Анализ данных управление данными реферат

Обновлено: 04.07.2024

Все задачи, решаемые методами Data Mining, можно условно разбить на два класса. Первый класс можно назвать методами извлечения знаний из баз данных, когда проверяемые гипотезы формируются заранее экспертами: это — классификация, кластеризация, ассоциация, последовательные шаблоны. Ко второму классу относят методы порождения гипотез и способы объяснения имеющихся фактов с использованием… Читать ещё >

Интеллектуальный анализ данных — Data Mining ( реферат , курсовая , диплом , контрольная )

Data Mining реализует процесс аналитического исследования больших массивов информации (обычно экономического характера, но нс только) с целью выявления закономерностей и систематических взаимосвязей между переменными, которые затем можно применить к новым совокупностям данных.

Этот процесс реализуется за ряд следующих этапов:

• исследование, построение модели или структуры и ее проверку;
• выделение из данных неявной и неструктурированной информации и представление ее в виде, пригодном для реализации;
• анализ, выделение и представление детализированных данных неявной конструктивной информации для решения проблем бизнеса;
• выделение, исследование и моделирование больших объемов данных для обнаружения неизвестных до этого структур с целью достижения преимуществ в бизнесе;
• обнаружение новых значимых корреляций, образцов и тенденций в результате просеивания большого объема хранимых данных с использованием методик распознавания образцов, а также статистических и математических методов;
• автоматическое выделение действительной, эффективной, ранее неизвестной и абсолютно понятной информации из больших БД и использование ее для принятия ключевых решений.

Нередко KDD отождествляют с Data Mining. Однако правильнее считать Data Mining шагом процесса KDD.

Data Mining — не один метод, а совокупность большого числа различных методов обнаружения знаний.

Все задачи, решаемые методами Data Mining, можно условно разбить на два класса. Первый класс можно назвать методами извлечения знаний из баз данных, когда проверяемые гипотезы формируются заранее экспертами: это — классификация, кластеризация, ассоциация, последовательные шаблоны. Ко второму классу относят методы порождения гипотез и способы объяснения имеющихся фактов с использованием порожденных гипотез или методы правдоподобных рассуждений (ППВ), основанные на индуктивном и абдуктивном выводах. Наиболее ярким представителем методов второго класса является ДСМ-метод, который будет рассмотрен в подпараграфе 10.9.2.

Анализ и обобщение результатов социологического исследования позволяют предсказать возможные варианты развития социальных процессов и явлений. Одной из форм предвидения является социальное прогнозирование - научное исследование перспектив развития иди возможного состояния исследуемого объекта. Социальное прогнозирование может осуществляться во всех сферах жизнедеятельности общества. Актуальность темы не вызывает сомнений и поэтому в данной работе рассматриваются формы и способы анализа эмпирических данных социологии.

Содержание

Введение 3
Что представляет собой анализ данных и его цель 4
Методы анализа данных 7
Анализ эмпирических данных социологии 9
Заключение 14
Библиографический список 16

Вложенные файлы: 1 файл

Реферат по анализу данных.docx

Что представляет собой анализ данных и его цель 4
Методы анализа данных 7
Анализ эмпирических данных социологии 9

Библиографический список 16

Развитие социологии означает и развитие эмпирических исследований, обогащающих теорию и позволяющих разрабатывать механизмы регулирования социальных процессов. Социологические исследования обеспечивают обратную связь, дополняя статистическую информацию конкретными данными об интересах и запросах, мнениях и настроениях людей, о жизненных планах, уровне и качестве жизни, ценностных установках. Идея таких исследований была заимствована у тех наук, в которых экспериментальные исследования утвердились ранее (экономики, психологии, этнографии). Эмпирические социологические исследования не тождественны социологическим обследованиям. Первые направлены на увеличение социологического знания, характеристику исходной познавательной ситуации, разработку гипотез, контролируемое применение методик, полноту отчетов об исследовании и др., составляющие в совокупности программу; вторые предполагают просто сбор и обобщение социальной информации (опросы, зондажи, статистические обследования и т.д.), теоретической цели они не ставят. В XX в. с совершенствованием социологии как науки в условиях интенсивного социально-экономического и политического развития общества эмпирическая социология стала приобретать все более важное значение.

