तपशील आणि माहितीतील फरक. विपणन माहिती प्रणाली

डेटा आणि माहिती सहसा समान असतात, परंतु दोन संज्ञांमध्ये लक्षणीय फरक आहे:

● माहिती- मानवी मेंदूतील संकल्पना आणि वस्तू (तथ्य, घटना, गोष्टी, प्रक्रिया, कल्पना) संबंधित ज्ञान;

● डेटा- प्रक्षेपण, व्याख्या किंवा प्रक्रियेसाठी योग्य प्रक्रिया केलेल्या माहितीचे सादरीकरण (संगणक फाइल्स, कागदी दस्तऐवज, माहिती प्रणालीमधील रेकॉर्ड).

माहिती आणि डेटामधील फरक असा आहे की:

1) डेटा ही विशिष्ट माध्यमांवर संग्रहित केलेली घटना आणि घटनांबद्दल निश्चित माहिती आहे आणि विशिष्ट समस्या सोडवताना डेटा प्रक्रियेच्या परिणामी माहिती दिसून येते.

उदाहरणार्थ, डेटाबेसमध्ये विविध डेटा संग्रहित केला जातो आणि विशिष्ट विनंतीनुसार, डेटाबेस व्यवस्थापन प्रणाली आवश्यक माहिती प्रदान करते.

2) डेटा माहिती वाहक आहे, माहिती नाही.

३) डेटा तेव्हाच माहितीमध्ये बदलतो जेव्हा एखाद्या व्यक्तीला त्यात रस निर्माण होतो. एखादी व्यक्ती डेटामधून माहिती काढते, त्याचे मूल्यांकन करते, त्याचे विश्लेषण करते आणि विश्लेषणाच्या परिणामांवर आधारित, एक किंवा दुसरा निर्णय घेते.

डेटा अनेक प्रकारे माहितीमध्ये बदलतो:

संदर्भ: डेटा कशासाठी आहे हे आम्हाला माहित आहे;

मोजणी: आम्ही डेटावर गणिती प्रक्रिया करतो;

सुधारणा: आम्ही चुका दुरुस्त करतो आणि चुका काढून टाकतो;

कॉम्प्रेशन: आम्ही डेटा संकुचित करतो, केंद्रित करतो, एकत्रित करतो.

अशा प्रकारे, एखाद्या विषयाबद्दलच्या ज्ञानाची अनिश्चितता कमी करण्यासाठी डेटा वापरणे शक्य असल्यास, डेटा माहितीमध्ये बदलतो. म्हणून, असा युक्तिवाद केला जाऊ शकतो की माहिती ही वापरली जाणारी डेटा आहे.

4) माहिती मोजली जाऊ शकते. माहितीच्या सामग्रीचे मोजमाप करण्याचे उपाय प्राप्तकर्त्याच्या अज्ञानाच्या प्रमाणात बदलाशी संबंधित आहे आणि माहिती सिद्धांताच्या पद्धतींवर आधारित आहे.

2. विषय क्षेत्र- हा वास्तविक जगाचा एक भाग आहे, ज्या डेटाबद्दल आम्ही डेटाबेसमध्ये प्रतिबिंबित करू इच्छितो. विषय क्षेत्र अमर्याद आहे आणि त्यात मूलत: महत्त्वाच्या संकल्पना आणि डेटा तसेच क्षुल्लक किंवा गैर-महत्त्वपूर्ण डेटा दोन्ही समाविष्ट आहेत. अशा प्रकारे, डेटाचे महत्त्व डोमेनच्या निवडीवर अवलंबून असते.

