Big Data နည်းပညာများကို စက်မှုလုပ်ငန်း၊ ဆေးပညာ၊ စီးပွားရေးနှင့် ဖျော်ဖြေရေးများတွင် ယခုအခါ နေရာတိုင်းတွင် အသုံးပြုလာကြသည်။ ထို့ကြောင့် ကြီးမားသောဒေတာကို ခွဲခြမ်းစိတ်ဖြာခြင်းမရှိဘဲ၊ လက်လီအရောင်းဆိုင်ကြီးများသည် ပုံမှန်အတိုင်းလည်ပတ်နိုင်မည်မဟုတ်ပါ၊ Amazon တွင်ရောင်းအားကျလာမည်ဖြစ်ပြီး မိုးလေဝသပညာရှင်များသည် ရာသီဥတုကို ရက်ပေါင်းများစွာ၊ သီတင်းပတ်နှင့်လများစွာကြိုတင်ခန့်မှန်းနိုင်မည်မဟုတ်ပေ။ ဒေတာအထူးကျွမ်းကျင်သူများသည် ယခုအခါ အလွန်ဝယ်လိုအားများနေပြီး ဝယ်လိုအားသည် အဆက်မပြတ်ကြီးထွားနေသည်မှာ ယုတ္တိတန်ပါသည်။
GeekBrains သည် ကျောင်းသားများအား သီအိုရီဆိုင်ရာ အသိပညာနှင့် အတွေ့အကြုံရှိ ကျွမ်းကျင်သူများပါ၀င်သည့် ဥပမာများဖြင့် ကျောင်းသားများအား သီအိုရီဆိုင်ရာ အသိပညာနှင့် သင်ကြားမှုနှစ်ခုလုံးကို ပံ့ပိုးပေးနိုင်ရန် ကြိုးစားနေသည့် ဤနယ်ပယ်၏ ကိုယ်စားလှယ်များကို လေ့ကျင့်ပေးပါသည်။ ဒီနှစ် အွန်လိုင်းတက္ကသိုလ် GeekUniversity နှင့် ရုရှားဖက်ဒရေးရှင်းတွင် အကြီးဆုံး လက်လီရောင်းချသူ X5 Retail Group မှ Big Data ခွဲခြမ်းစိတ်ဖြာသူများသည် မိတ်ဖက်များဖြစ်လာသည်။ ကုမ္ပဏီ၏ ကျွမ်းကျင်ပညာရှင်များသည် ကျယ်ပြန့်သော အသိပညာနှင့် အတွေ့အကြုံများ ရှိသောကြောင့် ကျောင်းသားများသည် သင်တန်းကာလအတွင်း သီအိုရီသင်တန်းနှင့် လက်တွေ့အတွေ့အကြုံ နှစ်မျိုးလုံးကို ရရှိစေသည့် အမှတ်တံဆိပ်ပါသော သင်တန်းကို ဖန်တီးပေးခဲ့သည်။
X5 Retail Group မှ မော်ဒယ်လ်နှင့် ဒေတာခွဲခြမ်းစိတ်ဖြာမှု ဒါရိုက်တာ Valery Babushkin နှင့် ဆွေးနွေးခဲ့ပါသည်။ သူက တယောက်ပါ။ ကမ္ဘာပေါ်ရှိ ဒေတာသိပ္ပံပညာရှင်များ (စက်သင်ယူခြင်းဆိုင်ရာ အထူးကျွမ်းကျင်သူများ၏ ကမ္ဘာ့အဆင့်သတ်မှတ်ချက်တွင် အဆင့် ၃၀)။ အခြားဆရာများနှင့်အတူ Valery သည် GeekBrains ကျောင်းသားများအား A/B စမ်းသပ်ခြင်းအကြောင်း၊ ဤနည်းလမ်းများကို အခြေခံသည့် သင်္ချာကိန်းဂဏန်းများအပြင် အော့ဖ်လိုင်းလက်လီရောင်းချမှုတွင် A/B စမ်းသပ်ခြင်း၏ အင်္ဂါရပ်များနှင့် တွက်ချက်မှုများအတွက် ခေတ်မီသောအလေ့အကျင့်များနှင့် လုပ်ဆောင်ချက်များကို ပြောပြသည်။
