ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ Ενότητα 8: Βάσεις Δεδομένων ΙΙ Πασχαλίδης Δημοσθένης Τμήμα Ιερατικών Σπουδών
Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύπου άδειας χρήσης, η άδεια χρήσης αναφέρεται ρητώς. 2
Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί στα πλαίσια του εκπαιδευτικού έργου του διδάσκοντα. Το έργο «Ανοικτά Ακαδημαϊκά Μαθήματα στο TEI Δυτικής Μακεδονίας και στην Ανώτατη Εκκλησιαστική Ακαδημία Θεσσαλονίκης» έχει χρηματοδοτήσει μόνο τη αναδιαμόρφωση του εκπαιδευτικού υλικού. Το έργο υλοποιείται στο πλαίσιο του Επιχειρησιακού Προγράμματος «Εκπαίδευση και Δια Βίου Μάθηση» και συγχρηματοδοτείται από την Ευρωπαϊκή Ένωση (Ευρωπαϊκό Κοινωνικό Ταμείο) και από εθνικούς πόρους. 3
Σκοποί ενότητας Εισαγωγή στην έννοια της εξόρυξης δεδομένων για τον εντοπισμό κρυμμένων μοτίβων και τον συνακόλουθο προβληματισμό. 4
Περιεχόμενα ενότητας Εξόρυξη δεδομένων. Κοινωνικές επιπτώσεις. 5
Εξόρυξη δεδομένων (data mining) Ταχύτατα αναπτυσσόμενο πεδίο. Είναι σύνολο τεχνικών για την ανακάλυψη προτύπων σε συλλογές δεδομένων. Σημαντικό εργαλείο. Προσδιορισμός λειτουργιών συγκεκριμένων γονιδίων. Χαρακτηρισμός ιδιοτήτων οργανισμών. 6
Διαφορές Τα παραδοσιακά ερωτήματα στις βάσεις δεδομένων απλώς ζητούν την ανάκτηση αποθηκευμένων στοιχείων. Η εξόρυξη δεδομένων εφαρμόζεται σε στατικά σύνολα δεδομένων, τις λεγόμενες αποθήκες δεδομένων (data warehouses). Οι αποθήκες είναι στιγμιότυπα βάσεων δεδομένων ή συνόλων από βάσεις δεδομένων. 7
Στατιστική ή πληροφορική; Πολλοί υποστηρίζουν ότι εφόσον η εξόρυξη δεδομένων εκτελεί στατιστική ανάλυση σε μεγάλες συλλογές δεδομένων διαφόρων τύπων, αποτελεί εφαρμογή της στατιστικής και όχι κάποιο πεδίο της επιστήμης των υπολογιστών. 8
Βιοπληροφορική (1/2) Εξόρυξη δεδομένων για την έρευνα για τον προσδιορισμό προτύπων και την ταξινόμηση οργανικών συστατικών. Το αποτέλεσμα είναι ένα πεδίο της βιολογίας που ονομάζεται βιοπληροφορική (bioinformatics). Η βιοπληροφορική εμφανίστηκε αρχικά στις προσπάθειες για την αποκωδικοποίηση του DNA. 9
Βιοπληροφορική (2/2) Τώρα χρησιμοποιείται σε εργασίες όπως η καταγραφή των πρωτεϊνών και η κατανόηση των ακολουθιών των αλληλεπιδράσεών τους (ονομάζονται βιοχημικές διαδρομές). Παρόλο που κανονικά θεωρείται μέρος της βιολογίας, η βιοπληροφορική αποτελεί ένα παράδειγμα για το πώς η επιστήμη των υπολογιστών επηρεάζει ή συνδυάζεται με άλλα πεδία. 10
