ದೊಡ್ಡ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯು ನಮ್ಮ ಆರ್ಥಿಕತೆಯನ್ನು ಹೇಗೆ ಬದಲಾಯಿಸುತ್ತದೆ

ವೇಗದ ಗತಿಯ, ತಂತ್ರಜ್ಞಾನ ಚಾಲಿತ ಜಗತ್ತಿನಲ್ಲಿ ಶಾಪರ್‌ಗಳು ಪಿಜ್ಜಾದಿಂದ ಪೋರ್ಷೆಗಳವರೆಗೆ ಎಲ್ಲವನ್ನೂ ಆನ್‌ಲೈನ್‌ನಲ್ಲಿ ಆರ್ಡರ್ ಮಾಡಬಹುದು, ಅದೇ ಸಮಯದಲ್ಲಿ ತಮ್ಮ ಟ್ವಿಟರ್, ಫೇಸ್‌ಬುಕ್ ಮತ್ತು ಇನ್‌ಸ್ಟಾಗ್ರಾಮ್ ಖಾತೆಗಳನ್ನು ತಮ್ಮ ಸ್ಮಾರ್ಟ್ ಫೋನ್‌ನ ಒಂದೇ ಸ್ವೈಪ್‌ನೊಂದಿಗೆ ನವೀಕರಿಸುವಾಗ, ಸಂಭಾವ್ಯ ಉಪಯುಕ್ತ ಡೇಟಾದ ಮೊತ್ತವು ಆಶ್ಚರ್ಯವೇನಿಲ್ಲ. ಪ್ರಪಂಚವು ಚಿಮ್ಮಿ ರಭಸದಿಂದ ಬೆಳೆಯುತ್ತಿದೆ.

ವಾಸ್ತವವಾಗಿ, IBM ಪ್ರಕಾರ, ಪ್ರತಿ ದಿನ ಮಾನವರು 2.5 ಕ್ವಿಂಟಿಲಿಯನ್ ಬೈಟ್‌ಗಳ ಡೇಟಾವನ್ನು ರಚಿಸುತ್ತಾರೆ. ಅಂತಹ ದೊಡ್ಡ ಮೊತ್ತದ ದತ್ತಾಂಶಗಳು ಅವುಗಳ ಸಂಪೂರ್ಣ ಬಾಕಿ ಮೊತ್ತ ಮತ್ತು ಸಂಕೀರ್ಣತೆಯ ಕಾರಣದಿಂದಾಗಿ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲು ಕಷ್ಟಕರವಾಗಿದೆ, ಹೀಗಾಗಿ "ದೊಡ್ಡ ಡೇಟಾ" ಎಂದು ಕರೆಯಲ್ಪಡುತ್ತದೆ.

2009 ರ ಹೊತ್ತಿಗೆ, 1,000 ಅಥವಾ ಅದಕ್ಕಿಂತ ಹೆಚ್ಚಿನ ಉದ್ಯೋಗಿಗಳನ್ನು ಹೊಂದಿರುವ US ಆರ್ಥಿಕತೆಯ ಎಲ್ಲಾ ವಲಯಗಳಲ್ಲಿನ ವ್ಯವಹಾರಗಳು ಸುಮಾರು 200 ಟೆರಾಬೈಟ್‌ಗಳಷ್ಟು ಸಂಗ್ರಹವಾಗಿರುವ ಡೇಟಾವನ್ನು ಉತ್ಪಾದಿಸುತ್ತವೆ ಎಂದು ಅಂದಾಜಿಸಲಾಗಿದೆ.

ಪ್ರತಿ ವಲಯದಲ್ಲಿ ಬೆಳವಣಿಗೆಯನ್ನು ಸುಧಾರಿಸಲು ದೊಡ್ಡ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ

ಈಗ ಸಾಕಷ್ಟು ಡೇಟಾವು ತೇಲುತ್ತಿದೆ, ವ್ಯಾಪಾರಗಳು ಮತ್ತು ಇತರ ವಿವಿಧ ನಿಗಮಗಳು ಮತ್ತು ವಲಯಗಳು ಯಾವುದೇ ಉಪಯುಕ್ತ ಮಾಹಿತಿಯನ್ನು ಹೊರತೆಗೆಯಲು ವಿವಿಧ ಡೇಟಾ ಸೆಟ್‌ಗಳನ್ನು ಸಂಯೋಜಿಸಬಹುದು.