ဘာကြောင့် A/B စစ်ဆေးမှုတွေ လိုအပ်တာလဲ။
ဤသည်မှာ ဘာသာပြန်ခြင်း၊ စီးပွားရေးနှင့် အပြုအမူဆိုင်ရာအချက်များ တိုးတက်စေရန်အတွက် အကောင်းဆုံးနည်းလမ်းများကို ရှာဖွေရန် အကောင်းဆုံးနည်းလမ်းများထဲမှ တစ်ခုဖြစ်သည်။ အခြားနည်းလမ်းများ ရှိသော်လည်း ၎င်းတို့သည် ပို၍စျေးကြီးပြီး ရှုပ်ထွေးသည်။ A/B စစ်ဆေးမှုများ၏ အဓိကအားသာချက်များမှာ မည်သည့်အရွယ်အစားရှိ စီးပွားရေးလုပ်ငန်းအတွက်မဆို ၎င်းတို့၏အတော်လေးသက်သာသောစျေးနှုန်းနှင့် ရရှိနိုင်သည်။
A/B စစ်ဆေးမှုများအကြောင်း၊ ဤသည်မှာ စီးပွားရေးလုပ်ငန်းတွင် ရှာဖွေခြင်းနှင့် ဆုံးဖြတ်ချက်များချရာတွင် အရေးကြီးဆုံးနည်းလမ်းများထဲမှ တစ်ခုဖြစ်ပြီး မည်သည့်ကုမ္ပဏီ၏ ထုတ်ကုန်အမျိုးမျိုး၏ ဖွံ့ဖြိုးတိုးတက်မှုနှင့် အမြတ်အစွန်းနှစ်ခုစလုံး၏ ဖွံ့ဖြိုးတိုးတက်မှုအပေါ် မူတည်ကြောင်း ကျွန်ုပ်တို့ပြောနိုင်ပါသည်။ စမ်းသပ်မှုများသည် သီအိုရီများနှင့် ယူဆချက်များအပေါ်အခြေခံပြီး ဆုံးဖြတ်ချက်များချနိုင်စေသည်သာမက ကွန်ရက်နှင့်ဖောက်သည်အပြန်အလှန်ဆက်ဆံပုံကို တိကျသောပြောင်းလဲမှုများက မည်ကဲ့သို့ပြောင်းလဲမည်ကို လက်တွေ့ကျသောအသိပညာပေါ်တွင်လည်း ဆုံးဖြတ်ချက်များချနိုင်စေသည်။
လက်လီရောင်းချမှုတွင် သင်သည် စျေးကွက်လှုပ်ရှားမှုများ၊ SMS စာပို့မှုများ၊ စာပို့ခြင်းစမ်းသပ်မှုများ၊ စင်ပေါ်၌ ကုန်ပစ္စည်းများနေရာချထားခြင်းနှင့် အရောင်းဧရိယာများတွင် စင်များကိုယ်တိုင်စမ်းသပ်ရန် လိုအပ်ကြောင်း သတိရရန်အရေးကြီးပါသည်။ အွန်လိုင်းစတိုးတစ်ခုအကြောင်းပြောပါက၊ ဤနေရာတွင် ဒြပ်စင်များ၊ ဒီဇိုင်း၊ ကမ္ပည်းများနှင့် စာသားများ၏ အစီအစဉ်ကို သင်စမ်းသပ်နိုင်ပါသည်။
A/B စစ်ဆေးမှုများသည် ကုမ္ပဏီတစ်ခု၊ ဥပမာ၊ လက်လီရောင်းချသူတစ်ဦးအား အမြဲတမ်းပြိုင်ဆိုင်မှုရှိစေရန်၊ အချိန်အပြောင်းအလဲများကို ခံစားသိရှိနိုင်ပြီး သူ့ကိုယ်သူပြောင်းလဲရန် ကူညီပေးသည့်ကိရိယာတစ်ခုဖြစ်သည်။ ယင်းက လုပ်ငန်းကို တတ်နိုင်သမျှ ထိရောက်စွာ ဆောင်ရွက်နိုင်စေပြီး အမြတ်အစွန်းကို မြှင့်တင်ပေးသည်။
