1.4

1.4 Εφαρμογές Βάσεων Δεδομένων στην Καθημερινή Ζωή, σε Επιχειρήσεις και Οργανισμούς
**Στόχοι / Προσδοκώμενα Αποτελέσματα** Ο μαθητής/τρια πρέπει να είναι ικανός/ή:
 * να αναφέρει παραδείγματα εφαρμογών και υπηρεσιών για πολίτες και οργανισμούς/επιχειρήσεις που βασίζονται σε βάσεις δεδομένων
 * να ευαισθητοποιηθεί για τη σπουδαιότητα που έχει η διαχείριση των δεδομένων για τα άτομα και τους οργανισμούς/επιχειρήσεις
 * να αντιλαμβάνεται την σημαντικότητα της διαχείρισης των δεδομένων που αφορούν προσωπικές και ευαίσθητες πληροφορίες


 * Κρατήσεις θέσεων σε αεροπορικές εταιρείες**. Οι εφαρμογές αυτές υποστηρίζουν λειτουργίες, όπως κράτηση θέσης για μία συγκεκριμένη πτήση, αναζήτηση πληροφοριών για διαθέσιμες πτήσεις με βάση την αφετηρία και τον προορισμό, αναζήτηση πληροφοριών σχετικά με τις τιμές και τη διαθεσιμότητα των εισιτηρίων. Η λειτουργία της εφαρμογής επιτρέπει την απάντηση ερωτημάτων που αφορούν στην ώρα αναχώρησης και άφιξης συγκεκριμένων πτήσεων και την αποδοτική κράτηση θέσεων και έλεγχο της διαθεσιμότητας. Οι εφαρμογές αυτές είναι πολύτιμες για ταξιδιωτικούς πράκτορες και αεροπορικές εταιρείες λόγω των πολλών διευκολύνσεων που παρέχουν.
 * Τραπεζικές Συναλλαγές**. Στις εφαρμογές αυτές η πληροφορία αποτελείται από ονόματα πελατών, διευθύνσεις, αριθμούς τραπεζικών λογαριασμών, υπόλοιπο λογαριασμών, δεδομένα που αφορούν σε δάνεια, πιστωτικές κάρτες και γενικά από οτιδήποτε σχετίζεται με τη λειτουργία μίας τράπεζας. Στόχος των εφαρμογών αυτών είναι η ταχύτερη εξυπηρέτηση των πελατών και η αποδοτικότερη λειτουργία της τράπεζας. Αναπτύσσονται ταχύτατα με νέα προϊόντα που βασίζονται στο διαδίκτυο και καταργούν την φυσική παρουσία σε κατάστημα. Προφανώς μια τέτοιου επιπέδου εφαρμογή πρέπει να υποστηρίζει ταυτόχρονες προσπελάσεις στα δεδομένα από πολλούς χρήστες.
 * Διαχείριση Εταιρικών Δεδομένων**. Η καλή οργάνωση των δεδομένων μίας μεγάλης εταιρείας έχει ουσιαστική και δυναμική συμβολή στην αποδοτική λειτουργία της. Η μεθοδική οργάνωση των δεδομένων επιδρά σε όλα τα τμήματα της εταιρείας και αυτή η δομημένη οργάνωση της πληροφορίας επιτρέπει τη γρήγορη αναζήτηση στοιχείων και την άμεση ενημέρωση σε τυχόν αλλαγές στα δεδομένα.
 * Πολυμεσικές Εφαρμογές**. Μιας και στις ημέρες μας ένα σημαντικό ποσοστό της πληροφορίας βρίσκεται σε μορφές όπως ήχος, εικόνα και video, η υποστήριξη των τύπων αυτών απαιτεί ταχύτητα στην επεξεργασία και περισσότερο χώρο αποθήκευσης λόγω του μεγάλου όγκου των δεδομένων. Οι Βάσεις Δεδομένων πολυμέσων (multimedia databases) έχουν τη δυνατότητα χειρισμού των σύνθετων αυτών τύπων δεδομένων χρησιμοποιώντας σύγχρονες και βελτιωμένες τεχνικές αναζήτησης. Έχουμε πλέον τη δυνατότητα να θέτουμε ερωτήσεις που αφορούν πολυμεσικά δομικά στοιχεία, κάτι που θα φαινόταν εξαιρετικά πολύπλοκο και δύσκολο στο παρελθόν.