डोमेन मॉडेल. डोमेन मॉडेल म्हणजे डोमेनबद्दलचे आमचे ज्ञान. ज्ञान हे तज्ञांच्या मेंदूतील अनौपचारिक ज्ञानाच्या स्वरूपात असू शकते किंवा काही माध्यमांचा वापर करून औपचारिकपणे व्यक्त केले जाऊ शकते. अनुभव दर्शविते की डोमेन मॉडेलचे प्रतिनिधित्व करण्याचा मजकूर मार्ग अत्यंत कुचकामी आहे. डेटाबेस विकसित करताना अधिक माहितीपूर्ण आणि उपयुक्त म्हणजे विशेष ग्राफिकल नोटेशन्स वापरून केलेल्या विषय क्षेत्राचे वर्णन. विषय क्षेत्राचे वर्णन करण्यासाठी मोठ्या संख्येने पद्धती आहेत. सर्वात सुप्रसिद्ध म्हणजे SADT संरचनात्मक विश्लेषण तंत्र आणि त्यावर आधारित IDEF0, Gein-Sarson डेटा प्रवाह आकृती, UML ऑब्जेक्ट-ओरिएंटेड विश्लेषण तंत्र इ. डोमेन मॉडेल त्याऐवजी विषय क्षेत्रात होणाऱ्या प्रक्रियांचे आणि वापरलेल्या डेटाचे वर्णन करते. या प्रक्रियांद्वारे. पुढील ऍप्लिकेशन डेव्हलपमेंटचे यश हे विषय क्षेत्र किती योग्यरित्या तयार केले आहे यावर अवलंबून आहे.

3. डेटाबेस- वस्तुनिष्ठ स्वरूपात सादर केलेल्या स्वतंत्र सामग्रीचा संच (लेख, गणना, नियम, न्यायालयाचे निर्णय आणि इतर तत्सम साहित्य), अशा प्रकारे पद्धतशीर केले जाते की ही सामग्री इलेक्ट्रॉनिक संगणक (संगणक) वापरून शोधली आणि त्यावर प्रक्रिया केली जाऊ शकते.

बरेच तज्ञ "डेटाबेस व्यवस्थापन प्रणाली" या शब्दाऐवजी "डेटाबेस" हा शब्द चुकीच्या पद्धतीने वापरण्याची सामान्य चूक दर्शवतात आणि या संकल्पनांमध्ये फरक करण्याची आवश्यकता दर्शवतात.

डेटा हा माहितीचा संग्रह आहे जो कोणत्याही माध्यमावर रेकॉर्ड केला जातो - कागद, डिस्क, फिल्म. ही माहिती स्टोरेज, ट्रान्समिशन आणि प्रोसेसिंगसाठी योग्य स्वरूपात असणे आवश्यक आहे. डेटाचे पुढील परिवर्तन माहिती प्राप्त करण्यास अनुमती देते. अशा प्रकारे, माहितीला डेटा विश्लेषण आणि परिवर्तनाचा परिणाम म्हटले जाऊ शकते. डेटाबेस विविध डेटा संचयित करतो आणि नियंत्रण प्रणाली विशिष्ट विनंतीनुसार आवश्यक माहिती प्रदान करू शकते. उदाहरणार्थ, तुम्ही शाळेच्या डेटाबेसमधून हे शोधू शकता की कोणते विद्यार्थी एखाद्या विशिष्ट रस्त्यावर राहतात किंवा ज्यांना वर्षभरात खराब ग्रेड मिळालेला नाही, इ. जेव्हा त्यांना त्यात स्वारस्य होते तेव्हा डेटा माहितीमध्ये बदलतो. असा युक्तिवाद केला जाऊ शकतो की माहिती डेटा वापरली जाते.

"माहिती" हा शब्द लॅटिन माहितीपासून आला आहे, "माहिती, सादरीकरण, स्पष्टीकरण." माहितीला वस्तू, पर्यावरणीय घटना, त्यांच्या गुणधर्मांबद्दल माहिती देखील म्हणतात, ज्यामुळे अनिश्चितता आणि अपूर्ण ज्ञानाची डिग्री कमी होते. माहितीच्या देवाणघेवाणीच्या परिणामी, विषयाची अधिक संपूर्ण समज तयार होते आणि जागरुकतेची पातळी वाढते.

