័យ ភាពស៊ីសង្វាក់គ្នា ការលែងត្រូវការតទៅទៀត ភាពពេញលេញ ការចម្លងគ្នា ការអនុលោមតាមច្បាប់អាជីវកម្ម ការកំណត់រចនាសម្ព័ន្ធ ភាពមិនប្រក្រតីនៃទិន្នន័យ ភាពច្បាស់លាស់ ទាន់ពេលវេលា ការប្រកាន់ខ្ជាប់នូវច្បាប់សុចរិតភាពទិន្នន័យ។ (ទំព័រ 334 ។ មូលដ្ឋានគ្រឹះនៃការផ្ទុកទិន្នន័យសម្រាប់អ្នកជំនាញផ្នែកព័ត៌មានវិទ្យា / Paulraj Ponniah ។—បោះពុម្ពលើកទី 2 ។ )

បង្ហាញពាក្យជាភាសាអង់គ្លេស និងការបកប្រែម៉ាស៊ីនជាភាសារុស្សីក្នុងតង្កៀប។

ភាព​ត្រឹមត្រូវ។ តម្លៃដែលរក្សាទុកក្នុងប្រព័ន្ធសម្រាប់ធាតុទិន្នន័យគឺជាតម្លៃត្រឹមត្រូវសម្រាប់ការកើតឡើងនៃធាតុទិន្នន័យនោះ។ ប្រសិនបើអ្នកមានឈ្មោះអតិថិជន និងអាសយដ្ឋានដែលបានរក្សាទុកក្នុងកំណត់ត្រា នោះអាសយដ្ឋានគឺជាអាសយដ្ឋានត្រឹមត្រូវសម្រាប់អតិថិជនដែលមានឈ្មោះនោះ។ ប្រសិនបើអ្នករកឃើញបរិមាណដែលបានបញ្ជាទិញ។
[ភាព​ត្រឹមត្រូវ។ តម្លៃដែលរក្សាទុកក្នុងប្រព័ន្ធសម្រាប់ធាតុទិន្នន័យគឺជាតម្លៃត្រឹមត្រូវសម្រាប់ការកើតឡើងនៃធាតុទិន្នន័យនោះ។ ប្រសិនបើអ្នកមានឈ្មោះអតិថិជន និងអាសយដ្ឋានដែលបានរក្សាទុកក្នុងកំណត់ត្រា នោះអាសយដ្ឋានគឺជាអាសយដ្ឋានត្រឹមត្រូវសម្រាប់អតិថិជនដែលមានឈ្មោះនោះ។ ប្រសិនបើអ្នករកឃើញបរិមាណដែលបានបញ្ជាទិញ។

បូរណភាពដែន។ តម្លៃទិន្នន័យនៃគុណលក្ខណៈមួយស្ថិតនៅក្នុងជួរនៃតម្លៃដែលបានកំណត់ដែលអាចអនុញ្ញាតបាន។ ឧទាហរណ៍ទូទៅគឺតម្លៃដែលអាចអនុញ្ញាតជា "បុរស" និង "ស្ត្រី" សម្រាប់ធាតុទិន្នន័យយេនឌ័រ។
[ Domain Integrity ។ តម្លៃទិន្នន័យគុណលក្ខណៈស្ថិតនៅក្នុងជួរនៃតម្លៃដែលបានកំណត់ត្រឹមត្រូវ។ ឧទាហរណ៍ទូទៅគឺតម្លៃត្រឹមត្រូវ "ប្រុស" និង "ស្រី" សម្រាប់ធាតុទិន្នន័យយេនឌ័រ។]

ប្រភេទ​ទិន្នន័យ។ តម្លៃសម្រាប់គុណលក្ខណៈទិន្នន័យគឺពិតជាត្រូវបានរក្សាទុកជាប្រភេទទិន្នន័យដែលបានកំណត់សម្រាប់គុណលក្ខណៈនោះ។ នៅពេលប្រភេទទិន្នន័យនៃវាលឈ្មោះហាងត្រូវបានកំណត់ថាជា "អត្ថបទ" គ្រប់ករណីទាំងអស់នៃវាលនោះផ្ទុកនូវឈ្មោះហាងដែលបង្ហាញជាទម្រង់អត្ថបទ និងមិនមែនលេខកូដលេខទេ។
[ប្រភេទ​ទិន្នន័យ។ តម្លៃនៃគុណលក្ខណៈទិន្នន័យគឺពិតជាត្រូវបានរក្សាទុកជាប្រភេទទិន្នន័យដែលបានកំណត់សម្រាប់គុណលក្ខណៈនោះ។ ប្រសិនបើប្រភេទទិន្នន័យវាលឈ្មោះហាងត្រូវបានកំណត់ជា "អត្ថបទ" នោះគ្រប់ករណីទាំងអស់នៃវាលនេះមានឈ្មោះហាងដែលបង្ហាញជាទម្រង់អត្ថបទជាជាងលេខកូដលេខ។]