Актуальность темы не вызывает сомнений и поэтому в данной работе рассматриваются формы и способы анализа эмпирических данных социологии.

1 Что представляет собой анализ данных и его цель

Главная задача заключительного этапа социологического исследования — анализ и интерпретация полученных данных, обобщение выводов и выдача рекомендаций по совершенствованию или изменений работы изучаемого социального механизма.

Основная цель анализа данных в социологии - выявление (подтверждение, корректировка) каких-то интересующих исследователя статистических закономерностей; или, другими словами, - определенного рода сжатие, усреднение содержащейся в данных информации.

Также мы можем утверждать, что анализ данных – совокупность действий, осуществляемых исследователем в процессе изучения полученных тем или иным объектом данных, с целью формирования определенных представлений о характере какого-либо явления, вызываемого этими данными.

- Концептуальная схема исследования. В нее входят определения предмета, объекта, цели, задач, гипотез исследования, а также понятийный аппарат исследования.

- Методика сбора эмпирических данных, т.е. эмпирическая интерпретация понятий и инструментарий исследования.

- Методика обработки данных, т.е. формы представления информации, методы первичного анализа данных, логика применения математических методов.

Они могут представать перед исследователем в виде:

- совокупности чисел , характеризующих те или иные объекты (в качестве таких совокупностей могут выступать, например, производственные характеристики предприятий, возраст респондентов, оценки выпускниками школ престижности некоторых профессий и т.д.) ,

- множества индикаторов определенных отношений между рассматриваемыми объектами (к примеру, при изучении производственных бригад такими индикаторами могут служить указания каждого члена бригады на то, нравится ли ему работать вместе с любым другим членом той же бригады, такие данные часто используются при изучении малых групп,

- результатов попарных сравнений респондентами каких-либо объектов (такие данные используются в методе парных сравнений - способе построения шкал, отражающих усредненное отношение изучаемой совокупности респондентов к каким-либо объектам).

- так или иначе зафиксированных результатов наблюдения за невербальным поведением каких-либо людей.

Признаком в анализе данных выступает некоторое общее для всех объектов качество, конкретные проявления которого могут меняться от объекта к объекту. Примерами признаков могут являться пол, возраст респондентов, их удовлетворенность своим трудом и т.д. В качестве значений признака "возраст" могут выступать 18 лет, 31 год и т.п

2 Методы анализа данных

Методы, применяемые социологами для анализа данных, многообразны. Выбор конкретного метода зависит, в первую очередь, от характера исследовательских гипотез, т. е. от того, на какие вопросы мы хотим получить ответ. Если целью является описание одной характеристики выборки в определенный момент времени, разумно ограничиться одномерным анализом, т. е. описанием распределения наблюдений вдоль оси интересующего нас признака. Разнообразные техники многомерного анализа позволяют одновременно исследовать взаимоотношения двух и более переменных и в той или иной форме проверять гипотезы о причинных связях между ними. Различия между этими методами неабсолютные. В реальном исследовании каждое уточнение исходных гипотез или выдвижение новой гипотезы в ходе анализа результатов приводит к необходимости выбора новой техники анализа данных. Помимо характера исследовательских гипотез на выбор методов статистического анализа влияет и природа полученных социологом данных.

Методы, используемые для анализа связи между двумя номинальными переменными, также будут отличаться от методов анализа связи между номинальной переменной и переменной, измеренной на интервальном уровне. Таким образом, выбор той или иной статистики будет зависеть и от целей анализа, и от уровня измерения исследуемых переменных.

Существует два основных класса задач, решаемых с помощью статистических методов анализа. Задачей дескриптивной (описательной) статистики является описание распределения переменной-признака в конкретной выборке. Методы дескриптивной статистики позволяют также анализировать взаимосвязь между различными переменными. Другой класс задач, связанный с необходимостью вывести свойства большой совокупности, основываясь на имеющейся информации о свойствах выборки из этой совокупности, решается с помощью методов индуктивной статистики, или теории статистического вывода, основанной на вероятностном подходе к принятию решений. Воспользовавшись какой-то моделью для анализа полученных выборочных данных, социолог обычно также применяет некоторые методы статистического вывода, позволяющие определить, выполняются ли обнаруженные им при анализе данных отношения на уровне большой совокупности, из которой была извлечена выборка.

