बिग डेटा के युग का पतन

कई विदेशी लेखक इस बात से सहमत हैं कि बिग डेटा का युग समाप्त हो गया है। और इस मामले में, बिग डेटा शब्द Hadoop पर आधारित प्रौद्योगिकियों को संदर्भित करता है। कई लेखक पूरे विश्वास के साथ उस तारीख का नाम भी बता सकते हैं जब बिग डेटा ने इस दुनिया को छोड़ा और यह तारीख 05.06.2019/XNUMX/XNUMX है।

इस महत्वपूर्ण दिन पर क्या हुआ?

इस दिन, एमएपीआर ने आगे के संचालन के लिए धन नहीं मिलने पर अपना काम निलंबित करने का वादा किया। MAPR को बाद में अगस्त 2019 में HP द्वारा अधिग्रहित कर लिया गया। लेकिन जून की ओर लौटते हुए, कोई भी बिग डेटा बाज़ार के लिए इस अवधि की त्रासदी पर ध्यान दिए बिना नहीं रह सकता। इस महीने बाजार के एक अग्रणी खिलाड़ी क्लौडेरा के शेयर की कीमतों में गिरावट देखी गई, जिसका उसी वर्ष जनवरी में लंबे समय से लाभहीन हॉर्टवर्क्स में विलय हो गया। पतन काफी महत्वपूर्ण था और इसकी राशि 43% थी; अंततः, CLOUDERA का पूंजीकरण 4,1 से घटकर 1,4 बिलियन डॉलर हो गया।

यह कहना असंभव नहीं है कि Hadoop-आधारित प्रौद्योगिकियों के क्षेत्र में बुलबुले की अफवाहें दिसंबर 2014 से फैल रही हैं, लेकिन यह लगभग पांच वर्षों तक बहादुरी से कायम रही। ये अफवाहें Google, जिस कंपनी से Hadoop तकनीक की उत्पत्ति हुई थी, के उसके आविष्कार से इंकार करने पर आधारित थीं। लेकिन कंपनियों के क्लाउड प्रोसेसिंग टूल में बदलाव और कृत्रिम बुद्धिमत्ता के तेजी से विकास के दौरान प्रौद्योगिकी ने जड़ें जमा लीं। इसलिए, पीछे मुड़कर देखने पर हम विश्वास के साथ कह सकते हैं कि मौत अपेक्षित थी।

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

यह सवाल और भी दिलचस्प हो गया है कि इस तकनीक की जगह क्या लेगी और एनालिटिक्स तकनीकें आगे कैसे विकसित होंगी।

संवर्धित विश्लेषिकी

वर्णित घटनाओं के दौरान, डेटा विश्लेषण के क्षेत्र में काम करने वाली कंपनियां शांत नहीं बैठीं। 2019 में हुए लेन-देन की जानकारी के आधार पर क्या आंका जा सकता है. इस वर्ष, बाज़ार में सबसे बड़ा लेन-देन किया गया - सेल्सफोर्स द्वारा $15,7 बिलियन में विश्लेषणात्मक प्लेटफ़ॉर्म टेबलो का अधिग्रहण। गूगल और लुकर के बीच एक छोटी डील हुई। और निश्चित रूप से, कोई भी Qlik द्वारा बड़े डेटा प्लेटफ़ॉर्म एट्यूनिटी के अधिग्रहण को नोट करने में विफल नहीं हो सकता है।

बीआई बाजार के नेता और गार्टनर विशेषज्ञ डेटा विश्लेषण के दृष्टिकोण में एक बड़े बदलाव की घोषणा कर रहे हैं; यह बदलाव बीआई बाजार को पूरी तरह से नष्ट कर देगा और बीआई के स्थान पर एआई को ले आएगा। इस संदर्भ में, यह ध्यान दिया जाना चाहिए कि संक्षिप्त नाम AI "कृत्रिम बुद्धिमत्ता" नहीं बल्कि "संवर्धित इंटेलिजेंस" है। आइए "संवर्धित विश्लेषण" शब्दों के पीछे क्या है, इस पर करीब से नज़र डालें।

संवर्धित विश्लेषण, संवर्धित वास्तविकता की तरह, कई सामान्य सिद्धांतों पर आधारित है:

• एनएलपी (प्राकृतिक भाषा प्रसंस्करण) का उपयोग करके संचार करने की क्षमता, यानी मानव भाषा में;
• कृत्रिम बुद्धिमत्ता का उपयोग, इसका मतलब है कि डेटा को मशीन इंटेलिजेंस द्वारा पूर्व-संसाधित किया जाएगा;
• और निश्चित रूप से, सिस्टम के उपयोगकर्ता के लिए सिफारिशें उपलब्ध हैं, जो कृत्रिम बुद्धिमत्ता द्वारा उत्पन्न की गई थीं।

विश्लेषणात्मक प्लेटफ़ॉर्म के निर्माताओं के अनुसार, उनका उपयोग उन उपयोगकर्ताओं के लिए उपलब्ध होगा जिनके पास विशेष कौशल नहीं है, जैसे कि SQL या समान स्क्रिप्टिंग भाषा का ज्ञान, जिनके पास सांख्यिकीय या गणितीय प्रशिक्षण नहीं है, जिन्हें लोकप्रिय भाषाओं का ज्ञान नहीं है ​डेटा प्रोसेसिंग और संबंधित पुस्तकालयों में विशेषज्ञता। ऐसे लोगों को, जिन्हें "नागरिक डेटा वैज्ञानिक" कहा जाता है, केवल उत्कृष्ट व्यावसायिक योग्यताएँ होनी चाहिए। उनका काम उन युक्तियों और पूर्वानुमानों से व्यावसायिक अंतर्दृष्टि प्राप्त करना है जो कृत्रिम बुद्धिमत्ता उन्हें देगी, और वे एनएलपी का उपयोग करके अपने अनुमानों को परिष्कृत कर सकते हैं।

इस वर्ग के सिस्टम के साथ काम करने वाले उपयोगकर्ताओं की प्रक्रिया का वर्णन करते हुए, कोई निम्नलिखित चित्र की कल्पना कर सकता है। एक व्यक्ति, जो काम पर आता है और संबंधित एप्लिकेशन लॉन्च करता है, रिपोर्ट और डैशबोर्ड के सामान्य सेट के अलावा, जिसे मानक दृष्टिकोण (सॉर्टिंग, ग्रुपिंग, अंकगणितीय संचालन निष्पादित करना) का उपयोग करके विश्लेषण किया जा सकता है, कुछ युक्तियां और सिफारिशें देखता है, कुछ इस तरह: "इन KPI, बिक्री की संख्या प्राप्त करने के लिए, आपको "बागवानी" श्रेणी के उत्पादों पर छूट लागू करनी चाहिए। इसके अलावा, एक व्यक्ति कॉर्पोरेट मैसेंजर से संपर्क कर सकता है: स्काइप, स्लैक, आदि। रोबोट से टेक्स्ट या आवाज के जरिए सवाल पूछ सकते हैं: "मुझे पांच सबसे अधिक लाभदायक ग्राहक बताएं।" उचित उत्तर प्राप्त करने के बाद, उसे अपने व्यावसायिक अनुभव के आधार पर सर्वोत्तम निर्णय लेना चाहिए और कंपनी को लाभ पहुँचाना चाहिए।

यदि आप एक कदम पीछे हटें और विश्लेषण की जा रही जानकारी की संरचना को देखें, और इस स्तर पर, संवर्धित विश्लेषण उत्पाद लोगों के जीवन को आसान बना सकते हैं। आदर्श रूप से, यह माना जाता है कि उपयोगकर्ता को केवल विश्लेषणात्मक उत्पाद को वांछित जानकारी के स्रोतों की ओर इंगित करने की आवश्यकता होगी, और प्रोग्राम स्वयं डेटा मॉडल बनाने, तालिकाओं को जोड़ने और इसी तरह के कार्यों का ध्यान रखेगा।

यह सब, सबसे पहले, डेटा के "लोकतंत्रीकरण" को सुनिश्चित करना चाहिए, अर्थात। कोई भी व्यक्ति कंपनी के लिए उपलब्ध संपूर्ण जानकारी 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, इसलिए स्क्रिप्ट और SQL क्वेरी लिखने की कोई आवश्यकता नहीं है। और निश्चित रूप से, आप अत्यधिक भुगतान वाले डेटा विज्ञान विशेषज्ञों पर पैसा बचा सकते हैं।

काल्पनिक रूप से, प्रौद्योगिकी व्यवसाय के लिए बहुत उज्ज्वल संभावनाएं प्रदान करती है।

बिग डेटा की जगह क्या ले रहा है?

लेकिन, वास्तव में, मैंने अपना लेख बिग डेटा से शुरू किया। और मैं इस विषय को आधुनिक बीआई टूल के संक्षिप्त भ्रमण के बिना विकसित नहीं कर सका, जिसका आधार अक्सर बिग डेटा होता है। बड़े डेटा का भाग्य अब स्पष्ट रूप से निर्धारित है, और यह क्लाउड तकनीक है। मैंने यह प्रदर्शित करने के लिए बीआई विक्रेताओं के साथ किए गए लेन-देन पर ध्यान केंद्रित किया कि अब प्रत्येक विश्लेषणात्मक प्रणाली के पीछे क्लाउड स्टोरेज है, और क्लाउड सेवाओं में फ्रंट एंड के रूप में बीआई है।

डेटाबेस के क्षेत्र में ORACLE और Microsoft जैसे स्तंभों के बारे में नहीं भूलना चाहिए, व्यवसाय विकास की उनकी चुनी हुई दिशा पर ध्यान देना आवश्यक है और यह क्लाउड है। सभी प्रस्तावित सेवाएँ क्लाउड में पाई जा सकती हैं, लेकिन कुछ क्लाउड सेवाएँ अब ऑन-प्रिमाइसेस उपलब्ध नहीं हैं। उन्होंने मशीन लर्निंग मॉडल के उपयोग पर महत्वपूर्ण काम किया है, उपयोगकर्ताओं के लिए उपलब्ध पुस्तकालय बनाए हैं, और मॉडल के चयन से लेकर प्रारंभ समय निर्धारित करने तक उनके साथ काम करने में आसानी के लिए इंटरफेस को कॉन्फ़िगर किया है।

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

हालाँकि, सवाल उठता है: क्लाउड प्रौद्योगिकियाँ हमारे देश में कितनी दूर तक जड़ें जमा लेंगी?

स्रोत: www.habr.com