1. ကနဦးဒေတာ
ဒေတာရှင်းလင်းခြင်းသည် ဒေတာခွဲခြမ်းစိတ်ဖြာခြင်းလုပ်ငန်းကို ရင်ဆိုင်နေရသော စိန်ခေါ်မှုများထဲမှ တစ်ခုဖြစ်သည်။ ဤအကြောင်းအရာသည် cadastral value ဖွဲ့စည်းရာတွင် ဒေတာဘေ့စ်ကို ခွဲခြမ်းစိတ်ဖြာခြင်း၏ လက်တွေ့ကျသော ပြဿနာကို ဖြေရှင်းခြင်းကြောင့် ဖြစ်ပေါ်လာသော တိုးတက်မှုများနှင့် ဖြေရှင်းချက်များကို ထင်ဟပ်စေသည်။ အရင်းအမြစ်များ ဤနေရာတွင် .
“နောက်ဆက်တွဲ B. KS 5 ကို ဆုံးဖြတ်ခြင်း၏ ရလဒ်များ။ cadastral value 5.1 Comparative approach” ရှိ “နှိုင်းယှဉ်မော်ဒယ်လ် Total.ods” ဖိုင်ကို ထည့်သွင်းစဉ်းစားထားသည်။
ဇယား ၁။ “နှိုင်းယှဉ်မော်ဒယ် total.ods” ဖိုင်ရှိ ဒေတာအတွဲ၏ ကိန်းဂဏန်းအချက်အလက်များ
စုစုပေါင်း အကွက်အရေအတွက်၊ PCs — ၄၄
စုစုပေါင်းမှတ်တမ်းအရေအတွက်၊ PCs — ၃၆၅ ၄၉၀
စုစုပေါင်း စာလုံးအရေအတွက်၊ pcs — ၁၀၁ ၇၁၄ ၆၉၃
မှတ်တမ်းတစ်ခုတွင် ပျမ်းမျှစာလုံးအရေအတွက်၊ pcs — ၂၇၈,၂၉၇
စံချိန်တစ်ခုရှိ ဇာတ်ကောင်များ၏ စံသွေဖည်မှု၊ pcs. — ၁၅,၅၁၀
entry တစ်ခုတွင် အနည်းဆုံး စာလုံးအရေအတွက်၊ pcs – ၁၉၈
entry တစ်ခုတွင် အများဆုံး စာလုံးအရေအတွက်၊ pcs — ၃၆၃
2. နိဒါန်းအပိုင်း။ အခြေခံစံနှုန်းများ
သတ်မှတ်ထားသော ဒေတာဘေ့စ်ကို ပိုင်းခြားစိတ်ဖြာနေစဉ်တွင်၊ လူတိုင်းအတွက် ရှင်းလင်းထားသည့်အတိုင်း၊ သတ်မှတ်ထားသော ဒေတာဘေ့စ်သည် သုံးစွဲသူများအတွက် တရားဥပဒေနှင့် စီးပွားရေးဆိုင်ရာ အကျိုးဆက်များကို ဖန်တီးပေးသည့် အတိုင်းအတာအတွက် လိုအပ်ချက်များကို သတ်မှတ်ရန် တာဝန်တစ်ခုကို ဖွဲ့စည်းခဲ့သည်။ လုပ်ငန်းဆောင်ရွက်စဉ်အတွင်း ဒေတာကြီးကြီးမားမား သန့်ရှင်းရေးအတွက် သီးခြားလိုအပ်ချက်များ မရှိခဲ့ကြောင်း တွေ့ရှိရပါသည်။ ဒီကိစ္စမှာ ဥပဒေဆိုင်ရာ စံနှုန်းတွေကို ခွဲခြမ်းစိတ်ဖြာကြည့်တော့ သူတို့အားလုံးဟာ ဖြစ်နိုင်ခြေတွေကနေ ဖြစ်ပေါ်လာတယ်လို့ ကောက်ချက်ချခဲ့တယ်။ ဆိုလိုသည်မှာ အလုပ်တစ်ခုပေါ်လာပြီး အလုပ်အတွက် သတင်းအချက်အလက်ရင်းမြစ်များကို စုစည်းကာ၊ ထို့နောက် ဒေတာအစုံကို ဖွဲ့စည်းကာ၊ ဖန်တီးထားသည့် ဒေတာအစုံပေါ်အခြေခံ၍ ပြဿနာဖြေရှင်းရန် ကိရိယာများဖြစ်သည်။ ရလဒ်များသည် အခြားရွေးချယ်စရာများမှ ရွေးချယ်ရာတွင် ရည်ညွှန်းသည့်အချက်များဖြစ်သည်။ ဒါကို ပုံ 1 မှာ ပြထားပါတယ်။
မည်သည့်စံချိန်စံညွှန်းကိုမဆို ဆုံးဖြတ်ခြင်းကိစ္စများတွင် သက်သေပြထားသောနည်းပညာများကို အားကိုးခြင်းသည် ပိုကောင်းသောကြောင့်၊ ကျွန်ုပ်သည် သတ်မှတ်ထားသည့် လိုအပ်ချက်များကို ရွေးချယ်ခဲ့သည်။ ဤစာတမ်းသည် ဤကိစ္စအတွက် အပြည့်စုံဆုံးဟု ကျွန်ုပ်ယူဆသောကြောင့်၊ အထူးသဖြင့်၊ ဤစာတမ်းတွင် “ဒေတာ ခိုင်မာမှု လိုအပ်ချက်များသည် လက်စွဲ (စက္ကူ) နှင့် အီလက်ထရွန်းနစ် အချက်အလက်များတွင် တူညီစွာ သက်ရောက်ကြောင်း သတိပြုသင့်သည်” ဟု ဖော်ပြထားသည်။ (ဘာသာပြန်ချက်- “...ဒေတာ ခိုင်မာမှု လိုအပ်ချက်များသည် လက်စွဲ (စာရွက်) နှင့် အီလက်ထရွန်နစ် ဒေတာအတွက် တူညီသည်”)။ ဤဖွဲ့စည်းပုံသည် နိုင်ငံသားလုပ်ထုံးလုပ်နည်းဆိုင်ရာ ကျင့်ထုံးဥပဒေပုဒ်မ 71 ပါ ပြဋ္ဌာန်းချက်များတွင် “ရေးထားသော အထောက်အထား” အယူအဆနှင့် အတော်လေး သက်ဆိုင်ပါသည်။ 70 CAS, Art. 75 APC, "in writing" Art. 84 နိုင်ငံသားကျင့်ထုံးဥပဒေ။
ပုံ 2 သည် တရားစီရင်ရေးဆိုင်ရာ သတင်းအချက်အလက် အမျိုးအစားများအတွက် ချဉ်းကပ်ပုံဖွဲ့စည်းပုံ ပုံစံကို တင်ပြထားသည်။
ထမင်း။ 2. အရင်းအမြစ် .
ပုံ 3 သည် အထက်ဖော်ပြပါ "လမ်းညွှန်မှု" ၏ လုပ်ငန်းဆောင်တာများအတွက် ပုံ 1 ၏ ယန္တရားကို ပြသထားသည်။ သတင်းအချက်အလက်စနစ်များအတွက် ခေတ်မီစံနှုန်းများတွင် သတင်းအချက်အလက်ခိုင်မာမှုအတွက် လိုအပ်ချက်များကို ဖြည့်ဆည်းရာတွင် အသုံးပြုသည့်ချဉ်းကပ်မှုများကို နှိုင်းယှဉ်မှုပြုလုပ်ခြင်းဖြင့် သိသာထင်ရှားစွာ ကန့်သတ်ထားသည်ကို သိရှိရန်မှာ လွယ်ကူပါသည်။
ပုံ ၃
သတ်မှတ်ထားသော စာရွက်စာတမ်း (လမ်းညွှန်ချက်) တွင် နည်းပညာပိုင်းဆိုင်ရာ အစိတ်အပိုင်းနှင့် ချိတ်ဆက်မှု၊ ဒေတာကို လုပ်ဆောင်ခြင်းနှင့် သိမ်းဆည်းခြင်းအတွက် စွမ်းရည်များကို အခန်း 18.2 မှ ကိုးကားချက်ဖြင့် ကောင်းစွာ အတည်ပြုထားသည်။ ဆက်စပ်ဒေတာဘေ့စ်- "ဒေတာနှင့် မက်တာဒေတာကြားဆက်နွယ်မှုကို ထိန်းသိမ်းထားသည့် ကြီးမားသောဖိုင်ဖော်မတ်တစ်ခုဖြင့် သိမ်းဆည်းထားသောကြောင့် ဤဖိုင်ဖွဲ့စည်းပုံမှာ မူရင်းအားဖြင့် ပို၍လုံခြုံပါသည်။"
တကယ်တော့၊ ဤချဉ်းကပ်မှုတွင် - ရှိပြီးသားနည်းပညာဆိုင်ရာစွမ်းရည်များမှ မူမမှန်သည့်အရာတစ်ခုမျှမရှိသည့်အပြင် သဘောတရားများကို ချဲ့ထွင်ခြင်းမှာ လေ့လာအများဆုံးလုပ်ဆောင်မှုမှလာသည်ဖြစ်သောကြောင့်၊ ဤသည်မှာ သဘာဝဖြစ်စဉ်တစ်ခုဖြစ်သည်။ သို့သော်၊ အခြားတစ်ဖက်တွင်၊ ရှိပြီးသားစနစ်များ၏ နည်းပညာဆိုင်ရာ စွမ်းဆောင်နိုင်မှုအပေါ် လျှော့စျေးမပေးသည့် ဥပဒေဆိုင်ရာ စံနှုန်းများသည် ဥပမာ- .
ထမင်း။ 4. နည်းပညာဆိုင်ရာစွမ်းဆောင်နိုင်မှုလမ်းကြောင်း ().
ဤရှုထောင့်များတွင်၊ မူရင်းဒေတာအတွဲ (ပုံ။ 1) သည် ပထမအချက်အနေဖြင့် သိမ်းဆည်းခံရမည်ဖြစ်ပြီး ဒုတိယအချက်မှာ ၎င်းမှ ထပ်လောင်းအချက်အလက်များကို ထုတ်ယူရန်အတွက် အခြေခံဖြစ်ကြောင်း ရှင်းရှင်းလင်းလင်းဖြစ်လာသည်။ ဥပမာတစ်ခုအနေနှင့်၊ ယာဉ်စည်းကမ်းများကို မှတ်တမ်းတင်သည့် ကင်မရာများသည် နေရာအနှံ့တွင်ရှိပြီး သတင်းအချက်အလက် စီမံဆောင်ရွက်ပေးသည့်စနစ်များသည် ချိုးဖောက်သူများကို ဖယ်ရှားပစ်နိုင်သော်လည်း၊ ဥပမာအားဖြင့်၊ စျေးဝယ်စင်တာတစ်ခုသို့ ဖောက်သည်များစီးဆင်းမှုပုံစံကို စျေးကွက်ရှာဖွေခြင်းကဲ့သို့ အခြားသောအချက်အလက်များကိုလည်း အခြားစားသုံးသူများထံ ပေးဆောင်နိုင်ပါသည်။ BigDat ကိုအသုံးပြုသည့်အခါ ၎င်းသည် ထပ်လောင်းတန်ဖိုး၏ရင်းမြစ်တစ်ခုဖြစ်သည်။ ယခုစုဆောင်းနေသည့် ဒေတာအတွဲများသည် လက်ရှိအချိန် 1700 ၏ရှားပါးသောထုတ်ဝေမှုများ၏တန်ဖိုးနှင့်ဆင်တူသည့် ယန္တရားတစ်ခုအရ နောင်တစ်ချိန်တွင် တစ်နေရာရာတွင် တန်ဖိုးရှိလာမည်မှာ ဖြစ်နိုင်ချေရှိသည်။ အမှန်မှာ၊ ယာယီဒေတာအတွဲများသည် ထူးခြားပြီး အနာဂတ်တွင် ထပ်ခါတလဲလဲလုပ်ရန် မဖြစ်နိုင်ပါ။
3. နိဒါန်းအပိုင်း။ အကဲဖြတ်ခြင်းစံနှုန်း
စီမံဆောင်ရွက်နေစဉ်အတွင်း၊ အောက်ပါအမှားများကို အမျိုးအစားခွဲခြင်းအား ဖော်ထုတ်ခဲ့ပါသည်။
1. အမှားအတန်း (GOST R 8.736-2011 အပေါ်အခြေခံသည်): က) စနစ်တကျအမှားအယွင်းများ; ခ) ကျပန်းအမှားများ၊ ဂ) အမှားတစ်ခု။
2. များပြားမှုအားဖြင့်- က) မိုနိုပုံပျက်ခြင်း၊ ခ) မျိုးစုံပုံပျက်ခြင်း။
3. အကျိုးဆက်များ၏ ဝေဖန်ပိုင်းခြားမှုအရ က) ဝေဖန်ပိုင်းခြားခြင်း၊ ခ) မစိုးရိမ်ရပါ။
4. ဖြစ်ပွားမှုအရင်းအမြစ်အားဖြင့်-
က) နည်းပညာပိုင်းဆိုင်ရာ - စက်ကိရိယာ၏လည်ပတ်မှုအတွင်း ဖြစ်ပေါ်လာသော အမှားအယွင်းများ။ IoT စနစ်များ၊ ဆက်သွယ်ရေးအရည်အသွေး၊ စက်ကိရိယာများ (ဟာ့ဒ်ဝဲ) ပေါ်တွင် သိသိသာသာ လွှမ်းမိုးမှုရှိသော စနစ်များ အတွက် မျှမျှတတ သက်ဆိုင်သော အမှားတစ်ခု။
ခ) အော်ပရေတာအမှားများ - ဒေတာဘေ့စ်ဒီဇိုင်းအတွက် နည်းပညာပိုင်းဆိုင်ရာသတ်မှတ်ချက်များတွင် ထည့်သွင်းစဉ်အတွင်း အော်ပရေတာအမှားများအထိ ကျယ်ပြန့်သော အမှားအယွင်းများ။
ဂ) အသုံးပြုသူအမှားများ - ဤသည်မှာ "လက်ကွက်ကိုပြောင်းရန်မေ့သွားသည်" မှ ခြေဖဝါးအတွက် မီတာမှားခြင်းအထိ အပိုင်းအခြားတစ်ခုလုံးရှိ သုံးစွဲသူအမှားများဖြစ်သည်။
5. သီးခြားအတန်းအဖြစ် ခွဲခြားထားသည်-
က) "ခြားနားခြင်း၏တာဝန်" ဆိုသည်မှာ အာကာသနှင့် ":" (ကျွန်ုပ်တို့၏ကိစ္စတွင်) ၎င်းကို ထပ်ပွားသောအခါ၊
ခ) တွဲရေးထားသော စကားလုံးများ၊
ဂ) ဝန်ဆောင်မှုဇာတ်ကောင်ပြီးနောက် နေရာလွတ်မရှိပါ။
ဃ) အချိုးကျ များပြားသော သင်္ကေတများ- (), "", "..." ။
ပုံ 5 တွင်ဖော်ပြထားသောဒေတာဘေ့စ်အမှားများကိုစနစ်တကျပြုလုပ်ခြင်းဖြင့် အမှားများကိုရှာဖွေရန်နှင့် ဤဥပမာအတွက်ဒေတာရှင်းလင်းရေး အယ်လဂိုရီသမ်ကိုဖန်တီးရန်အတွက် မျှမျှတတထိရောက်သောညှိနှိုင်းစနစ်တစ်ခုကိုဖွဲ့စည်းထားသည်။
ထမင်း။ 5. ဒေတာဘေ့စ်၏ တည်ဆောက်ပုံယူနစ်များနှင့် သက်ဆိုင်သော ပုံမှန်အမှားအယွင်းများ (အရင်းအမြစ်- ).
