Data Warehousing and Data Mining MCQ Quiz in हिन्दी - Objective Question with Answer for Data Warehousing and Data Mining - मुफ्त [PDF] डाउनलोड करें

सही उत्तर मात्रा, विविधता, वेग है।

Key Points

• बिग डेटा बड़े और जटिल डेटा सेट को संदर्भित करता है जिसे पारंपरिक डेटा प्रसंस्करण उपकरण या डेटाबेस प्रबंधन प्रणाली का उपयोग करके आसानी से संसाधित या प्रबंधित नहीं किया जा सकता है।
• इसमें अक्सर बड़ी मात्रा में असंरचित या अर्ध-संरचित डेटा शामिल होता है, जैसे पाठ्य, चित्र और वीडियो, जिसके लिए सार्थक अंतर्दृष्टि निकालने के लिए उन्नत विश्लेषणात्मक तकनीकों की आवश्यकता होती है।
• बिग डेटा के तीन V हैं:
• मात्रा: उत्पन्न होने वाले डेटा की मात्रा बहुत अधिक होती है और लगातार बढ़ती रहती है। यह टेराबाइट्स से पेटाबाइट्स डेटा तक हो सकता है।
• वेग: जिस गति से डेटा उत्पन्न, संसाधित और विश्लेषण किया जा रहा है वह बढ़ रही है। रीयल-टाइम डेटा स्ट्रीम अधिक सामान्य होती जा रही हैं, और तेज़ डेटा प्रसंस्करण और विश्लेषण की आवश्यकता है।
• विविधता: डेटा कई अलग-अलग स्वरूपों में आता है, जिसमें संरचित, अर्ध-संरचित और असंरचित डेटा शामिल हैं। इसमें पारंपरिक स्रोतों जैसे डेटाबेस और स्प्रेडशीट के साथ-साथ सोशल मीडिया, वेबलॉग, सेंसर और अन्य स्रोतों से डेटा शामिल है।

अत:, सही उत्तर मात्रा, विविधता, वेग है

सही उत्तर विकल्प 4 है।

ऑब्जेक्ट-ओरिएंटेड DBMS:

ऑब्जेक्ट-ओरिएंटेड DBMS को ऑब्जेक्ट-ओरिएंटेड प्रोग्रामिंग आदर्श के मॉडल से लिया गया है। वे डेटाबेस में संग्रहीत संगत डेटा, साथ ही क्षणिक डेटा, दोनों को निरुपित करने में सहायक होते हैं, जैसा कि प्रोग्राम निष्पादित करने में पाया जाता है। वे छोटे, पुन: योज्य घटकोंका उपयोग करते हैं,जिन्हे ऑब्जेक्ट कहा जाता है। 

स्पष्टीकऱण:

ऑब्जेक्ट-ओरिएंटेड डेटाबेस ऑब्जेक्ट-ओरिएंटेड प्रोग्रामिंग संकल्पना से निकटता से संबंधित हैं। ऑब्जेक्ट-ओरिएंटेड प्रोग्रामिंग के चार मुख्य विचार निम्न हैं:

• बहुरूपता
• वंशागति
• संपुटन(इनकैप्स्यूलेशन)
• एब्स्ट्रैक्शन 

ये चार विशेषताएँ ऑब्जेक्ट-ओरिएंटेड प्रबंधन प्रणालियों की महत्वपूर्ण विशेषताओं का वर्णन करती हैं।

इस प्रकार सही उत्तर OODBMSहै।

 Additional Information

नेटवर्क DBMS:

नेटवर्क DBMS वह है जहां डेटाबेस में डेटा के बीच संबंध नेटवर्क के रूप में कई-से-अनेक प्रकार के होते हैं।

पारंपरिक संबंधपरक(रिलेशनल) DBMS:

पारंपरिक संबंधपरक(रिलेशनल) डेटाबेस में, डेटाबेस को संबंधों के रूप में दर्शाया जाता है। प्रत्येक संबंध एक इकाई तैयार करता है और मानों की एक सारणी के रूप में दर्शाया जाता है।

संबंध या सारणी में, एक पंक्ति को एक ट्यूपल कहा जाता है और यह एक एकल रिकॉर्ड को दर्शाता है।

वितरित DBMS:

एक वितरित डेटाबेस अंतराबंध(इंटरलिंक्ड) डेटाबेस का एक समूह है जो एक कंप्यूटर नेटवर्क या इंटरनेट पर परिक्षिप्त होता है। 

डेटा माइनिंग तकनीक बड़ी मात्रा में विवरण  से मूल्यवान जानकारी निकालने और भविष्य की स्थितियों के परिणामों की भविष्यवाणी करने की अनुमति देती है।

विवरण​ माइनिंग: एक विशाल डेटा सेट से सबसे महत्वपूर्ण डेटा को बाहर निकालना विवरण माइनिंग के रूप में जाना जाता है। कृत्रिम बुद्धिमत्ता एआई की मदद से, एक सीआरएम किसी व्यवसाय के सबसे महत्वपूर्ण विवरण प्रश्नों का उत्तर देने का प्रयास करता है। सीआरएम में, विवरण माइनिंग डेटा के बीच संबंध खोजने में मदद करता है, ग्राहकों को व्यावसायिक मूल्य के अनुसार वर्गीकृत करता है, और निम्नलिखित प्रश्नों के उत्तर खोजने में मदद करता है

• व्यवसाय को किन ग्राहकों को लक्षित करना चाहिए?
• ग्राहक अधिग्रहण की लागत क्या है?
• कौन से ग्राहक उत्पाद खरीद रहे हैं या नहीं खरीद रहे हैं?
  उच्च/मध्यम/निम्न मार्जिन वाले ग्राहक कौन हैं?
• कौन से प्रोफ़ाइल ग्राहक बारबार भुगतान में चूक कर रहे हैं?
• एक व्यवसाय खंड इसका बाजार कैसे हो सकता है?
• क्या व्यवसाय सभी ग्राहक वर्गों के लिए एक समान मूल्य की पेशकश कर सकता है?

उदाहरण के लिए, फ्लिपकार्ट के एक विश्लेषक ने पाया कि स्मार्टफोन खरीदने वाले ग्राहक इसके लिए टेम्पर्ड ग्लास और कवर की तलाश कर रहे हैं। उन्होंने इस जानकारी का उपयोग एक बंडल बनाने के लिए किया जिसमें एक स्मार्टफोन, स्मार्टफोन के स्क्रीन आकार के अनुकूल एक टेम्पर्ड ग्लास और एक कवर होता है। इससे टेम्पर्ड ग्लास और फोन बैक कवर की बिक्री में तेजी लाने में मदद मिली।

बेहतर प्रदर्शन के उद्देश्य से एग्रीगेशन तथ्यों से संबंधित डेटा का सारांश है। ये पुष्टि की गई तथ्य तालिकाएं हैं क्योंकि वे विस्तृत तथ्य तालिका के समान क्वेरी परिणाम प्रदान करती हैं।

• इनका उपयोग तब किया जाता है जब संसाधित किए जाने वाले रिकॉर्ड की संख्या बड़ी होती है।
• आयाम लेने और इसकी ग्रैन्युलैरिटी को बदलने के लिए उपयोग किया जाता है।
• इन्हें पूर्व-गणना सारांश डेटा के रूप में भी जाना जाता है क्योंकि ये पूर्व-गणना किए जाते हैं।
• आयाम की ग्रैन्युलैरिटी बदलते समय, नए आयामों को फिट करने के लिए तथ्य तालिका को आंशिक रूप से सारांशित किया जाना चाहिए।

डेटा क्लीनिंग:

• डेटा की क्लीनिंग डेटा को हटाने या संशोधित करके विश्लेषण के लिए डेटा तैयार करने की प्रक्रिया है जो गलत, अपूर्ण, अप्रासंगिक, डुप्लिकेट है और डेटा का विश्लेषण करने के लिए ये डेटा आमतौर पर सहायक नहीं होते हैं क्योंकि यह प्रक्रिया में बाधा उत्पन्न कर सकता है या गलत परिणाम प्रदान कर सकता है।

डेटा एक्सट्रैक्शन:

• डेटा एक्सट्रैक्शन एक डेटाबेस से डेटा प्राप्त करने की प्रक्रिया है।
• डेटा एक्सट्रैक्शन ETL नामक डेटा अंतर्ग्रहण प्रक्रिया का पहला चरण है।

डेटा एग्रीगेट​:

• डेटा एग्रीगेशन एक ऐसी प्रक्रिया है जहां डेटा एकत्र किया जाता है और सारांश रूप में व्यक्त किया जाता है।

डेटा कम्प्रेशन:

• डेटा कम्प्रेशन डेटा की बिट्स संरचना को इस तरह से संशोधित, एन्कोडिंग या परिवर्तित करने की प्रक्रिया है कि यह डिस्क पर कम जगह की खपत करता है।

अतः विकल्प 4 सही उत्तर है।

खुदरा विश्लेषण एक व्यापारी की निर्णय लेने की प्रक्रिया के लिए बिक्री, भण्डारण, ग्राहकों और अन्य महत्वपूर्ण पहलुओं से संबंधित अंतर्दृष्टि प्रदान करने पर केंद्रित है। इसका उपयोग बेहतर विकल्प बनाने, व्यवसाय को अधिक कुशलता से चलाने और बेहतर ग्राहक सेवा विश्लेषण प्रदान करने के लिए किया जाता है।

डेटा खनन:

• डेटा माइनिंग कंप्यूटर विज्ञान की एक अवधारणा है, लेकिन इसने खुदरा उद्योग में एक महत्वपूर्ण भूमिका निभाई है क्योंकि यह खुदरा विक्रेताओं को अपने ग्राहकों के खरीद व्यवहार और अनुरूप को सीखने में मदद करता है।
• खुदरा विक्रेता मौसमी उत्पाद की बिक्री, लेन-देन संबंधी डेटा और जनसांख्यिकी आदि के बारे में जानकारी एकत्र करते रहते हैं, एकत्रित डेटा का कोई फायदा नहीं है अगर इसे उपयोगी ज्ञान में परिवर्तित नहीं किया जाता है और डेटा को ज्ञान में परिवर्तित करने के लिए एक उचित तंत्र की आवश्यकता होती है।
• समय के साथ एकत्र जानकारी के बड़े स्रोत से उपयोगी जानकारी की पहचान करने के लिए डेटा खनन सबसे महत्वपूर्ण उपकरण साबित होता है।
• इसका उपयोग राजस्व सृजन में सुधार और व्यापार की लागत को कम करने के लिए भी किया जाता है।

इसलिए, खुदरा विश्लेषणात्मक अनुप्रयोगों में ग्राहक के खरीद स्वरूप में अंतर्दृष्टि प्राप्त करने के लिए डेटा खनन तकनीकों का उपयोग शामिल है।

कारक विश्लेषण:

• कारक विश्लेषण एक ऐसी तकनीक है जिसका उपयोग बड़ी संख्या में प्रभावित करने वाली वस्तुओं को कुछ कारकों में कम करने के लिए किया जाता है।
• यह तकनीक सभी प्रभावित करने वाली वस्तुओं से अधिकतम उभयनिष्ट विचरण को निकालती है और उन्हें एक सामान्य स्कोर में डालती है।
• सभी प्रभावित करने वाली वस्तुओं के सूचकांक के रूप में, उस स्कोर का उपयोग आगे के विश्लेषण के लिए किया जा सकता है।

डेटा स्क्रैपिंग:

• डेटा स्क्रैपिंग एक ऐसी तकनीक है जिसमें एक कंप्यूटर प्रोग्राम दूसरे प्रोग्राम से आने वाले मानव-पठनीय आउटपुट का डेटा निकालता है।
• यह अक्सर बाइनरी डेटा, प्रदर्शन स्वरूपण, निरर्थक लेबल और अन्य जानकारी को अनदेखा करता है जो या तो अप्रासंगिक है या स्वचालित प्रसंस्करण में बाधा डालते है।
• आम तौर पर इसे अनौपचारिक माना जाता है, यह एक अंतिम उपाय के रूप में इस्तेमाल की जाने वाली अयोग्य तकनीक है जब डेटा विनिमय के लिए कोई अन्य तंत्र उपलब्ध नहीं है।

डेटा क्लोनिंग:

• डेटा क्लोनिंग एक डेटाबेस सिस्टम की पूरी और अलग प्रतिलिपि को संदर्भित करता है जिसमें व्यावसायिक डेटा, DBMS सॉफ्टवेयर और परिवेश को बनाने वाले कोई भी अन्य अनुप्रयोग शामिल होते हैं।
• डेटा क्लोनिंग में पूरी तरह कार्यात्मक और अपने आप में अलग, दोनों शामिल हैं।
• विन्यास परिवर्तन या डेटा की कमी के कारण क्लोन किए गए डेटा को इसकी प्रारंभ के समय संशोधित किया जा सकता है।

प्रतिगमन विश्लेषण:

• प्रतिगमन विश्लेषण यह पहचानने का एक विश्वसनीय तरीका है कि किस चर का ब्याज के विषय पर प्रभाव पड़ता है।
• एक प्रतिगमन करने की प्रक्रिया आपको आत्मविश्वास से यह निर्धारित करने की अनुमति देती है कि कौन से कारक सबसे ज्यादा मायने रखते हैं, किन कारकों को अनदेखा किया जा सकता है, और ये कारक एक दूसरे को कैसे प्रभावित करते हैं।

उद्यम संसाधन योजना (ERP):

• सॉफ़्टवेयर का प्रकार जिसका उपयोग संगठन दिन-प्रतिदिन की व्यावसायिक गतिविधियों जैसे लेखांकन, परियोजना प्रबंधन और आपूर्ति श्रृंखला संचालन के प्रबंधन के लिए करते हैं।
• किसी संगठन के वित्तीय परिणामों पर बजट की योजना बनाने, भविष्यवाणी करने और रिपोर्ट करने में मदद करता है।
• यह बहुउपयोगकर्ता डेटाबेस अनुप्रयोग का एक उदाहरण है।

इसलिए, विकल्प 2 सही उत्तर है।

सही उत्तर डेटा माइनिंग है

Key Points

• डेटा माइनिंग - डेटा माइनिंग पैटर्न और रिश्तों की पहचान करने के लिए बड़े डेटा सेट के माध्यम से सॉर्ट करने की प्रक्रिया है जो डेटा विश्लेषण के माध्यम से व्यावसायिक समस्याओं को हल करने में मदद कर सकती है।
• यह डेटा वैज्ञानिकों को आसानी से भारी मात्रा में डेटा का विश्लेषण करने में मदद करता है।

Additional Information

• डेटा वैज्ञानिक धोखाधड़ी का पता लगाने, जोखिम मॉडल बनाने और उत्पाद सुरक्षा में सुधार करने के लिए जानकारी का उपयोग कर सकते हैं।
• यह डेटा वैज्ञानिकों को व्यवहार और रुझानों की स्वचालित भविष्यवाणियों को जल्दी से शुरू करने और छिपे हुए पैटर्न की खोज करने में मदद करता है।

• डेटा संग्रह - यह व्यावसायिक निर्णय लेने, रणनीतिक योजना, अनुसंधान और अन्य उद्देश्यों में उपयोग के लिए डेटा एकत्र करने की प्रक्रिया है।
• संग्रह के तरीकों के आधार पर डेटा को चार मुख्य प्रकारों में वर्गीकृत किया जा सकता है:

1. अवलोकन
2. प्रायोगिक
3. अनुकरण
4. व्युत्पन्न

• डेटा नमूनाकरण - यह एक सांख्यिकीय विश्लेषण तकनीक है जिसका उपयोग आबादी के प्रतिनिधि उप-समूह का चयन, प्रक्रिया और विश्लेषण करने के लिए किया जाता है।
• नमूनाकरण के प्रकार: यादृच्छिक, व्यवस्थित, सुविधा, क्लस्टर और स्तरीकृत।

संकल्पना:

डेटा वेयरहाउस विभिन्न स्रोतों से डेटा एकत्र, प्रबंधित करने और उन्हें व्यावसायिक उद्देश्य के लिए उपयोग करने की प्रक्रिया है। यह लेनदेन प्रोसेसिंग के बजाय क्वेरी प्रोसेसिंग से अधिक संबंधित है।

व्याख्या:

डेटा वेयरहाउस में आमतौर पर लेन-देन संबंधी डेटा से प्राप्त ऐतिहासिक डेटा होता है। एक डेटा वेयरहाउस में ETL (एक्सट्रैक्शन, ट्रांसफ़ॉर्मेशन, और लोडिंग), OLAP इंजन, अन्य उपकरण शामिल होते हैं जो डेटा के संग्रह का प्रबंधन करते हैं और इस डेटा को व्यावसायिक उपयोगकर्ताओं तक पहुँचाते हैं।