3 Анализ эмпирических данных социологии

С формальной точки зрения при сравнении эмпирических данных должны соблюдаться следующие правила, необходимые в логике экспериментального анализа:

- два состояния одного процесса сопоставимы, если они содержат хотя бы одно общее свойство или показатель;

- ни один фактор не может быть признан причиной сравниваемых явлений, если в одном случае при регистрации изучаемого явления он имеет место, а в другом - нет (правило согласия Милля);

- вместе с тем данный фактор не может быть причиной изучаемого явления, если в одном случае (исследовании) он имеет место, а само явление не фиксируется, хотя в другом случае (исследовании) дело обстоит так, что регистрируются и явления, и данный фактор (правило различия);

- некий фактор (условие, обстоятельства) не может достоверно считаться определяющим в отношении изучаемого процесса, если в другом случае (в другом исследовании) наряду с ним изучаемому процессу сопутствуют другие факторы.

Эти логические правила, напоминающие о строгости экспериментального вывода, нельзя игнорировать. В зависимости от программных целей исследования анализ полученных данных может быть более или менее глубоким и основательным.

Цель исследования определяет уровень анализа в том смысле, что либо позволяет, либо запрещает прекратить его на какой-то стадии. В полном же объеме, т.е. от первого до последнего шага, последовательность действий социолога при анализе эмпирических данных может быть представлена следующим образом.

1) общей оценки выборочной совокупности и частных подвыборок (половозрастных, социально-профессиональных и других) с тем, чтобы понять, каким образом особенности выборок будут сказываться на интерпретации того или иного частного вывода и обобщающих заключений;

2) для того чтобы в последующих операциях с данными не утратить представления о составляющих более сложных зависимостей и комбинаций, которыми впоследствии будем оперировать.

Например, в итоговых или промежуточных выводах находят, что такие-то условия деятельности или характеристики людей более важны, чем некоторые другие. Чтобы правильно интерпретировать это заключение, следует вспомнить, каковы основные характеристики выборки, нет ли в ней заметных аномалий. Очень возможно, что в общей выборке доминируют представители определенного социального статуса, возрастной когорты, национальной принадлежности и т.п. С этими их особенностями связаны социальные функции, интересы, образ жизни. В итоге может оказаться, что суммарные выводы неосновательны: они преимущественно объясняются спецификой доминирующей подвыборки обследованных. Чтобы проверить эту рабочую гипотезу, надо расчленить массив информации на соответствующие подвыборки и повторить анализ раздельно для каждой из них, включая доминирующую.

Управление данными

Что включает управление данными? Перечислим основные процессы:

Управление базами данных
ETL-процессы (извлечение, преобразование и загрузка данных)
Сбор данных
Защита и шифрование данных
Моделирование данных
Собственно анализ данных

Исходя из вышеперечисленного становится ясно, что для успешного управления данными необходимо:

Решить технические вопросы (выбрать базу данных, определить, где будут храниться данные – в облаке, на сервере и т.д.)
Найти грамотные человеческие ресурсы 🙂

Основные проблемы при управлении данными

Среди самых распространенных ошибок и трудностей, которые возникают при сборе, хранении и интерпретации данных, называют:

Во многих вопросах на этапе сбора загрузки данных может помочь такой продукт, как Alteryx, который помогает соединять данные из разных источников, обогащать и готовить их к использованию в системах Business Intelligence.

Анализ данных

Решение для анализа данных состоит из трех основных блоков:

Хранилище данных;
ETL-процедуры (извлечение, преобразование и загрузка данных);
Система отчетности и визуальной аналитики.

Все это кажется достаточно сложным, но на самом деле не все так страшно.

Современные аналитические решения

Что делать компаниям, у которых нет штата аналитиков? И нет программиста-разработчика? Но есть желание делать аналитику!

