મોટા ડેટા વિશ્લેષણ આપણા અર્થતંત્રને કેવી રીતે બદલશે

એક ઝડપી ગતિશીલ, ટેક્નોલોજી આધારિત વિશ્વમાં જ્યાં દુકાનદારો પિઝાથી લઈને પોર્શ સુધીની દરેક વસ્તુ ઓનલાઈન ઓર્ડર કરી શકે છે, સાથે સાથે તેમના ટ્વિટર, ફેસબુક અને ઈન્સ્ટાગ્રામ એકાઉન્ટને તેમના સ્માર્ટ ફોનના એક જ સ્વાઈપથી અપડેટ કરી રહ્યાં છે, તેમાં કોઈ આશ્ચર્યની વાત નથી કે તેમાં સંભવિત ઉપયોગી ડેટાનો સરવાળો વિશ્વ કૂદકે ને ભૂસકે વધી રહ્યું છે.

વાસ્તવમાં, IBM મુજબ, દરરોજ મનુષ્ય 2.5 ક્વિન્ટિલિયન બાઈટ ડેટા બનાવે છે. ડેટાની આટલી મોટી રકમ તેમની સંપૂર્ણ બાકી રકમ અને જટિલતાને કારણે પ્રક્રિયા કરવી મુશ્કેલ છે, આમ "મોટા ડેટા" તરીકે ઓળખાય છે તે બનાવે છે.

2009 સુધીમાં, એવો અંદાજ હતો કે યુએસ અર્થતંત્રના તમામ ક્ષેત્રોમાં 1,000 કે તેથી વધુ કર્મચારીઓ ધરાવતા વ્યવસાયોએ અંદાજે 200 ટેરાબાઇટ્સ સંગ્રહિત ડેટા ઉત્પન્ન કર્યા જે સંભવિત રીતે ઉપયોગી થઈ શકે.

દરેક ક્ષેત્રમાં વૃદ્ધિને સુધારવા માટે મોટા ડેટા વિશ્લેષણ

હવે જ્યારે આજુબાજુ વિપુલ પ્રમાણમાં ડેટા તરતો રહે છે, ત્યારે વ્યવસાયો અને અન્ય વિવિધ કોર્પોરેશનો અને ક્ષેત્રો કોઈપણ ઉપયોગી માહિતી મેળવવા માટે વિવિધ ડેટા સેટને જોડી શકે છે.

સેન્ટ જ્હોનની યુનિવર્સિટી ઓફ ન્યૂ બ્રુન્સવિક ખાતેના સ્ટુડન્ટ ટેક્નોલોજી સેન્ટરના મેનેજર વેઈન હેન્સેન મોટા ડેટાને "એક કેચ શબ્દસમૂહ તરીકે સમજાવે છે જે એવી કલ્પનાને વર્ણવે છે કે આપણે હવે મોટા ડેટા સેટનું વિશ્લેષણ કરી શકીએ છીએ. મૂળભૂત રીતે આપણે વધુ ડેટા કેપ્ચર કરી રહ્યા છીએ, વ્યક્તિગત, સામાજિક , વૈજ્ઞાનિક, વગેરે, અને હવે કમ્પ્યુટિંગ પાવરે એવી ઝડપ હાંસલ કરી છે જે અમને આ ડેટાનું વધુ સારી રીતે વિશ્લેષણ કરવાની મંજૂરી આપે છે."

હેન્સેનનો મુખ્ય તકનીકી રસ ટેકનોલોજી અને સંસ્કૃતિ વચ્ચેની ક્રિયાપ્રતિક્રિયામાં છે. તે મોટા ડેટા દ્વારા આ રુચિને શોધવામાં સક્ષમ છે. ઉદાહરણ તરીકે, સ્માર્ટ શહેરોની માહિતી, જેમ કે ગુના અને કર દર, વસ્તી અને વસ્તી વિષયક માહિતીનું વિશ્લેષણ તે શહેર અને સંસ્કૃતિ વિશે સામાન્ય અવલોકનો કરવા માટે કરી શકાય છે.

