A/B ਟੈਸਟਿੰਗ, ਪਾਈਪਲਾਈਨ ਅਤੇ ਪ੍ਰਚੂਨ: GeekBrains ਅਤੇ X5 ਰਿਟੇਲ ਗਰੁੱਪ ਤੋਂ ਵੱਡੇ ਡੇਟਾ ਲਈ ਬ੍ਰਾਂਡਡ ਤਿਮਾਹੀ

ਵੱਡੀਆਂ ਡੇਟਾ ਤਕਨਾਲੋਜੀਆਂ ਹੁਣ ਹਰ ਜਗ੍ਹਾ ਵਰਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ - ਉਦਯੋਗ, ਦਵਾਈ, ਕਾਰੋਬਾਰ ਅਤੇ ਮਨੋਰੰਜਨ ਵਿੱਚ। ਵੱਡੇ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਤੋਂ ਬਿਨਾਂ, ਵੱਡੇ ਪ੍ਰਚੂਨ ਵਿਕਰੇਤਾ ਸਹੀ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰਨ ਦੇ ਯੋਗ ਨਹੀਂ ਹੋਣਗੇ, ਐਮਾਜ਼ਾਨ ਦੀ ਵਿਕਰੀ ਘੱਟ ਜਾਵੇਗੀ, ਅਤੇ ਮੌਸਮ ਵਿਗਿਆਨੀ ਮੌਸਮ ਦੇ ਦਿਨਾਂ, ਹਫ਼ਤਿਆਂ ਅਤੇ ਮਹੀਨਿਆਂ ਪਹਿਲਾਂ ਤੋਂ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਦੇ ਯੋਗ ਨਹੀਂ ਹੋਣਗੇ। ਇਹ ਤਰਕਸੰਗਤ ਹੈ ਕਿ ਵੱਡੇ ਡੇਟਾ ਮਾਹਿਰਾਂ ਦੀ ਮੰਗ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੈ, ਮੰਗ ਲਗਾਤਾਰ ਵਧ ਰਹੀ ਹੈ।

ਗੀਕਬ੍ਰੇਨਜ਼ ਇਸ ਖੇਤਰ ਵਿੱਚ ਪੇਸ਼ੇਵਰਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦਿੰਦਾ ਹੈ, ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਤਜਰਬੇਕਾਰ ਮਾਹਿਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸਿਧਾਂਤਕ ਗਿਆਨ ਅਤੇ ਵਿਹਾਰਕ ਅਨੁਭਵ ਦੋਵੇਂ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਇਸ ਸਾਲ ਫੈਕਲਟੀ ਔਨਲਾਈਨ ਯੂਨੀਵਰਸਿਟੀ ਗੀਕਯੂਨੀਵਰਸਿਟੀ ਅਤੇ ਰੂਸ ਦੇ ਸਭ ਤੋਂ ਵੱਡੇ ਰਿਟੇਲਰ, X5 ਰਿਟੇਲ ਗਰੁੱਪ ਦੇ ਵੱਡੇ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਨੇ ਸਾਂਝੇਦਾਰੀ ਕੀਤੀ ਹੈ। ਕੰਪਨੀ ਦੇ ਮਾਹਿਰਾਂ ਨੇ ਆਪਣੇ ਵਿਆਪਕ ਗਿਆਨ ਅਤੇ ਤਜ਼ਰਬੇ ਨਾਲ, ਇੱਕ ਬ੍ਰਾਂਡੇਡ ਕੋਰਸ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕੀਤੀ ਜੋ ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਸਿਧਾਂਤਕ ਸਿਖਲਾਈ ਅਤੇ ਵਿਹਾਰਕ ਅਨੁਭਵ ਦੋਵੇਂ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।