Конечно, решение есть. Сейчас на рынке представлено достаточно автоматизированных систем для аналитики и – что важно! – визуализации ваших данных.

В чем плюсы таких систем (типа Tableau):

Возможность быстро внедрить (скачивайте программу и устанавливаете хотя бы к себе на ноутбук)
Нет необходимости в сложных IT- или математических знаниях
Невысокая стоимость (от 2 000 руб. в месяц за лицензию на март 2018 года)

Таким образом, внедрить такой аналитический продукт может любая компания: неважно, сколько сотрудников в ней работает. Tableau подходит и индивидуальным предпринимателям, и крупным компаниям. В апреле 2018 года ООН выбрала Tableau в качестве аналитической платформы для всех своих офисов по всему миру!

Компании, которые работают с такими автоматизированными системами аналитики, отмечают, что табличные отчеты, которые раньше строились за 6 часов, в Tableau собираются буквально за 10-15 минут.

Не верите? Попробуйте сами – скачайте бесплатную пробную версию Tableau и получите обучающие материалы по работе с программой:
Хотите узнать, как провести анализ и сделать отчеты быстро?

Цель: дать самое общее представление о понятиях корреляции, регрессии, а также познакомиться с описательной статистикой.

План:

1. Основы анализа данных.

2. Методы сбора, классификации и прогнозирования. Деревья решений. Обработка больших объёмов данных.

3. Методы и стадии Data Mining. Задачи Data Mining. Визуализация данных.

Основы анализа данных.

В этой лекции мы рассмотрим некоторые аспекты статистического анализа данных, в частности, описательную статистику, корреляционный и регрессионный анализы. Цель данной лекции - дать самое общее представление о понятиях корреляции, регрессии, а также познакомиться с описательной статистикой. Примеры, рассмотренные в лекции, намеренно упрощены.

Существует большое разнообразие прикладных пакетов, реализующих широкий спектр статистических методов, их также называют универсальными пакетами или инструментальными наборами. В Microsoft Excel также реализован широкий арсенал методов математической статистики, реализация примеров данной лекции продемонстрирована именно на этом программном обеспечении.

Описательная статистика

Описательная статистика (Descriptive statistics ) - техника сбора и суммирования количественных данных, которая используется для превращения массы цифровых данных в форму, удобную для восприятия и обсуждения.

Цель описательной статистики - обобщить первичные результаты, полученные в результате наблюдений и экспериментов.

Корреляционный анализ

Корреляционный анализ применяется для количественной оценки взаимосвязи двух наборов данных, представленных в безразмерном виде. Корреляционный анализ дает возможность установить, ассоциированы ли наборы данных по величине. Коэффициент корреляции, всегда обозначаемый латинской буквой r, используется для определения наличия взаимосвязи между двумя свойствами.

Связь между признаками (по шкале Чеддока) может быть сильной, средней и слабой. Тесноту связи определяют по величине коэффициента корреляции, который может принимать значения от -1 до +1 включительно. Критерии оценки тесноты связи показаны на таб 7.

Таблица7- Количественные критерии оценки тесноты связи

Коэффициент корреляции Пирсона

Коэффициент корреляции Пирсона r, который является безразмерным индексом в интервале от -1,0 до 1,0 включительно, отражает степень линейной зависимости между двумя множествами данных.

Показатель тесноты связи между двумя признаками определяется по формуле линейного коэффициента корреляции:

где x - значение факторного признака;

y - значение результативного признака;

n - число пар данных.

Парная корреляция - это связь между двумя признаками: результативным и факторным или двумя факторными.

Варианты связи, характеризующие наличие или отсутствие линейной связи между признаками:

· большие значения из одного набора данных связаны с большими значениями другого набора (положительная корреляция) - наличие прямой линейной связи;

· малые значения одного набора связаны с большими значениями другого (отрицательная корреляция) - наличие отрицательной линейной связи;

· данные двух диапазонов никак не связаны (нулевая корреляция) - отсутствие линейной связи.

В качестве примера возьмем набор данных А (таблица 8.1). Необходимо определить наличие линейной связи между признаками x и y.