બિગ ડેટા વિવિધ રીતે ઉત્પન્ન થાય છે. સેલ ફોન સિગ્નલ અને સોશિયલ મીડિયાથી લઈને ઓનલાઈન અને સ્ટોર્સમાં ટ્રાન્ઝેક્શન ખરીદવા સુધી, આપણી આસપાસ સતત ડેટા બનાવવામાં અને બદલાઈ રહ્યો છે. આ ડેટા પછી ભવિષ્યના ઉપયોગ માટે સંગ્રહિત કરી શકાય છે.

મોટા ડેટાના ત્રણ મહત્વના પાસાઓ છે જે તેને વિવિધ બજારોમાં ઉપયોગી બનાવે છે, તે ત્રણ v's તરીકે ઓળખાય છે; વોલ્યુમ, વેગ અને વિવિધતા. વોલ્યુમ, ડેટાના જથ્થાનો ઉલ્લેખ કરે છે જે બનાવવામાં આવે છે અને તેનો ઉપયોગ કરી શકાય છે, ટેરાબાઇટ અને પેટાબાઇટ સુધી પહોંચે છે. વેગ, જેનો અર્થ થાય છે તે ઝડપ કે જેના પર કોઈ ચોક્કસ સેક્ટરમાં અથવા અન્ય ડેટા સેટ્સની સરખામણીમાં ડેટા અપ્રસ્તુત બનતા પહેલા પ્રાપ્ત થાય છે અને તેની પ્રક્રિયા કરવામાં આવે છે. અને વિવિધતા, જેનો અર્થ છે કે ડેટા સેટના પ્રકારોમાં જેટલી વધુ વિવિધતાનો ઉપયોગ થાય છે તેટલા સારા અને વધુ સચોટ પરિણામો અને અનુમાનો.

મોટા ડેટા વિશ્લેષણમાં વિવિધ બજારોમાં મોટી સંભાવનાઓ છે. હવામાન અને ટેક્નોલોજીથી લઈને બિઝનેસ અને સોશિયલ મીડિયા સુધી, મોટા ડેટામાં વેચાણ, ઉત્પાદકતા અને ઉત્પાદનો, વેચાણ અને સેવાઓના ભાવિ પરિણામોની આગાહી કરવાની સંભાવના છે. શક્યતાઓ અનંત છે.

"આધાર એ છે કે પૂરતા ડેટા સાથે મોટાભાગની દરેક વસ્તુ અનુમાનિત બની જાય છે," હેન્સેન કહે છે. પેટર્નનું અનાવરણ કરી શકાય છે, દિનચર્યાઓ સ્થાપિત કરી શકાય છે અને આંકડા પ્રકાશમાં લાવી શકાય છે. આવી આગાહીઓ સાથે લગભગ દરેક ક્ષેત્રમાં નવી સ્પર્ધાત્મક ધાર આવે છે. મોટા ડેટા વિશ્લેષણ પછી નવા વ્યવસાયની સફળતા અથવા નિષ્ફળતા અને નવા વ્યવસાયની રચનામાં મુખ્ય ઘટક બની જાય છે.

એવી કંપનીમાં કર્મચારી હોવાની કલ્પના કરો જે ટીનેજના અંતથી વીસના દાયકાની શરૂઆતની સ્ત્રીઓના લક્ષ્ય ગ્રાહક આધાર માટે કપડાં ડિઝાઇન કરે છે. જો તમે લાલ સિક્વિન હાઈ હીલ્સના સંભવિત વેચાણની ઝડપથી અને સચોટ આગાહી કરી શકો તો શું તે અનુકૂળ અને નફાકારક નહીં હોય?

ત્યાં જ મોટા ડેટા વિશ્લેષણ આવે છે. જો તમે તમામ સંબંધિત આંકડાઓને અસરકારક રીતે વાપરી શકો, જેમ કે કેટલી મહિલાઓએ રેડ સિક્વિન હાઈ હીલ્સનો ઑનલાઈન ઓર્ડર આપ્યો છે, અને કેટલીએ તેના વિશે ટ્વિટ કર્યું છે, અથવા લાલ હાઈ હીલ્સનો ઉલ્લેખ કરતા Youtube વીડિયો પોસ્ટ કર્યા છે, તો પછી તમે તમારું ઉત્પાદન છાજલીઓ સુધી પહોંચે તે પહેલાં તે કેટલું સારું કરશે તેની ચોક્કસ આગાહી કરી શકે છે. આ રીતે અનુમાનના કાર્યને દૂર કરીને સફળતાની સંભાવનામાં વધારો થશે.