ਅਸੀਂ X5 ਰਿਟੇਲ ਗਰੁੱਪ ਵਿਖੇ ਡੇਟਾ ਮਾਡਲਿੰਗ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਡਾਇਰੈਕਟਰ, ਵੈਲੇਰੀ ਬਾਬੂਸ਼ਕਿਨ ਨਾਲ ਗੱਲ ਕੀਤੀ। ਉਹ ਇਹਨਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ ਸੱਬਤੋਂ ਉੱਤਮ ਦੁਨੀਆ ਭਰ ਦੇ ਡੇਟਾ ਵਿਗਿਆਨੀ (ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਵਿੱਚ ਦੁਨੀਆ ਵਿੱਚ 30ਵੇਂ ਸਥਾਨ 'ਤੇ)। ਹੋਰ ਇੰਸਟ੍ਰਕਟਰਾਂ ਦੇ ਨਾਲ, ਵੈਲੇਰੀ ਗੀਕਬ੍ਰੇਨਜ਼ ਦੇ ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਏ/ਬੀ ਟੈਸਟਿੰਗ, ਇਹਨਾਂ ਤਰੀਕਿਆਂ ਦੇ ਅੰਤਰੀਵ ਗਣਿਤਿਕ ਅੰਕੜਿਆਂ, ਨਾਲ ਹੀ ਆਧੁਨਿਕ ਗਣਨਾ ਅਭਿਆਸਾਂ ਅਤੇ ਔਫਲਾਈਨ ਰਿਟੇਲ ਵਿੱਚ ਏ/ਬੀ ਟੈਸਟਿੰਗ ਲਾਗੂ ਕਰਨ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਬਾਰੇ ਸਿਖਾਉਂਦੇ ਹਨ।

ਸਾਨੂੰ A/B ਟੈਸਟਿੰਗ ਦੀ ਲੋੜ ਕਿਉਂ ਹੈ?

ਇਹ ਪਰਿਵਰਤਨ ਦਰਾਂ, ਆਰਥਿਕ ਸੂਚਕਾਂ ਅਤੇ ਵਿਵਹਾਰਕ ਕਾਰਕਾਂ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਦੇ ਅਨੁਕੂਲ ਤਰੀਕਿਆਂ ਨੂੰ ਲੱਭਣ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਤਰੀਕਿਆਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ। ਹੋਰ ਤਰੀਕੇ ਮੌਜੂਦ ਹਨ, ਪਰ ਉਹ ਵਧੇਰੇ ਮਹਿੰਗੇ ਅਤੇ ਗੁੰਝਲਦਾਰ ਹਨ। A/B ਟੈਸਟਿੰਗ ਦੇ ਮੁੱਖ ਫਾਇਦੇ ਇਸਦੀ ਮੁਕਾਬਲਤਨ ਘੱਟ ਲਾਗਤ ਅਤੇ ਕਿਸੇ ਵੀ ਆਕਾਰ ਦੇ ਕਾਰੋਬਾਰਾਂ ਲਈ ਪਹੁੰਚਯੋਗਤਾ ਹਨ।

A/B ਟੈਸਟਿੰਗ ਕਾਰੋਬਾਰੀ ਫੈਸਲੇ ਲੱਭਣ ਅਤੇ ਲੈਣ ਲਈ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਤਰੀਕਿਆਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ—ਉਹ ਫੈਸਲੇ ਜੋ ਕਿਸੇ ਵੀ ਕੰਪਨੀ ਦੇ ਵੱਖ-ਵੱਖ ਉਤਪਾਦਾਂ ਦੇ ਮੁਨਾਫ਼ੇ ਅਤੇ ਵਿਕਾਸ ਦੋਵਾਂ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰਦੇ ਹਨ। ਟੈਸਟਿੰਗ ਨਾ ਸਿਰਫ਼ ਸਿਧਾਂਤਾਂ ਅਤੇ ਅਨੁਮਾਨਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਫੈਸਲੇ ਲੈਣ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ, ਸਗੋਂ ਇਸ ਵਿਹਾਰਕ ਗਿਆਨ ਦੇ ਆਧਾਰ 'ਤੇ ਵੀ ਕਿ ਕਿਵੇਂ ਖਾਸ ਤਬਦੀਲੀਆਂ ਨੈੱਟਵਰਕ ਨਾਲ ਗਾਹਕਾਂ ਦੇ ਆਪਸੀ ਤਾਲਮੇਲ ਨੂੰ ਬਦਲਦੀਆਂ ਹਨ।