ဒီနည်းလမ်းတွေရဲ့ ထူးခြားချက်တွေက ဘာတွေလဲ။
အဓိကအချက်မှာ စမ်းသပ်မှုအပေါ် အခြေခံရမည့် ပန်းတိုင် သို့မဟုတ် ပြဿနာရှိရပါမည်။ ဥပမာအားဖြင့်၊ ပြဿနာမှာ လက်လီရောင်းချသည့်ဆိုင် သို့မဟုတ် အွန်လိုင်းစတိုးတွင် ဖောက်သည်အနည်းစုဖြစ်သည်။ ရည်ရွယ်ချက်မှာ ဖောက်သည်များ တိုးပွားလာစေရန် ဖြစ်သည်။ အယူအဆ- အွန်လိုင်းစတိုးတစ်ခုတွင် ထုတ်ကုန်ကတ်များကို ပိုကြီးပြီး ဓာတ်ပုံများ ပိုမိုတောက်ပပါက၊ ဝယ်ယူမှုများ ပိုများလာမည်ဖြစ်သည်။ ထို့နောက် A/B စမ်းသပ်မှုပြုလုပ်ပြီး ယင်းရလဒ်သည် အပြောင်းအလဲများ၏ အကဲဖြတ်မှုဖြစ်သည်။ စမ်းသပ်မှုအားလုံး၏ ရလဒ်များကို လက်ခံရရှိပြီးနောက်၊ သင်သည် ဆိုက်ကို ပြောင်းလဲရန် လုပ်ဆောင်မှု အစီအစဉ်တစ်ခုကို စတင်နိုင်ပါသည်။
ထပ်နေသည့် လုပ်ငန်းစဉ်များဖြင့် စစ်ဆေးမှုများ ပြုလုပ်ရန် အကြံပြုထားခြင်း မရှိကြောင်း၊ မဟုတ်ပါက ရလဒ်များကို အကဲဖြတ်ရန် ပိုခက်ခဲပါမည်။ အမြင့်ဆုံး ဦးစားပေးပန်းတိုင်များနှင့်ပတ်သက်၍ စမ်းသပ်မှုများပြုလုပ်ရန်နှင့် အယူအဆများကို ဦးစွာရေးဆွဲရန် အကြံပြုထားသည်။
ရလဒ်များကို ယုံကြည်စိတ်ချရသည်ဟု ယူဆရန် စစ်ဆေးမှုသည် လုံလောက်သောကြာရှည်ခံရပါမည်။ မည်မျှတိကျသည်၊ သေချာသည်၊ စာမေးပွဲကိုယ်တိုင်ကမူတည်သည်။ ထို့ကြောင့်၊ နှစ်သစ်ကူးအကြိုတွင်၊ အွန်လိုင်းစတိုးအများစု၏အသွားအလာတိုးလာသည်။ ယခင်က အွန်လိုင်းစတိုး၏ ဒီဇိုင်းကို ပြောင်းလဲခဲ့ပါက ရေတိုစမ်းသပ်မှုတစ်ခုတွင် အရာအားလုံး အဆင်ပြေကြောင်း၊ အပြောင်းအလဲများ အောင်မြင်ပြီး ယာဉ်အသွားအလာ တိုးပွားလာကြောင်း ပြသမည်ဖြစ်သည်။ သို့သော် အားလပ်ရက်များမတိုင်မီ သင်ဘာလုပ်သည်ဖြစ်စေ ယာဉ်ကြောအသွားအလာများလာမည်၊ နှစ်သစ်ကူးမတိုင်မီ သို့မဟုတ် ၎င်းပြီးပြီးချင်း စာမေးပွဲမပြီးနိုင်ပါ၊ ဆက်စပ်မှုအားလုံးကို ခွဲခြားသတ်မှတ်ရန် အချိန်အတော်ကြာနေရမည်ဖြစ်သည်။