 * Ανάκτηση πληροφορίας στο διαδίκτυο**. Τα παραδοσιακά συστήματα επιτρέπουν την αναζήτηση κειμένων που περιέχουν λέξεις ορισμένες από τον χρήστη. Με την αλματώδη ανάπτυξη του Παγκόσμιου Ιστού και του Διαδικτύου, η πληροφορία είναι διάχυτη παντού κάνοντας την αναζήτηση το επόμενο στοίχημα. Ένα σημαντικό τμήμα της έρευνας εστιάζεται στη μελέτη αποτελεσματικών και αποδοτικών μεθόδων αναζήτησης πληροφορίας σύμφωνα με τις απαιτήσεις των χρηστών. Βασικό στοιχείο στη διαδικασία αυτή είναι η βαθμολόγηση των απαντήσεων έτσι ώστε τα δεδομένα που σχετίζονται περισσότερο με το ερώτημα του χρήστη να πάρουν υψηλό βαθμό. Οι μηχανές αναζήτησης (search engines) όπως Google, Bing, Yahoo!, κ.λπ. χρησιμοποιούν εξελιγμένες τεχνικές και ικανοποιούν τα εκατομμύρια ερωτήματα που δέχονται καθημερινά με την βοήθεια ΣΔΒΔ με δυνατότητες αναζήτησης κειμένων σύμφωνα με τις λέξεις-κλειδιά που δίνει ο χρήστης.
 * Διαχείριση Γεωγραφικών Δεδομένων.** Τα γεωγραφικά δεδομένα απαιτούν νέους τρόπους αποθήκευσης και επεξεργασίας λόγω της χωρικής (spatial) φύσης τους. Για παράδειγμα, για τα δεδομένα αυτά λόγω της δισδιάστατης (ή γενικότερα πολυδιάστατης) φύσης τους δεν ισχύουν οι σχέσεις διάταξης (π.χ. στους ακεραίους και τους χαρακτήρες υπάρχει η έννοια του προηγούμενου-επόμενου, στους πραγματικούς αριθμούς η έννοια του μικρότερου-μεγαλύτερου κ.λπ.). Ισχύουν όμως τοπολογικές σχέσεις (όπως αριστερά-δεξιά, βόρεια-νότια, εντός-εκτός, τομή, απόσταση κ.λπ.). Το αντίστοιχο επομένως ΣΔΒΔ, που συνεργάζεται με ένα Σύστημα Γεωγραφικών Πληροφοριών (Geographical Information System, GIS), πρέπει να  είναι εξοπλισμένο με εξειδικευμένες τεχνικές διαχείρισης.
 * Αποθήκες Δεδομένων και Αναλυτική Επεξεργασία**. Μία άλλη σύγχρονη εφαρμογή που προέκυψε ως ανάγκη λόγω της ύπαρξης τεράστιου όγκου δεδομένων σε μεγάλες επιχειρήσεις και οργανισμούς είναι τα Συστήματα Στήριξης Αποφάσεων (decision support systems). Για τη λήψη αποφάσεων σε θέματα ανάλυσης αγοράς, οικονομικού σχεδιασμού, marketing κ.λπ., ένας αναλυτής μίας επιχείρησης ενδιαφέρεται να υποβάλλει πολύπλοκα ερωτήματα περισσότερο σε συγκεντρωτικά δεδομένα παρά σε ατομικές συναλλαγές. Η υποβολή και η επεξεργασία τέτοιου τύπου ερωτημάτων είναι μία διαδικασία από δύσκολη μέχρι και αδύνατη, καθώς συχνά τα δεδομένα των μεγάλων φορέων είναι διασκορπισμένα σε πολλά ετερογενή συστήματα, που μπορεί να είναι και γεωγραφικά κατανεμημένα. Στις περιπτώσεις αυτές, τα πρωτογενή δεδομένα με ειδικές διαδικασίες ομογενοποιούνται και αποθηκεύονται σε ειδικές βάσεις με συνοπτικό τρόπο χρησιμοποιώντας διαφορετικές οπτικές γωνίες και διαφορετικές κλίμακες. Αυτές οι ειδικές βάσεις λέγονται Αποθήκες Δεδομένων (data warehouses), ενώ η επεξεργασία τους έχει την ειδική ονομασία Άμεση Αναλυτική Επεξεργασία (On-Line Analytical Processing, OLAP) σε αντίθεση με τα παραδοσιακά Συστήματα Βάσεων Δεδομένων, όπου μιλούμε για Άμεση Επεξεργασία Συναλλαγών.