डेटा वेयरहाउस में स्टेजिंग क्षेत्र में यह ETL शामिल है जो डेटा को आगे की प्रक्रिया के लिए उपयोगी बनाता है। स्टेजिंग क्षेत्र डेटा स्रोत और गंतव्य के बीच मौजूद होता है जो ज्यादातर डेटा मार्ट होता है।

डेटा वेयरहाउस की वास्तुकला:

सही उत्तर केवल (A), (C) और (D) है।

Key Pointsडेटा माइनिंग:

• डेटा माइनिंग एक ऐसी प्रक्रिया है जिसका उपयोग विशाल डेटा समूहों में स्वरूपों और संबंधों को खोजने के लिए किया जाता है जिनका उपयोग व्यावसायिक चुनौतियों को हल करने में सहायता के लिए किया जा सकता है।
• डेटा माइनिंग तकनीकों और प्रौद्योगिकियों की बदौलत उद्यम भविष्य के रुझानों का पूर्वानुमान लगा सकते हैं और अधिक शिक्षित व्यावसायिक निर्णय ले सकते हैं।
• डेटा माइनिंग संपूर्ण रूप से डेटा विश्लेषण का एक महत्वपूर्ण घटक है और डेटा विज्ञान के मूलभूत क्षेत्रों में से एक है, जो डेटा समूह में मूल्यवान जानकारी का पता लगाने के लिए अत्याधुनिक विश्लेषण विधियों का उपयोग करता है।

Important Pointsदिए गए विकल्प में से, डेटा माइनिंग के संबंध में निम्नलिखित कथन सत्य हैं:

• उपलब्ध सूचना के आधार पर भावी प्रवृत्तियों की भविष्यवाणी करना
• ग्राहकों की जनांकिकीय सूचना का विश्लेषण करना
• ऋण जोखिम विश्लेषण

संकल्पना:

डेटा वेयरहाउस विभिन्न स्रोतों से डेटा एकत्र, प्रबंधित करने और उन्हें व्यावसायिक उद्देश्य के लिए उपयोग करने की प्रक्रिया है। यह लेनदेन प्रोसेसिंग के बजाय क्वेरी प्रोसेसिंग से अधिक संबंधित है।

व्याख्या:

डेटा वेयरहाउस में आमतौर पर लेन-देन संबंधी डेटा से प्राप्त ऐतिहासिक डेटा होता है। एक डेटा वेयरहाउस में ETL (एक्सट्रैक्शन, ट्रांसफ़ॉर्मेशन, और लोडिंग), OLAP इंजन, अन्य उपकरण शामिल होते हैं जो डेटा के संग्रह का प्रबंधन करते हैं और इस डेटा को व्यावसायिक उपयोगकर्ताओं तक पहुँचाते हैं। डेटा वेयरहाउस OLAP सिस्टम का एक उदाहरण है।

डेटा वेयरहाउस में स्टेजिंग क्षेत्र में यह ETL शामिल है जो डेटा को आगे की प्रक्रिया के लिए उपयोगी बनाता है। स्टेजिंग क्षेत्र डेटा स्रोत और गंतव्य के बीच मौजूद होता है जो ज्यादातर डेटा मार्ट होता है।

आरेख:

सही उत्तर डेटा खोजें​ है।

Key Points

डेटा माइग्रेशन:

डेटा माइग्रेशन प्रौद्योगिकी के क्षेत्र में हाल के विकासों में से एक है। यह एक ऐसी प्रक्रिया है जहां फर्में डेटा को एक स्थान से दूसरे स्थान पर ले जाने के लिए, या एप्लिकेशन से दूसरे में, या एक प्रारूप से दूसरे प्रारूप में ले जाने के लिए प्रौद्योगिकी का उपयोग करती हैं। डेटा किसी भी संगठन के लिए सबसे महत्वपूर्ण पहलू है और कई बार फर्मों को इस डेटा को स्थानांतरित करने की आवश्यकता होती है। ऐसी स्थिति में डेटा माइग्रेशन बचाव के लिए आता है। जबकि आज अधिकांश जानकारी क्लाउड-आधारित अनुप्रयोगों पर संग्रहीत है, डेटा माइग्रेशन भी इन अनुप्रयोगों के माध्यम से किया जाता है। डेटा माइग्रेशन आम तौर पर तीन चरणों में किया जाता है- डेटा ढूंढना, डेटा बदलना और डेटा लोड करना। डेटा माइग्रेशन निम्न प्रकार का हो सकता है:

• स्टोरेज माइग्रेशन- यह एक ऐसी प्रक्रिया है जहां डेटा को मौजूदा सिस्टम से डेटा तक पहुंच प्रदान करके एक नई प्रणाली में स्थानांतरित किया जाता है। यह डेटा माइग्रेशन की क्लोनिंग विधि का उपयोग करता है।
• क्लाउड माइग्रेशन- यह डेटा क्लाउड सेंटर से या डेटा परिसर से दूसरे क्लाउड स्टोरेज सिस्टम में डेटा को स्थानांतरित करने की एक प्रक्रिया है।
• एप्लिकेशन माइग्रेशन- यह डेटा को एक वातावरण से दूसरे वातावरण में ले जाने की एक प्रक्रिया है। इसमें परिसर के केंद्र से एक बादल या एक बादल से दूसरे बादल तक की आवाजाही शामिल है।

डेटा वेयरहाउस:

• एक डेटा वेयरहाउस, जिसे एंटरप्राइज़ डेटा वेयरहाउस के रूप में भी जाना जाता है, एक व्यवसाय द्वारा बड़ी मात्रा में जानकारी का इलेक्ट्रॉनिक भंडारण है।
• यह सार्थक अंतर्दृष्टि प्रदान करने के लिए फर्म द्वारा संकलित विभिन्न आंतरिक और बाह्य स्रोतों से डेटा एकत्र करने और प्रबंधित करने की एक प्रक्रिया है।
• यह रिपोर्टिंग और डेटा विश्लेषण के लिए उपयोग की जाने वाली प्रणाली है और इसे व्यावसायिक बुद्धि का मुख्य पहलू माना जाता है।
• डेटा वेयरहाउस पूरी तरह से क्वेरी और विश्लेषण करने के लिए अभिप्रेत है और इसमें बड़ी मात्रा में ऐतिहासिक डेटा होता है।

इसलिए, एक फर्म द्वारा अपने स्वयं के उपयोग के लिए या अपने ग्राहकों द्वारा उपयोग के लिए संकलित विभिन्न आंतरिक और बाह्य स्रोतों से विभिन्न विषयों पर डेटा का एक विशाल संग्रह डेटा वेयरहाउस कहलाता है।

डेटाबेस:

• एक डेटाबेस संरचित डेटा, सूचना का एक संग्रह है जो एक कंप्यूटर सिस्टम में इलेक्ट्रॉनिक प्रारूप में संग्रहीत होता है।
• एक डेटाबेस को डेटाबेस प्रबंधन तंत्र (DBMS) द्वारा नियंत्रित और प्रबंधित किया जाता है।
• डेटा और DBMS को उनके साथ एप्लिकेशन के जुड़ाव के साथ, डेटाबेस सिस्टम के रूप में संदर्भित किया जाता है।

डेटा माइनिंग:

• डेटा माइनिंग कच्चे डेटा के बड़े समूह से उपयोगी डेटा निकालने की एक प्रक्रिया है।
• यह आमतौर पर लेन-देन, कार्ड लेनदेन, क्रय स्वरूप और अन्य ग्राहक वित्तीय डेटा का विश्लेषण करने के लिए क्रेडिट रेटिंग और बुद्धिमान धोखाधड़ी-रोधी प्रणालियों पर लागू होता है।
• डेटा माइनिंग को नॉलेज डिस्कवरी इन डेटा (KDD) के रूप में भी जाना जाता है।

M.I.S.:

• M.I.S. मैनेजमेंट इनफॉर्मेशन सिस्टम का संक्षिप्त नाम है।
• प्रबंधन सूचना प्रणाली लोगों, संगठन, प्रौद्योगिकी और उन सभी के बीच संबंधों का अध्ययन है।
• यह संगठनों को कर्मियों, उपकरणों और व्यावसायिक प्रक्रियाओं में निवेश से अधिकतम लाभ प्राप्त करने में सहायता करता है।