ပန်းတိုင်နှင့် အညွှန်းကြားတွင် မှန်ကန်သောချိတ်ဆက်မှု၏ အရေးပါမှု။ ဥပမာအားဖြင့်၊ တူညီသောအွန်လိုင်းစတိုးဝဘ်ဆိုဒ်၏ ဒီဇိုင်းကိုပြောင်းလဲခြင်းဖြင့် ကုမ္ပဏီသည် လာရောက်လည်ပတ်သူ သို့မဟုတ် ဖောက်သည်အရေအတွက် တိုးလာသည်ကို တွေ့မြင်ရပြီး ၎င်းကို ကျေနပ်သည်။ သို့သော် တကယ်တမ်းတွင်၊ ပျမ်းမျှ ချက်လက်မှတ်အရွယ်အစားသည် ပုံမှန်ထက် သေးငယ်နေနိုင်သည်၊ ထို့ကြောင့် သင်၏ စုစုပေါင်း ၀င်ငွေသည် ပို၍ပင် နည်းပါးနေလိမ့်မည်။ ဤအချက်ကို အပြုသဘောဆောင်သော ရလဒ်ဟု မခေါ်ဆိုနိုင်ပါ။ ပြဿနာမှာ ကုမ္ပဏီသည် လာရောက်လည်ပတ်သူ တိုးလာခြင်း၊ ဝယ်ယူမှု အရေအတွက် တိုးလာခြင်းနှင့် ပျမ်းမျှ စစ်ဆေးခြင်း၏ အရွယ်အစား ဒိုင်နမစ်တို့ကြား ဆက်စပ်မှုကို တစ်ပြိုင်နက် မစစ်ဆေးခဲ့ခြင်း ဖြစ်သည်။
အွန်လိုင်းစတိုးများအတွက်သာ စမ်းသပ်နေပါသလား။
ကိစ္စမရှိပါဘူး။ အော့ဖ်လိုင်းလက်လီရောင်းချမှုတွင် ရေပန်းစားသောနည်းလမ်းမှာ အော့ဖ်လိုင်းယူဆချက်များကို စမ်းသပ်ရန်အတွက် ပြီးပြည့်စုံသောပိုက်လိုင်းကို အကောင်အထည်ဖော်ခြင်းဖြစ်သည်။ ဤသည်မှာ စမ်းသပ်မှုအတွက် အုပ်စုများ၏ မှားယွင်းစွာရွေးချယ်ခြင်း၏အန္တရာယ်များကို လျှော့ချပေးသည့် လုပ်ငန်းစဉ်တစ်ခုဖြစ်ပြီး၊ စတိုးဆိုင်အရေအတွက်၊ စမ်းသပ်ချိန်နှင့် ခန့်မှန်းအကျိုးသက်ရောက်မှုအရွယ်အစားကို ရွေးချယ်ထားသည့် အကောင်းဆုံးအချိုးအစားကို တည်ဆောက်ခြင်းဖြစ်သည်။ ၎င်းသည် နောက်ပိုင်းအကျိုးသက်ရောက်မှုများ ခွဲခြမ်းစိတ်ဖြာမှုနည်းလမ်းများကို ပြန်လည်အသုံးပြုခြင်းနှင့် စဉ်ဆက်မပြတ် မြှင့်တင်ပေးခြင်းလည်းဖြစ်သည်။ မှားယွင်းသောလက်ခံမှုဆိုင်ရာ အမှားများနှင့် လွဲချော်သောအကျိုးသက်ရောက်မှုများ ဖြစ်နိုင်ခြေကို လျှော့ချရန် နည်းလမ်းအပြင် အာရုံခံနိုင်စွမ်းကို တိုးမြင့်ရန် လိုအပ်သည်၊ အဘယ်ကြောင့်ဆိုသော် လုပ်ငန်းကြီးတစ်ခု၏ အတိုင်းအတာအပေါ် သေးငယ်သောအကျိုးသက်ရောက်မှုသည် အလွန်အရေးကြီးသောကြောင့်ဖြစ်သည်။ ထို့ကြောင့်၊ သင်သည် စမ်းသပ်မှု၏ရလဒ်များနှင့်ပတ်သက်ပြီး မှားယွင်းသောကောက်ချက်ချမှုများအပါအဝင် အားနည်းသောပြောင်းလဲမှုများကိုပင် ရှာဖွေဖော်ထုတ်နိုင်ရန်လိုအပ်ပါသည်။
