ബിഗ് ഡാറ്റയുടെ യുഗത്തിന്റെ തകർച്ച

ബിഗ് ഡാറ്റയുടെ യുഗം അവസാനിച്ചുവെന്ന് പല വിദേശ എഴുത്തുകാരും സമ്മതിക്കുന്നു. ഈ സാഹചര്യത്തിൽ, ബിഗ് ഡാറ്റ എന്ന പദം ഹഡൂപ്പിനെ അടിസ്ഥാനമാക്കിയുള്ള സാങ്കേതികവിദ്യകളെ സൂചിപ്പിക്കുന്നു. ബിഗ് ഡാറ്റ ഈ ലോകം വിട്ടുപോയ തീയതിയും ഈ തീയതി 05.06.2019/XNUMX/XNUMX ആണെന്നും പല രചയിതാക്കൾക്കും ആത്മവിശ്വാസത്തോടെ പേരിടാൻ കഴിയും.

ഈ സുപ്രധാന ദിനത്തിൽ എന്താണ് സംഭവിച്ചത്?

ഈ ദിവസം, തുടർന്നുള്ള പ്രവർത്തനത്തിന് ഫണ്ട് കണ്ടെത്താനായില്ലെങ്കിൽ അതിന്റെ പ്രവർത്തനം താൽക്കാലികമായി നിർത്തിവയ്ക്കുമെന്ന് MAPR വാഗ്ദാനം ചെയ്തു. MAPR പിന്നീട് 2019 ഓഗസ്റ്റിൽ HP ഏറ്റെടുത്തു. എന്നാൽ ജൂണിലേക്ക് മടങ്ങുമ്പോൾ, ബിഗ് ഡാറ്റ വിപണിയുടെ ഈ കാലഘട്ടത്തിലെ ദുരന്തം ശ്രദ്ധിക്കാതിരിക്കാനാവില്ല. ഈ മാസം, വിപണിയിലെ മുൻനിര പ്ലെയറായ ക്ലോഡെറയുടെ സ്റ്റോക്ക് വിലയിൽ ഇടിവ് സംഭവിച്ചു, അതേ വർഷം ജനുവരിയിൽ ഇത് ദീർഘകാലമായി ലാഭകരമല്ലാത്ത ഹോർട്ടോവർക്‌സുമായി ലയിച്ചു. തകർച്ച വളരെ പ്രധാനപ്പെട്ടതും 43% ആയിരുന്നു; ആത്യന്തികമായി, ക്ലോഡെറയുടെ മൂലധനം 4,1 ൽ നിന്ന് 1,4 ബില്യൺ ഡോളറായി കുറഞ്ഞു.

2014 ഡിസംബർ മുതൽ ഹഡൂപ്പ് അധിഷ്‌ഠിത സാങ്കേതികവിദ്യകളുടെ മേഖലയിൽ ഒരു കുമിളയെക്കുറിച്ചുള്ള കിംവദന്തികൾ പ്രചരിക്കുന്നുണ്ടെന്ന് പറയാതിരിക്കാൻ കഴിയില്ല, പക്ഷേ അത് ഏകദേശം അഞ്ച് വർഷം കൂടി ധൈര്യത്തോടെ പിടിച്ചുനിന്നു. ഹഡൂപ്പ് സാങ്കേതികവിദ്യ ഉത്ഭവിച്ച കമ്പനിയായ ഗൂഗിൾ അതിന്റെ കണ്ടുപിടുത്തത്തിൽ നിന്ന് നിരസിച്ചതിനെ അടിസ്ഥാനമാക്കിയുള്ളതാണ് ഈ കിംവദന്തികൾ. എന്നാൽ കമ്പനികൾ ക്ലൗഡ് പ്രോസസ്സിംഗ് ടൂളുകളിലേക്കുള്ള പരിവർത്തനത്തിലും ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ ദ്രുതഗതിയിലുള്ള വികസനത്തിലും സാങ്കേതികവിദ്യ വേരൂന്നിയതാണ്. അതുകൊണ്ട് തന്നെ പിന്തിരിഞ്ഞു നോക്കുമ്പോൾ മരണം പ്രതീക്ഷിച്ചിരുന്നതാണെന്ന് ആത്മവിശ്വാസത്തോടെ പറയാം.