આવી આગાહીઓ કરવાની ક્ષમતા વધતી જતી માંગ બની રહી છે અને તેથી મોટા ડેટા વિશ્લેષણનો વિકાસ થઈ રહ્યો છે.

પલ્સ ગ્રુપ પીએલસી, એશિયામાં ડિજિટલ સંશોધન એજન્સી, એક એવી કંપની છે જેણે મોટા ડેટા બેન્ડવેગન પર કૂદકો લગાવ્યો છે. પલ્સ આ વિકસતા ક્ષેત્રમાં નજીકના ભવિષ્યમાં મોટું રોકાણ કરવા માગે છે. તેમની રોકાણ યોજનામાં સાયબરજયામાં એક નવું મોટું ડેટા વિશ્લેષણ કેન્દ્ર વિકસાવવાનો સમાવેશ થાય છે.

આવા કેન્દ્રો ક્લાયન્ટના વ્યવસાય અથવા ઉદ્દેશ્યો માટે સંભવિતપણે ઉપયોગી હોઈ શકે તેવા દાખલાઓ અને સહસંબંધો જેવી મહત્વપૂર્ણ માહિતી શોધવા માટે ક્લાયંટની તમામ સંબંધિત તારીખ સ્ટ્રીમ્સનું સંકલન કરવા અને તેનું ઝડપી અને કાર્યક્ષમ રીતે વિશ્લેષણ કરવા માટે જવાબદાર હશે.

હેન્સેન કહે છે, "અમે મોટા ડેટા વિશ્લેષણ લાગુ કરી શકીએ છીએ અને સામાન્ય નિવેદનો આપી શકીએ છીએ." આ સામાન્યીકરણો વ્યવસાય, શિક્ષણ, સોશિયલ મીડિયા અને ટેક્નોલોજી સહિત દરેક ક્ષેત્રમાં સુધારો કરવાની ક્ષમતા ધરાવે છે.

ઘણી કંપનીઓ પાસે આગાહીઓ કરવા માટે જરૂરી ડેટા હોય છે, પરંતુ તેમની પાસે ડેટાના વિવિધ ખિસ્સાને કનેક્ટ કરવાની અને તેને ઉપયોગી બનાવવા માટે આ રીતે તોડી પાડવાની ક્ષમતા હોતી નથી.

પલ્સના ચીફ એક્ઝિક્યુટિવ ઓફિસર બોબ ચુઆએ સ્વીકાર્યું કે તેમનું નવું મોટું ડેટા વેન્ચર, જે પલ્સેટ તરીકે ઓળખાય છે, સંભવિતપણે તેમનું મુખ્ય ફોકસ બની શકે છે. આગામી પાંચ વર્ષમાં મોટા ડેટા માર્કેટમાં $50 બિલિયનથી વધુ વૃદ્ધિ થવાની ધારણા હોવાથી એક સમજદાર નાણાકીય ચાલ.

આગામી ત્રણ વર્ષમાં પલ્સેટ મોટા ડેટા વિશ્લેષણમાં પ્રગતિ કરવાની યોજના ધરાવે છે અને ડેટા વૈજ્ઞાનિકો માટે 200 ઉચ્ચ સ્તરીય નોકરીઓનું સર્જન કરે છે. હેન્સેન નોંધે છે, "ડેટા એકત્ર કરવા અને તેનું વિશ્લેષણ કરવા બંને માટે વિશિષ્ટ કૌશલ્ય સમૂહોની જરૂર પડશે," આમ નવી તકો ખુલશે.

