Duomenys gali būti paveikslėliai, , tekstas be konteksto.
Kai duomenys tampa reikšmingais gavėjui, tai vadinama .
Jim Gray teigia, kad duomenų tyrybą galima laikyti atskira mokslo paradigma, kuri yra:
● , kurioje daugiausia remiamasi stebėjimais ir eksperimentų rezultatais.
● , kai naujos sąvokos atsiranda iš esamų mokslo žinių.
● , kai naujus principus atrandame remdamiesi tam tikrais kompiuteriniais eksperimentais.
Duomenų tyrybos privalumai
● Duomenų tyrybos metodas leidžia organizacijoms gauti pagrįstus duomenis.
● Duomenų tyryba leidžia organizacijoms atlikti veiklos ir gamybos pakeitimus.
● Palyginti su kitomis duomenų taikymo sritimis, duomenų tyryba yra ekonomiškai efektyvi.
● Duomenų tyryba padeda organizacijos sprendimų procese.
● Ji palengvina automatinį dėsningumų atradimą, taip pat tendencijų ir elgsenos prognozavimą.
● Ją galima tiek naujoje sistemoje, tiek esamose platformose.
● Tai greitas procesas, kuris naujiems naudotojams per trumpą laiką išanalizuoti didžiulius duomenų kiekius.

Duomenų tyrybos trūkumai

● Yra tikimybė, kad organizacijos gali parduoti naudingus klientų duomenis kitoms organizacijoms už .
● Daugeliu duomenų tyrybos analitinės programinės įrangos yra naudotis, o darbui su ja reikia išankstinio mokymo.
● Skirtingos duomenų tyrybos priemonės veikia skirtingai dėl jų konstrukcijoje naudojamų skirtingų .
Todėl tinkamų duomenų tyrybos priemonių pasirinkimas yra labai užduotis.
● Duomenų tyrybos metodai tikslūs, todėl tam tikromis sąlygomis gali sukelti sunkių padarinių.
● Duomenų bazės
● Svarbiausias aspektas yra kaip saugoti duomenis, t. y. kaip juos taip, kad būtų galima greičiau apdoroti.
● Didieji duomenys
● Dažnai mums reikia saugoti ir apdoroti labai didelius duomenų , kurių struktūra yra palyginti paprasta.
Yra specialių metodų ir įrankių, skirtų tiems duomenims saugoti paskirstytu būdu kompiuterių klasteryje ir juos efektyviai apdoroti.
● Mašininis mokymasis
● Vienas iš būdų suprasti duomenis – sukurti , kuris galėtų numatyti norimą rezultatą. Modelių kūrimas iš duomenų vadinamas mašininiu mokymusi. Mašininį mokymąsi nagrinėsime skyriuje „Dirbtinis intelektas“.
● Dirbtinis intelektas
● Mašininio mokymosi sritis, vadinama intelektu (DI), taip pat remiasi duomenimis ir apima didelio sudėtingumo modelių, imituojančių žmogaus mąstymo procesus, kūrimą.
Dirbtinio intelekto metodai dažnai leidžia duomenis (pvz., natūralią kalbą) paversti struktūrizuotomis įžvalgomis.
● Vizualizavimas
● Didžiuliai duomenų kiekiai žmogui yra nesuprantami, tačiau, sukūrę naudingas , naudodami šiuos duomenis, galime juos geriau suprasti ir padaryti tam tikras išvadas.
Taigi, svarbu žinoti daugybę informacijos vizualizavimo .