બિગ ડેટાના યુગનો પતન

ઘણા વિદેશી લેખકો સહમત છે કે બિગ ડેટાના યુગનો અંત આવી ગયો છે. અને આ કિસ્સામાં, બિગ ડેટા શબ્દ Hadoop પર આધારિત તકનીકોનો સંદર્ભ આપે છે. ઘણા લેખકો વિશ્વાસપૂર્વક તે તારીખનું નામ પણ આપી શકે છે જ્યારે બિગ ડેટાએ આ દુનિયા છોડી દીધી હતી અને આ તારીખ 05.06.2019/XNUMX/XNUMX છે.

આ મહત્વપૂર્ણ દિવસે શું થયું?

આ દિવસે, MAPR એ તેના કાર્યને સ્થગિત કરવાનું વચન આપ્યું હતું જો તે આગળની કામગીરી માટે ભંડોળ ન મેળવી શકે. MAPR પાછળથી ઓગસ્ટ 2019 માં HP દ્વારા હસ્તગત કરવામાં આવ્યું હતું. પરંતુ જૂનમાં પાછા ફરવું, બિગ ડેટા માર્કેટ માટે આ સમયગાળાની દુર્ઘટનાને નોંધવામાં મદદ કરી શકાતી નથી. આ મહિને બજારના અગ્રણી ખેલાડી CLOUDERA ના શેરના ભાવમાં ઘટાડો જોવા મળ્યો હતો, જે તે જ વર્ષના જાન્યુઆરીમાં લાંબા સમયથી બિનલાભકારી હોર્ટવૉર્ક સાથે મર્જ થયો હતો. પતન ખૂબ જ નોંધપાત્ર હતું અને તેની રકમ 43% હતી; આખરે, CLOUDERA નું મૂડીકરણ 4,1 થી ઘટીને 1,4 અબજ ડોલર થયું હતું.

ડિસેમ્બર 2014 થી હાડુપ આધારિત ટેક્નોલોજીના ક્ષેત્રમાં પરપોટાની અફવાઓ ફેલાઈ રહી છે તેવું કહેવું અશક્ય છે, પરંતુ તે લગભગ વધુ પાંચ વર્ષ સુધી બહાદુરીપૂર્વક ચાલુ રહ્યું. આ અફવાઓ Google ના ઇનકાર પર આધારિત હતી, જે કંપની Hadoop ટેક્નોલોજીનો ઉદ્દભવ થયો હતો, તેની શોધથી. પરંતુ ક્લાઉડ પ્રોસેસિંગ ટૂલ્સમાં કંપનીઓના સંક્રમણ અને કૃત્રિમ બુદ્ધિના ઝડપી વિકાસ દરમિયાન ટેક્નોલોજીએ રુટ લીધું. તેથી, પાછળ જોતા, આપણે વિશ્વાસ સાથે કહી શકીએ કે મૃત્યુ અપેક્ષિત હતું.

આમ, બિગ ડેટાના યુગનો અંત આવી ગયો છે, પરંતુ બિગ ડેટા પર કામ કરવાની પ્રક્રિયામાં, કંપનીઓએ તેના પર કામ કરવાની તમામ ઘોંઘાટ સમજી લીધી છે, બિગ ડેટા બિઝનેસમાં લાવી શકે તેવા ફાયદાઓ અને કૃત્રિમ ઉપયોગ કરવાનું પણ શીખ્યા છે. કાચા ડેટામાંથી મૂલ્ય કાઢવાની બુદ્ધિ.

આ ટેક્નોલોજીને શું બદલશે અને એનાલિટિક્સ ટેક્નોલોજીઓ આગળ કેવી રીતે વિકસિત થશે તે પ્રશ્ન વધુ રસપ્રદ બને છે.

સંવર્ધિત વિશ્લેષણ

વર્ણવેલ ઘટનાઓ દરમિયાન, ડેટા વિશ્લેષણના ક્ષેત્રમાં કામ કરતી કંપનીઓ સ્થિર બેસી ન હતી. 2019 માં થયેલા વ્યવહારો વિશેની માહિતીના આધારે શું નક્કી કરી શકાય છે. આ વર્ષે, બજારમાં સૌથી મોટો વ્યવહાર હાથ ધરવામાં આવ્યો હતો - સેલ્સફોર્સ દ્વારા $15,7 બિલિયનમાં વિશ્લેષણાત્મક પ્લેટફોર્મ ટેબ્લોનું સંપાદન. Google અને Looker વચ્ચે એક નાનો સોદો થયો. અને અલબત્ત, બિગ ડેટા પ્લેટફોર્મ એટ્યુનિટીના Qlik દ્વારા હસ્તાંતરણની નોંધ લેવામાં કોઈ નિષ્ફળ ન થઈ શકે.

