बिग डेटा सनसेट

कई विदेशी लेखक सहमत हैं कि बिग डेटा युग समाप्त हो गया है। और इस मामले में, बिग डेटा शब्द Hadoop पर आधारित प्रौद्योगिकियों को संदर्भित करता है। कई लेखक आत्मविश्वास से तारीख का नाम भी बता सकते हैं जब बिग डेटा ने इस दुनिया को छोड़ दिया और यह तारीख 06/05/2019 है।

इस क्षणिक दिन पर क्या हुआ?

इस दिन, कंपनी MAPR ने अपने काम को निलंबित करने का वादा किया था अगर वह आगे के कामकाज के लिए धन नहीं पा सके। बाद में, अगस्त 2019 में, HP द्वारा MAPR का अधिग्रहण किया गया। लेकिन जून में लौटने पर, बिग डेटा मार्केट के लिए इस अवधि की त्रासदी को नोट करने में कोई भी विफल नहीं हो सकता है। इस महीने, शेयर बाजार CLOUDERA के साथ नामित बाजार में एक प्रमुख खिलाड़ी के साथ ढह गए, जो उस वर्ष के जनवरी में कालानुक्रमिक लाभकारी HORTOWORKS के साथ विलय हो गया। पतन बहुत महत्वपूर्ण था और इसकी मात्रा 43% थी, अंत में, क्लोडेरा का पूंजीकरण 4.1 से 1.4 बिलियन डॉलर तक कम हो गया।

यह कहना असंभव नहीं है कि Hadoop पर आधारित प्रौद्योगिकियों के क्षेत्र में बुलबुले को बढ़ाने के बारे में अफवाहें दिसंबर 2014 से घूम रही हैं, लेकिन यह बहादुरी से लगभग पांच और वर्षों तक चली। ये अफवाहें Google की विफलता पर आधारित थीं, जिस कंपनी में Hadoop तकनीक का जन्म हुआ था, इसके आविष्कार से। लेकिन प्रौद्योगिकी ने क्लाउड-आधारित प्रसंस्करण टूल और कृत्रिम बुद्धि के तेजी से विकास के लिए कंपनियों के संक्रमण के दौरान जड़ ले ली है। इसलिए, पीछे मुड़कर, हम आत्मविश्वास से कह सकते हैं कि निधन की उम्मीद थी।

इस प्रकार, बिग डेटा का युग समाप्त हो गया, लेकिन बड़े डेटा पर काम करने की प्रक्रिया में, कंपनियों ने इस पर काम करने की सभी बारीकियों को महसूस किया, बिग डेटा जो लाभ एक व्यवसाय में ला सकता है, और कच्चे डेटा के लिए मूल्य निकालने के लिए कृत्रिम बुद्धिमत्ता का उपयोग करने का तरीका भी सीखा।

सभी अधिक दिलचस्प सवाल यह है कि इस तकनीक को क्या बदला जाएगा और एनालिटिक्स प्रौद्योगिकियां कैसे विकसित होती रहेंगी।

संवर्धित विश्लेषिकी

वर्णित घटनाओं के दौरान, डेटा विश्लेषण के क्षेत्र में काम करने वाली कंपनियां अभी भी नहीं बैठी थीं। 2019 में होने वाले लेनदेन की जानकारी से क्या अंदाजा लगाया जा सकता है। इस वर्ष, बाजार का सबसे बड़ा लेन-देन किया गया था - 15.7 बिलियन डॉलर के लिए विश्लेषणात्मक प्लेटफ़ॉर्म झांकी के सेल्सफोर्स का अधिग्रहण। Google और लुकर के बीच एक छोटा सौदा हुआ। और निश्चित रूप से, कोई भी Qlik द्वारा अधिग्रहण को नोट करने में विफल नहीं हो सकता है - Attunity मंच की बड़ी तारीख।

बीआई बाजार के नेताओं और गार्टनर के विशेषज्ञों ने डेटा विश्लेषण दृष्टिकोण में एक जबरदस्त बदलाव का दावा किया है, यह बदलाव पूरी तरह से बीआई बाजार को नष्ट कर देगा और एआई के साथ बीआई के प्रतिस्थापन की ओर ले जाएगा। इस संदर्भ में, यह ध्यान दिया जाना चाहिए कि संक्षिप्त नाम AI "कृत्रिम बुद्धिमत्ता" नहीं है, लेकिन "संवर्धित खुफिया" है। आइए "ऑगमेंटेड एनालिटिक्स" शब्दों के पीछे जो कुछ छिपा है, उस पर करीब से नज़र डालें।

संवर्धित विश्लेषिकी, साथ ही संवर्धित वास्तविकता, कई सामान्य पदों पर आधारित है:

• एनएलपी (प्राकृतिक भाषा प्रसंस्करण) का उपयोग करके संवाद करने की क्षमता, अर्थात। मानव भाषा में;
• कृत्रिम बुद्धिमत्ता का उपयोग, इसका अर्थ है कि मशीन बुद्धि द्वारा पूर्व-संसाधित किया जाएगा;
• और निश्चित रूप से सिस्टम के उपयोगकर्ता के लिए उपलब्ध सिफारिशें, जो सिर्फ एक ही कृत्रिम बुद्धि उत्पन्न करती हैं।