माहिती स्वतंत्रपणे अस्तित्वात नाही, स्वतःहून. नेहमीच एक स्रोत असतो जो ते निर्माण करतो आणि तो जाणतो. कोणतीही वस्तू स्त्रोत किंवा प्राप्तकर्ता म्हणून कार्य करते - एक व्यक्ती, संगणक, प्राणी, एक वनस्पती. माहिती नेहमी विशिष्ट ऑब्जेक्टसाठी असते.

एखाद्या व्यक्तीला विविध स्त्रोतांकडून माहिती मिळते - वाचताना, रेडिओ ऐकताना, दूरदर्शन पाहताना, जेव्हा तो एखाद्या वस्तूला स्पर्श करतो तेव्हा अन्नाची चव घेतो. भिन्न लोक समान माहिती वेगळ्या प्रकारे जाणू शकतात.

वापराच्या व्याप्तीनुसार, वैज्ञानिक, तांत्रिक, आर्थिक आणि इतर प्रकारची माहिती आहेत. संपूर्ण समाजावर प्रभाव टाकण्याचे हे सर्वात मजबूत माध्यम आहे. सुप्रसिद्ध अभिव्यक्तीनुसार, ज्याच्याकडे कोणत्याही समस्येवर सर्वात जास्त माहिती आहे तो जगाचा मालक आहे, म्हणजेच इतरांच्या तुलनेत फायदेशीर स्थितीत आहे. दैनंदिन जीवनात, समाजाचा विकास, लोकांचे आरोग्य आणि जीवन माहितीवर अवलंबून असते.

हजारो वर्षांच्या कालावधीत, मानवतेने प्रचंड ज्ञान जमा केले आहे, जे सतत वाढत आहे. आजकाल माहितीचे प्रमाण दर दोन वर्षांनी दुप्पट होते. कोणत्याही परिस्थितीत, अगदी सांसारिक, केवळ संबंधित, पूर्ण, विश्वासार्ह आणि समजण्यायोग्य माहिती प्रभावी आहे. केवळ प्रासंगिक, म्हणजे वेळेवर मिळालेल्या माहितीचा लोकांना फायदा होऊ शकतो. त्याच दिवशी नव्हे तर आदल्या दिवशी हवामानाचा अंदाज किंवा चक्रीवादळाची चेतावणी मिळणे महत्त्वाचे आहे.

माहिती आणि डेटामधील फरकाबद्दल विचार करताना, आपण मदत करू शकत नाही परंतु त्यांच्यात काही साम्य आहे का?
आपण अनेकदा भाषणात एका शब्दाच्या जागी दुसरा शब्द टाकतो की आपली विधाने कशी मूर्ख बनतात हे आपल्या लक्षात येत नाही. मूर्ख परिस्थितीत न येण्यासाठी, आपण त्या प्रत्येकाचा अर्थ काय हे शोधून काढले पाहिजे.
डेटा आणि माहिती यांच्यात इतका घनिष्ठ संबंध आहे की दुसऱ्याशिवाय एकाचे अस्तित्व एकतर अशक्य किंवा अर्थहीन आहे.
डेटा हा माहितीचा आधार आहे. मूलत:, ते फक्त वर्णांचा संच आहेत. परंतु काही आकलन प्रणालीद्वारे त्यांचा अर्थ लावल्यानंतर, डेटा माहिती बनतो.

घटना स्थिती

तर, माहिती फक्त तेव्हाच उद्भवते जेव्हा डेटा असलेला एक विशिष्ट स्त्रोत असेल आणि थेट, प्राप्तकर्ता असेल. डेटाचे अनेक प्रकारे माहितीमध्ये रूपांतर केले जाऊ शकते: मोजणी, सुधारणा, संक्षेप, संदर्भ आणि वर्गीकरण याद्वारे.
डेटा म्हणजे काही स्त्रोतांवर रेकॉर्ड केलेली माहिती. अलीकडे, डेटाचे प्रमाण अविश्वसनीय वाढीपर्यंत पोहोचले आहे. इंटरनेटच्या वेगवान वाढीमुळे हे घडले.