ਇਹ ਯਾਦ ਰੱਖਣਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿ ਪ੍ਰਚੂਨ ਵਿੱਚ, ਹਰ ਚੀਜ਼ ਦੀ ਜਾਂਚ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ—ਮਾਰਕੀਟਿੰਗ ਮੁਹਿੰਮਾਂ, SMS ਸੁਨੇਹਾ ਭੇਜਣਾ, ਸੁਨੇਹੇ ਦੇ ਖੁਦ ਟੈਸਟ, ਸ਼ੈਲਫਾਂ 'ਤੇ ਉਤਪਾਦ ਪਲੇਸਮੈਂਟ, ਅਤੇ ਵਿਕਰੀ ਖੇਤਰ ਵਿੱਚ ਸ਼ੈਲਫਾਂ ਖੁਦ। ਜਦੋਂ ਔਨਲਾਈਨ ਸਟੋਰਾਂ ਦੀ ਗੱਲ ਆਉਂਦੀ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਤੱਤਾਂ ਦੇ ਲੇਆਉਟ, ਡਿਜ਼ਾਈਨ, ਟੈਕਸਟ ਅਤੇ ਕਾਪੀ ਦੀ ਜਾਂਚ ਕਰ ਸਕਦੇ ਹੋ।

ਏ/ਬੀ ਟੈਸਟਿੰਗ ਇੱਕ ਅਜਿਹਾ ਸਾਧਨ ਹੈ ਜੋ ਇੱਕ ਕੰਪਨੀ, ਜਿਵੇਂ ਕਿ ਇੱਕ ਰਿਟੇਲਰ, ਨੂੰ ਪ੍ਰਤੀਯੋਗੀ ਬਣੇ ਰਹਿਣ, ਤਬਦੀਲੀਆਂ ਨੂੰ ਤੁਰੰਤ ਪਛਾਣਨ ਅਤੇ ਉਸ ਅਨੁਸਾਰ ਢਾਲਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ। ਇਹ ਕਾਰੋਬਾਰ ਨੂੰ ਵੱਧ ਤੋਂ ਵੱਧ ਮੁਨਾਫ਼ਾ ਕਮਾਉਣ, ਜਿੰਨਾ ਸੰਭਵ ਹੋ ਸਕੇ ਕੁਸ਼ਲ ਬਣਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ।

ਇਹਨਾਂ ਤਰੀਕਿਆਂ ਦੀਆਂ ਬਾਰੀਕੀਆਂ ਕੀ ਹਨ?

ਮੁੱਖ ਗੱਲ ਇਹ ਹੈ ਕਿ ਇੱਕ ਟੀਚਾ ਜਾਂ ਸਮੱਸਿਆ ਹੋਵੇ ਜੋ ਟੈਸਟਿੰਗ ਦੇ ਆਧਾਰ ਵਜੋਂ ਕੰਮ ਕਰੇ। ਉਦਾਹਰਨ ਲਈ, ਸਮੱਸਿਆ ਕਿਸੇ ਇੱਟਾਂ-ਮੋਰਟਾਰ ਜਾਂ ਔਨਲਾਈਨ ਸਟੋਰ 'ਤੇ ਘੱਟ ਗਾਹਕ ਟ੍ਰੈਫਿਕ ਹੋ ਸਕਦੀ ਹੈ। ਟੀਚਾ ਗਾਹਕ ਟ੍ਰੈਫਿਕ ਨੂੰ ਵਧਾਉਣਾ ਹੈ। ਪਰਿਕਲਪਨਾ ਇਹ ਹੈ ਕਿ ਜੇਕਰ ਔਨਲਾਈਨ ਸਟੋਰ ਵਿੱਚ ਉਤਪਾਦ ਕਾਰਡ ਵੱਡੇ ਅਤੇ ਫੋਟੋਆਂ ਨੂੰ ਚਮਕਦਾਰ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਵਧੇਰੇ ਖਰੀਦਦਾਰੀ ਕੀਤੀ ਜਾਵੇਗੀ। ਅੱਗੇ, ਇੱਕ A/B ਟੈਸਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਜਿਸਦੇ ਨਤੀਜੇ ਬਦਲਾਵਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਵਰਤੇ ਜਾਂਦੇ ਹਨ। ਇੱਕ ਵਾਰ ਸਾਰੇ ਟੈਸਟਾਂ ਦੇ ਨਤੀਜੇ ਆਉਣ ਤੋਂ ਬਾਅਦ, ਵੈੱਬਸਾਈਟ ਸੋਧਾਂ ਲਈ ਇੱਕ ਕਾਰਜ ਯੋਜਨਾ ਵਿਕਸਤ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ।