विश्लेषणात्मक प्लेटफार्मों के निर्माताओं के अनुसार, उनका उपयोग उन उपयोगकर्ताओं के लिए उपलब्ध होगा, जिनके पास विशेष कौशल नहीं है, जैसे कि एसक्यूएल या एक समान स्क्रिप्टिंग भाषा का ज्ञान, जिनके पास सांख्यिकीय या गणितीय प्रशिक्षण नहीं है, और जिनके पास डेटा प्रोसेसिंग और संबंधित पुस्तकालयों में विशेषज्ञता वाली लोकप्रिय भाषाओं के क्षेत्र में ज्ञान नहीं है। सिटीजन डेटा साइंटिस्ट कहे जाने वाले इन लोगों के पास केवल व्यावसायिक योग्यता होनी चाहिए। उनका काम सुझावों और पूर्वानुमानों से व्यापारिक अंतर्दृष्टि को पकड़ना है जो कृत्रिम बुद्धि उन्हें देगी, और वे एनएलपी का उपयोग करके अपने अनुमानों को परिष्कृत करने में सक्षम होंगे।

इस वर्ग के सिस्टम के साथ काम करने वाले उपयोगकर्ताओं की प्रक्रिया के बारे में बताते हुए, कोई भी निम्नलिखित चित्र की कल्पना कर सकता है। रिपोर्ट और डैशबोर्ड के सामान्य सेट के अलावा काम करने वाले और लॉन्च करने वाले व्यक्ति जो मानक दृष्टिकोणों का उपयोग करके विश्लेषण किया जा सकता है (छंटनी, समूह बनाना, अंकगणितीय संचालन करना), कुछ संकेत और सिफारिशें, कुछ इस तरह देखता है: मात्रा के संदर्भ में KPI प्राप्त करने के लिए। बिक्री, आपको "गार्डनिंग" श्रेणी से उत्पादों पर छूट लागू करनी चाहिए। इसके अलावा, एक व्यक्ति कॉर्पोरेट संदेशवाहक से संपर्क कर सकता है: स्काइप, स्लैक आदि। वह पाठ या आवाज में रोबोट के सवाल पूछ सकता है: "मुझे पांच सबसे लाभदायक ग्राहक लाओ।" उपयुक्त उत्तर प्राप्त करने के बाद, उसे व्यवसाय में अपने अनुभव के आधार पर सर्वोत्तम निर्णय लेने होंगे और कंपनी को लाभ लाना होगा।

यदि आप एक कदम पीछे लेते हैं और विश्लेषण की गई जानकारी की संरचना को देखते हैं, और इस स्तर पर संवर्धित एनालिटिक्स क्लास के उत्पाद लोगों के जीवन को सरल बना सकते हैं। आदर्श रूप में, यह माना जाता है कि उपयोगकर्ता को केवल वांछित जानकारी के स्रोतों के लिए विश्लेषणात्मक उत्पाद को इंगित करने की आवश्यकता होती है, और प्रोग्राम स्वयं एक डेटा मॉडल, टेबल का एक गुच्छा, और इसी तरह के कार्यों को बनाने का ध्यान रखेगा।

यह सब, सबसे पहले, डेटा के "लोकतंत्रीकरण" को सुनिश्चित करना चाहिए, अर्थात्। कोई भी कंपनी के लिए उपलब्ध जानकारी के पूरे सरणी का विश्लेषण कर सकता है। निर्णय लेने की प्रक्रिया को सांख्यिकीय विश्लेषण विधियों द्वारा समर्थित किया जाना चाहिए। डेटा एक्सेस का समय न्यूनतम होना चाहिए, क्योंकि इसे स्क्रिप्ट और एसक्यूएल क्वेरी लिखने की आवश्यकता नहीं है। और निश्चित रूप से, अत्यधिक भुगतान किए गए डेटा विज्ञान विशेषज्ञों पर बचत करना संभव होगा।

Hypothetically, प्रौद्योगिकियां व्यापार के लिए बहुत उज्ज्वल संभावनाएं खोलती हैं।

बिग डेटा की जगह क्या

लेकिन, वास्तव में, मैंने बिग डेटा के साथ अपना लेख शुरू किया। और मैं इस विषय को आधुनिक बीआई उपकरण में एक संक्षिप्त भ्रमण के बिना विकसित नहीं कर सका, जिसका आधार, अक्सर, बिग डेटा है। बड़े डेटा का भाग्य अब स्पष्ट रूप से एक निष्कर्ष है, और ये क्लाउड प्रौद्योगिकियां हैं। मैंने BI विक्रेताओं के साथ किए गए लेन-देन पर ध्यान केंद्रित किया ताकि यह प्रदर्शित हो सके कि अब हर एनालिटिक्स सिस्टम के अंतर्गत क्लाउड स्टोरेज है, और क्लाउड सेवाओं में फ्रंट एंड के रूप में BI है।

डेटाबेस के क्षेत्र में ऐसे स्तंभों के बारे में मत भूलना ORACLE और Microsoft के रूप में, उनके चुने हुए व्यवसाय की दिशा और इस बादल को नोट करना आवश्यक है। ऑफ़र की गई सभी सेवाएँ क्लाउड में पाई जा सकती हैं, लेकिन कुछ क्लाउड सेवाओं को अब आधार पर प्राप्त नहीं किया जा सकता है। उन्होंने मशीन लर्निंग मॉडल के उपयोग पर महत्वपूर्ण काम किया है, उपयोगकर्ताओं के लिए उपलब्ध पुस्तकालय बनाए हैं, शुरुआती समय की स्थापना के लिए इसके चयन से मॉडल के साथ काम करने की सुविधा के लिए इंटरफेस को कॉन्फ़िगर किया है।

क्लाउड सेवाओं का उपयोग करने का एक और महत्वपूर्ण लाभ, जो निर्माताओं द्वारा आवाज उठाई जाती है, प्रशिक्षण मॉडल के लिए किसी भी विषय पर लगभग असीमित डेटा सेट की उपस्थिति है।

हालांकि, सवाल यह उठता है कि हमारे देश में क्लाउड टेक्नोलॉजी कितना रूट लेती है?