Для графического представления связи двух переменных использована система координат с осями, соответствующими переменным x и y. Построенный график, называемый диаграммой рассеивания, показан на рис. 8.2. Данная диаграмма показывает, что низкие значения переменной x соответствуют низким значениям переменной y, высокие значения переменной x соответствуют высоким значениям переменной y. Этот пример демонстрирует наличие явной связи.

Рисунок 4- Диаграмма рассеивания

Таким образом, мы можем установить зависимость между переменными x и y. Рассчитаем коэффициент корреляции Пирсона между двумя массивами (x и y) при помощи функции MS Excel ПИРСОН (массив1;массив2). В результате получаем значение коэффициент корреляции равный 0,998364, т.е. связь между переменными x и y является весьма высокой. Используя пакет анализа MS Excel и инструмент анализа "Корреляция", можем построить корреляционную матрицу.

Любая зависимость между переменными обладает двумя важными свойствами: величиной и надежностью. Чем сильнее зависимость между двумя переменными, тем больше величина зависимости и тем легче предсказать значение одной переменной по значению другой переменной. Величину зависимости легче измерить, чем надежность.

Надежность зависимости не менее важна, чем ее величина. Это свойство связано с представительностью исследуемой выборки. Надежность зависимости характеризует, насколько вероятно, что эта зависимость будет снова найдена на других данных.

С ростом величины зависимости переменных ее надежность обычно возрастает.

Регрессионный анализ

Основная особенность регрессионного анализа: при его помощи можно получить конкретные сведения о том, какую форму и характер имеет зависимость между исследуемыми переменными.

© 2014-2022 — Студопедия.Нет — Информационный студенческий ресурс. Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав (0.003)

Современные СУБД в основном являются приложениями Windows, так как данная среда позволяет более полно использовать возможности персональной ЭВМ, нежели среда DOS. Снижение стоимости высокопроизводительных персональных компьютерах обусловил не только широкий переход к среде Windows, где разработчик программного обеспечения может в меньше степени заботиться о распределении ресурсов, но также сделал программное обеспечение ПК в целом и СУБД в частности менее критичными к аппаратным ресурсам элетроннно-вычислительной машины.

Среди наиболее ярких представителей систем управления базами данных можно отметить: Lotus Approach, Microsoft Access, Borland dBase, Borland Paradox, Microsoft Visual FoxPro, Microsoft Visual Basic, а также баз данных Microsoft SQL Server и Oracle, используемые в приложениях, построенных по технологии “клиент-сервер”. Фактически, у любой современной СУБД существует аналог, выпускаемый другой компанией, имеющий аналогичную область применения и возможности, любое приложение способно работать со многими форматами представления данных, осуществлять экспорт и импорт данных благодаря наличию большого числа конвертеров. Общепринятыми, также, являются технологи, позволяющие использовать возможности других приложений, например, текстовых процессоров, пакетов построения графиков и т.п., и встроенные версии языков высокого уровня (чаще – диалекты SQL и/или VBA) и средства визуального программирования интерфейсов разрабатываемых приложений. Поэтому уже не имеет существенного значения на каком языке и на основе какого пакета написано конкретное приложение, и какой формат данных в нем используется. Более того, стандартом “де-факто” стала “быстрая разработка приложений” или RAD (от английского Rapid Application Development), основанная на широко декларируемом в литературе “открытом подходе”, то есть необходимость и возможность использования различных прикладных программ и технологий для разработки более гибких и мощных систем обработки данных. Поэтому в одном ряду с “классическими” СУБД все чаще упоминаются языки программирования Visual Basic 4.0 и Visual C++, которые позволяют быстро создавать необходимые компоненты приложений, критичные по скорости работы, которые трудно, а иногда невозможно разработать средствами “классических” СУБД. Современный подход к управлению базами данных подразумевает также широкое использование технологии “клиент-сервер”.

Таким образом, на сегодняшний день разработчик не связан рамками какого-либо конкретного пакета, а в зависимости от поставленной задачи может использовать самые разные приложения. Поэтому, более важным представляется общее направление развития СУБД и других средств разработки приложений в настоящее время.