လက်လီ၊ Big Data နှင့် ဖြစ်ရပ်မှန်များ
ယမန်နှစ်တွင် X5 လက်လီရောင်းချရေးအဖွဲ့မှ ကျွမ်းကျင်သူများသည် 2018 ကမ္ဘာ့ဖလားပရိသတ်များကြားတွင် ရေပန်းအစားဆုံး ထုတ်ကုန်များ၏ ရောင်းအားပမာဏ၏ ဒိုင်နနမစ်များကို အကဲဖြတ်ခဲ့သည်။ အံ့သြစရာမရှိပေမယ့် စာရင်းဇယားတွေက စိတ်ဝင်စားစရာဖြစ်နေတုန်းပါပဲ။
ထို့ကြောင့် ရေသည် “နံပါတ် ၁ အရောင်းရဆုံး” ဖြစ်လာခဲ့သည်။ ကမ္ဘာ့ဖလားကို အိမ်ရှင်အဖြစ် လက်ခံကျင်းပတဲ့ မြို့တွေမှာ ရေရောင်းအားက ခန့်မှန်းခြေအားဖြင့် ၄၆ ရာခိုင်နှုန်း တိုးလာပြီး ဦးဆောင်သူကတော့ ဆိုချီဖြစ်ပြီး လည်ပတ်မှု ၈၇ ရာခိုင်နှုန်း တိုးလာခဲ့ပါတယ်။ ပွဲနေ့များတွင် အမြင့်ဆုံးကိန်းဂဏန်းကို Saransk တွင် မှတ်တမ်းတင်ထားသည် - ဤနေရာတွင် ရောင်းအားသည် ပုံမှန်ရက်များနှင့် နှိုင်းယှဉ်ပါက 1% တိုးလာသည်။
ရေအပြင် ပရိသတ်တွေက ဘီယာဝယ်တယ်။ ဇွန် ၁၄ ရက်မှ ဇူလိုင် ၁၅ ရက်အထိ ကျင်းပခဲ့သည့် မြို့များတွင် ဘီယာရောင်းချမှု ပျမ်းမျှ ၃၁ ဒသမ ၈ ရာခိုင်နှုန်း မြင့်တက်ခဲ့သည်။ ဆိုချီသည်လည်း ခေါင်းဆောင်ဖြစ်လာသည် - ဤနေရာတွင် ဘီယာ ၆၄% ပိုမိုတက်ကြွစွာ ဝယ်ယူခဲ့သည်။ သို့သော် စိန့်ပီတာစဘတ်တွင် တိုးတက်မှုနှုန်းမှာ ၅.၆ ရာခိုင်နှုန်းသာရှိသည်။ Saransk ရှိ ပွဲနေ့များတွင် ဘီယာရောင်းအား 14% တိုးလာသည်။
အခြားသော ထုတ်ကုန်များနှင့် ပတ်သက်၍လည်း သုတေသန ပြုလုပ်ခဲ့သည်။ အစားအစာစားသုံးမှုအမြင့်ဆုံးနေ့ရက်များတွင်ရရှိသောဒေတာသည် ကျွန်ုပ်တို့အား အဖြစ်အပျက်အချက်များထည့်သွင်းစဉ်းစားကာ အနာဂတ်တွင်ဝယ်လိုအားကိုပိုမိုတိကျစွာခန့်မှန်းနိုင်စေပါသည်။ တိကျသောခန့်မှန်းချက်သည် ဖောက်သည်များ၏မျှော်လင့်ချက်များကို မှန်းဆနိုင်စေသည်။
စမ်းသပ်နေစဉ်တွင် X5 လက်လီရောင်းချရေးအဖွဲ့က နည်းလမ်းနှစ်ခုကို အသုံးပြုခဲ့သည်-
တိုးပွားလာသော ခြားနားချက် ခန့်မှန်းချက်နှင့်အတူ Bayesian တည်ဆောက်ပုံ အချိန်စီးရီး မော်ဒယ်များ၊