ಸೇಂಟ್ ಜಾನ್‌ನಲ್ಲಿರುವ ನ್ಯೂ ಬ್ರನ್ಸ್‌ವಿಕ್ ವಿಶ್ವವಿದ್ಯಾನಿಲಯದ ವಿದ್ಯಾರ್ಥಿ ತಂತ್ರಜ್ಞಾನ ಕೇಂದ್ರದ ವ್ಯವಸ್ಥಾಪಕ ವೇಯ್ನ್ ಹ್ಯಾನ್ಸೆನ್ ದೊಡ್ಡ ಡೇಟಾವನ್ನು ವಿವರಿಸುತ್ತಾರೆ "ನಾವು ಈಗ ಬೃಹತ್ ಡೇಟಾ ಸೆಟ್‌ಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಬಹುದು ಎಂಬ ಕಲ್ಪನೆಯನ್ನು ವಿವರಿಸುವ ಒಂದು ಕ್ಯಾಚ್ ನುಡಿಗಟ್ಟು. ಮೂಲಭೂತವಾಗಿ ನಾವು ವೈಯಕ್ತಿಕ, ಸಾಮಾಜಿಕ, ಹೆಚ್ಚಿನ ಡೇಟಾವನ್ನು ಸೆರೆಹಿಡಿಯುತ್ತಿದ್ದೇವೆ. , ವೈಜ್ಞಾನಿಕ, ಇತ್ಯಾದಿ, ಮತ್ತು ಈಗ ಕಂಪ್ಯೂಟಿಂಗ್ ಶಕ್ತಿಯು ಈ ಡೇಟಾವನ್ನು ಹೆಚ್ಚು ಕೂಲಂಕಷವಾಗಿ ವಿಶ್ಲೇಷಿಸಲು ನಮಗೆ ಅನುಮತಿಸುವ ವೇಗವನ್ನು ಸಾಧಿಸಿದೆ."

ಹ್ಯಾನ್ಸೆನ್‌ನ ಮುಖ್ಯ ತಾಂತ್ರಿಕ ಆಸಕ್ತಿಯು ತಂತ್ರಜ್ಞಾನ ಮತ್ತು ಸಂಸ್ಕೃತಿಯ ನಡುವಿನ ಪರಸ್ಪರ ಕ್ರಿಯೆಯಲ್ಲಿದೆ. ಅವರು ದೊಡ್ಡ ಡೇಟಾದ ಮೂಲಕ ಈ ಆಸಕ್ತಿಯನ್ನು ಅನ್ವೇಷಿಸಲು ಸಮರ್ಥರಾಗಿದ್ದಾರೆ. ಉದಾಹರಣೆಗೆ ಅಪರಾಧ ಮತ್ತು ತೆರಿಗೆ ದರಗಳು, ಜನಸಂಖ್ಯೆ ಮತ್ತು ಜನಸಂಖ್ಯಾಶಾಸ್ತ್ರದಂತಹ ಸ್ಮಾರ್ಟ್ ಸಿಟಿಗಳಿಂದ ಮಾಹಿತಿಯನ್ನು ಆ ನಗರ ಮತ್ತು ಸಂಸ್ಕೃತಿಯ ಬಗ್ಗೆ ಸಾಮಾನ್ಯ ಅವಲೋಕನಗಳನ್ನು ಮಾಡಲು ವಿಶ್ಲೇಷಿಸಬಹುದು.