Περιγραφή και διάκριση κλάσεων Δύο συνηθισμένες μορφές της εξόρυξης δεδομένων είναι η περιγραφή κλάσεων (class description) και η διάκριση κλάσεων (class discrimination). Η περιγραφή κλάσεων σχετίζεται με τον προσδιορισμό των ιδιοτήτων που χαρακτηρίζουν μια συγκεκριμένη ομάδα στοιχείων δεδομένων. Η διάκριση κλάσεων ασχολείται με τον προσδιορισμό των ιδιοτήτων που ξεχωρίζουν δύο ομάδες. Π.χ. οι τεχνικές της περιγραφής κλάσεων θα μπορούσαν να χρησιμοποιηθούν για τον προσδιορισμό των χαρακτηριστικών των ατόμων που αγοράζουν μικρά οικονομικά οχήματα, ενώ οι τεχνικές της διάκρισης κλάσεων για τη διάκριση πελατών που αγοράζουν μεταχειρισμένα αυτοκίνητα από εκείνους που αγοράζουν καινούργια. 11
Ανάλυση συστάδων Η ανάλυση συστάδων (cluster analysis) έχει στόχο την ανακάλυψη κλάσεων. Διαφέρει από την περιγραφή κλάσεων, που έχει ως στόχο τον εντοπισμό ιδιοτήτων σε μέλη κλάσεων που έχουν ήδη αναγνωριστεί. Η ανάλυση συστάδων προσπαθεί να βρει ιδιότητες στοιχείων δεδομένων που οδηγούν στην ανακάλυψη ομαδοποιήσεων. Λόγου χάρη, κατά την ανάλυση ηλικιών αυτών που παρακολούθησαν μια κινηματογραφική ταινία, η ανάλυση συστάδων μπορεί να διαπιστώσει ότι η βάση των πελατών χωρίζεται σε δύο ηλικιακές ομάδες - μια ομάδα από 4 έως 10 ετών και μια ομάδα από 25 έως 50 ετών. (Ίσως λοιπόν η ταινία να προσέλκυσε παιδιά με τους γονείς τους.) 12
Ανάλυση συσχετισμών Η ανάλυση συσχετισμών (association analysis) σχετίζεται με την αναζήτηση συνδέσμων μεταξύ ομάδων δεδομένων. Μπορεί να ανακαλύψει ότι οι πελάτες που αγοράζουν ξηρούς καρπούς αγοράζουν επίσης μπύρα και σόδα, ή ότι τα άτομα που ψωνίζουν κατά τις εργάσιμες ώρες της εβδομάδας είναι κατά κύριο λόγο συνταξιούχοι. 13
Ανάλυση αποκλίσεων Η ανάλυση αποκλίσεων (outlier analysis) έχει στόχο να εντοπίσει καταχωρίσεις δεδομένων που διαφοροποιούνται από τα συνηθισμένα. Μπορεί να χρησιμοποιηθεί για τον προσδιορισμό σφαλμάτων στις συλλογές δεδομένων. για περιπτώσεις υποκλοπής στοιχείων πιστωτικών καρτών (με τον προσδιορισμό ξαφνικών διακυμάνσεων στις κανονικές καταναλωτικές συνήθειες ενός πελάτη). για τον εντοπισμό πιθανών κακοποιών με την αναγνώριση ασυνήθιστων συμπεριφορών. 14
Σειριακή ανάλυση προτύπων Η σειριακή ανάλυση προτύπων (sequential pattern analysis) προσπαθεί να προσδιορίσει πρότυπα συμπεριφοράς στο πέρασμα του χρόνου. Για παράδειγμα μπορεί να ανακαλύψει τάσεις σε οικονομικά συστήματα όπως οι αγορές κεφαλαίων, ή σε περιβαλλοντολογικά συστήματα όπως οι κλιματολογικές συνθήκες. 15