ਓਵਰਲੈਪਿੰਗ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਾਲੇ ਟੈਸਟ ਕਰਵਾਉਣ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਨਹੀਂ ਕੀਤੀ ਜਾਂਦੀ, ਕਿਉਂਕਿ ਇਸ ਨਾਲ ਨਤੀਜਿਆਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨਾ ਹੋਰ ਵੀ ਮੁਸ਼ਕਲ ਹੋ ਜਾਵੇਗਾ। ਪਹਿਲਾਂ ਸਭ ਤੋਂ ਵੱਧ ਤਰਜੀਹ ਵਾਲੇ ਟੀਚਿਆਂ ਅਤੇ ਦੱਸੇ ਗਏ ਅਨੁਮਾਨਾਂ 'ਤੇ ਟੈਸਟ ਕਰਵਾਉਣ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।

ਨਤੀਜਿਆਂ ਨੂੰ ਭਰੋਸੇਯੋਗ ਮੰਨਣ ਲਈ ਟੈਸਟ ਕਾਫ਼ੀ ਲੰਮਾ ਚੱਲਣਾ ਚਾਹੀਦਾ ਹੈ। ਬੇਸ਼ੱਕ, ਟੈਸਟ 'ਤੇ ਹੀ ਕਿੰਨਾ ਸਮਾਂ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਨਵੇਂ ਸਾਲ ਦੀ ਸ਼ਾਮ ਨੂੰ, ਜ਼ਿਆਦਾਤਰ ਔਨਲਾਈਨ ਸਟੋਰਾਂ 'ਤੇ ਟ੍ਰੈਫਿਕ ਵਧਦਾ ਹੈ। ਜੇਕਰ ਔਨਲਾਈਨ ਸਟੋਰ ਦੇ ਡਿਜ਼ਾਈਨ ਨੂੰ ਪਹਿਲਾਂ ਹੀ ਬਦਲ ਦਿੱਤਾ ਗਿਆ ਸੀ, ਤਾਂ ਇੱਕ ਥੋੜ੍ਹੇ ਸਮੇਂ ਦਾ ਟੈਸਟ ਇਹ ਦਿਖਾਏਗਾ ਕਿ ਸਭ ਠੀਕ ਹੈ, ਬਦਲਾਅ ਸਫਲ ਹੋਏ ਸਨ, ਅਤੇ ਟ੍ਰੈਫਿਕ ਵਧ ਰਿਹਾ ਹੈ। ਪਰ ਛੁੱਟੀਆਂ ਤੋਂ ਪਹਿਲਾਂ ਤੁਸੀਂ ਜੋ ਵੀ ਕਰਦੇ ਹੋ, ਟ੍ਰੈਫਿਕ ਵਧੇਗਾ। ਟੈਸਟ ਨਵੇਂ ਸਾਲ ਤੋਂ ਪਹਿਲਾਂ ਜਾਂ ਤੁਰੰਤ ਬਾਅਦ ਪੂਰਾ ਨਹੀਂ ਹੋਣਾ ਚਾਹੀਦਾ; ਇਹ ਸਾਰੇ ਸਬੰਧਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਕਾਫ਼ੀ ਲੰਬਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।

ਟੀਚੇ ਅਤੇ ਮਾਪੇ ਜਾ ਰਹੇ ਮੈਟ੍ਰਿਕ ਵਿਚਕਾਰ ਇੱਕ ਸਪੱਸ਼ਟ ਸਬੰਧ ਦੀ ਮਹੱਤਤਾ। ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਔਨਲਾਈਨ ਸਟੋਰ ਵੈੱਬਸਾਈਟ ਨੂੰ ਦੁਬਾਰਾ ਡਿਜ਼ਾਈਨ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਇੱਕ ਕੰਪਨੀ ਵਿਜ਼ਟਰਾਂ ਜਾਂ ਗਾਹਕਾਂ ਵਿੱਚ ਵਾਧਾ ਦੇਖ ਸਕਦੀ ਹੈ ਅਤੇ ਨਤੀਜੇ ਤੋਂ ਸੰਤੁਸ਼ਟ ਹੋ ਸਕਦੀ ਹੈ। ਹਾਲਾਂਕਿ, ਅਸਲ ਵਿੱਚ, ਔਸਤ ਆਰਡਰ ਮੁੱਲ ਆਮ ਨਾਲੋਂ ਘੱਟ ਹੋ ਸਕਦਾ ਹੈ, ਜਿਸਦੇ ਨਤੀਜੇ ਵਜੋਂ ਕੁੱਲ ਆਮਦਨ ਵੀ ਘੱਟ ਹੋ ਸਕਦੀ ਹੈ। ਇਸ ਨੂੰ, ਬੇਸ਼ੱਕ, ਇੱਕ ਸਕਾਰਾਤਮਕ ਨਤੀਜਾ ਨਹੀਂ ਮੰਨਿਆ ਜਾ ਸਕਦਾ। ਸਮੱਸਿਆ ਇਹ ਹੈ ਕਿ ਕੰਪਨੀ ਨੇ ਵਧੇ ਹੋਏ ਵਿਜ਼ਟਰਾਂ, ਵਧੀਆਂ ਖਰੀਦਦਾਰੀ ਅਤੇ ਔਸਤ ਆਰਡਰ ਮੁੱਲ ਵਿਚਕਾਰ ਸਬੰਧ ਨੂੰ ਇੱਕੋ ਸਮੇਂ ਨਹੀਂ ਮਾਪਿਆ।