ភាពជាប់លាប់។ ទម្រង់ និងខ្លឹមសារនៃវាលទិន្នន័យគឺដូចគ្នានៅទូទាំងប្រព័ន្ធប្រភពច្រើន។ ប្រសិនបើលេខកូដផលិតផលសម្រាប់ផលិតផល ABC នៅក្នុងប្រព័ន្ធមួយគឺ 1234 នោះលេខកូដសម្រាប់ផលិតផលនេះគឺ 1234 នៅគ្រប់ប្រព័ន្ធប្រភពទាំងអស់។
[ភាពជាប់លាប់។ ទម្រង់ និងខ្លឹមសារនៃវាលទិន្នន័យគឺដូចគ្នានៅក្នុងប្រព័ន្ធប្រភពផ្សេងៗគ្នា។ ប្រសិនបើលេខកូដផលិតផលសម្រាប់ផលិតផល ABC នៅលើប្រព័ន្ធមួយគឺ 1234 នោះលេខកូដសម្រាប់ផលិតផលនោះគឺ 1234 នៅលើប្រព័ន្ធប្រភពនីមួយៗ។]

លែងត្រូវការតទៅទៀត។ ទិន្នន័យដូចគ្នាមិនត្រូវរក្សាទុកនៅកន្លែងច្រើនជាងមួយនៅក្នុងប្រព័ន្ធទេ។ ប្រសិនបើសម្រាប់ហេតុផលនៃប្រសិទ្ធភាព ធាតុទិន្នន័យត្រូវបានរក្សាទុកដោយចេតនានៅក្នុងកន្លែងច្រើនជាងមួយនៅក្នុងប្រព័ន្ធ នោះភាពលែងត្រូវការតទៅទៀតត្រូវតែកំណត់អត្តសញ្ញាណ និងផ្ទៀងផ្ទាត់ឱ្យបានច្បាស់លាស់។
[ការលែងត្រូវការតទៅទៀត។ ទិន្នន័យដូចគ្នាមិនគួរត្រូវបានរក្សាទុកនៅកន្លែងច្រើនជាងមួយនៅក្នុងប្រព័ន្ធទេ។ ប្រសិនបើសម្រាប់ហេតុផលនៃប្រសិទ្ធភាព ធាតុទិន្នន័យត្រូវបានរក្សាទុកដោយចេតនានៅក្នុងទីតាំងជាច្រើននៅក្នុងប្រព័ន្ធ នោះភាពលែងត្រូវការតទៅទៀតត្រូវតែកំណត់ និងផ្ទៀងផ្ទាត់យ៉ាងច្បាស់។]

ភាពពេញលេញ។ មិន​មាន​តម្លៃ​បាត់​សម្រាប់​គុណលក្ខណៈ​ដែល​បាន​ផ្តល់​ឱ្យ​ក្នុង​ប្រព័ន្ធ​ទេ។ ឧទាហរណ៍ ក្នុងឯកសារអតិថិជន ត្រូវតែមានតម្លៃត្រឹមត្រូវសម្រាប់វាល "ស្ថានភាព" សម្រាប់អតិថិជនគ្រប់រូប។ នៅក្នុងឯកសារសម្រាប់ព័ត៌មានលម្អិតនៃការបញ្ជាទិញ រាល់កំណត់ត្រាលម្អិតសម្រាប់ការបញ្ជាទិញត្រូវតែបំពេញទាំងស្រុង។
[ភាពពេញលេញ។ មិនមានតម្លៃដែលបាត់នៅក្នុងប្រព័ន្ធសម្រាប់គុណលក្ខណៈនេះទេ។ ឧទាហរណ៍ ឯកសារម៉ាស៊ីនភ្ញៀវត្រូវតែមានតម្លៃត្រឹមត្រូវសម្រាប់វាល "ស្ថានភាព" សម្រាប់ម៉ាស៊ីនភ្ញៀវនីមួយៗ។ នៅក្នុងឯកសារលម្អិតនៃការបញ្ជាទិញ កំណត់ត្រាលម្អិតនៃការបញ្ជាទិញនីមួយៗត្រូវតែបំពេញទាំងស្រុង។]

ស្ទួន។ ការចម្លងកំណត់ត្រានៅក្នុងប្រព័ន្ធមួយត្រូវបានដោះស្រាយទាំងស្រុង។ ប្រសិនបើឯកសារផលិតផលត្រូវបានគេដឹងថាមានកំណត់ត្រាស្ទួន នោះកំណត់ត្រាស្ទួនទាំងអស់សម្រាប់ផលិតផលនីមួយៗត្រូវបានកំណត់អត្តសញ្ញាណ ហើយឯកសារយោងឆ្លងត្រូវបានបង្កើតឡើង។
[ស្ទួន។ ការចម្លងកំណត់ត្រានៅក្នុងប្រព័ន្ធត្រូវបានលុបចោលទាំងស្រុង។ ប្រសិនបើឯកសារផលិតផលត្រូវបានគេដឹងថាមានធាតុស្ទួន នោះធាតុស្ទួនទាំងអស់សម្រាប់ផលិតផលនីមួយៗត្រូវបានកំណត់អត្តសញ្ញាណ ហើយឯកសារយោងឆ្លងត្រូវបានបង្កើត។]