ချန်ပီယံဆုမပြီးမီနှင့် ကာလအတွင်း အမှားအယွင်း ဖြန့်ဖြူးမှု အပြောင်းအလဲကို အကဲဖြတ်ခြင်းဖြင့် ဆုတ်ယုတ်မှု ခွဲခြမ်းစိတ်ဖြာခြင်း။
Big Data မှ လက်လီလက်ကားအသုံးပြုမှုမှာ အခြားဘာကိုသုံးသနည်း။
- offhand လို့ ခေါ်တဲ့ နည်းလမ်းတွေနဲ့ နည်းပညာတွေ အများကြီးရှိပါတယ်၊
- ဝယ်လိုအားခန့်မှန်းချက်;
- assortment matrix ကို အကောင်းဆုံးဖြစ်အောင်၊
- စင်ပေါ်ရှိ ကွက်လပ်များကို ဖော်ထုတ်ရန်နှင့် တန်းစီခြင်းကို ရှာဖွေရန် ကွန်ပျူတာအမြင်၊
- ပရိုမိုးရှင်းခန့်မှန်းချက်။
ကျွမ်းကျင်သူများမရှိခြင်း။
Big Data ကျွမ်းကျင်သူများ၏ လိုအပ်ချက်သည် အဆက်မပြတ် ကြီးထွားနေပါသည်။ ထို့ကြောင့် 2018 တွင် big data နှင့် ပတ်သက်သည့် လစ်လပ်နေရာ အရေအတွက်သည် 7 နှင့် နှိုင်းယှဉ်လျှင် 2015 ဆ တိုးလာပါသည်။ 2019 ခုနှစ် ပထမနှစ်ဝက်တွင် အထူးကုများအတွက် လိုအပ်ချက်သည် 65 တစ်ခုလုံးအတွက် 2018% ကို ကျော်လွန်သွားပါသည်။
အထူးသဖြင့် ကုမ္ပဏီကြီးများသည် Big Data လေ့လာဆန်းစစ်သူများ၏ ဝန်ဆောင်မှုများ လိုအပ်နေပါသည်။ ဥပမာအားဖြင့်၊ Mail.ru Group တွင် စာသားဒေတာ၊ မာလ်တီမီဒီယာအကြောင်းအရာကို လုပ်ဆောင်ပြီး၊ စကားပြောပေါင်းစပ်ခြင်းနှင့် ခွဲခြမ်းစိတ်ဖြာခြင်းတို့ကို လုပ်ဆောင်သည့် မည်သည့်ပရောဂျက်တွင်မဆို ၎င်းတို့ကို လိုအပ်ပါသည်။ ကုမ္ပဏီတွင် လစ်လပ်နေရာ အရေအတွက်သည် လွန်ခဲ့သည့် နှစ်နှစ်အတွင်း သုံးဆတိုးလာခဲ့သည်။ ယခုနှစ် ပထမရှစ်လတွင် Mail.ru သည် ယမန်နှစ်ကကဲ့သို့ Big Data အထူးကျွမ်းကျင်သူအရေအတွက်ကို ငှားရမ်းခဲ့သည်။ Ozon တွင် ဒေတာသိပ္ပံဌာနသည် လွန်ခဲ့သည့် နှစ်နှစ်အတွင်း သုံးဆတိုးလာခဲ့သည်။ အခြေအနေသည် Megafon တွင် အလားတူဖြစ်သည် - ဒေတာခွဲခြမ်းစိတ်ဖြာသည့်အဖွဲ့သည် လွန်ခဲ့သော 2,5 နှစ်အတွင်း အဆများစွာ တိုးတက်ခဲ့သည်။
သံသယမရှိဘဲ အနာဂတ်တွင် Big Data နှင့်ပတ်သက်သည့် အထူးပြုကိုယ်စားလှယ်များ၏ လိုအပ်ချက်သည် ပိုမိုကြီးထွားလာမည်ဖြစ်သည်။ ဒါကြောင့် ဒီနယ်ပယ်ကို စိတ်ဝင်စားတယ်ဆိုရင် စမ်းကြည့်သင့်ပါတယ်။
source: www.habr.com