ਕੀ ਟੈਸਟਿੰਗ ਸਿਰਫ਼ ਔਨਲਾਈਨ ਸਟੋਰਾਂ ਲਈ ਹੈ?

ਬਿਲਕੁਲ ਨਹੀਂ। ਔਫਲਾਈਨ ਪ੍ਰਚੂਨ ਵਿੱਚ ਇੱਕ ਪ੍ਰਸਿੱਧ ਤਰੀਕਾ ਪਰਿਕਲਪਨਾਵਾਂ ਦੀ ਔਫਲਾਈਨ ਜਾਂਚ ਲਈ ਇੱਕ ਪੂਰੀ ਪਾਈਪਲਾਈਨ ਲਾਗੂ ਕਰਨਾ ਹੈ। ਇਹ ਇੱਕ ਅਜਿਹੀ ਪ੍ਰਕਿਰਿਆ ਹੈ ਜੋ ਇੱਕ ਪ੍ਰਯੋਗ ਲਈ ਸਮੂਹਾਂ ਨੂੰ ਗਲਤ ਢੰਗ ਨਾਲ ਚੁਣਨ, ਸਟੋਰਾਂ ਦੀ ਗਿਣਤੀ, ਪਾਇਲਟ ਸਮਾਂ, ਅਤੇ ਮੁਲਾਂਕਣ ਕੀਤੇ ਜਾ ਰਹੇ ਪ੍ਰਭਾਵ ਦੇ ਆਕਾਰ ਦੇ ਵਿਚਕਾਰ ਅਨੁਕੂਲ ਸੰਤੁਲਨ ਲੱਭਣ ਦੇ ਜੋਖਮ ਨੂੰ ਘਟਾਉਂਦੀ ਹੈ। ਇਸ ਵਿੱਚ ਪ੍ਰਭਾਵਾਂ ਲਈ ਵਿਸ਼ਲੇਸ਼ਣ ਤੋਂ ਬਾਅਦ ਦੇ ਤਰੀਕਿਆਂ ਨੂੰ ਮੁੜ ਵਰਤੋਂ ਅਤੇ ਲਗਾਤਾਰ ਸੁਧਾਰਨਾ ਵੀ ਸ਼ਾਮਲ ਹੈ। ਇਹ ਵਿਧੀ ਗਲਤ ਸਕਾਰਾਤਮਕ ਅਤੇ ਖੁੰਝੇ ਪ੍ਰਭਾਵਾਂ ਦੀ ਸੰਭਾਵਨਾ ਨੂੰ ਘਟਾਉਣ ਲਈ ਜ਼ਰੂਰੀ ਹੈ, ਨਾਲ ਹੀ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਵਧਾਉਣ ਲਈ, ਕਿਉਂਕਿ ਇੱਕ ਛੋਟਾ ਪ੍ਰਭਾਵ ਵੀ ਇੱਕ ਵੱਡੇ ਕਾਰੋਬਾਰ ਦੇ ਪੈਮਾਨੇ 'ਤੇ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਹੋ ਸਕਦਾ ਹੈ। ਇਸ ਲਈ, ਮਾਮੂਲੀ ਤਬਦੀਲੀਆਂ ਦੀ ਪਛਾਣ ਕਰਨ ਅਤੇ ਜੋਖਮਾਂ ਨੂੰ ਘੱਟ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ ਜ਼ਰੂਰੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਪ੍ਰਯੋਗਾਤਮਕ ਨਤੀਜਿਆਂ ਬਾਰੇ ਗਲਤ ਸਿੱਟੇ ਕੱਢਣੇ ਸ਼ਾਮਲ ਹਨ।