Рассмотрим более подробно программные продукты компании Microsoft, а именно Visual FoxPro 3.0, Paradox, Visual Basic 4.0, Visual С++, Access 7.0.

Наиболее интересной чертой этих пакетов являются их большие возможности интеграции, совместной работы и использования данных, так как данные пакеты являются продуктами одного производителя, а также используют сходные технологии обмена данными.

версии 3.0 – процессор 468DX, Windows 3.1, 95, NT, объем оперативной памяти 8 (12) Мб, занимаемый объем на ЖМД 15-80 Мб, а для Visual FoxPro версии 5.0 (выпущена в 1997 году) – Windows 95 или NT, 486 с тактовой частотой 50 МГц, 10 Мб ОЗУ, от 15 до 240 Мб на ЖМД.

Paradox был разработан компанией Ansa Software, и первая его версия увидела свет в 1985 году. Этот продукт был впоследствии приобретен компанией Borland. С июля 1996 года он принадлежит компании Corel и является составной частью Corel Office Professional.В конце 80-х - начале 90-х годов Paradox, принадлежавший тогда компании Borland International, был весьма популярной СУБД, в том числе и в нашей стране, где он одно время занимал устойчивые позиции на рынке средств разработки настольных приложений с базами данных.

Принцип хранения данных в Paradox сходен с принципами хранения данных в dBase - каждая таблица хранится в своем файле (расширение *.db), MEMO- и BLOB-поля хранятся в отдельном файле (расширение *.md), как и индексы (расширение *.px).

Однако, в отличие от dBase, формат данных Paradox не является открытым, поэтому для доступа к данным этого формата требуются специальные библиотеки. Например, в приложениях, написанных на C или Pascal, использовалась некогда популярная библиотека Paradox Engine, ставшая основой Borland Database Engine. Эта библиотека используется ныне в приложениях, созданных с помощью средств разработки Borland (Delphi, C++Builder), в некоторых генераторах отчетов (например, Crystal Reports) и в самом Paradox. Существуют и ODBC-драйверы к базам данных, созданным различными версиями этой СУБД.

Отметим, однако, что отсутствие формата данных имеет и свои достоинства. Так как в этой ситуации доступ к данным осуществляется только с помощью этот формат библиотек, простое редактирование подобных данных по сравнению с данными открытых форматов типа dBase существенно затруднено. В этом случае возможны такие недоступные при использовании форматов данных сервисы, как защита таблиц и отдельных полей паролем, хранение некоторых правил ссылочной целостности в самих таблицах - все эти сервисы предоставляются Paradox, начиная с первых версий этой СУБД.

По сравнению с аналогичными версиями dBase ранние версии Paradox обычно предоставляли разработчикам баз данных существенно более расширенные возможности, такие как использование деловой графики в DOS-приложениях, обновление данных в приложениях при многопользовательской работе, визуальные средства построения запросов, на основе интерфейса QBE - Query by Example (запрос по образцу), средства статистического анализа данных, а также средства визуального построения интерфейсов пользовательских приложений с автоматической генерацией кода на языке программирования PAL (Paradox Application Language).

Windows-версии СУБД Paradox, помимо перечисленных выше сервисов, позволяли также манипулировать данными других форматов, в частности dBase и данными, хранящимися в серверных СУБД. Такую возможность пользователи Paradox получили благодаря использованию библиотеки Borland Database Engine и драйверов SQL Links. Это позволило использовать Paradox в качестве универсального средства управления различными базами данных (существенно облегченная версия Paradox 7 под названием Database Desktop по-прежнему входит в состав Borland Delphi и Borland C++Builder именно с этой целью). Что же касается базового формата данных, используемого в этом продукте, то он обладает теми же недостатками, что и все форматы данных настольных СУБД, и поэтому при возможности его стараются заменить на серверную СУБД, даже сохранив сам Paradox как средство разработки приложений и манипуляции данными.

