बिग डेटाच्या युगाचा ऱ्हास

अनेक परदेशी लेखक मान्य करतात की बिग डेटाचे युग संपले आहे. आणि या प्रकरणात, बिग डेटा हा शब्द हडूपवर आधारित तंत्रज्ञानाचा संदर्भ देतो. बिग डेटा या जगातून कधी निघून गेला आणि ही तारीख 05.06.2019/XNUMX/XNUMX आहे त्या तारखेला अनेक लेखक अगदी आत्मविश्वासाने नाव देऊ शकतात.

या महत्त्वपूर्ण दिवशी काय घडले?

या दिवशी, MAPR ने पुढील ऑपरेशनसाठी निधी न मिळाल्यास त्याचे काम स्थगित करण्याचे आश्वासन दिले. MAPR नंतर ऑगस्ट 2019 मध्ये HP ने विकत घेतले. परंतु जूनमध्ये परत आल्यावर, बिग डेटा मार्केटसाठी या कालावधीची शोकांतिका लक्षात घेण्याशिवाय कोणीही मदत करू शकत नाही. या महिन्यात CLOUDERA च्या स्टॉकच्या किमतीत घसरण झाली, जो बाजारातील एक आघाडीचा खेळाडू आहे, ज्याने त्याच वर्षी जानेवारीमध्ये दीर्घकाळ नफा न मिळवणाऱ्या हॉर्टोवर्क्समध्ये विलीन केले. पतन खूपच लक्षणीय होते आणि त्याचे प्रमाण 43% होते, शेवटी, CLOUDERA चे भांडवल 4,1 वरून 1,4 अब्ज डॉलर्सवर कमी झाले.

डिसेंबर 2014 पासून हडूप-आधारित तंत्रज्ञानाच्या क्षेत्रात बुडबुड्याच्या अफवा पसरत आहेत असे म्हणता येणार नाही, परंतु ती आणखी पाच वर्षे धैर्याने टिकून राहिली. या अफवा Google च्या नकारावर आधारित होत्या, ज्या कंपनीने Hadoop तंत्रज्ञानाचा उगम झाला, त्याच्या शोधापासून. परंतु क्लाउड प्रोसेसिंग टूल्समध्ये कंपन्यांचे संक्रमण आणि कृत्रिम बुद्धिमत्तेच्या जलद विकासादरम्यान तंत्रज्ञानाने मूळ धरले. म्हणून, मागे वळून पाहताना, आपण आत्मविश्वासाने म्हणू शकतो की मृत्यू अपेक्षित होता.

अशा प्रकारे बिग डेटाचे युग संपुष्टात आले आहे, परंतु बिग डेटावर काम करण्याच्या प्रक्रियेत, कंपन्यांना त्यावर काम करण्याच्या सर्व बारकावे लक्षात आल्या आहेत, बिग डेटामुळे व्यवसायात कोणते फायदे होऊ शकतात आणि कृत्रिम डेटा वापरणे देखील शिकले आहे. कच्च्या डेटामधून मूल्य काढण्यासाठी बुद्धिमत्ता.

या तंत्रज्ञानाची जागा काय घेईल आणि विश्लेषण तंत्रज्ञान पुढे कसे विकसित होईल हा प्रश्न अधिक मनोरंजक बनतो.

संवर्धित विश्लेषण

वर्णन केलेल्या घटनांदरम्यान, डेटा विश्लेषणाच्या क्षेत्रात काम करणाऱ्या कंपन्या शांत बसल्या नाहीत. 2019 मध्ये झालेल्या व्यवहारांच्या माहितीच्या आधारे काय ठरवले जाऊ शकते. या वर्षी, बाजारातील सर्वात मोठा व्यवहार पार पडला - विश्लेषणात्मक प्लॅटफॉर्म टेब्लूचे विक्री सेल्सफोर्सने $15,7 बिलियनमध्ये संपादन. Google आणि Looker यांच्यात एक छोटा करार झाला. आणि अर्थातच, बिग डेटा प्लॅटफॉर्म Attunity च्या Qlik द्वारे संपादन लक्षात घेण्यात अयशस्वी होऊ शकत नाही.