ការអនុលោមតាមច្បាប់អាជីវកម្ម។ តម្លៃនៃធាតុទិន្នន័យនីមួយៗប្រកាន់ខ្ជាប់នូវច្បាប់អាជីវកម្មដែលបានកំណត់។ នៅក្នុងប្រព័ន្ធដេញថ្លៃ ញញួរ ឬតម្លៃលក់មិនអាចទាបជាងតម្លៃបម្រុងនោះទេ។ នៅក្នុងប្រព័ន្ធកម្ចីធនាគារ សមតុល្យប្រាក់កម្ចីត្រូវតែជាវិជ្ជមាន ឬសូន្យជានិច្ច។
[ការអនុលោមតាមច្បាប់អាជីវកម្ម។ តម្លៃនៃធាតុទិន្នន័យនីមួយៗគោរពតាមច្បាប់អាជីវកម្មដែលបានបង្កើតឡើង។ នៅក្នុងប្រព័ន្ធដេញថ្លៃ ញញួរ ឬតម្លៃលក់មិនអាចទាបជាងតម្លៃបម្រុងនោះទេ។ នៅក្នុងប្រព័ន្ធឥណទានធនាគារ សមតុល្យប្រាក់កម្ចីត្រូវតែជាវិជ្ជមាន ឬសូន្យជានិច្ច។]

ការកំណត់រចនាសម្ព័ន្ធ។ កន្លែងណាដែលធាតុទិន្នន័យអាចត្រូវបានរៀបចំតាមធម្មជាតិទៅជាសមាសធាតុនីមួយៗ ធាតុត្រូវតែមានរចនាសម្ព័ន្ធដែលបានកំណត់យ៉ាងល្អនេះ។ ជាឧទាហរណ៍ ឈ្មោះរបស់បុគ្គលម្នាក់ៗបែងចែកជានាមខ្លួន នាមកណ្តាល និងនាមត្រកូល។ តម្លៃសម្រាប់ឈ្មោះបុគ្គលត្រូវតែរក្សាទុកជានាមត្រកូល នាមកណ្តាល និងនាមត្រកូល។ លក្ខណៈនៃគុណភាពទិន្នន័យនេះជួយសម្រួលដល់ការអនុវត្តស្តង់ដារ និងកាត់បន្ថយតម្លៃដែលបាត់។
[ភាពប្រាកដប្រជានៃរចនាសម្ព័ន្ធ។ ដែលជាកន្លែងដែលធាតុទិន្នន័យអាចត្រូវបានរៀបចំតាមធម្មជាតិទៅក្នុងសមាសធាតុនីមួយៗ ធាតុត្រូវតែមានរចនាសម្ព័ន្ធដែលបានកំណត់យ៉ាងល្អនេះ។ ជាឧទាហរណ៍ ឈ្មោះរបស់មនុស្សត្រូវបានបែងចែកដោយធម្មជាតិទៅជានាមត្រកូល នាមកណ្តាល និងនាមត្រកូល។ តម្លៃសម្រាប់ឈ្មោះបុគ្គលគួរតែត្រូវបានរក្សាទុកជានាមត្រកូល នាមកណ្តាល និងនាមត្រកូល។ លក្ខណៈគុណភាពទិន្នន័យនេះជួយសម្រួលការអនុវត្តស្តង់ដារ និងកាត់បន្ថយតម្លៃដែលបាត់។]

ទិន្នន័យមិនប្រក្រតី។ វាលត្រូវតែប្រើសម្រាប់តែគោលបំណងដែលវាត្រូវបានកំណត់។ ប្រសិនបើវាលអាស័យដ្ឋាន-3 ត្រូវបានកំណត់សម្រាប់ជួរទី XNUMX នៃអាសយដ្ឋានដែលអាចមានសម្រាប់អាសយដ្ឋានវែង នោះវាលនេះត្រូវតែប្រើសម្រាប់តែការកត់ត្រាជួរទីបីនៃអាសយដ្ឋានប៉ុណ្ណោះ។ វាមិនត្រូវប្រើសម្រាប់ការបញ្ចូលលេខទូរស័ព្ទ ឬលេខទូរសារសម្រាប់អតិថិជននោះទេ។
[ទិន្នន័យមិនប្រក្រតី។ វាលត្រូវតែប្រើសម្រាប់គោលបំណងដែលវាត្រូវបានកំណត់។ ប្រសិនបើវាលអាស័យដ្ឋាន-3 ត្រូវបានកំណត់សម្រាប់បន្ទាត់អាសយដ្ឋានទីបីដែលអាចធ្វើទៅបានសម្រាប់អាសយដ្ឋានវែង នោះវាលនេះនឹងត្រូវប្រើសម្រាប់តែកត់ត្រាបន្ទាត់អាសយដ្ឋានទីបីប៉ុណ្ណោះ។ វាមិនគួរប្រើដើម្បីបញ្ចូលលេខទូរស័ព្ទ ឬលេខទូរសារសម្រាប់អតិថិជននោះទេ។]

ភាពច្បាស់លាស់។ ធាតុទិន្នន័យអាចមានលក្ខណៈផ្សេងទៀតទាំងអស់នៃទិន្នន័យគុណភាព ប៉ុន្តែប្រសិនបើអ្នកប្រើប្រាស់មិនយល់ពីអត្ថន័យរបស់វាច្បាស់ទេ នោះធាតុទិន្នន័យមិនមានតម្លៃសម្រាប់អ្នកប្រើប្រាស់ទេ។ អនុសញ្ញាដាក់ឈ្មោះត្រឹមត្រូវជួយធ្វើឱ្យធាតុទិន្នន័យយល់ច្បាស់ដោយអ្នកប្រើប្រាស់។
[ភាពច្បាស់លាស់។ ធាតុទិន្នន័យអាចមានលក្ខណៈផ្សេងទៀតទាំងអស់នៃទិន្នន័យល្អ ប៉ុន្តែប្រសិនបើអ្នកប្រើមិនយល់ច្បាស់ពីអត្ថន័យរបស់វា នោះធាតុទិន្នន័យមិនមានតម្លៃសម្រាប់អ្នកប្រើប្រាស់ទេ។ អនុសញ្ញាដាក់ឈ្មោះត្រឹមត្រូវជួយធ្វើឱ្យធាតុទិន្នន័យយល់ច្បាស់ដោយអ្នកប្រើប្រាស់។]

ទាន់ពេល។ អ្នកប្រើប្រាស់កំណត់ពេលវេលានៃទិន្នន័យ។ ប្រសិនបើអ្នកប្រើប្រាស់រំពឹងថាទិន្នន័យវិមាត្ររបស់អតិថិជនមិនចាស់ជាងមួយថ្ងៃទេ ការផ្លាស់ប្តូរទិន្នន័យអតិថិជននៅក្នុងប្រព័ន្ធប្រភពត្រូវតែអនុវត្តចំពោះឃ្លាំងទិន្នន័យប្រចាំថ្ងៃ។
[តាមពេលវេលា។ អ្នកប្រើប្រាស់កំណត់ពេលវេលានៃទិន្នន័យ។ ប្រសិនបើអ្នកប្រើប្រាស់រំពឹងថាទិន្នន័យវិមាត្ររបស់អតិថិជនមិនលើសពីមួយថ្ងៃទេ ការផ្លាស់ប្តូរទិន្នន័យអតិថិជននៅក្នុងប្រព័ន្ធប្រភពគួរតែត្រូវបានអនុវត្តចំពោះឃ្លាំងទិន្នន័យជារៀងរាល់ថ្ងៃ។]

ប្រយោជន៍។ រាល់ធាតុទិន្នន័យនៅក្នុងឃ្លាំងទិន្នន័យត្រូវតែបំពេញតម្រូវការមួយចំនួននៃការប្រមូលអ្នកប្រើប្រាស់។ ធាតុទិន្នន័យអាចមានភាពត្រឹមត្រូវ និងមានគុណភាពខ្ពស់ ប៉ុន្តែប្រសិនបើវាគ្មានតម្លៃសម្រាប់អ្នកប្រើប្រាស់ នោះវាមិនចាំបាច់ទាំងស្រុងសម្រាប់ធាតុទិន្នន័យនោះនៅក្នុងឃ្លាំងទិន្នន័យនោះទេ។
[ឧបករណ៍ប្រើប្រាស់។ ធាតុទិន្នន័យនីមួយៗនៅក្នុងឃ្លាំងទិន្នន័យត្រូវតែបំពេញតម្រូវការមួយចំនួននៃការប្រមូលអ្នកប្រើប្រាស់។ ធាតុទិន្នន័យអាចមានភាពត្រឹមត្រូវ និងមានគុណភាពខ្ពស់ ប៉ុន្តែប្រសិនបើវាមិនផ្តល់តម្លៃដល់អ្នកប្រើប្រាស់ទេនោះ វាមិនចាំបាច់សម្រាប់ធាតុទិន្នន័យនោះនៅក្នុងឃ្លាំងទិន្នន័យនោះទេ។]