Εφαρμογές Τα αποτελέσματα της εξόρυξης δεδομένων μπορούν να χρησιμοποιηθούν για την πρόβλεψη μελλοντικής συμπεριφοράς. Πολλά έργα εξόρυξης δεδομένων στοχεύουν απλώς σε μια καλύτερη κατανόηση των δεδομένων. Π.χ. ανακάλυψη των μυστικών του DNA. Το εύρος των εφαρμογών της εξόρυξης δεδομένων είναι τεράστιο. Θα αποτελέσει ενεργό περιοχή έρευνας τα επόμενα χρόνια. 16
Οι κύβοι Η τεχνολογία βάσεων δεδομένων και η εξόρυξη δεδομένων σχετίζονται. Οι τεχνικές των βάσεων δεδομένων δίνουν στις αποθήκες δεδομένων τη δυνατότητα παρουσίασης των πληροφοριών σε μορφή κύβων δεδομένων. Οι κύβοι είναι δεδομένα που μπορούν να εξεταστούν από πολλές πλευρές. Ο όρος κύβος χρησιμοποιείται για να υποδηλώσει τις πολλές διαστάσεις. 17
Αποτελέσματα Για επιτυχημένη εφαρμογή της εξόρυξης δεδομένων πρέπει τα πρότυπα να αξιολογούνται σωστά ώστε να προσδιορίζεται αν είναι σημαντικά ή αποτελούν απλώς συμπτώσεις. Το γεγονός ότι ένα συγκεκριμένο πρακτορείο λαχείων έχει πουλήσει πολούς κερδορφόρους λαχνούς ίσως να μη θεωρηθεί σημαντικό από κάποιον που σχεδιάζει να αγοράσει λαχείο. Αντίθετα, η ανακάλυψη ότι οι πελάτες που αγοράζουν σνακς τείνουν επίσης να αγοράζουν έτοιμα γεύματα μπορεί να αποτελέσει σημαντική πληροφορία για ένα σούπερ μάρκετ. 18
Κίνδυνοι Με την εξόρυξη δεδομένων σχετίζεται ένα τεράστιο πλήθος ηθικών ζητημάτων που αφορούν στα δικαιώματα των ανθρώπων που αντιπροσωπεύονται στην αποθήκη δεδομένων. την ακρίβεια και τη χρήση των συμπερασμάτων που θα προκύψουν. το αν θα πρέπει ή όχι να χρησιμοποιείται εξόρυξη δεδομένων. 19
Κοινωνικές επιπτώσεις των βάσεων δεδομένων Με την ανάπτυξη της τεχνολογίας βάσεων δεδομένων, οι πληροφορίες που κάποτε ήταν θαμμένες σε απόκρυφα αρχεία έχουν πλέον γίνει προσιτές στον καθένα. Έτσι, τέτοιου είδους πληροφορίες μπορεί να γίνουν διαθέσιμες σε διαφημιστικές εταιρείες, σε υπηρεσίες επιβολής του νόμου, σε πολιτικά κόμματα, σε εργοδότες, αλλά και σε ιδιώτες. 20
Εμφανής και αφανής συλλογή (1/2) Εμφανή συλλογή δεδομένων έχουμε όταν ζητείται από κάποιον ρητά να δώσει πληροφορίες. Η παροχή αυτών των πληροφοριών μπορεί να γίνει οικειοθελώς, (ερωτηματολόγια ή φόρμες εγγραφής σε διαγωνισμούς), ή μη οικειοθελώς, όπως όταν επιβάλλεται από κυβερνητικούς κανονισμούς. Μερικές φορές, το αν η παροχή πληροφοριών είναι οικειοθελής ή μη, εξαρτάται από την οπτική γωνία του καθενός. 21