BI मार्केट लीडर्स आणि गार्टनर तज्ञ डेटा विश्लेषणाच्या दृष्टीकोनातील एक महत्त्वपूर्ण बदल घोषित करत आहेत या शिफ्टमुळे BI मार्केट पूर्णपणे नष्ट होईल आणि BI ची जागा AI ने घेतली जाईल; या संदर्भात, हे लक्षात घेतले पाहिजे की AI हे संक्षेप "कृत्रिम बुद्धिमत्ता" नसून "वर्धित बुद्धिमत्ता" आहे. "ऑगमेंटेड ॲनालिटिक्स" या शब्दांमागे काय आहे ते जवळून पाहू.

संवर्धित विश्लेषणे, जसे की संवर्धित वास्तविकता, अनेक सामान्य नियमांवर आधारित आहे:

• NLP (नॅचरल लँग्वेज प्रोसेसिंग) वापरून संवाद साधण्याची क्षमता, उदा. मानवी भाषेत;
• कृत्रिम बुद्धिमत्तेचा वापर, याचा अर्थ असा की डेटा मशीन बुद्धिमत्तेद्वारे पूर्व-प्रक्रिया केली जाईल;
• आणि अर्थातच, सिस्टीमच्या वापरकर्त्यासाठी उपलब्ध शिफारसी, ज्या कृत्रिम बुद्धिमत्तेद्वारे व्युत्पन्न केल्या गेल्या होत्या.

विश्लेषणात्मक प्लॅटफॉर्मच्या निर्मात्यांनुसार, त्यांचा वापर अशा वापरकर्त्यांसाठी उपलब्ध असेल ज्यांना विशेष कौशल्ये नाहीत, जसे की SQL किंवा तत्सम स्क्रिप्टिंग भाषेचे ज्ञान, ज्यांना सांख्यिकीय किंवा गणितीय प्रशिक्षण नाही, ज्यांना लोकप्रिय भाषांचे ज्ञान नाही. डेटा प्रोसेसिंग आणि संबंधित लायब्ररीमध्ये विशेषज्ञ. "सिटीझन डेटा सायंटिस्ट" नावाच्या अशा लोकांकडे केवळ उत्कृष्ट व्यावसायिक पात्रता असणे आवश्यक आहे. कृत्रिम बुद्धिमत्ता त्यांना देतील अशा टिप्स आणि अंदाजांमधून व्यावसायिक अंतर्दृष्टी कॅप्चर करणे हे त्यांचे कार्य आहे आणि ते NLP वापरून त्यांचे अंदाज सुधारू शकतात.

या वर्गाच्या प्रणालींसोबत काम करणाऱ्या वापरकर्त्यांच्या प्रक्रियेचे वर्णन करताना, खालील चित्राची कल्पना करता येईल. एखादी व्यक्ती, कामावर येते आणि संबंधित ऍप्लिकेशन लॉन्च करते, नेहमीच्या रिपोर्ट्स आणि डॅशबोर्ड्सच्या सेट व्यतिरिक्त, ज्याचे मानक पध्दती (वर्गीकरण, गटबद्ध करणे, अंकगणित ऑपरेशन्स करणे) वापरून विश्लेषण केले जाऊ शकते, काही टिपा आणि शिफारसी पाहते, जसे की: KPI, विक्रीची संख्या प्राप्त करण्यासाठी, तुम्ही "बागकाम" श्रेणीतील उत्पादनांवर सूट लागू करावी. याव्यतिरिक्त, एखादी व्यक्ती कॉर्पोरेट मेसेंजरशी संपर्क साधू शकते: स्काईप, स्लॅक इ. मजकूर किंवा आवाजाद्वारे रोबोट प्रश्न विचारू शकतो: "मला पाच सर्वात फायदेशीर क्लायंट द्या." योग्य उत्तर मिळाल्यानंतर, त्याने त्याच्या व्यवसायाच्या अनुभवावर आधारित सर्वोत्तम निर्णय घेतला पाहिजे आणि कंपनीला नफा मिळवून दिला.