मोजमाप

डेटा मोजता येत नाही. आम्ही डेटा मोजण्यास सुरुवात करताच, प्रक्रिया प्रक्रिया सुरू होईल. याचा अर्थ डेटा आपोआप "माहिती" श्रेणीमध्ये जाईल. माहिती मोजता येते. हे करण्यासाठी, माहिती प्राप्त होण्यापूर्वी आणि नंतर ज्ञानाच्या पातळीचे मूल्यांकन करणे पुरेसे आहे.

रूपांतरण परिणाम

मानवी मेंदू, सर्वात प्रगत संगणकाप्रमाणे, आपल्याला प्राप्त झालेल्या डेटावर प्रक्रिया करतो आणि काही माहिती तयार करतो. आणि जेव्हा ते दुसऱ्या विचार प्रक्रियेत लागू करण्याची गरज निर्माण होते, तेव्हा त्याच्यासाठी ही माहिती डेटा बनते ज्यातून नवीन माहिती प्राप्त केली जाईल.
ठराविक कालावधीत वारंवार प्रक्रिया केलेल्या माहितीच्या परिवर्तनाचा अंतिम टप्पा म्हणजे ज्ञान.

अशा प्रकारे, इमगिस्ट माहिती आणि डेटामधील खालील मुख्य फरक हायलाइट करते:

डेटा आणि माहितीचा एकमेकांशी जवळचा संबंध आहे.
डेटा निश्चित आहे; तो वेळेच्या प्रत्येक युनिटमध्ये अस्तित्वात आहे. जेव्हा या डेटावर प्रक्रिया केली जाते तेव्हाच माहिती उद्भवते.
परिवर्तनानंतरचा डेटा माहिती बनतो. वारंवार पडताळलेली माहिती - ज्ञान.
माहिती, डेटाच्या विपरीत, एक मोजता येणारा पदार्थ आहे.

ज्ञान व्यवस्थापनाच्या मुद्द्यांवर विचार करणे सुरू ठेवण्यापूर्वी, या क्षेत्राच्या मुख्य संकल्पना परिभाषित करणे महत्वाचे आहे: “डेटा”, “माहिती”, “ज्ञान”.

नॉलेज मॅनेजमेंट वरील साहित्य त्याच्या व्याख्येसाठी वेगवेगळे दृष्टिकोन मांडते. पूर्ण-प्रमाणात विश्लेषण करण्याचा आव न आणता, आम्ही काही महत्त्वाचे मुद्दे मांडण्याचा प्रयत्न करू.

अंतर्गत डेटाअक्रमित निरीक्षणे, संख्या, शब्द, ध्वनी, प्रतिमा समजतात. हा इव्हेंट्सबद्दल स्वतंत्र, वस्तुनिष्ठ घटकांचा एक संच आहे. शिवाय, संस्थात्मक संदर्भात, डेटाचा अर्थ क्रियाकलापांच्या कृतींच्या संरचित रेकॉर्ड म्हणून केला जातो. संस्था सहसा माहिती प्रणालीमध्ये डेटा संग्रहित करतात, ज्यामध्ये ते विविध विभाग आणि सेवांमधून येतात.

जेव्हा डेटा व्यवस्थित, क्रमबद्ध, गटबद्ध, वर्गीकृत केला जातो तेव्हा तो बनतो माहिती. एका विशिष्ट उद्देशाने मांडलेल्या डेटाचा संग्रह म्हणून त्याचा अर्थ लावला जातो ज्यामुळे त्याचा अर्थ होतो.

संदेश- हा मजकूर, डिजिटल डेटा, प्रतिमा, ध्वनी, ग्राफिक्स, सारण्या इ.

बुद्धिमत्ता- "संदेश" च्या संकल्पनेसह व्यावहारिकदृष्ट्या समानार्थी. ते बहुतेकदा घरगुती स्वरूपाचे असतात.

