Komplexní přehled od základních definic dat v informačním věku až po pokročilé modely. Shrnutí evoluce databázových systémů, významu standardizované architektury a nezbytnosti logického návrhu (ERM, normalizace) pro efektivní správu dat v praxi.

Principy objektové orientace: objekty, vlastnosti a funkce. Důvody vzniku OO databází a jejich rozdíly oproti relačním (ukládání objektů vs. tabulek). Pojem objektově-relační databáze (ORDBMS) jako hybridní řešení. Aktuální stav na trhu a role XML databází.

Proces odstraňování redundancí a anomálií (při vkládání, změně a mazání). Tři základní normální formy: 1NF (atomární hodnoty), 2NF (úplná funkční závislost na klíči) a 3NF (odstranění tranzitivních závislostí). Výhody normalizace pro konzistenci a integritu databáze.

Matematický základ pro manipulaci s daty v relacích. Množinové operace: sjednocení (Union), průnik (Intersection) a rozdíl (Difference). Specifické operace: Projekce (výběr sloupců), Selekce (výběr řádků pomocí podmínek), Kartézský součin (kombinace všech tupel) a Přirozené spojení (Natural Join) pro propojování tabulek.

Hierarchický model: struktura stromu (kořen, listy), vztahy 1:m, systémy IMS/DB a UDS. Relační model: základní pojmy jako entita, atribut, asociace (1:1, 1:m, m:n) a tabulky (relace). Význam primárních a cizích klíčů pro propojení relací. Přehled trhu: Desktopové (Access) vs. Serverové databáze (Oracle, SQL Server, MySQL, DB2).

Třívrstvá architektura ANSI/X3/SPARC: externí (pohledy uživatelů), koncepční (logický model celku) a interní úroveň (fyzické uložení). Logická a fyzická datová nezávislost. Funkce DBMS: zprostředkování přístupu, integrita (sémantická, operacionální, fyzická), ochrana dat a servisní nástroje. Komponenty systému (např. SQL procesor, systémová vyrovnávací paměť SGA).

Definice databáze jako úložiště dat a vztahů mezi nimi. Rozdíl mezi databází a archivem. Základní operace (vkládání, dotazování, mazání, změna) a účel databází (rychlost, struktura, ochrana). Historický vývoj od děrných štítků a magnetických pásek přes "Flat-File" databáze až po moderní systémy DBMS. Význam "Data Dictionary" pro kontrolu redundance.

Komplexní přehled: Propojení internetu věcí, služeb a dat. Jak technologické komponenty (senzory, CPS) a ekonomické zákonitosti (Moore, Metcalfe) vytvářejí chytrý svět (Smart Everything). Shrnutí přínosů pro efektivitu (Průmysl 4.0) i výzev pro společnost (ochrana dat, proměna práce).

Reálné příklady: Disney World (MagicBand) pro personalizaci zážitků. Predictive Maintenance (předpovídání údržby) u výtahů ThyssenKrupp nebo lokomotiv DB. Využití Big Data v medicíně (léčba tumorů). Schwarmdaten (shluková data) v Google Maps pro navigaci v reálném čase.

Zdroje dat: lidé (sociální sítě), stroje (senzory), transakce (ERP systémy). Čtyři dimenze Big Data (4V): Volume (objem), Velocity (rychlost), Variety (rozmanitost/formáty), Veracity (věrohodnost/pravdivost). Význam analýzy dat v reálném čase.