Εμφανής και αφανής συλλογή (2/2) Για παράδειγμα, κάποιος που παρέχει προσωπικές πληροφορίες κατά τη συμπλήρωση μιας αίτησης για δάνειο το κάνει οικειοθελών ή όχι; Η διάκριση εξαρτάται από το αν η λήψη του δανείου αποτελεί για το συγκεκριμένο άτομο μία απλή διευκόλυνση ή του είναι απαραίτητη. Η χρήση πιστωτικής κάρτας τώρα σε κάποια καταστήματα απαιτεί την καταγραφή της υπογραφής του κατόχου σε ψηφιακή μορφή. Και εδώ, το αν η παροχή αυτής της πληροφορίας γίνεται οικειοθελώς ή όχι εξαρτάται από τη συγκεκριμένη κατάσταση. 22
Αφανής συλλογή Οι λιγότερο εμφανείς περιπτώσεις συλλογής δεδομένων αποφεύγουν την απευθείας επικοινωνία με το υποκείμενο. Στα παραδείγματα περιλαμβάνονται: Τράπεζες οι οποίες καταγράφουν τις καταναλωτικές συνήθειες των κατόχων πιστωτικών καρτών. Ιστότοποι που καταγράφουν τα προσωπικά στοιχεία όσων τις επισκέπτονται. Ακτιβιστές που σηνειώνουν τους αριθμούς κυκλοφορίας των αυτοκινήτων που σταθμεύουν σε πάρκινγκ συγκεκριμένων οργανισμών. Σε αυτές τις περιπτώσεις, το υποκείμενο της συλλογής δεδομένων μπορεί να μην είναι ενήμερο για τη συλλογή στοιχείων που το αφορούν και ακόμη χειρότερα δεν θα γνωρίζει καν την ύπαρξή των βασικών δεδομένων που κατασκεύαζονται. 23
Σχεδόν εμφανής συλλογή Μερικές φορές, οι δραστηριότητες συλλογής δεδομένων είναι πρόδηλες αν κάποιος αφιερώσει λίγο χρόνο για να σκεφτεί. Π.χ. ένα σούπερ-μάρκετ μπορεί να προσφέρει εκπτώσεις στους πελάτες που κάνουν εγγραφή. Η διαδικασία πιθανώς περιλαμβάνει την έκδοση αναγνωριστικών καρτών ώστε να υπολογίζεται η έκπτωση κατά την πληρωμή. Το κατάστημα κατασκευάζει έτσι ένα αρχείο με τις αγορές του κάθε πελάτη. Η αξία αυτού του αρχείου είναι κατά πολύ μεγαλύτερη της έκπτωσης που παρέχεται ως αντάλλαγμα. 24
Αποκαλύψεις (1/3) Η έξαρση στη συλλογή δεδομένων οφείλεται στην αξία των δεδομένων. Η σύνδεση των πληροφοριών αποκαλύπτει στοιχεία τα οποία σε διαφορετική περίπτωση θα έμεναν κρυμμένα. 25
Αποκαλύψεις (2/3) Για παράδειγμα, οι καταναλωτικές συνήθειες των κατόχων πιστωτικών καρτών μπορούν να ταξινομηθούν και να διασταυρωθούν για τη δημιουργία προφίλ πελατών με ανυπολόγιστη διαφημιστική αξία. Όσοι αγόρασαν πρόσφατα γυμναστικό εξοπλισμό μπορεί ξαφνικά να αρχίσουν να λαμβάνουν φόρμες συνδρομής για περιοδικά μπόντυμπίλντινγκ, ενώ φόρμες συνδρομών για περιοδικά κυνόφιλων ταχυδρομούνται σε εκείνους που στις πρόσφατες αγορές τους περιέλαβαν σκυλοτροφές. 26
Αποκαλύψεις (3/3) Αρχεία πολιτών έχουν συγκριθεί με αρχεία κακοποιών για τον εντοπισμό και τη σύλληψη παραβατών αναστολής. Το 1984 η Στρατολογική Υπηρεσία των ΗΠΑ χρησιμοποίησε παλιές λίστες γενεθλίων μιας εταιρείας παγωτών για να εντοπίσει πολίτες που δεν πέρασαν περιοδεύοντες. 27