આ નવી નોકરીઓ કરવા માટે, કર્મચારીઓને યોગ્ય રીતે તાલીમ આપવી પડશે. પલ્સ ગ્રૂપ ડેટા સાયન્ટિસ્ટો માટે તેમના નવા ડેટા એનાલિસિસ સેન્ટરની સાથે અને ડેટા વિશ્લેષકોની વધતી જતી જરૂરિયાતને પહોંચી વળવા માટે વિશ્વમાં પ્રથમ તાલીમ અકાદમીમાંથી એક શરૂ કરવાનો પણ ઇરાદો ધરાવે છે.

મોટા ડેટા માત્ર નવી તકો અને શીખવાના અનુભવો ઓફર કરવા સિવાય શિક્ષણ જગત પર અન્ય હકારાત્મક અસરો કરી શકે છે. હેન્સેન જણાવે છે કે શિક્ષણ ક્ષેત્રને સુધારવા માટે વિદ્યાર્થીઓના વર્તનનું વિશ્લેષણ મોટા ડેટા દ્વારા કરી શકાય છે. "આખરે ધ્યેય વિદ્યાર્થીઓના અનુભવને [અને] રીટેન્શન નંબર વધારવા માટે આવા એકત્રિત ડેટાનો ઉપયોગ કરવાનો છે."

નવી નોકરીઓ અને શિક્ષણની તકોના સર્જન અને વ્યવસાયોમાં સંભવિત આગાહીઓ અને વૃદ્ધિ વચ્ચે, મોટા ડેટા એકસાથે સારી બાબત હોય તેવું લાગે છે. જો કે, કેટલાક ગેરફાયદા અને ખામીઓ છે જે આટલી મોટી માત્રામાં માહિતીના વિશ્લેષણ અને ઉપયોગ સાથે અસ્તિત્વમાં છે.

એક સમસ્યા કે જેના પર ધ્યાન આપવાની જરૂર છે તે એ છે કે વિવિધ કોર્પોરેશનો તેમના ડેટા સેટ તરીકે ઉપયોગ કરવા માટે કઈ માહિતી મફત રમત છે. ગોપનીયતા અને સુરક્ષા સાથે સંકળાયેલા મુદ્દાઓને સંબોધિત કરવાની જરૂર પડશે. તેમજ કઈ માહિતીની માલિકી કોની પાસે છે તે એક પ્રશ્ન છે જેનો જવાબ આપવાની જરૂર પડશે. જ્યારે ડેટા સતત મોકલવામાં આવે છે અને પ્રાપ્ત થાય છે ત્યારે વ્યક્તિગત બૌદ્ધિક સંપત્તિ અને જાહેર ક્ષેત્ર વચ્ચેની રેખા અસ્પષ્ટ બની જાય છે.

બીજું, બધી માહિતી ઉપયોગી નથી, અથવા જ્યાં સુધી યોગ્ય રીતે વિશ્લેષણ કરવામાં ન આવે ત્યાં સુધી તે નકામું છે. કેટલાક ડેટા સેટનો વર્ચ્યુઅલ અર્થ કંઈ નથી સિવાય કે યોગ્ય અને સંબંધિત અનુરૂપ ડેટા સાથે જોડવામાં આવે. મતલબ કે જ્યાં સુધી કંપની પાસે જરૂરી તમામ ડેટાની ઍક્સેસ અને તેને યોગ્ય રીતે કેવી રીતે શોધવું અને તેનું વિશ્લેષણ કરવું તે અંગેનું જ્ઞાન ન હોય, તો મોટા ડેટા તેમના સમયનો વ્યય છે.

ડેટા પણ ચિંતાજનક દરે વધી રહ્યો છે. વિશ્વના નેવું ટકા ડેટા છેલ્લા બે વર્ષમાં જ બનાવવામાં આવ્યા છે અને તે સંખ્યા સતત વધી રહી છે. જો નવો સંબંધિત ડેટા આપણે તેનું વિશ્લેષણ કરી શકીએ તેના કરતાં વધુ ઝડપથી બનાવવામાં આવી રહ્યો છે, તો મોટા ડેટા વિશ્લેષણ અપ્રસ્તુત બની જાય છે. છેવટે, પરિણામો ફક્ત તેટલા જ સારા છે જેટલી માહિતીનો ઉપયોગ કરવામાં આવે છે.