അങ്ങനെ, ബിഗ് ഡാറ്റയുടെ യുഗം അവസാനിച്ചു, എന്നാൽ ബിഗ് ഡാറ്റയിൽ പ്രവർത്തിക്കുന്ന പ്രക്രിയയിൽ, കമ്പനികൾ അതിൽ പ്രവർത്തിക്കുന്നതിന്റെ എല്ലാ സൂക്ഷ്മതകളും, ബിഗ് ഡാറ്റ ബിസിനസിന് നൽകുന്ന നേട്ടങ്ങളും മനസ്സിലാക്കി, കൂടാതെ കൃത്രിമമായി ഉപയോഗിക്കാൻ പഠിച്ചു. അസംസ്കൃത ഡാറ്റയിൽ നിന്ന് മൂല്യം വേർതിരിച്ചെടുക്കാനുള്ള ബുദ്ധി.

ഈ സാങ്കേതികവിദ്യയെ മാറ്റിസ്ഥാപിക്കുന്നതെന്താണെന്നും അനലിറ്റിക്സ് സാങ്കേതികവിദ്യകൾ എങ്ങനെ കൂടുതൽ വികസിക്കും എന്ന ചോദ്യമാണ് കൂടുതൽ രസകരം.

ഓഗ്മെന്റഡ് അനലിറ്റിക്സ്

വിവരിച്ച ഇവന്റുകൾക്കിടയിൽ, ഡാറ്റ വിശകലന മേഖലയിൽ പ്രവർത്തിക്കുന്ന കമ്പനികൾ നിശ്ചലമായിരുന്നില്ല. 2019-ൽ നടന്ന ഇടപാടുകളെക്കുറിച്ചുള്ള വിവരങ്ങളുടെ അടിസ്ഥാനത്തിൽ എന്താണ് വിലയിരുത്താൻ കഴിയുക. ഈ വർഷം, വിപണിയിലെ ഏറ്റവും വലിയ ഇടപാട് നടത്തി - 15,7 ബില്യൺ ഡോളറിന് സെയിൽസ്ഫോഴ്‌സ് അനലിറ്റിക്കൽ പ്ലാറ്റ്‌ഫോമായ ടേബ്‌ലോ ഏറ്റെടുക്കൽ. ഗൂഗിളും ലുക്കറും തമ്മിൽ ഒരു ചെറിയ ഇടപാട് നടന്നു. തീർച്ചയായും, വലിയ ഡാറ്റാ പ്ലാറ്റ്‌ഫോമായ അറ്റ്യൂണിറ്റിയുടെ ക്ലിക്ക് ഏറ്റെടുക്കുന്നത് ശ്രദ്ധിക്കാതിരിക്കാനാവില്ല.

ബിഐ മാർക്കറ്റ് ലീഡർമാരും ഗാർട്ട്നർ വിദഗ്ധരും ഡാറ്റ വിശകലനത്തിലേക്കുള്ള സമീപനങ്ങളിൽ ഒരു മഹത്തായ മാറ്റം പ്രഖ്യാപിക്കുന്നു; ഈ ഷിഫ്റ്റ് BI മാർക്കറ്റിനെ പൂർണ്ണമായും നശിപ്പിക്കുകയും BI-യെ AI ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിക്കുകയും ചെയ്യും. ഈ സാഹചര്യത്തിൽ, AI എന്ന ചുരുക്കെഴുത്ത് "ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്" അല്ല, മറിച്ച് "ഓഗ്മെന്റഡ് ഇന്റലിജൻസ്" ആണെന്ന് ശ്രദ്ധിക്കേണ്ടതാണ്. "ഓഗ്മെന്റഡ് അനലിറ്റിക്സ്" എന്ന വാക്കുകൾക്ക് പിന്നിൽ എന്താണെന്ന് നമുക്ക് സൂക്ഷ്മമായി പരിശോധിക്കാം.

