aggregointeja

Aggregointeja (aggregointi) tarkoittaa useiden havaintojen, arvojen tai signaalien yhteenlaskemista tai kokoamisesta yhteen yhteenvetotulokseen tai rakenteeseen. Sillä tarkoitetaan sekä tilastollista että tietoteknistä käsittelyä, jossa monista yksittäisistä tiedoista tuotetaan tiivistetty kuva tai erillisiä ryhmiteltyjä yhteenvetoja. Aggregointi esiintyy muun muassa tilastotieteessä, tietokantakyselyissä, data-arkkitehtuureissa sekä reaaliaikaisessa analytiikassa ja signaalinkäsittelyssä.

Yleisimmät aggregaattorit (toimintatavat) ovat summa, keskiarvo, mode, mediaani, minimi, maksimi sekä laskuri (count). Lisäksi käytetään varianssia ja keskihajontaa kuvaamaan hajontaa, sekä joskus harvemmin concatenation tai muut kirjastolliset yhteenliittämiset. Aggregointi voi olla laskennallinen, kuten SQL-kyselyn GROUP BY -lause, tai ohjelmallinen, esimerkiksi Pandasin ryhmittelyillä tai MapReduce/Spark-ympäristöissä.

Käyttökohteita ovat muun muassa tietokanta- ja raportointijärjestelmät, OLAP-työkalut, aikaväli- tai aikaikkunaan perustuva resampling sekä stream- tai batch-prosessit. Aggregointi mahdollistaa suurten datamassojen tiivistämisen sekä trendien, poikkeavuuksien ja vaihtelun havainnoimisen. Yksikköryhmittelyn lisäksi aggregointi soveltuu myös mittausten, tapahtumien tai mittalusikkien yhdistämiseen synnyttämään yhteenvedon.

Ongelmia ja huomioita ovat puuttuvat arvot, mittausepätarkkuudet sekä suorituskyky- ja muistirajoitteet suurissa datamäärissä. Hajautetuissa järjestelmissä aggregointi voidaan toteuttaa osin rinnakkain ja koota lopullinen tulos yhdistämällä osatulokset. Aggregointia käytetään laajasti sekä operatiivisessa että päätöksenteon tukemisessa.