डेटाचे मोठे विश्लेषण आपली अर्थव्यवस्था किती बदलेल

एका वेगवान, तंत्रज्ञानाने चालणाऱ्या जगात, जेथे खरेदीदार पिझ्झा ते पोर्शपर्यंत सर्व काही ऑनलाइन ऑर्डर करू शकतात, त्याच वेळी त्यांच्या स्मार्ट फोनच्या एका स्वाइपसह त्यांचे Twitter, Facebook आणि Instagram खाते अद्यतनित करत असताना, संभाव्य उपयुक्त डेटाची बेरीज यात आश्चर्य नाही. जग वेगाने वाढत आहे.

खरं तर, IBM नुसार, प्रत्येक दिवशी मनुष्य 2.5 क्विंटिलियन बाइट डेटा तयार करतो. एवढ्या मोठ्या प्रमाणातील डेटावर प्रक्रिया करणे कठीण आहे कारण त्यांची थकबाकी रक्कम आणि जटिलतेमुळे "मोठा डेटा" म्हणून ओळखला जाणारा डेटा तयार होतो.

2009 पर्यंत, असा अंदाज होता की यूएस अर्थव्यवस्थेच्या सर्व क्षेत्रातील 1,000 किंवा त्याहून अधिक कर्मचारी असलेल्या व्यवसायांनी अंदाजे 200 टेराबाइट्स संग्रहित डेटा तयार केला जो संभाव्यतः उपयुक्त ठरू शकतो.

प्रत्येक क्षेत्रातील वाढ सुधारण्यासाठी मोठे डेटा विश्लेषण

आता आजूबाजूला भरपूर डेटा तरंगत असल्याने, व्यवसाय आणि इतर विविध कॉर्पोरेशन आणि क्षेत्रे कोणतीही उपयुक्त माहिती काढण्यासाठी विविध डेटा संच एकत्र करू शकतात.

सेंट जॉनमधील न्यू ब्रन्सविक विद्यापीठातील विद्यार्थी तंत्रज्ञान केंद्राचे व्यवस्थापक वेन हॅन्सन यांनी मोठ्या डेटाचे स्पष्टीकरण "एक कॅच वाक्यांश म्हणून केले आहे जे या कल्पनेचे वर्णन करते की आम्ही आता मोठ्या डेटा सेटचे विश्लेषण करू शकतो. मुळात आम्ही अधिक डेटा कॅप्चर करत आहोत, वैयक्तिक, सामाजिक , वैज्ञानिक, इत्यादी, आणि आता संगणकीय शक्तीने वेग प्राप्त केला आहे ज्यामुळे आम्हाला या डेटाचे अधिक सखोल विश्लेषण करण्याची परवानगी मिळते."

हॅन्सनचे मुख्य तांत्रिक स्वारस्य तंत्रज्ञान आणि संस्कृती यांच्यातील परस्परसंवादात आहे. तो बिग डेटाद्वारे ही आवड शोधण्यात सक्षम आहे. उदाहरणार्थ स्मार्ट शहरांमधील माहिती, जसे की गुन्हेगारी आणि कर दर, लोकसंख्या आणि लोकसंख्याशास्त्र यांचे विश्लेषण त्या शहराबद्दल आणि संस्कृतीबद्दल सामान्य निरीक्षणे करण्यासाठी केले जाऊ शकते.

बिग डेटा विविध प्रकारे तयार केला जातो. सेल फोन सिग्नल आणि सोशल मीडियापासून ते ऑनलाइन आणि स्टोअरमधील व्यवहार खरेदी करण्यापर्यंत, आपल्या सभोवताल सतत डेटा तयार केला जातो आणि बदलला जातो. हा डेटा नंतर भविष्यातील वापरासाठी संग्रहित केला जाऊ शकतो.

मोठ्या डेटाच्या तीन महत्त्वाच्या बाबी आहेत ज्यामुळे ते विविध बाजारपेठांमध्ये उपयुक्त ठरतात, ते तीन v's म्हणून ओळखले जातात; व्हॉल्यूम, वेग आणि विविधता. व्हॉल्यूम, टेराबाइट्स आणि पेटाबाइट्सपर्यंत पोहोचलेल्या आणि वापरल्या जाऊ शकणार्‍या डेटाच्या प्रमाणाचा संदर्भ देते. वेग, म्हणजे डेटा एका विशिष्ट क्षेत्रात किंवा इतर डेटा सेटच्या तुलनेत अप्रासंगिक होण्यापूर्वी ज्या गतीने डेटा प्राप्त केला जातो आणि त्यावर प्रक्रिया केली जाते. आणि विविधता, याचा अर्थ डेटा सेटच्या प्रकारांमध्ये जितकी अधिक विविधता वापरली जाते तितके चांगले आणि अधिक अचूक परिणाम आणि अंदाज.

मोठ्या डेटा विश्लेषणाची विविध बाजारपेठांमध्ये मोठी क्षमता आहे. हवामान आणि तंत्रज्ञानापासून, व्यवसाय आणि सोशल मीडियापर्यंत, मोठ्या डेटामध्ये विक्री, उत्पादकता वाढवण्याची आणि उत्पादने, विक्री आणि सेवांच्या भविष्यातील परिणामांचा अंदाज लावण्याची शक्यता असते. शक्यता अनंत आहेत.

"आधार असा आहे की पुरेशा डेटासह बहुतेक सर्व काही अंदाजे बनते," हॅन्सन म्हणतात. पॅटर्नचे अनावरण केले जाऊ शकते, दिनचर्या स्थापित केली जाऊ शकतात आणि आकडेवारी प्रकाशात आणली जाऊ शकते. अशा अंदाजांमुळे जवळजवळ प्रत्येक क्षेत्रात नवीन स्पर्धात्मक धार येते. बिग डेटा विश्लेषण नंतर नवीन व्यवसायाच्या यश किंवा अपयशामध्ये आणि नवीन व्यवसायाच्या निर्मितीमध्ये एक प्रमुख घटक बनते.

किशोरवयीन ते वीशीच्या सुरुवातीच्या महिलांच्या लक्ष्यित ग्राहक आधारासाठी कपडे डिझाइन करणाऱ्या कंपनीतील कर्मचारी असल्याची कल्पना करा. जर तुम्ही रेड सिक्विन हाय हिल्सच्या संभाव्य विक्रीचा लवकर आणि अचूक अंदाज लावू शकलात तर ते सोयीस्कर आणि फायदेशीर ठरणार नाही का?

तिथेच मोठे डेटा विश्लेषण येते. जर तुम्ही सर्व संबंधित आकडेवारी कार्यक्षमतेने वापरत असाल, जसे की किती महिलांनी रेड सिक्विन हाय हील्सची ऑनलाइन ऑर्डर दिली आहे आणि किती जणांनी त्यांच्याबद्दल ट्विट केले आहे किंवा लाल उंच टाचांचा संदर्भ देणारे Youtube व्हिडिओ पोस्ट केले आहेत, तर तुम्ही तुमचे उत्पादन शेल्फ् 'चे अव रुप येण्याआधीच किती चांगले काम करेल याचा अचूक अंदाज लावू शकतो. अशा प्रकारे अंदाजाचे काम काढून टाकणे आणि यशाची क्षमता वाढवणे.

अशी भविष्यवाणी करण्याची क्षमता वाढती मागणी होत आहे आणि त्यामुळे मोठ्या डेटा विश्लेषणाचा विकास होत आहे.

पल्स ग्रुप पीएलसी, आशियातील डिजिटल संशोधन संस्था, ही एक कंपनी आहे जी मोठ्या डेटा बँडवॅगनवर उडी मारली आहे. या वाढत्या क्षेत्रात नजीकच्या भविष्यात मोठी गुंतवणूक करण्याचा पल्सचा मानस आहे. त्यांच्या गुंतवणुकीच्या योजनेत सायबरजयामध्ये नवीन मोठे डेटा विश्लेषण केंद्र विकसित करणे समाविष्ट आहे.

अशी केंद्रे क्लायंटच्या सर्व संबंधित तारीख प्रवाहांचे संकलन करण्यासाठी आणि क्लायंटच्या व्यवसायासाठी किंवा उद्दिष्टांसाठी संभाव्यत: उपयुक्त ठरू शकतील अशा नमुने आणि परस्परसंबंधांसारखी महत्त्वाची माहिती शोधण्यासाठी द्रुत आणि कार्यक्षम पद्धतीने त्याचे विश्लेषण करण्यासाठी जबाबदार असतील.

हॅन्सन म्हणतात, "आम्ही मोठे डेटा विश्लेषण लागू करू शकतो आणि सामान्यीकृत विधाने करू शकतो." या सामान्यीकरणांमध्ये व्यवसाय, शिक्षण, सोशल मीडिया आणि तंत्रज्ञानासह प्रत्येक क्षेत्रात सुधारणा करण्याची क्षमता आहे.

बर्‍याच कंपन्यांकडे अंदाज बांधण्यासाठी आवश्यक असलेला डेटा असतो, परंतु डेटाच्या विविध पॉकेट्सला जोडण्याची आणि त्यांना उपयुक्त बनवण्यासाठी त्यांना अशा प्रकारे तोडण्याची क्षमता त्यांच्याकडे नसते.

बॉब चुआ, पल्सचे मुख्य कार्यकारी अधिकारी, कबूल करतात की त्यांचा नवीन मोठा डेटा उपक्रम, ज्याला पल्सेट म्हणून ओळखले जाते, संभाव्यतः त्यांचे मुख्य फोकस बनू शकते. पुढील पाच वर्षांत बिग डेटा मार्केट $50 अब्ज पेक्षा जास्त वाढण्याची अपेक्षा असल्याने एक शहाणपणाची आर्थिक चाल.

पुढील तीन वर्षांमध्ये पल्सेटने मोठ्या डेटा विश्लेषणामध्ये प्रगती करण्याची योजना आखली आहे आणि डेटा वैज्ञानिकांसाठी 200 उच्च स्तरीय नोकऱ्या निर्माण केल्या आहेत. "डेटा गोळा करणे आणि त्याचे विश्लेषण करणे या दोन्हीसाठी विशेष कौशल्ये आवश्यक आहेत," हॅन्सन नमूद करतात, "अशा प्रकारे नवीन संधी उघडतील."

या नवीन नोकर्‍या करण्यासाठी, कर्मचार्यांना योग्यरित्या प्रशिक्षित करावे लागेल. पल्स ग्रुपचा डेटा शास्त्रज्ञांसाठी त्यांच्या नवीन डेटा विश्लेषण केंद्रासोबत आणि डेटा विश्लेषकांची वाढती गरज पूर्ण करण्यासाठी जगातील पहिली प्रशिक्षण अकादमी सुरू करण्याचाही मानस आहे.

बिग डेटाचा केवळ नवीन संधी आणि शिकण्याचा अनुभव देण्याव्यतिरिक्त शैक्षणिक जगावर इतर सकारात्मक परिणाम होऊ शकतात. हॅन्सन सांगतात की, शिक्षण क्षेत्रात सुधारणा करण्यासाठी विद्यार्थ्यांच्या वर्तनाचे विश्लेषण बिग डेटाच्या माध्यमातून केले जाऊ शकते. "अखेर विद्यार्थ्यांचा अनुभव सुधारण्यासाठी [आणि] धारणा संख्या वाढवण्यासाठी अशा गोळा केलेल्या डेटाचा वापर करणे हे ध्येय आहे."

नवीन नोकऱ्यांची निर्मिती आणि शिक्षणाच्या संधी आणि संभाव्य अंदाज आणि व्यवसायातील वाढ यांच्या दरम्यान, मोठा डेटा ही सर्व मिळून चांगली गोष्ट असल्याचे दिसते. तथापि, अशा मोठ्या प्रमाणात माहितीचे विश्लेषण आणि वापर करताना काही तोटे आणि त्रुटी आहेत.

एक समस्या ज्याला संबोधित करणे आवश्यक आहे ती म्हणजे विविध कॉर्पोरेशन्सना त्यांचा डेटा सेट म्हणून वापरण्यासाठी कोणती माहिती विनामूल्य गेम आहे. गोपनीयता आणि सुरक्षेशी संबंधित समस्यांना संबोधित करणे आवश्यक आहे. तसेच कोणती माहिती कोणाच्या मालकीची आहे या प्रश्नाचे उत्तर देणे आवश्यक आहे. जेव्हा डेटा सतत पाठविला जातो आणि प्राप्त होतो तेव्हा वैयक्तिक बौद्धिक मालमत्ता आणि सार्वजनिक क्षेत्र यांच्यातील रेषा अस्पष्ट होते.

दुसरे म्हणजे सर्व माहिती उपयुक्त नसते किंवा योग्य विश्लेषण केल्याशिवाय ती निरुपयोगी असते. योग्य आणि संबंधित संबंधित डेटासह एकत्रित केल्याशिवाय काही डेटा सेटचा अक्षरशः काहीही अर्थ नसतो. याचा अर्थ असा की जोपर्यंत कंपनीला आवश्यक असलेल्या सर्व डेटामध्ये प्रवेश मिळत नाही आणि तो योग्यरित्या कसा शोधायचा आणि त्याचे विश्लेषण कसे करायचे याचे ज्ञान नसल्यास, मोठा डेटा हा त्यांच्या वेळेचा अपव्यय आहे.

तसेच डेटा चिंताजनक दराने वाढत आहे. जगातील ९० टक्के डेटा एकट्या गेल्या दोन वर्षांत तयार झाला आहे आणि तो आकडा सातत्याने वाढत आहे. जर नवीन संबंधित डेटा आपण विश्‍लेषित करू शकतो त्यापेक्षा वेगाने तयार केला जात असेल, तर मोठे डेटा विश्लेषण अप्रासंगिक बनते. शेवटी, माहिती वापरल्या जाण्याइतकेच परिणाम चांगले आहेत.