Προβλήματα Νόμοι και γραφειοκρατία. Πώληση δεδομένων. 28
Θετικά και αρνητικά Σε πολλές περιπτώσεις οι εφαρμογές βάσεων δεδομένων είναι ευεργετικές τόσο στον κάτοχο όσο και στο υποκείμενο των πληροφοριών. Σε κάθε περίπτωση υπάρχει μια απώλεια του προσωπικού απορρήτου η οποία δεν πρέπει να παραβλέπεται. Τα ζητήματα προσωπικού απορρήτου είναι σημαντικά όταν οι πληροφορίες είναι σωστές. Σε περίπτωση που οι πληροφορίες είναι εσφαλμένες κυριολεκτικά γιγαντώνονται. Π.χ. αν η πιστοληπτική ικανότητα κάποιου έχει επηρεαστεί αρνητικά από λανθασμένες πληροφορίες. Το μέγεθος που θα έπαιρναν τα προβλήματα σε ένα περιβάλλον όπου άλλα ιδρύματα έχουν άμεση πρόσβαση σε λανθασμένα στοιχεία είναι τρομακτικό. 29
Επίλογος Τα προβλήματα προσωπικού απορρήτου αποτελούν και θα συνεχίσουν να αποτελούν, μια σημαντικότατη παρενέργεια της προόδου της τεχνολογίας γενικότερα και των τεχνικών που αφορούν τις βάσεις δεδομένων ειδικότερα. Οι λύσεις σε αυτά τα προβλήματα απαιτούν ενημερωμένους, επαγρυπνούντες και ενεργούς πολίτες. 30
Τέλος Ενότητας
Σημείωμα Αναφοράς Copyright Ανώτατη Εκκλησιαστική Ακαδημία Θεσσαλονίκης, Δημοσθένης Πασχαλίδης. «ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ». Έκδοση: 1.0. Θεσσαλονίκη 2015. 32
Σημείωμα Αδειοδότησης Το παρόν υλικό διατίθεται με τους όρους της άδειας χρήσης Creative Commons Αναφορά, Μη Εμπορική Χρήση Παρόμοια Διανομή 4.0 [1] ή μεταγενέστερη, Διεθνής Έκδοση. Εξαιρούνται τα αυτοτελή έργα τρίτων π.χ. φωτογραφίες, διαγράμματα κ.λ.π., τα οποία εμπεριέχονται σε αυτό και τα οποία αναφέρονται μαζί με τους όρους χρήσης τους στο «Σημείωμα Χρήσης Έργων Τρίτων». [1] http://creativecommons.org/licenses/by-nc-sa/4.0/ Ως Μη Εμπορική ορίζεται η χρήση: που δεν περιλαμβάνει άμεσο ή έμμεσο οικονομικό όφελος από την χρήση του έργου, για το διανομέα του έργου και αδειοδόχο. που δεν περιλαμβάνει οικονομική συναλλαγή ως προϋπόθεση για τη χρήση ή πρόσβαση στο έργο. που δεν προσπορίζει στο διανομέα του έργου και αδειοδόχο έμμεσο οικονομικό όφελος (π.χ. διαφημίσεις) από την προβολή του έργου σε διαδικτυακό τόπο. Ο δικαιούχος μπορεί να παρέχει στον αδειοδόχο ξεχωριστή άδεια να χρησιμοποιεί το έργο για εμπορική χρήση, εφόσον αυτό του ζητηθεί. 33
Διατήρηση Σημειωμάτων Οποιαδήποτε αναπαραγωγή ή διασκευή του υλικού θα πρέπει να συμπεριλαμβάνει: το Σημείωμα Αναφοράς. το Σημείωμα Αδειοδότησης. τη δήλωση Διατήρησης Σημειωμάτων. το Σημείωμα Χρήσης Έργων Τρίτων (εφόσον υπάρχει). μαζί με τους συνοδευόμενους υπερσυνδέσμους. 34