တိကျမှု၊ Domain Integrity၊ Data Type၊ Consistency၊ Redundancy၊ Completeness၊ Duplication၊ Business Rules နှင့် Conformance၊ Structural Definiteness၊ Data Anomaly၊ Clarity၊ Timely၊ Adhering to Adhering to Data Integrity Rules။ (စာမျက်နှာ 334။ အိုင်တီပညာရှင်များအတွက် ဒေတာသိုလှောင်ခြင်းအခြေခံများ / Paulraj Ponniah။—2nd ed.)
အင်္ဂလိပ်အသုံးအနှုန်းနှင့် ရုရှားစက်ဘာသာပြန်ဆိုချက်များကို ကွင်းပိတ်များဖြင့် တင်ပြထားသည်။
တိကျမှု။ ဒေတာဒြပ်စင်တစ်ခုအတွက် စနစ်တွင် သိမ်းဆည်းထားသော တန်ဖိုးသည် ဒေတာဒြပ်စင်၏ ဖြစ်ပေါ်မှုအတွက် မှန်ကန်သောတန်ဖိုးဖြစ်သည်။ သင့်တွင် ဖောက်သည်အမည်နှင့် လိပ်စာတစ်ခုကို မှတ်တမ်းတစ်ခုတွင် သိမ်းဆည်းထားပါက ၎င်းလိပ်စာသည် ထိုအမည်ရှိသော သုံးစွဲသူအတွက် မှန်ကန်သောလိပ်စာဖြစ်သည်။ အမှာစာနံပါတ် 1000 အတွက် 12345678 ယူနစ်အဖြစ် မှာယူထားသော အရေအတွက်ကို သင်တွေ့ရှိပါက၊ ထိုပမာဏသည် ထိုအော်ဒါအတွက် တိကျသောပမာဏဖြစ်သည်။
[တိကျမှု။ ဒေတာဒြပ်စင်တစ်ခုအတွက် စနစ်တွင် သိမ်းဆည်းထားသည့် တန်ဖိုးသည် ဒေတာဒြပ်စင်၏ ဖြစ်ပေါ်မှုအတွက် မှန်ကန်သောတန်ဖိုးဖြစ်သည်။ သင့်တွင် မှတ်တမ်းတစ်ခုတွင် သိမ်းဆည်းထားသော ဖောက်သည်အမည်နှင့် လိပ်စာရှိပါက လိပ်စာသည် ထိုအမည်ရှိသော သုံးစွဲသူအတွက် မှန်ကန်သောလိပ်စာဖြစ်သည်။ အမှာစာနံပါတ် 1000 အတွက် 12345678 ယူနစ်အဖြစ် မှာယူထားသော ပမာဏကို သင်တွေ့ရှိပါက၊ ထိုပမာဏသည် ထိုအော်ဒါအတွက် အတိအကျ ပမာဏဖြစ်သည်။]
ဒိုမိန်းသမာဓိ။ ရည်ညွှန်းချက်တစ်ခု၏ ဒေတာတန်ဖိုးသည် ခွင့်ပြုနိုင်သော၊ သတ်မှတ်ထားသော တန်ဖိုးများအကွာအဝေးအတွင်း ကျရောက်သည်။ သာမာန်ဥပမာမှာ ကျားမဒေတာဒြပ်စင်အတွက် "ယောက်ျား" နှင့် "အမျိုးသမီး" ဖြစ်ခြင်းအတွက် ခွင့်ပြုနိုင်သောတန်ဖိုးများဖြစ်သည်။
[ဒိုမိန်း သမာဓိ။ ရည်ညွှန်းချက်ဒေတာတန်ဖိုးသည် မှန်ကန်သော၊ သတ်မှတ်ထားသော တန်ဖိုးများအကွာအဝေးအတွင်း ကျရောက်သည်။ ယေဘူယျ ဥပမာတစ်ခုသည် ကျားမဒေတာဒြပ်စင်အတွက် မှန်ကန်သောတန်ဖိုးများ "male" နှင့် "female" ဖြစ်သည်။]
ဒေတာအမျိုးအစား။ ဒေတာ attribute တစ်ခုအတွက် တန်ဖိုးကို ထို attribute အတွက် သတ်မှတ်ထားသော ဒေတာအမျိုးအစားအဖြစ် အမှန်တကယ် သိမ်းဆည်းထားသည်။ စတိုးဆိုင်အမည်အကွက်၏ ဒေတာအမျိုးအစားကို “စာသား” ဟု သတ်မှတ်သောအခါ၊ ထိုအကွက်၏ ဖြစ်ရပ်အားလုံးတွင် စာသားဖော်မတ်ဖြင့် ပြသထားသည့် စတိုးဆိုင်အမည်နှင့် ဂဏန်းကုဒ်များ မပါရှိပါ။
[ဒေတာအမျိုးအစား။ ဒေတာ attribute တစ်ခု၏ တန်ဖိုးကို ထို attribute အတွက် သတ်မှတ်ထားသော ဒေတာအမျိုးအစားအဖြစ် အမှန်တကယ် သိမ်းဆည်းထားသည်။ စတိုးဆိုင်အမည် အကွက်ဒေတာ အမျိုးအစားကို "စာသား" ဟု သတ်မှတ်ပါက၊ ဤအကွက်၏ အခြေအနေအားလုံးတွင် နံပါတ်ကုဒ်များထက် စာသားဖော်မတ်ဖြင့် ပြသထားသော စတိုးဆိုင်အမည် ပါဝင်ပါသည်။]
ရှေ့နောက်ညီညွတ်မှု။ ဒေတာအကွက်တစ်ခု၏ ပုံစံနှင့် အကြောင်းအရာသည် ရင်းမြစ်စနစ်များစွာတွင် တူညီသည်။ စနစ်တစ်ခုရှိ ထုတ်ကုန် ABC အတွက် ထုတ်ကုန်ကုဒ်သည် 1234 ဖြစ်ပါက၊ ဤထုတ်ကုန်အတွက် ကုဒ်သည် အရင်းအမြစ်စနစ်တိုင်းတွင် 1234 ဖြစ်သည်။
[ညီညွတ်မှု။ ဒေတာအကွက်၏ ပုံစံနှင့် အကြောင်းအရာသည် မတူညီသော အရင်းအမြစ်စနစ်များတွင် တူညီပါသည်။ စနစ်တစ်ခုရှိ ထုတ်ကုန် ABC အတွက် ထုတ်ကုန်ကုဒ်သည် 1234 ဖြစ်ပါက၊ ထိုထုတ်ကုန်အတွက် ကုဒ်သည် အရင်းအမြစ်စနစ်တစ်ခုစီတွင် 1234 ဖြစ်သည်။]
ပိုများခြင်း။ တူညီသောဒေတာကို စနစ်တစ်ခုတွင် တစ်နေရာထက်ပို၍ မသိမ်းဆည်းရပါ။ ထိရောက်မှုအကြောင်းကြောင့်၊ ဒေတာဒြပ်စင်ကို စနစ်တစ်ခုတွင် တစ်နေရာထက်ပို၍ ရည်ရွယ်ချက်ရှိရှိ သိမ်းဆည်းထားပါက၊ ထပ်လောင်းခြင်းအား ရှင်းရှင်းလင်းလင်း ဖော်ထုတ်ပြီး အတည်ပြုရပါမည်။
[အထပ်ထပ်။ တူညီသောဒေတာကို စနစ်အတွင်းရှိ တစ်နေရာထက်ပို၍ မသိမ်းဆည်းသင့်ပါ။ ထိရောက်မှု အကြောင်းပြချက်ကြောင့်၊ စနစ်တစ်ခုရှိ နေရာအများအပြားတွင် ဒေတာဒြပ်စင်ကို ရည်ရွယ်ချက်ရှိရှိ သိမ်းဆည်းထားပါက၊ ထပ်လောင်းခြင်းကို ရှင်းရှင်းလင်းလင်း သတ်မှတ်ပြီး အတည်ပြုရပါမည်။]
ပြည့်စုံမှု။ စနစ်တွင် ပေးထားသည့် attribute တစ်ခုအတွက် ပျောက်ဆုံးတန်ဖိုးများ မရှိပါ။ ဥပမာအားဖြင့်၊ ဖောက်သည်ဖိုင်တစ်ခုတွင်၊ သုံးစွဲသူတိုင်းအတွက် "ပြည်နယ်" အကွက်အတွက် မှန်ကန်သောတန်ဖိုးရှိရပါမည်။ မှာယူမှုအသေးစိတ်အတွက် ဖိုင်တွင်၊ မှာယူမှုတစ်ခုအတွက် အသေးစိတ်မှတ်တမ်းတိုင်းကို အပြည့်အစုံဖြည့်သွင်းရပါမည်။
[ပြည့်စုံမှု။ ဤအရည်အချင်းအတွက် စနစ်တွင် ပျောက်ဆုံးတန်ဖိုးများ မရှိပါ။ ဥပမာအားဖြင့်၊ ကလိုင်းယင့်ဖိုင်တွင် ကလိုင်းယင့်တစ်ခုစီအတွက် "အခြေအနေ" အကွက်အတွက် မှန်ကန်သောတန်ဖိုးရှိရမည်။ မှာယူမှုအသေးစိတ်ဖိုင်တွင်၊ မှာယူမှုအသေးစိတ်မှတ်တမ်းတစ်ခုစီကို အပြီးအပိုင်ပြုလုပ်ရပါမည်။]
ပွားခြင်း။ စနစ်တစ်ခုရှိ မှတ်တမ်းများ ပွားခြင်းကို လုံးဝဖြေရှင်းနိုင်သည်။ ထုတ်ကုန်ဖိုင်တွင် မိတ္တူပွားမှတ်တမ်းများ ပါရှိသည်ကို သိရှိပါက၊ ထုတ်ကုန်တစ်ခုစီအတွက် ပွားနေသောမှတ်တမ်းအားလုံးကို ဖော်ထုတ်ပြီး အပြန်အလှန်ကိုးကားဖန်တီးထားသည်။
[ပွား။ စနစ်ရှိ မှတ်တမ်းများ ပွားခြင်းကို လုံးဝ ဖယ်ရှားလိုက်ပါပြီ။ ထုတ်ကုန်ဖိုင်တစ်ခုတွင် ပွားနေသောထည့်သွင်းမှုများပါရှိသည်ကို သိရှိပါက၊ ထုတ်ကုန်တစ်ခုစီအတွက် ပွားနေသောထည့်သွင်းမှုများကို ဖော်ထုတ်ပြီး အပြန်အလှန်အကိုးအကားကို ဖန်တီးမည်ဖြစ်သည်။]
လုပ်ငန်းစည်းမျဥ်းများနှင့် ကိုက်ညီခြင်း။ ဒေတာပစ္စည်းတစ်ခုစီ၏ တန်ဖိုးများသည် သတ်မှတ်ထားသော လုပ်ငန်းစည်းမျဉ်းများကို လိုက်နာသည်။ လေလံစနစ်တွင်၊ တူ သို့မဟုတ် ရောင်းဈေးသည် အရံစျေးနှုန်းထက် မနည်းနိုင်ပါ။ ဘဏ်ချေးငွေစနစ်တွင် ချေးငွေလက်ကျန်သည် အမြဲတမ်း အပြုသဘော သို့မဟုတ် သုညဖြစ်ရမည်။
[လုပ်ငန်းစည်းမျဉ်းစည်းကမ်းများကို လိုက်နာခြင်း။ ဒေတာဒြပ်စင်တစ်ခုစီ၏ တန်ဖိုးများသည် သတ်မှတ်ထားသော လုပ်ငန်းစည်းမျဉ်းများနှင့် ကိုက်ညီပါသည်။ လေလံစနစ်တွင်၊ တူ သို့မဟုတ် ရောင်းဈေးသည် အရံစျေးနှုန်းထက် မနည်းနိုင်ပါ။ ဘဏ်ချေးငွေစနစ်တွင် ချေးငွေလက်ကျန်သည် အမြဲတမ်း အပြုသဘော သို့မဟုတ် သုညဖြစ်ရမည်။]
ဖွဲ့စည်းပုံဆိုင်ရာ အဓိပ္ပါယ်ဖွင့်ဆိုချက်။ ဒေတာအကြောင်းအရာတစ်ခုကို အစိတ်အပိုင်းတစ်ခုချင်းစီတွင် သဘာဝအတိုင်း ဖွဲ့စည်းတည်ဆောက်ထားနိုင်သည့်အခါတွင်၊ ဤအရာသည် ကောင်းမွန်စွာသတ်မှတ်ထားသော ဖွဲ့စည်းပုံပါ၀င်သည်။ ဥပမာအားဖြင့်၊ လူတစ်ဦးချင်းစီ၏အမည်သည် ပထမအမည်၊ အလယ်အလတ်အမည်နှင့် နောက်ဆုံးအမည်ဟူ၍ သဘာဝအားဖြင့် ပိုင်းခြားထားသည်။ လူတစ်ဦးချင်းစီ၏အမည်များအတွက် တန်ဖိုးများကို ပထမအမည်၊ အလယ်အမည်နှင့် နောက်ဆုံးအမည်အဖြစ် သိမ်းဆည်းထားရမည်။ ဒေတာအရည်အသွေး၏ ဤလက္ခဏာရပ်သည် စံချိန်စံညွှန်းများကို လိုက်နာမှုကို ရိုးရှင်းစေပြီး ပျောက်ဆုံးနေသော တန်ဖိုးများကို လျှော့ချပေးသည်။
[ဖွဲ့စည်းပုံဆိုင်ရာ သေချာမှု။ ဒေတာဒြပ်စင်တစ်ခုအား အစိတ်အပိုင်းတစ်ခုချင်းစီအဖြစ် သဘာဝအတိုင်း ဖွဲ့စည်းတည်ဆောက်နိုင်သည့်အခါ၊ ဒြပ်စင်တွင် ဤကောင်းမွန်စွာသတ်မှတ်ထားသော ဖွဲ့စည်းပုံပါရှိသည်။ ဥပမာအားဖြင့်၊ လူတစ်ဦး၏အမည်ကို ပထမအမည်၊ အလယ်အမည်နှင့် နောက်ဆုံးအမည်ဟူ၍ သဘာဝအတိုင်း ပိုင်းခြားထားသည်။ တစ်ဦးချင်းအမည်များအတွက် တန်ဖိုးများကို ပထမအမည်၊ အလယ်အလတ်အမည်နှင့် နောက်ဆုံးအမည်အဖြစ် သိမ်းဆည်းထားသင့်သည်။ ဤဒေတာအရည်အသွေးလက္ခဏာသည် စံချိန်စံညွှန်းများအသုံးပြုမှုကို ရိုးရှင်းစေပြီး ပျောက်ဆုံးနေသောတန်ဖိုးများကို လျှော့ချပေးသည်။]
Data Anomaly သတ်မှတ်ထားသော ရည်ရွယ်ချက်အတွက်သာ အကွက်တစ်ခုကို အသုံးပြုရပါမည်။ အကွက် လိပ်စာ-၃ ကို ရှည်လျားသော လိပ်စာများအတွက် ဖြစ်နိုင်ခြေရှိသော တတိယစာကြောင်းအတွက် လိပ်စာကို သတ်မှတ်ပါက၊ ဤအကွက်ကို လိပ်စာ၏ တတိယစာကြောင်းကို မှတ်တမ်းတင်ရန်အတွက်သာ အသုံးပြုရပါမည်။ သုံးစွဲသူအတွက် ဖုန်း သို့မဟုတ် ဖက်စ်နံပါတ်ကို ထည့်သွင်းရန်အတွက် ၎င်းကို အသုံးမပြုရပါ။
[ဒေတာကွဲလွဲမှု။ သတ်မှတ်ထားသော ရည်ရွယ်ချက်အတွက်သာ အကွက်တစ်ခုကို အသုံးပြုရပါမည်။ လိပ်စာ-၃ အကွက်ကို ရှည်လျားသော လိပ်စာများအတွက် ဖြစ်နိုင်သည့် တတိယလိပ်စာလိုင်းအတွက် သတ်မှတ်ထားပါက၊ ဤအကွက်ကို တတိယလိပ်စာလိုင်းကို မှတ်တမ်းတင်ရန်အတွက်သာ အသုံးပြုပါမည်။ ဖောက်သည်တစ်ဦးအတွက် တယ်လီဖုန်း သို့မဟုတ် ဖက်စ်နံပါတ်ထည့်ရန် ၎င်းကို အသုံးမပြုသင့်ပါ။]
ရှင်းလင်းမှု။ ဒေတာဒြပ်စင်တစ်ခုသည် အရည်အသွေးဒေတာ၏ အခြားဝိသေသလက္ခဏာများအားလုံးကို ပိုင်ဆိုင်နိုင်သော်လည်း သုံးစွဲသူများက ၎င်း၏အဓိပ္ပာယ်ကို ရှင်းရှင်းလင်းလင်းနားမလည်ပါက ဒေတာဒြပ်စင်သည် သုံးစွဲသူများအတွက် တန်ဖိုးမရှိပေ။ မှန်ကန်သောအမည်ပေးခြင်းဆိုင်ရာ သဘောတူညီချက်များသည် ဒေတာဒြပ်စင်များကို အသုံးပြုသူများ ကောင်းစွာနားလည်စေရန် ကူညီပေးပါသည်။
[ရှင်းလင်းမှု။ ဒေတာဒြပ်စင်တစ်ခုသည် ကောင်းမွန်သောဒေတာ၏ အခြားဝိသေသလက္ခဏာများ ရှိကောင်းရှိနိုင်သော်လည်း သုံးစွဲသူများက ၎င်း၏အဓိပ္ပာယ်ကို ရှင်းရှင်းလင်းလင်းနားမလည်ပါက ဒေတာဒြပ်စင်သည် သုံးစွဲသူများအတွက် တန်ဖိုးမရှိပေ။ မှန်ကန်သော အမည်ပေးသည့် သဘောတူညီချက်များသည် ဒေတာဒြပ်စင်များကို အသုံးပြုသူများ ကောင်းစွာနားလည်စေရန် ကူညီပေးပါသည်။]
ဒိဋ္ဌိ။ အသုံးပြုသူများသည် ဒေတာ၏ အချိန်ကိုက်မှုကို ဆုံးဖြတ်သည်။ သုံးစွဲသူများသည် ဖောက်သည်အတိုင်းအတာဒေတာသည် တစ်နေ့ထက်မပိုစေရန် မျှော်လင့်ပါက၊ အရင်းအမြစ်စနစ်များရှိ ဖောက်သည်ဒေတာပြောင်းလဲမှုများကို ဒေတာဂိုဒေါင်တွင် နေ့စဉ်အသုံးပြုရမည်ဖြစ်သည်။
[အချိန်မီ။ အသုံးပြုသူများသည် ဒေတာ၏ အချိန်ကိုက်မှုကို ဆုံးဖြတ်သည်။ သုံးစွဲသူများ၏ အတိုင်းအတာဒေတာသည် တစ်ရက်ထက်မပိုရန် မျှော်လင့်ပါက၊ အရင်းအမြစ်စနစ်များရှိ ဖောက်သည်ဒေတာပြောင်းလဲမှုများကို ဒေတာဂိုဒေါင်တွင် နေ့စဉ်အသုံးပြုသင့်သည်။]
အသုံးဝင်မှု။ ဒေတာဂိုဒေါင်ရှိ ဒေတာဒြပ်စင်တိုင်းသည် သုံးစွဲသူများ၏ စုဆောင်းမှု၏ လိုအပ်ချက်အချို့ကို ဖြည့်ဆည်းပေးရမည်ဖြစ်သည်။ ဒေတာဒြပ်စင်သည် တိကျပြီး အရည်အသွေးမြင့်မားနိုင်သော်လည်း ၎င်းသည် သုံးစွဲသူများအတွက် တန်ဖိုးမရှိပါက၊ ထိုဒေတာဒြပ်စင်သည် ဒေတာဂိုဒေါင်တွင် ရှိနေရန် လုံးဝမလိုအပ်ပါ။
[အသုံးဝင်မှု။ ဒေတာစတိုးရှိ ဒေတာအကြောင်းအရာတစ်ခုစီသည် သုံးစွဲသူစုဆောင်းမှု၏ အချို့သောလိုအပ်ချက်များကို ဖြည့်ဆည်းပေးရမည်ဖြစ်သည်။ ဒေတာဒြပ်စင်တစ်ခုသည် တိကျပြီး အရည်အသွေးမြင့်မားနိုင်သော်လည်း ၎င်းသည် သုံးစွဲသူများအတွက် တန်ဖိုးမရှိပါက ထိုဒေတာဒြပ်စင်သည် ဒေတာသိုလှောင်ရုံတွင် ရှိနေရန် မလိုအပ်ပါ။]
Data Integrity စည်းကမ်းများကို လိုက်နာခြင်း။ အရင်းအမြစ်စနစ်များ၏ ဆက်စပ်ဒေတာဘေ့စ်များတွင် သိမ်းဆည်းထားသည့် ဒေတာသည် entity integrity နှင့် referential integrity စည်းမျဉ်းများကို လိုက်နာရမည်ဖြစ်သည်။ ပင်မသော့အဖြစ် null ကိုခွင့်ပြုသည့်ဇယားတိုင်းတွင် entity integrity မရှိပါ။ ကိုးကားခိုင်လုံမှုသည် မိဘ-ကလေး ဆက်ဆံရေးကို မှန်ကန်စွာ ထူထောင်ရန် တွန်းအားပေးသည်။ customer-to-order ဆက်ဆံရေးတွင်၊ ကိုးကားမှုသမာဓိသည် ဒေတာဘေ့စ်ရှိ မှာယူမှုတိုင်းအတွက် ဖောက်သည်တစ်ဦးရှိကြောင်း သေချာစေသည်။
[ဒေတာခိုင်မာမှုစည်းမျဉ်းများနှင့်အညီလိုက်နာခြင်း။ ရင်းမြစ်စနစ်များ၏ ဆက်စပ်ဒေတာဘေ့စ်များတွင် သိမ်းဆည်းထားသောဒေတာသည် entity integrity နှင့် referential integrity ၏ စည်းမျဉ်းများကို လိုက်နာရမည်ဖြစ်သည်။ ပင်မကီးအဖြစ် null ကိုခွင့်ပြုသည့်ဇယားတိုင်းတွင် entity integrity မရှိပါ။ ကိုးကားသမာဓိသည် မိဘနှင့် သားသမီးကြား ဆက်ဆံရေးကို မှန်ကန်စွာ ထူထောင်ရန် တွန်းအားပေးသည်။ ဖောက်သည်-မှာယူမှုဆက်ဆံရေးတွင်၊ ဒေတာဘေ့စ်ရှိ မှာယူမှုတိုင်းအတွက် ဖောက်သည်တစ်ဦးရှိနေကြောင်း ကိုးကားမှုဆိုင်ရာ သမာဓိရှိမှုကို အာမခံပါသည်။]
4. ဒေတာသန့်ရှင်းရေး၏အရည်အသွေး
ဒေတာရှင်းလင်းခြင်း၏ အရည်အသွေးသည် bigdata တွင် ပြဿနာတစ်ရပ်ဖြစ်သည်။ အလုပ်ပြီးမြောက်ရန် ဒေတာရှင်းလင်းခြင်း မည်မျှအတိုင်းအတာအထိ လိုအပ်သည်ဆိုသည့်မေးခွန်းကို ဖြေဆိုခြင်းသည် ဒေတာလေ့လာသူတိုင်းအတွက် အခြေခံကျသည်။ လက်ရှိပြဿနာအများစုတွင်၊ လေ့လာသူတိုင်းသည် ၎င်းကို ကိုယ်တိုင်ဆုံးဖြတ်ပြီး ပြင်ပမှမည်သူမဆို ၎င်း၏ဖြေရှင်းချက်တွင် ဤရှုထောင့်ကို အကဲဖြတ်ရန် မဖြစ်နိုင်ပေ။ သို့သော် ဤကိစ္စတွင် လက်ထဲတွင်ရှိသော အလုပ်အတွက်၊ ဥပဒေဆိုင်ရာ အချက်အလက်များ၏ ယုံကြည်စိတ်ချရမှုသည် တစ်ခုနှင့်တစ်ခု ဖြစ်သင့်သောကြောင့် ဤပြဿနာသည် အလွန်အရေးကြီးပါသည်။
လုပ်ငန်းလည်ပတ်မှုဆိုင်ရာ ယုံကြည်စိတ်ချရမှုကို ဆုံးဖြတ်ရန် ဆော့ဖ်ဝဲစမ်းသပ်ခြင်းနည်းပညာများကို ထည့်သွင်းစဉ်းစားပါ။ ယနေ့ခေတ်တွင် ထိုမော်ဒယ်များထက် ပိုများသည်။ . မော်ဒယ်အများစုသည် တောင်းဆိုမှုဝန်ဆောင်မှုပုံစံကို အသုံးပြုသည်-
ပုံ - ၁
အောက်ပါအတိုင်းတွေးကြည့်ပါ- "တွေ့ရှိရသောအမှားသည် ဤပုံစံတွင်ပျက်ကွက်သည့်ဖြစ်ရပ်နှင့်ဆင်တူပါက၊ parameter t ၏ analogue ကိုမည်သို့ရှာဖွေရမည်နည်း။" အောက်ဖော်ပြပါ မော်ဒယ်ကို ငါပြုစုခဲ့သည်- မှတ်တမ်းတစ်ခုစစ်ဆေးရန် စမ်းသပ်သူသည် အချိန် 1 မိနစ် (မေးခွန်းအတွက် ဒေတာဘေ့စ်အတွက်) ဖြစ်သည်၊ ထို့နောက် အမှားအယွင်းများအားလုံးကို ရှာဖွေရန် 365 မိနစ် လိုအပ်မည်ဖြစ်ပြီး ခန့်မှန်းခြေအားဖြင့် 494 နှစ်နှင့် 3၊ အလုပ်ချိန်လများ။ ကျွန်ုပ်တို့နားလည်သည့်အတိုင်း၊ ဤအရာသည် အလွန်ကြီးမားသောအလုပ်ဖြစ်ပြီး ဒေတာဘေ့စ်စစ်ဆေးခြင်းကုန်ကျစရိတ်သည် ဤဒေတာဘေ့စ်၏ compiler အတွက် တားမြစ်မည်ဖြစ်သည်။ ဤသုံးသပ်ချက်တွင်၊ ကုန်ကျစရိတ်၏စီးပွားရေးသဘောတရားပေါ်လာပြီး ခွဲခြမ်းစိတ်ဖြာပြီးနောက် ဤအရာသည် မျှတထိရောက်သောကိရိယာတစ်ခုဖြစ်ကြောင်း နိဂုံးချုပ်လိုက်ရပါသည်။ ဘောဂဗေဒဥပဒေအပေါ် အခြေခံ၍- “ကုမ္ပဏီတစ်ခု၏ အမြတ်အများဆုံးရရှိသည့် ထုတ်လုပ်မှုပမာဏ (ယူနစ်အတွင်း) သည် အထွက်ယူနစ်အသစ်တစ်ခုထုတ်လုပ်ခြင်း၏ မဖြစ်စလောက်ကုန်ကျစရိတ်ကို ဤကုမ္ပဏီရရှိနိုင်သည့်စျေးနှုန်းနှင့် နှိုင်းယှဉ်သည့်နေရာတွင် တည်ရှိပါသည်။ ယူနစ်အသစ်အတွက်။" နောက်ဆက်တွဲ error တစ်ခုစီကို ရှာဖွေရာတွင် မှတ်တမ်းများကို ပိုမိုစစ်ဆေးရန် လိုအပ်သည်ဟူသည့် postulate ကို အခြေခံ၍ ၎င်းသည် ကုန်ကျစရိတ်အချက်ဖြစ်သည်။ ဆိုလိုသည်မှာ၊ စမ်းသပ်မော်ဒယ်များတွင်ထည့်သွင်းထားသော postulate သည်အောက်ပါပုံစံရှိရုပ်ပိုင်းဆိုင်ရာအဓိပ္ပာယ်ကိုယူဆောင်သည်- i-th အမှားကိုရှာဖွေရန် n မှတ်တမ်းများကိုစစ်ဆေးရန်လိုအပ်သည်၊ ထို့နောက်နောက်ထပ် (i+3) အမှားကိုရှာဖွေရန်၎င်းသည်လိုအပ်လိမ့်မည်။ m မှတ်တမ်းများကို စစ်ဆေးရန်နှင့် တစ်ချိန်တည်းတွင် n
- အမှားအသစ်မတွေ့ရှိမီ စစ်ဆေးထားသော မှတ်တမ်းအရေအတွက် တည်ငြိမ်သွားသောအခါ၊
- မရှာဖွေမီ စစ်ဆေးထားသော မှတ်တမ်းအရေအတွက် များလာသောအခါတွင် နောက်အမှားတစ်ခု တိုးလာမည်ဖြစ်သည်။
အရေးကြီးသောတန်ဖိုးကိုဆုံးဖြတ်ရန်၊ ဤကိစ္စတွင်၊ လူမှုရေးကုန်ကျစရိတ်အယူအဆကိုအသုံးပြု၍ စီးပွားရေးဖြစ်နိုင်ခြေအယူအဆကို လှည့်၍ အောက်ပါအတိုင်း ပုံဖော်နိုင်သည်- "အမှားကိုပြင်ခြင်းအတွက် ကုန်ကျစရိတ်များကို စီးပွားရေးအေးဂျင့်မှ ပေးဆောင်ရမည်ဖြစ်ပါသည်။ အနိမ့်ဆုံး စရိတ်စကနဲ့ပေါ့။” ကျွန်ုပ်တို့တွင် အေးဂျင့်တစ်ခုရှိသည် - စံချိန်တစ်ခုကို 1 မိနစ်ကြာစစ်ဆေးသည့်စမ်းသပ်သူ။ ငွေကြေးအရဆိုလျှင် သင်သည် တစ်နေ့လျှင် ရူဘယ် 6000 ရရှိပါက၊ ၎င်းသည် 12,2 ရူဘယ်ဖြစ်လိမ့်မည်။ (ယနေ့အနီးစပ်ဆုံး)။ စီးပွားရေးဥပဒေတွင် မျှခြေ၏ဒုတိယအခြမ်းကို ဆုံးဖြတ်ရန်ကျန်နေသေးသည်။ ငါဒီလို ဆင်ခြင်ခဲ့တယ်။ ရှိပြီးသား error သည် သက်ဆိုင်သူအား ပြုပြင်ရန် လိုအပ်သည် ၊ ဆိုလိုသည်မှာ ပစ္စည်းပိုင်ရှင် ၊ ၎င်းသည် လုပ်ဆောင်ချက် ၁ ရက် လိုအပ်သည် (လျှောက်လွှာတင်ရန်၊ ပြုပြင်ထားသော စာရွက်စာတမ်းကို လက်ခံရရှိသည်) ဆိုကြပါစို့။ ထို့နောက် လူမှုရေးရှုထောင့်မှကြည့်လျှင် သူ၏ ကုန်ကျစရိတ်သည် တစ်နေ့လျှင် ပျမ်းမျှလစာနှင့် ညီမျှမည်ဖြစ်သည်။ Khanty-Mansi ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရ Okrug တွင် ပျမ်းမျှရရှိသောလစာ 73285 ရူဘယ်။ သို့မဟုတ် 3053,542 ရူဘယ်/ရက်။ ထို့ကြောင့်၊ ကျွန်ုပ်တို့သည် ညီမျှသော အရေးပါသောတန်ဖိုးကို ရရှိသည်-
3053,542: 12,2 = 250,4 ယူနစ် မှတ်တမ်းများ။
ဆိုလိုသည်မှာ၊ စမ်းသပ်သူသည် 251 မှတ်တမ်းများကိုစစ်ဆေးပြီး error တစ်ခုတွေ့ရှိပါက၊ ၎င်းသည် အသုံးပြုသူကိုယ်တိုင်ပြင်ဆင်သည့်အမှားနှင့် ညီမျှသည်ဟုဆိုလိုသည်။ ထို့ကြောင့်၊ စမ်းသပ်သူသည် နောက်အမှားတစ်ခုကိုရှာဖွေရန် 252 မှတ်တမ်းများကိုစစ်ဆေးခြင်းနှင့်ညီမျှသောအချိန်ဖြုန်းခဲ့ပါက၊ ဤကိစ္စတွင်၊ အသုံးပြုသူထံ အမှားပြင်ဆင်ခြင်းကုန်ကျစရိတ်ကို ပြောင်းခြင်းသည် ပိုကောင်းသည်။
ရိုးရှင်းသောချဉ်းကပ်နည်းကို လူမှုရှုထောင့်မှကြည့်လျှင် အထူးကျွမ်းကျင်သူတစ်ဦးစီမှ ထုတ်ပေးသော ထပ်ဆောင်းတန်ဖိုးအားလုံးကို ထည့်သွင်းစဉ်းစားရန် လိုအပ်သောကြောင့်၊ ဆိုလိုသည်မှာ အခွန်နှင့် လူမှုရေးပေးချေမှုများအပါအဝင် ကုန်ကျစရိတ်များ ပါဝင်သော်လည်း မော်ဒယ်သည် ရှင်းပါသည်။ ဤဆက်နွယ်မှု၏အကျိုးဆက်မှာ အထူးကုများအတွက် အောက်ပါလိုအပ်ချက်ဖြစ်သည်- IT လုပ်ငန်းမှ ပါရဂူတစ်ဦးသည် နိုင်ငံလုံးဆိုင်ရာ ပျမ်းမျှလစာထက် ပိုကြီးရမည်ဖြစ်သည်။ ဖြစ်နိုင်ချေရှိသော database အသုံးပြုသူများ၏ ပျမ်းမျှလစာထက် နည်းပါးပါက၊ သူကိုယ်တိုင် database တစ်ခုလုံးကို လက်ချင်းချိတ်ပြီး စစ်ဆေးရပါမည်။
ဖော်ပြထားသော စံသတ်မှတ်ချက်ကို အသုံးပြုသောအခါ၊ ဒေတာဘေ့စ်၏ အရည်အသွေးအတွက် ပထမလိုအပ်ချက်ကို ဖွဲ့စည်းထားသည်-
ငါ(tr)။ ဝေဖန်ပိုင်းခြားသောအမှားများ၏ဝေစုသည် 1/250,4 = 0,39938% ထက်မပိုသင့်ပါ။ ထက်နည်းနည်းလျော့တယ်။ စက်မှုလုပ်ငန်းရွှေ။ ရုပ်ပိုင်းဆိုင်ရာ ဝေါဟာရများတွင် အမှားများပါသော မှတ်တမ်းပေါင်း ၁၄၅၉ ခုထက် မပိုပါ။
စီးပွားရေးဆုတ်ခွာ။
တကယ်တော့၊ မှတ်တမ်းများတွင် ထိုသို့သောအမှားအယွင်းများစွာပြုလုပ်ခြင်းဖြင့်၊ လူ့အဖွဲ့အစည်းသည် စီးပွားရေးဆုံးရှုံးမှုပမာဏကို သဘောတူလက်ခံသည်-
1459*3053,542 = 4 ရူဘယ်။
ဤငွေပမာဏကို လူ့အဖွဲ့အစည်းတွင် ဤကုန်ကျစရိတ်များကို လျှော့ချရန် ကိရိယာများမရှိခြင်းဟူသောအချက်ဖြင့် ဆုံးဖြတ်သည်။ ဥပမာ- 259 သို့ အမှားအယွင်းများပါသော မှတ်တမ်းအရေအတွက်ကို လျှော့ချနိုင်စေမည့် နည်းပညာတစ်ခုရှိလျှင် ၎င်းသည် လူ့အဖွဲ့အစည်းကို ကယ်တင်နိုင်လိမ့်မည်-
1200*3053,542 = 3 ရူဘယ်။
သို့သော်တစ်ချိန်တည်းမှာပင်၊ သူသည်သူ၏စွမ်းရည်နှင့်အလုပ်အတွက်တောင်းဆိုနိုင်သည်၊ ရူဘယ် ၁ သန်းဟုဆိုကြပါစို့။
ဆိုလိုသည်မှာ၊ လူမှုရေးကုန်ကျစရိတ်များကို လျှော့ချသည်-
3 – 664 = 250 ရူဘယ်။
အနှစ်သာရအားဖြင့်၊ ဤအကျိုးသက်ရောက်မှုသည် BigDat နည်းပညာများကိုအသုံးပြုခြင်းမှ ထပ်လောင်းတန်ဖိုးဖြစ်သည်။
သို့သော် ဤအရာသည် လူမှုရေးအကျိုးသက်ရောက်မှုတစ်ခုဖြစ်သည်ဟူသောအချက်ကို ထည့်သွင်းစဉ်းစားသင့်ပြီး ဒေတာဘေ့စ်ပိုင်ရှင်သည် စည်ပင်အာဏာပိုင်များဖြစ်ပြီး၊ ဤဒေတာဘေ့စ်တွင်မှတ်တမ်းတင်ထားသော ပိုင်ဆိုင်မှုအသုံးပြုမှုမှ ၎င်းတို့၏ ၀င်ငွေမှာ 0,3% နှုန်းဖြင့် 2,778 ဘီလီယံရူဘယ်/ တစ်နှစ်။ နှင့်ဤကုန်ကျစရိတ်များ (4 ရူဘယ်) သည်ပစ္စည်းဥစ္စာပိုင်ဆိုင်မှုပိုင်ရှင်များထံသို့လွှဲပြောင်းသောကြောင့်, ကသူ့ကိုအများကြီးအနှောက်အယှက်မပေးပါဘူး။ ဤရှုထောင့်တွင်၊ Bigdata ရှိ ပိုမိုသန့်စင်သောနည်းပညာများကို တီထွင်သူသည် ဤဒေတာဘေ့စ်၏ပိုင်ရှင်ကို ဆွဲဆောင်နိုင်စွမ်းကို ပြသရမည်ဖြစ်ပြီး ထိုအရာများသည် အရည်အချင်းများစွာ လိုအပ်ပါသည်။
ဤဥပမာတွင်၊ ယုံကြည်စိတ်ချရမှုကို စမ်းသပ်နေစဉ်အတွင်း ဆော့ဖ်ဝဲလ်အတည်ပြုခြင်း၏ Schumann မော်ဒယ် [2] ကို အခြေခံ၍ အမှားအယွင်းအကဲဖြတ်သည့် အယ်လဂိုရီသမ်ကို ရွေးချယ်ခဲ့သည်။ အင်တာနက်တွင်ပျံ့နှံ့မှုနှင့် လိုအပ်သော စာရင်းအင်းညွှန်းကိန်းများကို ရယူနိုင်စွမ်းကြောင့်ဖြစ်သည်။ နည်းစနစ်ကို Monakhov Yu.M. “သတင်းအချက်အလက်စနစ်များ၏ လုပ်ဆောင်နိုင်သော တည်ငြိမ်မှု”၊ ပုံရှိ spoiler အောက်တွင် ကြည့်ပါ။ ၇-၉။
ထမင်း။ 7 – 9 Schumann မော်ဒယ်၏ နည်းစနစ်
ဤပစ္စည်း၏ဒုတိယအပိုင်းသည် Schumann မော်ဒယ်ကိုအသုံးပြုခြင်း၏ရလဒ်များကိုရရှိသည့်ဒေတာရှင်းလင်းခြင်း၏နမူနာကိုတင်ပြသည်။
ရရှိလာတဲ့ရလဒ်တွေကို တင်ပြပါရစေ။
ခန့်မှန်းအမှားအရေအတွက် N = 3167 n ။
ကန့်သတ်ချက် C၊ lambda နှင့် ယုံကြည်စိတ်ချရမှု လုပ်ဆောင်ချက်-
ပုံ ၃
အခြေခံအားဖြင့်၊ lambda သည် အဆင့်တစ်ခုစီတွင် အမှားအယွင်းများကို တွေ့ရှိရသည့် ပြင်းထန်မှု၏ တကယ့်ညွှန်ပြချက်တစ်ခုဖြစ်သည်။ ဒုတိယအပိုင်းကိုကြည့်ပါက၊ ဤအညွှန်းကိန်းအတွက် ခန့်မှန်းချက်မှာ တစ်နာရီလျှင် အမှားအယွင်း 42,4 ရှိပြီး Schumann ညွှန်ကိန်းနှင့် အတော်လေး နှိုင်းယှဉ်နိုင်သည်။ အထက်တွင်၊ ဆော့ဖ်ဝဲရေးသားသူတစ်ဦးမှ အမှားအယွင်းများတွေ့ရှိသည့်နှုန်းသည် တစ်မိနစ်လျှင် 1 စံချိန်ကိုစစ်ဆေးသည့်အခါ 250,4 မှတ်တမ်းတစ်ခုလျှင် 1 အမှားထက် မနိမ့်သင့်ဟု ဆုံးဖြတ်ထားသည်။ ထို့ကြောင့် Schumann မော်ဒယ်အတွက် lambda ၏အရေးကြီးသောတန်ဖိုး။
60 / 250,4 = 0,239617 ။
ဆိုလိုသည်မှာ၊ ရှိပြီးသား 38,964 မှ lambda မှ 0,239617 သို့ လျော့နည်းသွားသည်အထိ အမှားအယွင်းရှာဖွေခြင်းလုပ်ငန်းစဉ်များကို ဆောင်ရွက်ရန်လိုအပ်ပါသည်။
သို့မဟုတ် ညွှန်ပြချက် N (ဖြစ်နိုင်ချေရှိသော အမှားအယွင်းအရေအတွက်) အနုတ် n (ပြင်ဆင်ထားသော အမှားအယွင်းအရေအတွက်) သည် ကျွန်ုပ်တို့လက်ခံထားသော အဆင့်ထက် လျော့နည်းသွားသည်အထိ သို့မဟုတ် 1459 pcs။
စာပေ
- Monakhov, Yu. M. သတင်းအချက်အလက်စနစ်များ၏လုပ်ဆောင်ချက်ဆိုင်ရာတည်ငြိမ်မှု။ 3 နာရီ အပိုင်း 1. Software reliability: ဖတ်စာအုပ်။ ထောက်ပံ့ကြေး / Yu. M. Monakhov; ဗလာဒင်။ ပြည်နယ် univ - ဗလာဒီမာ- Izvo Vladim ။ ပြည်နယ် တက္ကသိုလ်၊ 2011။ – 60 p. - ISBN 978-5-9984-0189-3။
- Martin L. Shooman၊ "ဆော့ဖ်ဝဲယုံကြည်စိတ်ချရမှု ခန့်မှန်းမှုအတွက် ဖြစ်နိုင်ခြေရှိသော မော်ဒယ်များ"
- အိုင်တီကျွမ်းကျင်ပညာရှင်များ / Paulraj Ponniah အတွက် ဒေတာသိုလှောင်ခြင်း အခြေခံအချက်များ။—2nd ed.
source: www.habr.com