ದೊಡ್ಡ ಡೇಟಾವನ್ನು ವಿವಿಧ ರೀತಿಯಲ್ಲಿ ಉತ್ಪಾದಿಸಲಾಗುತ್ತದೆ. ಸೆಲ್ ಫೋನ್ ಸಿಗ್ನಲ್‌ಗಳು ಮತ್ತು ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮದಿಂದ ಆನ್‌ಲೈನ್‌ನಲ್ಲಿ ಮತ್ತು ಅಂಗಡಿಗಳಲ್ಲಿ ವಹಿವಾಟುಗಳನ್ನು ಖರೀದಿಸಲು, ಡೇಟಾವನ್ನು ರಚಿಸಲಾಗುತ್ತಿದೆ ಮತ್ತು ನಮ್ಮ ಸುತ್ತಲೂ ನಿರಂತರವಾಗಿ ಬದಲಾಯಿಸಲಾಗುತ್ತಿದೆ. ಈ ಡೇಟಾವನ್ನು ನಂತರ ಭವಿಷ್ಯದ ಬಳಕೆಗಾಗಿ ಸಂಗ್ರಹಿಸಬಹುದು.

ದೊಡ್ಡ ಡೇಟಾದ ಮೂರು ಪ್ರಮುಖ ಅಂಶಗಳಿವೆ, ಅದು ವಿವಿಧ ಮಾರುಕಟ್ಟೆಗಳಲ್ಲಿ ಉಪಯುಕ್ತವಾಗಿದೆ, ಅವುಗಳನ್ನು ಮೂರು vs ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ; ಪರಿಮಾಣ, ವೇಗ ಮತ್ತು ವೈವಿಧ್ಯ. ವಾಲ್ಯೂಮ್, ಟೆರಾಬೈಟ್‌ಗಳು ಮತ್ತು ಪೆಟಾಬೈಟ್‌ಗಳನ್ನು ತಲುಪುವ, ರಚಿಸಲಾದ ಮತ್ತು ಬಳಸಬಹುದಾದ ಡೇಟಾದ ಪ್ರಮಾಣವನ್ನು ಉಲ್ಲೇಖಿಸುತ್ತದೆ. ವೇಗ, ಅಂದರೆ ಒಂದು ನಿರ್ದಿಷ್ಟ ವಲಯದಲ್ಲಿ ಅಥವಾ ಇತರ ಡೇಟಾ ಸೆಟ್‌ಗಳಿಗೆ ಹೋಲಿಸಿದರೆ ಅದು ಅಪ್ರಸ್ತುತವಾಗುವ ಮೊದಲು ಡೇಟಾವನ್ನು ಸ್ವಾಧೀನಪಡಿಸಿಕೊಳ್ಳುವ ಮತ್ತು ಸಂಸ್ಕರಿಸುವ ವೇಗ. ಮತ್ತು ವೈವಿಧ್ಯತೆ, ಅಂದರೆ ಡೇಟಾ ಸೆಟ್‌ಗಳ ಪ್ರಕಾರಗಳ ನಡುವೆ ಹೆಚ್ಚು ವೈವಿಧ್ಯತೆಯು ಉತ್ತಮ ಮತ್ತು ಹೆಚ್ಚು ನಿಖರವಾದ ಫಲಿತಾಂಶಗಳು ಮತ್ತು ಭವಿಷ್ಯವಾಣಿಗಳನ್ನು ಬಳಸುತ್ತದೆ.

ಬಿಗ್ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯು ವಿವಿಧ ಮಾರುಕಟ್ಟೆಗಳಲ್ಲಿ ದೊಡ್ಡ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದೆ. ಹವಾಮಾನ ಮತ್ತು ತಂತ್ರಜ್ಞಾನದಿಂದ, ವ್ಯಾಪಾರ ಮತ್ತು ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮದವರೆಗೆ, ದೊಡ್ಡ ಡೇಟಾವು ಮಾರಾಟ, ಉತ್ಪಾದಕತೆ ಮತ್ತು ಉತ್ಪನ್ನಗಳು, ಮಾರಾಟ ಮತ್ತು ಸೇವೆಗಳ ಭವಿಷ್ಯದ ಫಲಿತಾಂಶಗಳನ್ನು ಊಹಿಸುವ ಸಾಧ್ಯತೆಯನ್ನು ಹೊಂದಿದೆ. ಸಾಧ್ಯತೆಗಳು ಅಂತ್ಯವಿಲ್ಲ.

"ಪ್ರಮೇಯವೆಂದರೆ ಸಾಕಷ್ಟು ದತ್ತಾಂಶದೊಂದಿಗೆ ಎಲ್ಲವೂ ಊಹಿಸಬಹುದಾದಂತಾಗುತ್ತದೆ" ಎಂದು ಹ್ಯಾನ್ಸೆನ್ ಹೇಳುತ್ತಾರೆ. ಮಾದರಿಗಳನ್ನು ಅನಾವರಣಗೊಳಿಸಬಹುದು, ದಿನಚರಿಗಳನ್ನು ಸ್ಥಾಪಿಸಬಹುದು ಮತ್ತು ಅಂಕಿಅಂಶಗಳನ್ನು ಬೆಳಕಿಗೆ ತರಬಹುದು. ಇಂತಹ ಮುನ್ನೋಟಗಳೊಂದಿಗೆ ಪ್ರತಿಯೊಂದು ವಲಯದಲ್ಲಿ ಹೊಸ ಸ್ಪರ್ಧಾತ್ಮಕ ಅಂಚನ್ನು ಬರುತ್ತದೆ. ದೊಡ್ಡ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯು ಹೊಸ ವ್ಯವಹಾರದ ಯಶಸ್ಸು ಅಥವಾ ವೈಫಲ್ಯ ಮತ್ತು ಹೊಸದನ್ನು ರಚಿಸುವಲ್ಲಿ ಪ್ರಮುಖ ಅಂಶವಾಗುತ್ತದೆ.

ಹದಿಹರೆಯದ ಮತ್ತು ಇಪ್ಪತ್ತರ ದಶಕದ ಆರಂಭದಲ್ಲಿ ಮಹಿಳೆಯರ ಗುರಿ ಗ್ರಾಹಕರ ನೆಲೆಗಾಗಿ ಉಡುಪುಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸುವ ಕಂಪನಿಯಲ್ಲಿ ಉದ್ಯೋಗಿಯಾಗಿರುವುದನ್ನು ಕಲ್ಪಿಸಿಕೊಳ್ಳಿ. ರೆಡ್ ಮಿನುಗು ಹೈ ಹೀಲ್ಸ್‌ನ ಸಂಭಾವ್ಯ ಮಾರಾಟವನ್ನು ನೀವು ತ್ವರಿತವಾಗಿ ಮತ್ತು ನಿಖರವಾಗಿ ಊಹಿಸಲು ಸಾಧ್ಯವಾದರೆ ಅದು ಅನುಕೂಲಕರ ಮತ್ತು ಲಾಭದಾಯಕವಲ್ಲವೇ?

ಅಲ್ಲಿ ದೊಡ್ಡ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ ಬರುತ್ತದೆ. ಆನ್‌ಲೈನ್‌ನಲ್ಲಿ ಎಷ್ಟು ಮಹಿಳೆಯರು ರೆಡ್ ಮಿನುಗು ಹೈ ಹೀಲ್ಸ್ ಅನ್ನು ಆರ್ಡರ್ ಮಾಡಿದ್ದಾರೆ ಮತ್ತು ಎಷ್ಟು ಮಂದಿ ಅವರ ಬಗ್ಗೆ ಟ್ವೀಟ್ ಮಾಡಿದ್ದಾರೆ ಅಥವಾ ರೆಡ್ ಹೈ ಹೀಲ್ಸ್ ಅನ್ನು ಉಲ್ಲೇಖಿಸಿ ಯುಟ್ಯೂಬ್ ವೀಡಿಯೊಗಳನ್ನು ಪೋಸ್ಟ್ ಮಾಡಿದ್ದಾರೆ ಮುಂತಾದ ಎಲ್ಲಾ ಸಂಬಂಧಿತ ಅಂಕಿಅಂಶಗಳನ್ನು ನೀವು ಸಮರ್ಥವಾಗಿ ಬಳಸಿಕೊಳ್ಳಲು ಸಾಧ್ಯವಾದರೆ, ನೀವು ನಿಮ್ಮ ಉತ್ಪನ್ನವು ಕಪಾಟಿನಲ್ಲಿ ಬರುವ ಮೊದಲು ಅದು ಎಷ್ಟು ಚೆನ್ನಾಗಿ ಕೆಲಸ ಮಾಡುತ್ತದೆ ಎಂಬುದನ್ನು ನಿಖರವಾಗಿ ಊಹಿಸಬಹುದು. ಹೀಗಾಗಿ ಊಹೆಯ ಕೆಲಸವನ್ನು ತೆಗೆದುಹಾಕುವುದು ಮತ್ತು ಯಶಸ್ಸಿನ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೆಚ್ಚಿಸುವುದು.

ಅಂತಹ ಮುನ್ನೋಟಗಳನ್ನು ಮಾಡುವ ಸಾಮರ್ಥ್ಯವು ಬೆಳೆಯುತ್ತಿರುವ ಬೇಡಿಕೆಯಾಗುತ್ತಿದೆ ಮತ್ತು ಹೀಗಾಗಿ ದೊಡ್ಡ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯ ಅಭಿವೃದ್ಧಿಯಾಗಿದೆ.

ಏಷ್ಯಾದ ಡಿಜಿಟಲ್ ಸಂಶೋಧನಾ ಸಂಸ್ಥೆಯಾದ ಪಲ್ಸ್ ಗ್ರೂಪ್ ಪಿಎಲ್‌ಸಿ, ದೊಡ್ಡ ಡೇಟಾ ಬ್ಯಾಂಡ್‌ವ್ಯಾಗನ್‌ನಲ್ಲಿ ಜಿಗಿದ ಒಂದು ಕಂಪನಿಯಾಗಿದೆ. ಈ ಬೆಳೆಯುತ್ತಿರುವ ಕ್ಷೇತ್ರದಲ್ಲಿ ಸದ್ಯದಲ್ಲಿಯೇ ಪ್ರಮುಖ ಹೂಡಿಕೆಗಳನ್ನು ಮಾಡಲು ಪಲ್ಸ್ ಉದ್ದೇಶಿಸಿದೆ. ಅವರ ಹೂಡಿಕೆ ಯೋಜನೆಯು ಸೈಬರ್‌ಜಯಾದಲ್ಲಿ ಹೊಸ ದೊಡ್ಡ ಡೇಟಾ ವಿಶ್ಲೇಷಣಾ ಕೇಂದ್ರವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದನ್ನು ಒಳಗೊಂಡಿದೆ.

ಅಂತಹ ಕೇಂದ್ರಗಳು ಕ್ಲೈಂಟ್‌ನ ಎಲ್ಲಾ ಸಂಬಂಧಿತ ದಿನಾಂಕ ಸ್ಟ್ರೀಮ್‌ಗಳನ್ನು ಕಂಪೈಲ್ ಮಾಡಲು ಮತ್ತು ಕ್ಲೈಂಟ್‌ನ ವ್ಯವಹಾರ ಅಥವಾ ಉದ್ದೇಶಗಳಿಗೆ ಸಂಭಾವ್ಯವಾಗಿ ಉಪಯುಕ್ತವಾದ ಮಾದರಿಗಳು ಮತ್ತು ಪರಸ್ಪರ ಸಂಬಂಧಗಳಂತಹ ಪ್ರಮುಖ ಮಾಹಿತಿಯನ್ನು ಕಂಡುಹಿಡಿಯಲು ತ್ವರಿತ ಮತ್ತು ಪರಿಣಾಮಕಾರಿ ರೀತಿಯಲ್ಲಿ ಅದನ್ನು ವಿಶ್ಲೇಷಿಸಲು ಜವಾಬ್ದಾರರಾಗಿರುತ್ತವೆ.

"ನಾವು ದೊಡ್ಡ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಅನ್ವಯಿಸಬಹುದು, ಮತ್ತು ಸಾಮಾನ್ಯೀಕರಿಸಿದ ಹೇಳಿಕೆಗಳನ್ನು ಮಾಡಬಹುದು" ಎಂದು ಹ್ಯಾನ್ಸೆನ್ ಹೇಳುತ್ತಾರೆ. ಈ ಸಾಮಾನ್ಯೀಕರಣಗಳು ವ್ಯಾಪಾರ, ಶಿಕ್ಷಣ, ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮ ಮತ್ತು ತಂತ್ರಜ್ಞಾನ ಸೇರಿದಂತೆ ಪ್ರತಿಯೊಂದು ವಲಯವನ್ನು ಸುಧಾರಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿವೆ.

ಅನೇಕ ಕಂಪನಿಗಳು ಭವಿಷ್ಯ ನುಡಿಯಲು ಅಗತ್ಯವಿರುವ ಡೇಟಾವನ್ನು ಹೊಂದಿವೆ, ಆದರೆ ಅವುಗಳು ವಿವಿಧ ಡೇಟಾ ಪಾಕೆಟ್‌ಗಳನ್ನು ಸಂಪರ್ಕಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿಲ್ಲ ಮತ್ತು ಅವುಗಳನ್ನು ಉಪಯುಕ್ತವಾಗಿಸುವ ರೀತಿಯಲ್ಲಿ ಒಡೆಯುತ್ತವೆ.

ಪಲ್ಸ್‌ನ ಮುಖ್ಯ ಕಾರ್ಯನಿರ್ವಾಹಕ ಅಧಿಕಾರಿ ಬಾಬ್ ಚುವಾ, ಪಲ್ಸೇಟ್ ಎಂದು ಕರೆಯಲ್ಪಡುವ ಅವರ ಹೊಸ ದೊಡ್ಡ ದತ್ತಾಂಶ ಉದ್ಯಮವು ತಮ್ಮ ಮುಖ್ಯ ಗಮನವನ್ನು ಸಮರ್ಥವಾಗಿ ಮಾಡಬಹುದು ಎಂದು ಒಪ್ಪಿಕೊಳ್ಳುತ್ತಾರೆ. ಮುಂದಿನ ಐದು ವರ್ಷಗಳಲ್ಲಿ ದೊಡ್ಡ ಡೇಟಾ ಮಾರುಕಟ್ಟೆಯು $ 50 ಶತಕೋಟಿಗಿಂತ ಹೆಚ್ಚು ಬೆಳೆಯುವ ನಿರೀಕ್ಷೆಯಿರುವುದರಿಂದ ಬುದ್ಧಿವಂತ ಹಣಕಾಸಿನ ಕ್ರಮ.

ಮುಂದಿನ ಮೂರು ವರ್ಷಗಳಲ್ಲಿ ಪಲ್ಸೇಟ್ ದೊಡ್ಡ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ಪ್ರಗತಿಯನ್ನು ಮಾಡಲು ಯೋಜಿಸಿದೆ ಮತ್ತು ಡೇಟಾ ವಿಜ್ಞಾನಿಗಳಿಗೆ 200 ಉನ್ನತ ಮಟ್ಟದ ಉದ್ಯೋಗಗಳನ್ನು ಸೃಷ್ಟಿಸಿದೆ. "ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸುವುದು ಮತ್ತು ವಿಶ್ಲೇಷಿಸುವುದು ಎರಡಕ್ಕೂ ವಿಶೇಷ ಕೌಶಲ್ಯ ಸೆಟ್‌ಗಳ ಅಗತ್ಯವಿರುತ್ತದೆ" ಎಂದು ಹ್ಯಾನ್ಸೆನ್ ಹೇಳುತ್ತಾರೆ, "ಹೀಗಾಗಿ ಹೊಸ ಅವಕಾಶಗಳನ್ನು ತೆರೆಯುತ್ತದೆ."

ಈ ಹೊಸ ಉದ್ಯೋಗಗಳನ್ನು ನಿರ್ವಹಿಸಲು, ಉದ್ಯೋಗಿಗಳು ಸರಿಯಾಗಿ ತರಬೇತಿ ಪಡೆಯಬೇಕು. ಪಲ್ಸ್ ಗ್ರೂಪ್ ಪ್ರಪಂಚದ ದತ್ತಾಂಶ ವಿಜ್ಞಾನಿಗಳಿಗೆ ತಮ್ಮ ಹೊಸ ಡೇಟಾ ವಿಶ್ಲೇಷಣಾ ಕೇಂದ್ರದೊಂದಿಗೆ ಮೊದಲ ತರಬೇತಿ ಅಕಾಡೆಮಿಗಳಲ್ಲಿ ಒಂದನ್ನು ಪ್ರಾರಂಭಿಸಲು ಉದ್ದೇಶಿಸಿದೆ, ಮತ್ತು ಡೇಟಾ ವಿಶ್ಲೇಷಕರ ಹೆಚ್ಚುತ್ತಿರುವ ಅಗತ್ಯವನ್ನು ಪೂರೈಸುತ್ತದೆ.

ದೊಡ್ಡ ಡೇಟಾವು ಹೊಸ ಅವಕಾಶಗಳು ಮತ್ತು ಕಲಿಕೆಯ ಅನುಭವಗಳನ್ನು ನೀಡುವುದನ್ನು ಹೊರತುಪಡಿಸಿ ಶಿಕ್ಷಣ ಪ್ರಪಂಚದ ಮೇಲೆ ಇತರ ಧನಾತ್ಮಕ ಪರಿಣಾಮಗಳನ್ನು ಬೀರಬಹುದು. ಶಿಕ್ಷಣ ಕ್ಷೇತ್ರವನ್ನು ಸುಧಾರಿಸಲು ವಿಶ್ಲೇಷಿಸಿದ ದೊಡ್ಡ ಡೇಟಾದ ಮೂಲಕ ವಿದ್ಯಾರ್ಥಿಗಳ ನಡವಳಿಕೆಯನ್ನು ವಿಶ್ಲೇಷಿಸಬಹುದು ಎಂದು ಹ್ಯಾನ್ಸೆನ್ ಹೇಳುತ್ತಾರೆ. "ಅಂತಿಮವಾಗಿ ವಿದ್ಯಾರ್ಥಿಗಳ ಅನುಭವವನ್ನು ಸುಧಾರಿಸಲು [ಮತ್ತು] ಧಾರಣ ಸಂಖ್ಯೆಗಳನ್ನು ಹೆಚ್ಚಿಸಲು ಅಂತಹ ಸಂಗ್ರಹಿಸಿದ ಡೇಟಾವನ್ನು ಬಳಸುವುದು ಗುರಿಯಾಗಿದೆ."

ಹೊಸ ಉದ್ಯೋಗಗಳು ಮತ್ತು ಶಿಕ್ಷಣದ ಅವಕಾಶಗಳ ಸೃಷ್ಟಿ, ಮತ್ತು ಸಂಭಾವ್ಯ ಭವಿಷ್ಯವಾಣಿಗಳು ಮತ್ತು ವ್ಯವಹಾರಗಳಲ್ಲಿನ ಬೆಳವಣಿಗೆಯ ನಡುವೆ, ದೊಡ್ಡ ಡೇಟಾವು ಒಟ್ಟಾಗಿ ಒಳ್ಳೆಯದು ಎಂದು ತೋರುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಅಂತಹ ಬೃಹತ್ ಪ್ರಮಾಣದ ಮಾಹಿತಿಯ ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ಬಳಕೆಯೊಂದಿಗೆ ಇರುವ ಕೆಲವು ಅನಾನುಕೂಲಗಳು ಮತ್ತು ನ್ಯೂನತೆಗಳಿವೆ.

ವಿವಿಧ ನಿಗಮಗಳು ತಮ್ಮ ಡೇಟಾ ಸೆಟ್‌ಗಳಾಗಿ ಬಳಸಲು ಯಾವ ಮಾಹಿತಿಯು ಉಚಿತ ಆಟವಾಗಿದೆ ಎಂಬುದನ್ನು ತಿಳಿಸಬೇಕಾದ ಒಂದು ಸಮಸ್ಯೆಯಾಗಿದೆ. ಗೌಪ್ಯತೆ ಮತ್ತು ಭದ್ರತೆಯನ್ನು ಒಳಗೊಂಡಿರುವ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಬೇಕಾಗಿದೆ. ಯಾರು ಯಾವ ಮಾಹಿತಿಯನ್ನು ಹೊಂದಿದ್ದಾರೆ ಎಂಬುದಕ್ಕೆ ಉತ್ತರಿಸಬೇಕಾದ ಪ್ರಶ್ನೆಯಾಗಿದೆ. ಡೇಟಾವನ್ನು ನಿರಂತರವಾಗಿ ಕಳುಹಿಸಿದಾಗ ಮತ್ತು ಸ್ವೀಕರಿಸಿದಾಗ ವೈಯಕ್ತಿಕ ಬೌದ್ಧಿಕ ಆಸ್ತಿ ಮತ್ತು ಸಾರ್ವಜನಿಕ ಕ್ಷೇತ್ರದ ನಡುವಿನ ರೇಖೆಯು ಮಸುಕಾಗುತ್ತದೆ.

ಎರಡನೆಯದಾಗಿ ಎಲ್ಲಾ ಮಾಹಿತಿಯು ಉಪಯುಕ್ತವಲ್ಲ ಅಥವಾ ಸರಿಯಾಗಿ ವಿಶ್ಲೇಷಿಸದ ಹೊರತು ಅದು ನಿಷ್ಪ್ರಯೋಜಕವಾಗಿದೆ. ಸರಿಯಾದ ಮತ್ತು ಸಂಬಂಧಿತ ಅನುಗುಣವಾದ ಡೇಟಾದೊಂದಿಗೆ ಸಂಯೋಜಿಸದ ಹೊರತು ಕೆಲವು ಡೇಟಾ ಸೆಟ್‌ಗಳು ವಾಸ್ತವಿಕವಾಗಿ ಏನನ್ನೂ ಅರ್ಥೈಸುವುದಿಲ್ಲ. ಕಂಪನಿಯು ಅಗತ್ಯವಿರುವ ಎಲ್ಲಾ ಡೇಟಾಗೆ ಪ್ರವೇಶವನ್ನು ಹೊಂದಿಲ್ಲದಿದ್ದರೆ ಮತ್ತು ಅದನ್ನು ಸರಿಯಾಗಿ ಕಂಡುಹಿಡಿಯುವುದು ಮತ್ತು ವಿಶ್ಲೇಷಿಸುವುದು ಹೇಗೆ ಎಂಬುದರ ಕುರಿತು ಜ್ಞಾನವನ್ನು ಹೊಂದಿಲ್ಲದಿದ್ದರೆ, ದೊಡ್ಡ ಡೇಟಾವು ಮೂಲಭೂತವಾಗಿ ಅವರ ಸಮಯವನ್ನು ವ್ಯರ್ಥ ಮಾಡುತ್ತದೆ.

ಅಲ್ಲದೆ ಡೇಟಾವು ಆತಂಕಕಾರಿ ದರದಲ್ಲಿ ಬೆಳೆಯುತ್ತಿದೆ. ಪ್ರಪಂಚದ ಶೇಕಡ ತೊಂಬತ್ತರಷ್ಟು ಡೇಟಾವನ್ನು ಕಳೆದ ಎರಡು ವರ್ಷಗಳಲ್ಲಿ ರಚಿಸಲಾಗಿದೆ ಮತ್ತು ಆ ಸಂಖ್ಯೆಯು ಸ್ಥಿರವಾಗಿ ಬೆಳೆಯುತ್ತಿದೆ. ಹೊಸ ಸಂಬಂಧಿತ ಡೇಟಾವನ್ನು ನಾವು ವಿಶ್ಲೇಷಿಸುವುದಕ್ಕಿಂತ ವೇಗವಾಗಿ ರಚಿಸುತ್ತಿದ್ದರೆ, ದೊಡ್ಡ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯು ಅಪ್ರಸ್ತುತವಾಗುತ್ತದೆ. ಎಲ್ಲಾ ನಂತರ, ಫಲಿತಾಂಶಗಳು ಬಳಸಿದ ಮಾಹಿತಿಯಷ್ಟೇ ಉತ್ತಮವಾಗಿರುತ್ತದೆ.