Текущая версия данной СУБД - Paradox 9, поставляется в двух вариантах - Paradox 9 Standalone Edition и Paradox 9 Developer's Edition. Первый из них предназначен для использования в качестве настольной СУБД и входит в Corel Office Professional, второй - в качестве как настольной СУБД, так и средства разработки приложений и манипуляции данными в серверных СУБД. Обе версии содержат:

- Средства манипуляции данными Paradox и dBase.

- Средства создания форм, отчетов и приложений.

- Средства визуального построения запросов.

- Средства публикации данных и отчетов в Internet и создания Web-клиентов.

- ODBC-драйвер для доступа к данным формата Paradox из Windows-приложений.

- Средства для доступа к данным формата Paradox из Java-приложений.

- Run-time-версию Paradox для поставки вместе с приложениями.

- Средства создания дистрибутивов.

Драйверы SQL Links для доступа к данным серверных СУБД.

Access - в переводе с английского означает “доступ”. MS Access - это функционально полная реляционная СУБД. Кроме того, MS Access одна из самых мощных, гибких и простых в использовании СУБД. В ней можно создавать большинство приложений, не написав ни единой строки программы, но если нужно создать нечто очень сложное, то на этот случай MS Access предоставляет мощный язык программирования - Visual Basic Application.

Популярность СУБД Microsoft Access обусловлена следующими причинами:

- Access является одной из самых легкодоступных и понятных систем как для профессионалов, так и для начинающих пользователей, позволяющая быстро освоить основные принципы работы с базами данных;

- система имеет полностью русифицированную версию;

- полная интегрированность с пакетами Microsoft Office: Word, Excel, Power Point, Mail;

- идеология Windows позволяет представлять информацию красочно и наглядно;

- возможность использования OLE технологии, что позволяет установить связь с объектами другого приложения или внедрить какие-либо объекты в базу данных Access;

- технология WYSIWIG позволяет пользователю постоянно видеть все результаты своих действий;

- широко и наглядно представлена справочная система;

- существует набор “мастеров” по разработке объектов, облегчающий создание таблиц, форм и отчетов.

Предназначен для создания отчетов произвольной формы на основании различных данных и разработки некоммерческих приложений. Минимальные ресурсы ПК: процессор 468DX, Windows 3.1, 95, NT, объем оперативной памяти 12 (16) Мб, занимаемый объем на ЖМД 10-40 Мб.

Указанные программные продукты имеют возможности визуального проектирования интерфейса пользователя, то есть разработчик из готовых фрагментов создает элементы интерфейса, программирует только их изменения в ответ на какие-либо события.

Компания Borland всегда была широко известна професссиональным разработчикам как фирма, предлагающая компиляторы С и Pascal, систему управления базами данных Paradox. Имея по всему миру около шести миллионов пользователей, dBASE остается индустриальным стандартом, применимым к различным операционным платформам, среди которых MS-DOS, UNIX, VAX/VMS и MS-Windows. Продукты, развиваемые в классе языков программирования - Borland C++ 4.5 и Delphi - с уникальным сочетанием классических принципов и современной технологии.

Совершенно новый продукт Borland Delphi for Windows - система скоростной разработки приложений, основанная на объектно-ориентированном Паскале. Delphi объединяет визуальные средства быстрой разработки приложений, высокопроизводительный компилятор объектно-ориентированного языка, масштабируемый механизм доступа к данным и другие последние достижения в области компьютерных технологий.

Visual C++ – наиболее мощный объектно-ориентированный язык программирования, обладает неограниченной функциональностью. Предназначен для создания компонентов приложений для выполнения операций, критичных по скорости.

Для создания была выбран продукт Borland Delphi for Windows, с системой управления базами данных Paradox, так как таблицы Paradox по сравнению с другими поддерживают самый богатый набор разных типов полей, что позволяет автоматически следить за правильностью вводимых в поля данных, выбирать данные из другой таблицы, строить вторичные индексы, в том числе составные, следить за ссылочной целостностью БД, защищать таблицу от несанкционированного доступа, выбирать языковый драйвер.

Раздел: Информатика, программирование
Количество знаков с пробелами: 34887
Количество таблиц: 7
Количество изображений: 19

Читайте также: