陳 艷
(文華學院信息學部實驗中心,武漢 430000)
計算機輔助技術是一種新型技術,它是在計算機的基礎上進行的技術,是當今計算機領域的研究重點之一,目的是將制圖技術CAD與數據分析技術CAE緊密結合,以適應當今社會的需要。通常,信息分析是人類利用計算機進行數據處理的過程。從分析任務和過程來看,人類需要有邏輯分析能力,并且通過計算機進行數據分析。因此,計算機輔助技術在不斷發展,為了適應新形勢的變化。在一定程度上,人和計算機相互合作、密切分工、緊密聯系,各自處理各自信息,如人類發揮主觀能動性,對計算機整理的信息進行分析,完成人要做的工作,而計算機可以處理大批信息,不僅節約了時間,同時也提高了工作效率。通過對分析人員和計算機進行合理規劃,可以充分發揮人和計算機的最大效用。
(1)擴展分析能力和提高分析效率。例如我國某大型超市通過SAS模組軟件,利用計算機進行數據分析,每天處理大批信息,不僅包括大部分經營作業流程,而且有效提高了工作效率,節約了人力物力。
(2)支持分析過程的可視化和有效控制。例如啟動大型搜索引擎可以搜索處理大批量數據信息,微軟亞洲研究院設計的搜索引擎,可以立即檢索相關信息和資料,并以一種可視化方式出現在屏幕上,這些數據由計算機高度算法通過分析、存儲獲得,可以支持分析過程中的可視化。
(3)支持各種決策活動和商務智能。以頭條指數為例,我們可以通過頭條指數查詢關鍵詞,通過搜索關鍵詞可以查詢其排名,并且可以搜索相關信息,查詢實時信息,可以通過搜索排名進行相關數據分析。
(4)支持預測未來以及規模現實。谷歌公司收集、整理、分析了一段時間內在網上的健康、疾病問題等相關信息,通過進行數據分析、類比整理,在2008年推出“谷流感趨勢”項目,彰顯了信息分析在醫療衛生領域的應用,在醫療健康領域應用數據信息分析,可以有效預測,提高準確性。
(1)數據庫和數據倉庫是計算機輔助信息分析的主要技術框架。數據庫的結構可以直接處理計算機中存儲、整合的直接業務數據,在此基礎上,進行分析、整理、分類。數據倉庫可以從數據庫中將數據進行分析、整理,將數據整理成報表,直接以可視化形勢出現,在此基礎上按照類別進行分析、處理,實現商務智能分析,商務智能通過收集信息、整理信息、分析信息、對比信息等,將數據分門別類進行整理,已經成功運用在信息分析領域。
(2)數據庫和數據倉庫在計算機輔助信息分析中起著重要作用,在信息處理中,只有對數據進行類比、分析,才能進行科學合理的數據分析。數據庫系統在數據庫中起著重要作用,它用于數據分析,數據倉庫技術是在數據分析中分析處理環境而出現的技術,它是由早期單一化處理數據演變而來,慢慢朝著多樣化轉變,在處理數據方面發揮著越來越強大的作用。
(3)隨著數據環境的改變,分布式數據庫、并行數據庫、Map Reduce 編程模型等得到了快速發展,在現在的使用中越來越廣泛,廣泛應用于各行各業中,在幫助人們處理各項系統數據中起著越來越重要的作用。數據挖掘的內涵即從大量數據中調查、抽取一些數據,然后探索其規律,再從規律中根據用戶需求做出相關處理和數據分析。工作人員通過KDD等,不斷修改其信息,從而提升出簡明扼要的知識。
(4)數據挖掘目前應用于各行各業,是一門綜合性較強的學科,隨著信息技術的不斷發展,數據挖掘技術也不斷進步,常用的數據挖掘技術有:一是按照數據集分類:關系型數據挖掘、面向對象數據挖掘、多媒體數據。二是按照所采用的技術和方法分類:交互式數據挖掘、機器學習類數據挖掘、發現驅動式數據挖掘等。三是按照應用領域分類:醫療領域的數據挖掘、互聯網領域的數據挖掘、通信領域的數據挖掘等。
計算機輔助信息技術也出現了一些新的挑戰,隨著大數據、云計算等新興技術的出現,計算機輔助技術唯有不斷發展,才能順應時代的潮流,才能不被時代所拋棄。
(1)數據量帶來的挑戰。計算機輔助信息技術剛研究、開發時,它有一定的弊端,雖然取得了一定的突破,但其應用無法實現大批量的數據處理。
(2)數據多樣性帶來的挑戰。在應用過程中,使用關系數據庫可以大批量處理數據,但其內容遵循“模式優先”和“pay-beforeyou-go ”的原則,有時不是很靈活,無法準確提供其數據。
(3)數據價值性帶來的挑戰。數據倉庫根據不同類別進行分類整理,從而提高了工作效率,解決了數據多樣性和數據量大的問題,但數據庫仍然需要不斷改進,以適應用戶需要。
(4) 數據處理速度帶來的挑戰。以OLAP為例,它可以用來解決復雜的數據操作,解決信息分析問題,但由于處理速度比較慢,所以在使用過程中滿意度較低。
隨著社會不斷的發展,我國現代化信息技術水平逐漸提高,而計算機輔助信息分析技術是現代化信息技術中的重要組成部分,對于現代化信息技術的發展來說有著非常重要的意義。所以在信息技術中,應該不斷創新以適應社會的發展。