ការប្រកាន់ខ្ជាប់នូវច្បាប់សុវត្ថិភាពទិន្នន័យ។ ទិន្នន័យដែលរក្សាទុកក្នុងមូលដ្ឋានទិន្នន័យទំនាក់ទំនងនៃប្រព័ន្ធប្រភពត្រូវតែប្រកាន់ខ្ជាប់នូវសុចរិតភាពអង្គភាព និងច្បាប់សុចរិតភាពយោង។ តារាង​ណា​មួយ​ដែល​អនុញ្ញាត​ឱ្យ​ទទេ​ជា​សោ​ចម្បង​មិន​មាន​ភាព​សុចរិត​របស់​អង្គភាព​ទេ។ សុចរិតភាពយោងបង្ខំឱ្យបង្កើតទំនាក់ទំនងមាតាបិតា និងកូនឱ្យបានត្រឹមត្រូវ។ នៅក្នុងទំនាក់ទំនងអតិថិជនទៅការបញ្ជាទិញ សុចរិតភាពយោងធានានូវអត្ថិភាពរបស់អតិថិជនសម្រាប់រាល់ការបញ្ជាទិញនៅក្នុងមូលដ្ឋានទិន្នន័យ។
[ការអនុលោមតាមច្បាប់សុវត្ថិភាពទិន្នន័យ។ ទិន្នន័យដែលរក្សាទុកក្នុងមូលដ្ឋានទិន្នន័យទំនាក់ទំនងនៃប្រព័ន្ធប្រភពត្រូវតែអនុវត្តតាមច្បាប់នៃសុចរិតភាពអង្គភាព និងសុចរិតភាពយោង។ តារាង​ណា​មួយ​ដែល​អនុញ្ញាត​ឱ្យ​ទទេ​ជា​សោ​ចម្បង​មិន​មាន​ភាព​សុចរិត​របស់​អង្គភាព​ទេ។ សុចរិតភាពយោងបង្ខំឱ្យទំនាក់ទំនងរវាងឪពុកម្តាយ និងកូនត្រូវបានបង្កើតឡើងយ៉ាងត្រឹមត្រូវ។ នៅក្នុងទំនាក់ទំនងការបញ្ជាទិញរបស់អតិថិជន សុចរិតភាពយោងធានាថាអតិថិជនមានសម្រាប់រាល់ការបញ្ជាទិញនៅក្នុងមូលដ្ឋានទិន្នន័យ។]

4. គុណភាពនៃការសម្អាតទិន្នន័យ

គុណភាពនៃការសម្អាតទិន្នន័យគឺជាបញ្ហាជាបញ្ហានៅក្នុង bigdata ។ ការឆ្លើយសំណួរថាតើការសម្អាតទិន្នន័យកម្រិតណាដែលចាំបាច់ដើម្បីបំពេញកិច្ចការគឺជាមូលដ្ឋានគ្រឹះសម្រាប់អ្នកវិភាគទិន្នន័យគ្រប់រូប។ នៅក្នុងបញ្ហាបច្ចុប្បន្នភាគច្រើន អ្នកវិភាគម្នាក់ៗកំណត់រឿងនេះដោយខ្លួនឯង ហើយវាមិនទំនងថានរណាម្នាក់មកពីខាងក្រៅអាចវាយតម្លៃទិដ្ឋភាពនេះនៅក្នុងដំណោះស្រាយរបស់គាត់បានទេ។ ប៉ុន្តែសម្រាប់កិច្ចការដែលមាននៅក្នុងដៃក្នុងករណីនេះ បញ្ហានេះមានសារៈសំខាន់ខ្លាំងណាស់ ចាប់តាំងពីភាពជឿជាក់នៃទិន្នន័យផ្លូវច្បាប់គួរតែមានទំនោរទៅមួយ។

ពិចារណាលើបច្ចេកវិទ្យាសាកល្បងកម្មវិធីដើម្បីកំណត់ភាពជឿជាក់នៃប្រតិបត្តិការ។ សព្វថ្ងៃនេះមានច្រើនជាងម៉ូដែលទាំងនេះ 200. ម៉ូដែលជាច្រើនប្រើគំរូសេវាកម្មទាមទារ៖

រូបភព។ មួយ

គិតដូចខាងក្រោមៈ "ប្រសិនបើកំហុសដែលបានរកឃើញគឺជាព្រឹត្តិការណ៍ស្រដៀងនឹងព្រឹត្តិការណ៍បរាជ័យក្នុងគំរូនេះ តើត្រូវរក analogue នៃប៉ារ៉ាម៉ែត្រ t យ៉ាងដូចម្តេច?" ហើយខ្ញុំបានចងក្រងគំរូដូចខាងក្រោម៖ ចូរស្រមៃថាពេលវេលាដែលវាត្រូវការអ្នកសាកល្បងដើម្បីពិនិត្យមើលកំណត់ត្រាមួយគឺ 1 នាទី (សម្រាប់មូលដ្ឋានទិន្នន័យនៅក្នុងសំណួរ) បន្ទាប់មកដើម្បីស្វែងរកកំហុសទាំងអស់គាត់នឹងត្រូវការ 365 នាទីដែលប្រហែល 494 ឆ្នាំ 3 ។ ខែនៃពេលវេលាធ្វើការ។ ដូចដែលយើងយល់ នេះគឺជាចំនួនការងារដ៏ច្រើន ហើយការចំណាយលើការត្រួតពិនិត្យមូលដ្ឋានទិន្នន័យនឹងត្រូវបានហាមឃាត់សម្រាប់អ្នកចងក្រងនៃមូលដ្ឋានទិន្នន័យនេះ។ នៅក្នុងការឆ្លុះបញ្ចាំងនេះ គំនិតសេដ្ឋកិច្ចនៃការចំណាយបានលេចឡើង ហើយបន្ទាប់ពីការវិភាគខ្ញុំបានឈានដល់ការសន្និដ្ឋានថានេះគឺជាឧបករណ៍ដ៏មានប្រសិទ្ធភាពមួយ។ ផ្អែកលើច្បាប់សេដ្ឋកិច្ច៖ “បរិមាណនៃការផលិត (គិតជាឯកតា) ដែលប្រាក់ចំណេញអតិបរមារបស់ក្រុមហ៊ុនមួយត្រូវបានសម្រេចគឺស្ថិតនៅត្រង់ចំណុចដែលតម្លៃដើមនៃការផលិតឯកតានៃទិន្នផលថ្មីត្រូវបានប្រៀបធៀបជាមួយនឹងតម្លៃដែលក្រុមហ៊ុននេះអាចទទួលបាន។ សម្រាប់អង្គភាពថ្មី”។ ដោយផ្អែកលើការសន្មត់ថាការស្វែងរកកំហុសជាបន្តបន្ទាប់នីមួយៗតម្រូវឱ្យមានការត្រួតពិនិត្យកំណត់ត្រាកាន់តែច្រើនឡើង នេះគឺជាកត្តាចំណាយ។ នោះគឺ postulate ដែលត្រូវបានអនុម័តនៅក្នុងគំរូសាកល្បងត្រូវចំណាយពេលលើអត្ថន័យជាក់ស្តែងនៅក្នុងគំរូដូចខាងក្រោម: ប្រសិនបើដើម្បីស្វែងរកកំហុស i-th វាចាំបាច់ត្រូវពិនិត្យមើលកំណត់ត្រា n បន្ទាប់មកដើម្បីស្វែងរកកំហុសបន្ទាប់ (i + 3) វានឹងចាំបាច់។ ដើម្បីពិនិត្យមើលកំណត់ត្រា m និងក្នុងពេលតែមួយ n