BI માર્કેટ લીડર્સ અને ગાર્ટનર નિષ્ણાતો ડેટા પૃથ્થકરણ માટેના અભિગમોમાં એક નોંધપાત્ર ફેરફારની જાહેરાત કરી રહ્યા છે; આ શિફ્ટ BI માર્કેટને સંપૂર્ણપણે નષ્ટ કરશે અને BI ને AI સાથે બદલવા તરફ દોરી જશે. આ સંદર્ભમાં, એ નોંધવું જોઈએ કે સંક્ષિપ્ત AI એ "કૃત્રિમ બુદ્ધિ" નથી પરંતુ "સંવર્ધિત બુદ્ધિ" છે. ચાલો "Augmented Analytics" શબ્દો પાછળ શું છે તેના પર નજીકથી નજર કરીએ.

ઓગમેન્ટેડ એનાલિટિક્સ, જેમ કે ઓગમેન્ટેડ રિયાલિટી, કેટલાક સામાન્ય ધારણાઓ પર આધારિત છે:

• NLP (નેચરલ લેંગ્વેજ પ્રોસેસિંગ) નો ઉપયોગ કરીને વાતચીત કરવાની ક્ષમતા, એટલે કે. માનવ ભાષામાં;
• આર્ટિફિશિયલ ઇન્ટેલિજન્સનો ઉપયોગ, આનો અર્થ એ છે કે ડેટા મશીન ઇન્ટેલિજન્સ દ્વારા પૂર્વ-પ્રક્રિયા કરવામાં આવશે;
• અને અલબત્ત, સિસ્ટમના વપરાશકર્તા માટે ઉપલબ્ધ ભલામણો, જે આર્ટિફિશિયલ ઇન્ટેલિજન્સ દ્વારા જનરેટ કરવામાં આવી હતી.

વિશ્લેષણાત્મક પ્લેટફોર્મના ઉત્પાદકોના જણાવ્યા મુજબ, તેનો ઉપયોગ એવા વપરાશકર્તાઓ માટે ઉપલબ્ધ હશે કે જેમની પાસે વિશિષ્ટ કૌશલ્ય નથી, જેમ કે SQL અથવા સમાન સ્ક્રિપ્ટીંગ ભાષાનું જ્ઞાન, જેમની પાસે આંકડાકીય અથવા ગાણિતિક તાલીમ નથી, જેમને લોકપ્રિય ભાષાઓનું જ્ઞાન નથી. ડેટા પ્રોસેસિંગ અને અનુરૂપ પુસ્તકાલયોમાં વિશેષતા. આવા લોકો, જેને "સિટીઝન ડેટા સાયન્ટિસ્ટ" કહેવામાં આવે છે, તેમની પાસે માત્ર ઉત્કૃષ્ટ વ્યવસાય લાયકાત હોવી આવશ્યક છે. તેમનું કાર્ય કૃત્રિમ બુદ્ધિમત્તા તેમને આપશે તેવી ટીપ્સ અને આગાહીઓમાંથી વ્યવસાયિક આંતરદૃષ્ટિ મેળવવાનું છે અને તેઓ NLP નો ઉપયોગ કરીને તેમના અનુમાનને સુધારી શકે છે.

આ વર્ગની સિસ્ટમો સાથે કામ કરતા વપરાશકર્તાઓની પ્રક્રિયાનું વર્ણન કરતાં, તમે નીચેના ચિત્રની કલ્પના કરી શકો છો. એક વ્યક્તિ, કામ પર આવે છે અને અનુરૂપ એપ્લિકેશનને લોન્ચ કરે છે, સામાન્ય અભિગમો (સૉર્ટિંગ, ગ્રૂપિંગ, અંકગણિત ઑપરેશન્સ) નો ઉપયોગ કરીને વિશ્લેષણ કરી શકાય તેવા અહેવાલો અને ડેશબોર્ડ્સ ઉપરાંત, કેટલીક ટીપ્સ અને ભલામણો જુએ છે, કંઈક આના જેવું: KPI, વેચાણની સંખ્યા હાંસલ કરવા માટે, તમારે "બાગકામ" શ્રેણીમાંથી ઉત્પાદનો પર ડિસ્કાઉન્ટ લાગુ કરવું જોઈએ." આ ઉપરાંત, વ્યક્તિ કોર્પોરેટ મેસેન્જરનો સંપર્ક કરી શકે છે: સ્કાયપે, સ્લેક, વગેરે. ટેક્સ્ટ અથવા અવાજ દ્વારા રોબોટ પ્રશ્નો પૂછી શકે છે: "મને પાંચ સૌથી વધુ નફાકારક ગ્રાહકો આપો." યોગ્ય જવાબ પ્રાપ્ત કર્યા પછી, તેણે તેના વ્યવસાયના અનુભવના આધારે શ્રેષ્ઠ નિર્ણય લેવો જોઈએ અને કંપનીને નફો લાવવો જોઈએ.

જો તમે એક ડગલું પાછળ જાઓ અને વિશ્લેષણ કરવામાં આવી રહેલી માહિતીની રચના જુઓ અને આ તબક્કે, વિસ્તૃત વિશ્લેષણ ઉત્પાદનો લોકોના જીવનને સરળ બનાવી શકે છે. આદર્શરીતે, એવું માનવામાં આવે છે કે વપરાશકર્તાને ફક્ત વિશ્લેષણાત્મક ઉત્પાદનને ઇચ્છિત માહિતીના સ્ત્રોતો તરફ નિર્દેશ કરવાની જરૂર પડશે, અને પ્રોગ્રામ પોતે ડેટા મોડેલ બનાવવા, કોષ્ટકો અને સમાન કાર્યોને લિંક કરવાની કાળજી લેશે.

આ બધાએ, સૌ પ્રથમ, ડેટાના "લોકશાહીકરણ"ની ખાતરી કરવી જોઈએ, એટલે કે. કોઈપણ વ્યક્તિ કંપનીને ઉપલબ્ધ માહિતીની સંપૂર્ણ શ્રેણીનું વિશ્લેષણ કરી શકે છે. નિર્ણય લેવાની પ્રક્રિયા આંકડાકીય પૃથ્થકરણ પદ્ધતિઓ દ્વારા સમર્થિત હોવી જોઈએ. ડેટા એક્સેસ સમય ન્યૂનતમ હોવો જોઈએ, તેથી સ્ક્રિપ્ટ્સ અને SQL ક્વેરીઝ લખવાની જરૂર નથી. અને અલબત્ત, તમે ખૂબ ચૂકવેલ ડેટા સાયન્સ નિષ્ણાતો પર નાણાં બચાવી શકો છો.

કાલ્પનિક રીતે, ટેકનોલોજી વ્યવસાય માટે ખૂબ જ ઉજ્જવળ સંભાવનાઓ પ્રદાન કરે છે.

બિગ ડેટાનું સ્થાન શું છે?

પરંતુ, હકીકતમાં, મેં મારા લેખની શરૂઆત બિગ ડેટાથી કરી છે. અને હું આ વિષયને આધુનિક BI સાધનોમાં સંક્ષિપ્ત પ્રવાસ વિના વિકસાવી શક્યો નથી, જેનો આધાર મોટાભાગે બિગ ડેટા છે. મોટા ડેટાનું ભાવિ હવે સ્પષ્ટ રીતે નક્કી થઈ ગયું છે અને તે ક્લાઉડ ટેકનોલોજી છે. મેં એ દર્શાવવા માટે BI વિક્રેતાઓ સાથે કરેલા વ્યવહારો પર ધ્યાન કેન્દ્રિત કર્યું કે હવે દરેક વિશ્લેષણાત્મક સિસ્ટમ તેની પાછળ ક્લાઉડ સ્ટોરેજ ધરાવે છે, અને ક્લાઉડ સેવાઓમાં BI આગળ છે.

ORACLE અને Microsoft જેવા ડેટાબેઝના ક્ષેત્રમાં આવા સ્તંભો વિશે ભૂલશો નહીં, તમારે વ્યવસાય વિકાસની તેમની પસંદ કરેલી દિશાની નોંધ લેવી જરૂરી છે અને આ ક્લાઉડ છે. બધી ઓફર કરેલી સેવાઓ ક્લાઉડમાં મળી શકે છે, પરંતુ કેટલીક ક્લાઉડ સેવાઓ હવે પ્રીમાઈસ પર ઉપલબ્ધ નથી. તેઓએ મશીન લર્નિંગ મોડલ્સના ઉપયોગ પર નોંધપાત્ર કામ કર્યું છે, વપરાશકર્તાઓ માટે ઉપલબ્ધ લાઇબ્રેરીઓ બનાવી છે અને મોડલ્સ સાથે કામ કરવામાં સરળતા માટે ઈન્ટરફેસને રૂપરેખાંકિત કર્યા છે.

ક્લાઉડ સેવાઓનો ઉપયોગ કરવાનો બીજો મહત્વનો ફાયદો, જે ઉત્પાદકો દ્વારા અવાજ ઉઠાવવામાં આવે છે, તે છે તાલીમ મોડેલો માટે કોઈપણ વિષય પર લગભગ અમર્યાદિત ડેટા સેટની ઉપલબ્ધતા.

જો કે, પ્રશ્ન ઊભો થાય છે: ક્લાઉડ ટેક્નોલોજી આપણા દેશમાં ક્યાં સુધી રુટ લેશે?

સોર્સ: www.habr.com