aggregointi

Aggregointi on prosessi, jossa useita datapisteitä tai arvoja yhdistetään yhdeksi yhteenvetotiedoksi tai korkeammalla tasolla esitettäväksi kokonaisuudeksi. Sitä käytetään tilastotieteen, tietojenkäsittelyn ja tiedonhallinnan konteksteissa, jolloin datamäärää voidaan pienentää ja tuotetaan mielekkäitä yhteenvetoja.

Yleisimpiä aggregointimuotoja ovat numeeriset yhteenlaskut, kuten summa, keskiarvo, mediaani sekä minimi ja maksimi. Lisäksi voidaan laskea laskureita, prosenttipisteitä sekä kuvailla jakaumia ja hajontaa. Ryhmittäinen aggregointi tapahtuu usein avainsarakkeiden perusteella (esimerkiksi SQL:n GROUP BY), ja aikajonoissa voidaan tehdä resampling- tai downsampling-toimenpiteitä. Tietokanta- ja BI-ympäristöissä hyödynnetään myös roll-up- ja cube-Operaatiot, jotka mahdollistavat hierarkkisen aggregoinnin.

Sovelluksia ovat muun muassa liiketoimintatiedon hallinta, rahoitus, valmistus, sensoridata sekä verkkosivujen ja sovellusten analytiikka. Aggregointia käytetään esimerkiksi myynti- ja käyttäjätilastoissa, laadunvalvonnassa sekä epidemiologisissa tutkimuksissa, joissa pienennettyä dataa tarvitaan päätöksenteon tueksi.

Haasteisiin kuuluvat datan laatu, valitun granulaarisuuden vaikutus tuloksiin sekä mahdollinen tietojen menettäminen pienemmässä tasossa. Puuttuvat arvot, poikkeavat arvot sekä epäyhtenäiset aikaleimat voivat vaikeuttaa aggregointia. Yksityisyys ja tietosuoja on otettava huomioon, erityisesti kun aggregoidaan henkilö- tai tunnistetietoja. Lisäksi aggregointi voi piilottaa yksittäisiä poikkeamia tai pienemmän tason rakenteita, ja on tärkeää varmistaa toistettavuus sekä läpinävyys menetelmissä. Suorituskyky on keskeinen erityisesti suurissa dataseteissä ja reaaliaikaisissa tulkinta-tilanteissa.