1. នៅពេលដែលចំនួននៃកំណត់ត្រាដែលបានត្រួតពិនិត្យមុនពេលរកឃើញកំហុសថ្មីមានស្ថេរភាព។
2. នៅពេលដែលចំនួនកំណត់ត្រាដែលបានត្រួតពិនិត្យមុនពេលស្វែងរកកំហុសបន្ទាប់នឹងកើនឡើង។

ដើម្បីកំណត់តម្លៃសំខាន់ ខ្ញុំបានងាកទៅរកគោលគំនិតនៃលទ្ធភាពសេដ្ឋកិច្ច ដែលក្នុងករណីនេះដោយប្រើគោលគំនិតនៃការចំណាយសង្គមអាចត្រូវបានបង្កើតដូចខាងក្រោម៖ "ការចំណាយលើការកែកំហុសគួរតែត្រូវគិតដោយភ្នាក់ងារសេដ្ឋកិច្ចដែលអាចធ្វើបាន។ វា​ក្នុង​តម្លៃ​ទាប​បំផុត»។ យើងមានភ្នាក់ងារម្នាក់ - អ្នកសាកល្បងដែលចំណាយពេល 1 នាទីពិនិត្យមើលកំណត់ត្រាមួយ។ ក្នុងន័យរូបិយវត្ថុ ប្រសិនបើអ្នករកបាន 6000 rubles ក្នុងមួយថ្ងៃ វានឹងមានចំនួន 12,2 rubles ។ (ប្រហែលថ្ងៃនេះ)។ វានៅសល់ដើម្បីកំណត់ផ្នែកទីពីរនៃលំនឹងនៅក្នុងច្បាប់សេដ្ឋកិច្ច។ ខ្ញុំបានវែកញែកដូចនេះ។ កំហុសដែលមានស្រាប់នឹងតម្រូវឱ្យបុគ្គលដែលពាក់ព័ន្ធចំណាយកិច្ចខិតខំប្រឹងប្រែងដើម្បីកែតម្រូវវា ពោលគឺម្ចាស់អចលនទ្រព្យ។ ឧបមាថា នេះតម្រូវឱ្យមានសកម្មភាព 1 ថ្ងៃ (ដាក់ស្នើរសុំ ទទួលឯកសារដែលបានកែ)។ បន្ទាប់មកតាមទស្សនៈសង្គម ការចំណាយរបស់គាត់នឹងស្មើនឹងប្រាក់ខែជាមធ្យមក្នុងមួយថ្ងៃ។ ប្រាក់បៀវត្សរ៍កើនឡើងជាមធ្យមនៅក្នុង Khanty-Mansi Autonomous Okrug "លទ្ធផលនៃការអភិវឌ្ឍន៍សេដ្ឋកិច្ចសង្គមនៃ Khanty-Mansiysk ស្វយ័ត Okrug - Ugra សម្រាប់ខែមករាដល់ខែកញ្ញាឆ្នាំ 2019" 73285 ជូត។ ឬ 3053,542 rubles ក្នុងមួយថ្ងៃ។ ដូច្នោះហើយ យើងទទួលបានតម្លៃសំខាន់ស្មើនឹង៖
3053,542: 12,2 = 250,4 ឯកតានៃកំណត់ត្រា។

នេះមានន័យថា តាមទស្សនៈសង្គម ប្រសិនបើអ្នកសាកល្បងបានពិនិត្យកំណត់ត្រា 251 ហើយបានរកឃើញកំហុសមួយ វាស្មើនឹងអ្នកប្រើប្រាស់ជួសជុលកំហុសនេះដោយខ្លួនឯង។ ដូច្នោះហើយ ប្រសិនបើអ្នកសាកល្បងចំណាយពេលវេលាស្មើនឹងការពិនិត្យមើលកំណត់ត្រាចំនួន 252 ដើម្បីស្វែងរកកំហុសបន្ទាប់នោះ ក្នុងករណីនេះវាជាការប្រសើរក្នុងការផ្លាស់ប្តូរតម្លៃនៃការកែតម្រូវទៅអ្នកប្រើប្រាស់។

វិធីសាស្រ្តសាមញ្ញត្រូវបានបង្ហាញនៅទីនេះ ព្រោះតាមទស្សនៈសង្គម ចាំបាច់ត្រូវគិតគូរពីតម្លៃបន្ថែមទាំងអស់ដែលបង្កើតដោយអ្នកឯកទេសនីមួយៗ ពោលគឺការចំណាយរួមទាំងពន្ធ និងការទូទាត់សង្គម ប៉ុន្តែគំរូគឺច្បាស់លាស់។ ផលវិបាកនៃទំនាក់ទំនងនេះគឺជាតម្រូវការដូចខាងក្រោមសម្រាប់អ្នកឯកទេស៖ អ្នកឯកទេសមកពីឧស្សាហកម្មព័ត៌មានវិទ្យាត្រូវតែមានប្រាក់ខែច្រើនជាងមធ្យមភាគជាតិ។ ប្រសិនបើប្រាក់បៀវត្សរ៍របស់គាត់តិចជាងប្រាក់ខែមធ្យមរបស់អ្នកប្រើមូលដ្ឋានទិន្នន័យដែលមានសក្តានុពល នោះគាត់ផ្ទាល់ត្រូវតែពិនិត្យមើលមូលដ្ឋានទិន្នន័យទាំងមូលដោយដៃ។

នៅពេលប្រើលក្ខណៈវិនិច្ឆ័យដែលបានពិពណ៌នា តម្រូវការដំបូងសម្រាប់គុណភាពនៃមូលដ្ឋានទិន្នន័យត្រូវបានបង្កើតឡើង៖
ខ្ញុំ(tr) ចំណែកនៃកំហុសសំខាន់មិនគួរលើសពី 1/250,4 = 0,39938% ទេ។ តិចជាងបន្តិច ការចម្រាញ់ មាសនៅក្នុងឧស្សាហកម្ម។ ហើយនៅក្នុងពាក្យរូបវន្តមិនមានកំណត់ត្រាលើសពី 1459 ដែលមានកំហុសទេ។

ការដកថយសេដ្ឋកិច្ច។

ជាការពិត តាមរយៈការធ្វើឱ្យមានកំហុសមួយចំនួននៅក្នុងកំណត់ត្រា សង្គមយល់ស្របនឹងការខាតបង់សេដ្ឋកិច្ចក្នុងបរិមាណនៃ:

1459*3053,542 = 4 rubles ។

ចំនួននេះត្រូវបានកំណត់ដោយការពិតដែលថាសង្គមមិនមានឧបករណ៍ដើម្បីកាត់បន្ថយការចំណាយទាំងនេះ។ វាធ្វើតាមថាប្រសិនបើនរណាម្នាក់មានបច្ចេកវិទ្យាដែលអនុញ្ញាតឱ្យពួកគេកាត់បន្ថយចំនួនកំណត់ត្រាដែលមានកំហុសឧទាហរណ៍ 259 នោះវានឹងអនុញ្ញាតឱ្យសង្គមរក្សាទុក:
1200*3053,542 = 3 rubles ។

ប៉ុន្តែនៅពេលជាមួយគ្នានេះគាត់អាចស្នើសុំទេពកោសល្យនិងការងាររបស់គាត់ផងដែរសូមនិយាយថា - 1 លានរូប្លិ៍។
នោះគឺការចំណាយសង្គមត្រូវបានកាត់បន្ថយដោយ៖

3 – 664 = 250 rubles ។

នៅក្នុងខ្លឹមសារ ឥទ្ធិពលនេះគឺជាតម្លៃបន្ថែមពីការប្រើប្រាស់បច្ចេកវិទ្យា BigDat ។

ប៉ុន្តែនៅទីនេះវាគួរតែត្រូវបានយកទៅក្នុងគណនីថានេះគឺជាឥទ្ធិពលសង្គមហើយម្ចាស់នៃមូលដ្ឋានទិន្នន័យគឺជាអាជ្ញាធរក្រុងប្រាក់ចំណូលរបស់ពួកគេពីការប្រើប្រាស់ទ្រព្យសម្បត្តិដែលបានកត់ត្រានៅក្នុងមូលដ្ឋានទិន្នន័យនេះក្នុងអត្រា 0,3% គឺ: 2,778 ពាន់លានរូប្លិ៍ / ។ ឆ្នាំ ហើយការចំណាយទាំងនេះ (4 រូប្លិ៍) មិនរំខានគាត់ច្រើនទេព្រោះពួកគេត្រូវបានផ្ទេរទៅឱ្យម្ចាស់អចលនទ្រព្យ។ ហើយនៅក្នុងទិដ្ឋភាពនេះ អ្នកអភិវឌ្ឍន៍នៃបច្ចេកវិទ្យាចម្រាញ់បន្ថែមទៀតនៅក្នុង Bigdata នឹងត្រូវបង្ហាញសមត្ថភាពក្នុងការបញ្ចុះបញ្ចូលម្ចាស់នៃមូលដ្ឋានទិន្នន័យនេះ ហើយរឿងបែបនេះតម្រូវឱ្យមានទេពកោសល្យគួរឱ្យកត់សម្គាល់។

ក្នុងឧទាហរណ៍នេះ ក្បួនដោះស្រាយការវាយតម្លៃកំហុសត្រូវបានជ្រើសរើសដោយផ្អែកលើគំរូ Schumann [2] នៃការផ្ទៀងផ្ទាត់កម្មវិធីកំឡុងពេលធ្វើតេស្តភាពជឿជាក់។ ដោយសារតែអត្រាប្រេវ៉ាឡង់របស់វានៅលើអ៊ីនធឺណិត និងលទ្ធភាពទទួលបានសូចនាករស្ថិតិចាំបាច់។ វិធីសាស្រ្តត្រូវបានយកពី Monakhov Yu.M. "ស្ថេរភាពមុខងារនៃប្រព័ន្ធព័ត៌មាន" សូមមើលខាងក្រោម spoiler នៅក្នុងរូបភព។ ៧-៩.

អង្ករ។ 7 - 9 វិធីសាស្រ្តនៃគំរូ Schumann





ផ្នែកទីពីរនៃសម្ភារៈនេះបង្ហាញពីឧទាហរណ៍នៃការសម្អាតទិន្នន័យដែលក្នុងនោះលទ្ធផលនៃការប្រើប្រាស់គំរូ Schumann ត្រូវបានទទួល។
ខ្ញុំសូមបង្ហាញលទ្ធផលដែលទទួលបាន៖
ចំនួនប៉ាន់ស្មាននៃកំហុស N = 3167 n ។
ប៉ារ៉ាម៉ែត្រ C, lambda និងភាពជឿជាក់មុខងារ៖

រូបភាពទី 17

សំខាន់ lambda គឺជាសូចនាករជាក់ស្តែងនៃអាំងតង់ស៊ីតេដែលកំហុសត្រូវបានរកឃើញនៅដំណាក់កាលនីមួយៗ។ ប្រសិនបើអ្នកក្រឡេកមើលផ្នែកទីពីរ ការប៉ាន់ប្រមាណសម្រាប់សូចនាករនេះគឺ 42,4 កំហុសក្នុងមួយម៉ោង ដែលពិតជាអាចប្រៀបធៀបទៅនឹងសូចនាករ Schumann ។ ខាងលើ វាត្រូវបានគេកំណត់ថាអត្រាដែលអ្នកអភិវឌ្ឍន៍រកឃើញកំហុសមិនគួរទាបជាង 1 កំហុសក្នុង 250,4 records នៅពេលពិនិត្យមើល 1 កំណត់ត្រាក្នុងមួយនាទី។ ដូច្នេះតម្លៃសំខាន់នៃ lambda សម្រាប់ម៉ូដែល Schumann:

១០០ / ៧៧.៨៥ = ១.២៨ ។

នោះគឺតម្រូវការដើម្បីអនុវត្តនីតិវិធីរកឃើញកំហុសត្រូវតែត្រូវបានអនុវត្តរហូតដល់ lambda ពី 38,964 ដែលមានស្រាប់ថយចុះដល់ 0,239617 ។

ឬរហូតដល់សូចនាករ N (ចំនួនសក្តានុពលនៃកំហុស) ដក n (ចំនួនកំហុសដែលបានកែតម្រូវ) ថយចុះក្រោមកម្រិតដែលបានទទួលយករបស់យើង - 1459 កុំព្យូទ័រ PC ។

អក្សរសាស្រ្ត

1. Monakhov, Yu. M. ស្ថេរភាពមុខងារនៃប្រព័ន្ធព័ត៌មាន។ ក្នុងរយៈពេល 3 ម៉ោង ផ្នែកទី 1. ភាពជឿជាក់នៃកម្មវិធី៖ សៀវភៅសិក្សា។ ប្រាក់ឧបត្ថម្ភ / Yu. M. Monakhov; វ្ល៉ាឌីម។ រដ្ឋ យូវី - វ្ល៉ាឌីមៀ៖ អ៊ីសវ៉ូវ្លាឌីម។ រដ្ឋ សាកលវិទ្យាល័យ, ឆ្នាំ ២០១១។ – ៦០ ទំ។ - ISBN 2011-60-978-5-9984 ។
2. Martin L. Shooman "គំរូប្រូបាប៊ីលីកសម្រាប់ការទស្សន៍ទាយភាពជឿជាក់នៃកម្មវិធី។"
3. មូលដ្ឋានគ្រឹះនៃឃ្លាំងទិន្នន័យសម្រាប់អ្នកជំនាញផ្នែកព័ត៌មានវិទ្យា / Paulraj Ponniah ។—បោះពុម្ពលើកទី 2 ។

ផ្នែកទីពីរ។ ទ្រឹស្ដី

ប្រភព: www.habr.com