ज्ञानउत्पादक वापरासाठी सज्ज, प्रभावी आणि अर्थाने सुसज्ज असलेली माहिती म्हणून त्याचा अर्थ लावला जातो. हे औपचारिक अनुभव, मूल्ये, संदर्भित माहिती आणि तज्ञांच्या आकलनाचा संग्रह आहे जे नवीन अनुभव आणि माहितीचे मूल्यांकन आणि एकत्रित करण्यासाठी आधार बनवते. हे लोकांच्या मनात तयार केले जाते आणि लागू केले जाते आणि संस्थांमध्ये ते केवळ दस्तऐवज आणि भांडारांमध्येच नव्हे तर संस्थात्मक कार्यपद्धती, प्रक्रिया, गोष्टी करण्याच्या पद्धती आणि नियमांमध्ये देखील समाविष्ट केले जाते.

साहित्याच्या पुनरावलोकनाच्या आधारे तक्ता ज्ञानाच्या विविध व्याख्या प्रदान करतो.

चर्चा केलेल्या बहुतेक व्याख्या यावर भर देतात की माहितीच्या तुलनेत ज्ञान ही एक व्यापक, सखोल आणि समृद्ध संकल्पना आहे. ते प्रतिनिधित्व करतात विविध घटकांचे द्रव कनेक्शन – अनुभव, मूल्ये, माहिती आणि तज्ञांची समज- आणि सतत बदलत आहे; ते अंतर्ज्ञानी आहेत; ते लोकांचे वैशिष्ट्य आहेत आणि त्याच्या अप्रत्याशिततेसह मानवी साराचा अविभाज्य भाग आहेत.

• · माहिती- मानवी मेंदूतील संकल्पना आणि वस्तू (तथ्य, घटना, गोष्टी, प्रक्रिया, कल्पना) संबंधित ज्ञान;
• · डेटा- प्रक्षेपण, व्याख्या किंवा प्रक्रियेसाठी योग्य प्रक्रिया केलेल्या माहितीचे सादरीकरण (संगणक फाइल्स, कागदी दस्तऐवज, माहिती प्रणालीमधील रेकॉर्ड).
• 1. डेटा आणि माहिती जवळून एकमेकांशी संबंधित आहेत.
• 2. डेटा निश्चित आहे; तो प्रत्यक्षात वेळेच्या प्रत्येक युनिटमध्ये अस्तित्वात आहे. जेव्हा या डेटावर प्रक्रिया केली जाते तेव्हाच माहिती उद्भवते.
• 3. परिवर्तनानंतरचा डेटा माहिती बनतो. वारंवार पडताळलेली माहिती - ज्ञान.
• 4. माहिती, डेटाच्या विपरीत, एक मोजता येणारा पदार्थ आहे.

व्यवस्थापन निर्णय प्रक्रियेचे मॉडेलिंग आम्हाला परिमाणवाचक मूल्यांकन आणि घेतलेल्या निर्णयांच्या परिणामांचे परिमाणवाचक विश्लेषण करण्यासाठी महत्त्वपूर्ण पाऊल उचलण्याची परवानगी देते.निर्णय घेण्याच्या प्रक्रियेच्या मॉडेल्सची निर्मिती आणि वापर केल्याने गुणात्मकरित्या मूल्यांकन केलेल्या व्यवस्थापन परिस्थितींचे विशेष सादर केलेले मौखिक-संख्यात्मक स्केल वापरून परिमाणवाचकपणे मूल्यांकन केले जाऊ शकते.

व्यवस्थापन निर्णय घेण्याच्या प्रक्रियेच्या मॉडेलिंगचा वापर आम्हाला गुणात्मकदृष्ट्या नवीन स्तरावर वाढवण्यास, व्यवस्थापन निर्णय घेण्याच्या सरावात आधुनिक तंत्रज्ञान विकसित करण्यास आणि परिचय देण्यास अनुमती देतो. निर्णय घेण्याच्या प्रक्रियेच्या मॉडेल्सचा हा व्यावसायिक वापर आहे ज्यामुळे संस्थेच्या प्रमुखाला त्याच्या अंतर्ज्ञानावर नियंत्रण ठेवता येते आणि व्यवस्थापनाच्या निर्णयांची अधिकाधिक सुसंगतता, सातत्य आणि विश्वासार्हता सुनिश्चित होते. परंतु दुसरीकडे, मॉडेल्सच्या वापरामुळे निर्णय घेणाऱ्याची अंतर्ज्ञान, अनुभव आणि ज्ञान अधिक पूर्णपणे ओळखणे शक्य होते. हे समजून घेणे आवश्यक आहे की मॉडेल आपल्याला केवळ मॉडेलमध्ये वापरल्या जाणाऱ्या निर्णय घेण्याच्या परिस्थितीच्या त्या सोप्या आवृत्तीसाठी तर्कसंगत उपाय शोधण्याची परवानगी देते.