 * Εξόρυξη Δεδομένων.** Η Εξόρυξη Δεδομένων (data mining) είναι μία άλλη σύγχρονη περιοχή των Βάσεων Δεδομένων, που πρόκυψε ως ανάγκη λόγω του τεράστιου όγκου δεδομένων, που συλλέγονται είτε αυτοματοποιημένα από δορυφόρους, κάμερες παρακολούθησης, συσκευές μέτρησης είτε με τον κλασσικό παραδοσιακό τρόπο από ένα Σύστημα Βάσεων Δεδομένων. Ο τεράστιος όγκος δεδομένων αποτρέπει την χρήση συμβατικών μεθόδων επεξεργασίας και έτσι εφαρμόζουμε ειδικές αυτοματοποιημένες μεθόδους επεξεργασίας, οι οποίες αναλαμβάνουν να "σκάψουν" στα δεδομένα αναζητώντας κάποια χρήσιμη πληροφορία, προηγουμένως άγνωστη και κυρίως ενδιαφέρουσα, με την οποία να μπορούν ληφθούν αποφάσεις και να δρομολογηθούν διαδικασίες. Η αποδοτική διαχείριση τεράστιων όγκων δεδομένων με τη βοήθεια κλασικών τεχνικών των ΒΔ είναι το χαρακτηριστικό της.   Τυπικές μέθοδοι επεξεργασίας κατά την εξόρυξη δεδομένων είναι ο //χαρακτηρισμός// (characterization), η //αντιδιαστολή// (discrimination), η //κατηγοριοποίηση// (classification), η //εξαγωγή κανόνων συσχέτισης// (association rules), η //ομαδοποίηση// (clustering) κ.α.
 * Διαχείριση Κινούμενων Αντικειμένων** είναι μια ακόμη εφαρμογή με ραγδαία ανάπτυξη. Εφαρμογές όπως η καταγραφή της κίνησης οχημάτων, η παρακολούθηση μίας πετρελαιοκηλίδας, η παρακολούθηση εξέλιξης παγετώνων, απαιτούν την αποθήκευση της θέσης των αντικειμένων σε σχέση με το χρόνο. Η μελέτη της κίνησης επιτρέπει να απαντούμε σε καίρια ερωτήματα που σχετίζονται κύρια με: α) την εξέλιξη της κίνησης στο παρελθόν και β) την πρόβλεψη για τη θέση των αντικειμένων στο κοντινό ή μακρινό μέλλον. Η επεξεργασία ερωτημάτων τέτοιου τύπου είναι εξαιρετικά δύσκολη και απαιτεί την κατάλληλη οργάνωση και διαχείριση των αντικειμένων με μοντέρνες ευρηματικές τεχνικές έτσι ώστε να υλοποιείται αποτελεσματικά και αποδοτικά.

**Ερωτήσεις / Δραστηριότητες**
 * 1) Αναζήτηση πληροφοριών για τον εκτιμώμενο όγκο δεδομένων που παράγονται και διακινούνται με χρήση ΤΠΕ.
 * 2) Αναζήτηση πληροφοριών για τη ζήτηση και τις προοπτικές θέσεων εργασίας σχετικών με ΒΔ.
 * 3) Αναζήτηση πληροφοριών σχετικά με νομοθεσία που επιβάλει τη διατήρηση δεδομένων από οργανισμούς/επιχειρήσεις.
 * 4) Επίσκεψη ιστοσελίδων που βασίζονται σε ΒΔ για παροχή υπηρεσιών σε πολίτες και οργανισμούς/επιχειρήσεις (π.χ. Εθνικό Τυπογραφείο, βάση νομοθεσίας ΕΕ EUR-Lex, πύλη δημόσιας διοίκησης ΕΡΜΗΣ, πύλη ΕΕ Europa, ηλεκτρονικές βιβλιοθήκες πανεπιστημίων).