आपण एक पाऊल मागे घेतल्यास आणि विश्लेषण केलेल्या माहितीची रचना पाहिल्यास आणि या टप्प्यावर, वाढीव विश्लेषण उत्पादने लोकांचे जीवन सुलभ करू शकतात. तद्वतच, असे गृहीत धरले जाते की वापरकर्त्यास केवळ विश्लेषणात्मक उत्पादनास इच्छित माहितीच्या स्त्रोतांकडे निर्देशित करणे आवश्यक आहे आणि प्रोग्राम स्वतः डेटा मॉडेल तयार करणे, सारण्या जोडणे आणि तत्सम कार्यांची काळजी घेईल.

हे सर्व, सर्व प्रथम, डेटाचे "लोकशाहीकरण" सुनिश्चित केले पाहिजे, उदा. कोणतीही व्यक्ती कंपनीकडे उपलब्ध असलेल्या संपूर्ण माहितीचे विश्लेषण करू शकते. निर्णय घेण्याची प्रक्रिया सांख्यिकीय विश्लेषण पद्धतींनी समर्थित असणे आवश्यक आहे. डेटा ऍक्सेस वेळ कमीतकमी असावा, म्हणून स्क्रिप्ट आणि SQL क्वेरी लिहिण्याची आवश्यकता नाही. आणि अर्थातच, तुम्ही उच्च पगार असलेल्या डेटा सायन्स तज्ञांवर पैसे वाचवू शकता.

काल्पनिकदृष्ट्या, तंत्रज्ञान व्यवसायासाठी खूप उज्ज्वल संभावना देते.

बिग डेटा बदलणे काय आहे?

पण, खरं तर, मी माझ्या लेखाची सुरुवात बिग डेटाने केली आहे. आणि मी हा विषय आधुनिक BI टूल्समध्ये एका संक्षिप्त भ्रमणाशिवाय विकसित करू शकत नाही, ज्याचा आधार बहुतेकदा बिग डेटा असतो. बिग डेटाचे भवितव्य आता स्पष्टपणे निश्चित झाले आहे आणि ते क्लाउड तंत्रज्ञान आहे. मी हे दाखवण्यासाठी BI विक्रेत्यांसह केलेल्या व्यवहारांवर लक्ष केंद्रित केले आहे की आता प्रत्येक विश्लेषणात्मक प्रणालीच्या मागे क्लाउड स्टोरेज आहे आणि क्लाउड सर्व्हिसेसमध्ये BI आहे.

ORACLE आणि Microsoft सारख्या डेटाबेसच्या क्षेत्रातील अशा स्तंभांबद्दल विसरू नका, त्यांनी व्यवसाय विकासाची निवडलेली दिशा लक्षात घेणे आवश्यक आहे आणि हे क्लाउड आहे. सर्व ऑफर केलेल्या सेवा क्लाउडमध्ये आढळू शकतात, परंतु काही क्लाउड सेवा यापुढे ऑन-प्रिमाइसेस उपलब्ध नाहीत. त्यांनी मशिन लर्निंग मॉडेल्सचा वापर, वापरकर्त्यांसाठी उपलब्ध लायब्ररी तयार करणे आणि मॉडेल्सची निवड करण्यापासून ते सुरू होण्याची वेळ सेट करण्यापर्यंत सहज काम करण्यासाठी इंटरफेस कॉन्फिगर केले आहेत.

क्लाउड सेवा वापरण्याचा आणखी एक महत्त्वाचा फायदा, ज्याला उत्पादकांनी आवाज दिला आहे, प्रशिक्षण मॉडेलसाठी कोणत्याही विषयावरील जवळजवळ अमर्यादित डेटा सेटची उपलब्धता आहे.

तथापि, प्रश्न उद्भवतो: क्लाउड तंत्रज्ञान आपल्या देशात किती रुजतील?

स्त्रोत: www.habr.com