Historical data management in big databases

Abstract

It is very likely that most information systems have at short-term information management problems. This requires the creation of new types of data management techniques more efficient and specific to each case, with the capacity to govern and ensure compliance with the management measures defined for operational systems, and ensure the desired performance and quality. In this work, we address the problem of data management, and, using a solution based on machine learning techniques, we tried to perceive, learn and classify the data contained in any database, according to its relevance for the users. Being able to identify what is really important to the users and separate this information from the rest, it is a great way for reducing the size of unnecessary data in a system and to define a more appropriate management model for the data that must be maintained in the system.

É muito provável que grande parte dos sistemas de informação tenha problemas de gestão de informação. Isto obriga à criação de novos tipos de técnicas de gestão de dados mais eficientes e específicas para cada caso, com capacidade para governar e assegurar o cumprimento das medidas de gestão definidas para os sistemas, e garantir o desempenho e a qualidade desejada. Neste trabalho, abordamos o problema da gestão de dados, e, através de uma solução baseada em técnicas de machine learning, tentamos perceber, aprender e classificar os dados contidos numa qualquer base de dados, de acordo com a sua relevância para os utilizadores. Conseguir identificar aquilo que é realmente importante para o utilizador e separar esta informação da restante, é uma excelente forma de diminuir a dimensão dos dados desnecessários num sistema e definir um modelo de gestão mais apropriado para os dados mantidos nos referidos sistemas.