मॉडेलचे तीन मूलभूत प्रकार आहेत: भौतिक, ॲनालॉग आणि गणितीय

शारीरिक(वर्णनात्मक किंवा पोर्ट्रेट) - एखादी वस्तू किंवा परिस्थिती दर्शवते, ती कशी दिसते हे दर्शवते. उदाहरणार्थ: कार, विमाने, कारखान्याचे कमी केलेले रेखाचित्र इ.

ॲनालॉग- इतर मार्गांनी एखाद्या वस्तूचे किंवा परिस्थितीचे चित्रण उदाहरणार्थ: नकाशावरील तलाव - निळ्या रंगात संस्थात्मक चार्ट; एंटरप्राइझ क्रियाकलापांच्या विविध निर्देशकांच्या गुणोत्तरांचे आलेख

गणिती(प्रतिकात्मक) - गणितीय समीकरणांच्या रूपात ऑब्जेक्टचे वैशिष्ट्य दर्शवण्यासाठी चिन्हांचा वापर

या मूलभूत मॉडेल्सवर आधारित, विविध प्रकारचे मॉडेल्स आणि व्यवस्थापन निर्णय घेण्यासाठी पद्धती विकसित केल्या जातात. चला सर्वात सामान्य पाहू

खेळ सिद्धांत- प्रतिस्पर्ध्यांवर निर्णयाच्या प्रभावाचे मूल्यांकन करण्यासाठी वापरले जाते. व्यवसायात, किंमती, विक्री आणि नवीन उत्पादनांवरील प्रतिस्पर्ध्यांच्या प्रतिक्रियेचा अंदाज लावण्यासाठी गेम मॉडेलचा वापर केला जातो.

रांगेचा सिद्धांत किंवा इष्टतम सेवा- ग्राहक सेवा चॅनेलची इष्टतम संख्या त्यांच्या गरजांनुसार निर्धारित करण्यासाठी वापरली जाते. मुलभूत समस्या म्हणजे अतिरिक्त चॅनेलच्या खर्चामध्ये सेवा आणि सेवेतील तोटा इष्टतम पेक्षा कमी स्तरावर संतुलित करणे.

इन्व्हेंटरी मॅनेजमेंट मॉडेल- संसाधने आणि त्यांचे प्रमाण, तसेच गोदामांमध्ये तयार केलेल्या उत्पादनांचे प्रमाण निर्धारित करण्यासाठी वापरले जाते ते कमीत कमी किंवा मालाच्या जास्त पुरवठ्यामुळे होणारे नुकसान कमी करणे.

रेखीय प्रोग्रामिंग मॉडेल- प्रतिस्पर्धी गरजा (सेवांचे नियोजन भेदभाव, कामगारांचे वितरण इ.) च्या उपस्थितीत दुर्मिळ संसाधनांचे वितरण करण्याचा इष्टतम मार्ग निर्धारित करण्यासाठी वापरला जातो.

सिम्युलेशन मॉडेलिंग- विशिष्ट प्रक्रिया किंवा मॉडेलचे अनुकरण, वास्तविक परिस्थितीत बदल निर्धारित करण्यासाठी त्याचा प्रायोगिक वापर

आर्थिक विश्लेषण- एंटरप्राइझचा खर्च, नफा आणि नफा यांचे मूल्यांकन अनेकदा ब्रेक-इव्हन पद्धत वापरते, उदा. ज्या क्षणापासून एंटरप्राइझ तुटते ते निश्चित करणे