ഓഗ്‌മെന്റഡ് റിയാലിറ്റി പോലെയുള്ള ഓഗ്‌മെന്റഡ് അനലിറ്റിക്‌സ് നിരവധി പൊതു പോസ്റ്റുലേറ്റുകളെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്:

• NLP (നാച്ചുറൽ ലാംഗ്വേജ് പ്രോസസ്സിംഗ്) ഉപയോഗിച്ച് ആശയവിനിമയം നടത്താനുള്ള കഴിവ്, അതായത്. മനുഷ്യ ഭാഷയിൽ;
• ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ ഉപയോഗം, മെഷീൻ ഇന്റലിജൻസ് ഉപയോഗിച്ച് ഡാറ്റ പ്രീ-പ്രോസസ്സ് ചെയ്യപ്പെടും എന്നാണ് ഇതിനർത്ഥം;
• തീർച്ചയായും, ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സൃഷ്ടിച്ച സിസ്റ്റത്തിന്റെ ഉപയോക്താവിന് ശുപാർശകൾ ലഭ്യമാണ്.

അനലിറ്റിക്കൽ പ്ലാറ്റ്‌ഫോമുകളുടെ നിർമ്മാതാക്കൾ പറയുന്നതനുസരിച്ച്, SQL അല്ലെങ്കിൽ സമാനമായ സ്‌ക്രിപ്റ്റിംഗ് ഭാഷയെക്കുറിച്ചുള്ള അറിവ് പോലുള്ള പ്രത്യേക കഴിവുകളില്ലാത്ത, സ്റ്റാറ്റിസ്റ്റിക്കൽ അല്ലെങ്കിൽ ഗണിതശാസ്ത്ര പരിശീലനമില്ലാത്ത, ജനപ്രിയ ഭാഷകളെക്കുറിച്ച് അറിവില്ലാത്ത ഉപയോക്താക്കൾക്ക് അവരുടെ ഉപയോഗം ലഭ്യമാകും. ഡാറ്റ പ്രോസസ്സിംഗിലും അനുബന്ധ ലൈബ്രറികളിലും വൈദഗ്ദ്ധ്യം നേടുന്നു. "സിറ്റിസൺ ഡാറ്റ സയന്റിസ്റ്റുകൾ" എന്ന് വിളിക്കപ്പെടുന്ന അത്തരം ആളുകൾക്ക് മികച്ച ബിസിനസ്സ് യോഗ്യതകൾ മാത്രമേ ഉണ്ടായിരിക്കാവൂ. ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് നൽകുന്ന നുറുങ്ങുകളിൽ നിന്നും പ്രവചനങ്ങളിൽ നിന്നും ബിസിനസ്സ് ഉൾക്കാഴ്ചകൾ പിടിച്ചെടുക്കുക എന്നതാണ് അവരുടെ ചുമതല, കൂടാതെ അവർക്ക് NLP ഉപയോഗിച്ച് അവരുടെ ഊഹങ്ങൾ പരിഷ്കരിക്കാനാകും.

ഈ ക്ലാസിലെ സിസ്റ്റങ്ങളിൽ പ്രവർത്തിക്കുന്ന ഉപയോക്താക്കളുടെ പ്രക്രിയ വിവരിക്കുമ്പോൾ, ഇനിപ്പറയുന്ന ചിത്രം സങ്കൽപ്പിക്കാൻ കഴിയും. സ്റ്റാൻഡേർഡ് സമീപനങ്ങൾ (സോർട്ടിംഗ്, ഗ്രൂപ്പിംഗ്, ഗണിത പ്രവർത്തനങ്ങൾ നടത്തൽ) ഉപയോഗിച്ച് വിശകലനം ചെയ്യാവുന്ന സാധാരണ റിപ്പോർട്ടുകൾക്കും ഡാഷ്‌ബോർഡുകൾക്കും പുറമേ, ജോലിക്ക് വരികയും അനുബന്ധ ആപ്ലിക്കേഷൻ സമാരംഭിക്കുകയും ചെയ്യുന്ന ഒരു വ്യക്തി, ചില നുറുങ്ങുകളും ശുപാർശകളും കാണുന്നു: “ഇൻ കെപിഐ നേടുന്നതിന്, വിൽപ്പനയുടെ എണ്ണം, "ഗാർഡനിംഗ്" വിഭാഗത്തിൽ നിന്നുള്ള ഉൽപ്പന്നങ്ങളിൽ നിങ്ങൾ കിഴിവ് പ്രയോഗിക്കണം." കൂടാതെ, ഒരു വ്യക്തിക്ക് ഒരു കോർപ്പറേറ്റ് മെസഞ്ചറുമായി ബന്ധപ്പെടാം: സ്കൈപ്പ്, സ്ലാക്ക് മുതലായവ. "ഏറ്റവും ലാഭകരമായ അഞ്ച് ക്ലയന്റുകളെ എനിക്ക് തരൂ" എന്ന് വാചകത്തിലൂടെയോ ശബ്ദത്തിലൂടെയോ റോബോട്ടിനോട് ചോദ്യങ്ങൾ ചോദിക്കാൻ കഴിയും. ഉചിതമായ ഉത്തരം ലഭിച്ചുകഴിഞ്ഞാൽ, അവൻ തന്റെ ബിസിനസ്സ് അനുഭവത്തെ അടിസ്ഥാനമാക്കി മികച്ച തീരുമാനമെടുക്കുകയും കമ്പനിക്ക് ലാഭം നൽകുകയും വേണം.

നിങ്ങൾ ഒരു പടി പിന്നോട്ട് പോയി വിശകലനം ചെയ്യുന്ന വിവരങ്ങളുടെ ഘടന നോക്കുകയാണെങ്കിൽ, ഈ ഘട്ടത്തിൽ, ഓഗ്മെന്റഡ് അനലിറ്റിക്സ് ഉൽപ്പന്നങ്ങൾക്ക് ആളുകളുടെ ജീവിതം എളുപ്പമാക്കാൻ കഴിയും. ആവശ്യമുള്ള വിവരങ്ങളുടെ ഉറവിടങ്ങളിലേക്ക് അനലിറ്റിക്കൽ ഉൽപ്പന്നം ചൂണ്ടിക്കാണിക്കാൻ മാത്രമേ ഉപയോക്താവിന് ആവശ്യമുള്ളൂ എന്ന് അനുമാനിക്കപ്പെടുന്നു, കൂടാതെ ഒരു ഡാറ്റ മോഡൽ സൃഷ്ടിക്കുന്നതിനും പട്ടികകളും സമാന ജോലികളും ലിങ്കുചെയ്യുന്നതും പ്രോഗ്രാം തന്നെ ശ്രദ്ധിക്കും.

ഇതെല്ലാം, ഒന്നാമതായി, ഡാറ്റയുടെ "ജനാധിപത്യവൽക്കരണം" ഉറപ്പാക്കണം, അതായത്. ഏതൊരു വ്യക്തിക്കും കമ്പനിക്ക് ലഭ്യമായ മുഴുവൻ വിവരങ്ങളും വിശകലനം ചെയ്യാൻ കഴിയും. തീരുമാനമെടുക്കൽ പ്രക്രിയയെ സ്റ്റാറ്റിസ്റ്റിക്കൽ വിശകലന രീതികൾ പിന്തുണയ്ക്കണം. ഡാറ്റ ആക്സസ് സമയം വളരെ കുറവായിരിക്കണം, അതിനാൽ സ്ക്രിപ്റ്റുകളും SQL അന്വേഷണങ്ങളും എഴുതേണ്ട ആവശ്യമില്ല. തീർച്ചയായും, ഉയർന്ന ശമ്പളമുള്ള ഡാറ്റാ സയൻസ് സ്പെഷ്യലിസ്റ്റുകളിൽ നിങ്ങൾക്ക് പണം ലാഭിക്കാം.

സാങ്കൽപ്പികമായി, സാങ്കേതികവിദ്യ ബിസിനസിന് വളരെ ശോഭനമായ സാധ്യതകൾ വാഗ്ദാനം ചെയ്യുന്നു.

ബിഗ് ഡാറ്റയെ മാറ്റിസ്ഥാപിക്കുന്നത്

പക്ഷേ, വാസ്തവത്തിൽ, ഞാൻ എന്റെ ലേഖനം ആരംഭിച്ചത് ബിഗ് ഡാറ്റ ഉപയോഗിച്ചാണ്. ആധുനിക ബിഐ ടൂളുകളിലേക്കുള്ള ഒരു ഹ്രസ്വ വിനോദയാത്ര കൂടാതെ എനിക്ക് ഈ വിഷയം വികസിപ്പിക്കാൻ കഴിഞ്ഞില്ല, ഇതിന്റെ അടിസ്ഥാനം പലപ്പോഴും ബിഗ് ഡാറ്റയാണ്. വലിയ ഡാറ്റയുടെ വിധി ഇപ്പോൾ വ്യക്തമായി നിർണ്ണയിച്ചിരിക്കുന്നു, അത് ക്ലൗഡ് സാങ്കേതികവിദ്യയാണ്. ഇപ്പോൾ എല്ലാ അനലിറ്റിക്കൽ സിസ്റ്റത്തിനും പിന്നിൽ ക്ലൗഡ് സ്റ്റോറേജ് ഉണ്ടെന്നും ക്ലൗഡ് സേവനങ്ങൾക്ക് മുൻവശത്ത് BI ഉണ്ടെന്നും തെളിയിക്കാൻ BI വെണ്ടർമാരുമായി നടത്തിയ ഡീലുകളിൽ ഞാൻ ശ്രദ്ധ കേന്ദ്രീകരിച്ചു.

ഒറക്കിൾ, മൈക്രോസോഫ്റ്റ് തുടങ്ങിയ ഡാറ്റാബേസ് മേഖലയിലെ അത്തരം സ്തംഭങ്ങളെക്കുറിച്ച് മറക്കാതെ, ബിസിനസ്സ് വികസനത്തിന്റെ അവർ തിരഞ്ഞെടുത്ത ദിശ ശ്രദ്ധിക്കേണ്ടത് ആവശ്യമാണ്, ഇതാണ് ക്ലൗഡ്. ഓഫർ ചെയ്യുന്ന എല്ലാ സേവനങ്ങളും ക്ലൗഡിൽ കണ്ടെത്താനാകും, എന്നാൽ ചില ക്ലൗഡ് സേവനങ്ങൾ ഇനി പരിസരത്ത് ലഭ്യമല്ല. മെഷീൻ ലേണിംഗ് മോഡലുകളുടെ ഉപയോഗം, ഉപയോക്താക്കൾക്ക് ലഭ്യമായ ലൈബ്രറികൾ, മോഡലുകൾ തിരഞ്ഞെടുക്കുന്നത് മുതൽ പ്രാരംഭ സമയം സജ്ജീകരിക്കുന്നത് വരെ എളുപ്പത്തിൽ പ്രവർത്തിക്കാൻ ഇന്റർഫേസുകൾ കോൺഫിഗർ ചെയ്യൽ എന്നിവയിൽ അവർ കാര്യമായ ജോലി ചെയ്തിട്ടുണ്ട്.

നിർമ്മാതാക്കൾ ശബ്ദമുയർത്തുന്ന ക്ലൗഡ് സേവനങ്ങൾ ഉപയോഗിക്കുന്നതിന്റെ മറ്റൊരു പ്രധാന നേട്ടം, പരിശീലന മോഡലുകൾക്കായി ഏത് വിഷയത്തിലും ഏതാണ്ട് പരിധിയില്ലാത്ത ഡാറ്റാ സെറ്റുകളുടെ ലഭ്യതയാണ്.

എന്നിരുന്നാലും, ചോദ്യം ഉയർന്നുവരുന്നു: നമ്മുടെ രാജ്യത്ത് ക്ലൗഡ് സാങ്കേതികവിദ്യകൾ എത്രത്തോളം വേരൂന്നിയിരിക്കും?

അവലംബം: www.habr.com