ਪ੍ਰਚੂਨ, ਵੱਡਾ ਡੇਟਾ, ਅਤੇ ਅਸਲ-ਸੰਸਾਰ ਕੇਸ ਅਧਿਐਨ

ਪਿਛਲੇ ਸਾਲ, X5 ਰਿਟੇਲ ਗਰੁੱਪ ਦੇ ਮਾਹਿਰਾਂ ਨੇ 2018 ਵਿਸ਼ਵ ਕੱਪ ਪ੍ਰਸ਼ੰਸਕਾਂ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਪ੍ਰਸਿੱਧ ਉਤਪਾਦਾਂ ਲਈ ਵਿਕਰੀ ਰੁਝਾਨਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕੀਤਾ। ਹਾਲਾਂਕਿ ਕੋਈ ਹੈਰਾਨੀ ਨਹੀਂ ਸੀ, ਫਿਰ ਵੀ ਅੰਕੜੇ ਦਿਲਚਸਪ ਸਨ।

ਉਦਾਹਰਣ ਵਜੋਂ, ਪਾਣੀ "ਨੰਬਰ ਇੱਕ ਬੈਸਟਸੈਲਰ" ਵਜੋਂ ਉਭਰਿਆ। ਵਿਸ਼ਵ ਕੱਪ ਦੀ ਮੇਜ਼ਬਾਨੀ ਕਰਨ ਵਾਲੇ ਸ਼ਹਿਰਾਂ ਵਿੱਚ, ਪਾਣੀ ਦੀ ਵਿਕਰੀ ਵਿੱਚ ਲਗਭਗ 46% ਦਾ ਵਾਧਾ ਹੋਇਆ, ਜਿਸ ਵਿੱਚ ਸੋਚੀ ਸਭ ਤੋਂ ਅੱਗੇ ਰਿਹਾ, ਜਿਸਨੇ ਵਿਕਰੀ ਵਿੱਚ 87% ਦਾ ਵਾਧਾ ਕੀਤਾ। ਮੈਚ ਵਾਲੇ ਦਿਨਾਂ ਵਿੱਚ, ਸਭ ਤੋਂ ਵੱਧ ਵਿਕਰੀ ਸਾਰਾਂਸਕ ਵਿੱਚ ਦਰਜ ਕੀਤੀ ਗਈ, ਜਿੱਥੇ ਆਮ ਦਿਨਾਂ ਦੇ ਮੁਕਾਬਲੇ ਵਿਕਰੀ ਵਿੱਚ 160% ਦਾ ਵਾਧਾ ਹੋਇਆ।

ਪਾਣੀ ਤੋਂ ਇਲਾਵਾ, ਪ੍ਰਸ਼ੰਸਕਾਂ ਨੇ ਬੀਅਰ ਵੀ ਖਰੀਦੀ। 14 ਜੂਨ ਤੋਂ 15 ਜੁਲਾਈ ਤੱਕ, ਮੈਚਾਂ ਦੀ ਮੇਜ਼ਬਾਨੀ ਕਰਨ ਵਾਲੇ ਸ਼ਹਿਰਾਂ ਵਿੱਚ ਬੀਅਰ ਦੀ ਵਿਕਰੀ ਔਸਤਨ 31,8% ਵਧੀ। ਸੋਚੀ ਨੇ ਵੀ ਸਭ ਤੋਂ ਅੱਗੇ ਚੱਲਿਆ, ਉੱਥੇ ਬੀਅਰ ਦੀ ਵਿਕਰੀ 64% ਵਧੀ। ਹਾਲਾਂਕਿ, ਸੇਂਟ ਪੀਟਰਸਬਰਗ ਵਿੱਚ, ਵਾਧਾ ਮਾਮੂਲੀ ਸੀ - ਸਿਰਫ਼ 5,6%। ਮੈਚ ਵਾਲੇ ਦਿਨ, ਸਾਰਾਂਸਕ ਵਿੱਚ ਬੀਅਰ ਦੀ ਵਿਕਰੀ ਵਿੱਚ ਵੀ 128% ਦਾ ਵਾਧਾ ਹੋਇਆ।

ਹੋਰ ਉਤਪਾਦਾਂ 'ਤੇ ਵੀ ਖੋਜ ਕੀਤੀ ਗਈ। ਸਿਖਰ ਖਪਤ ਵਾਲੇ ਦਿਨਾਂ ਦੌਰਾਨ ਪ੍ਰਾਪਤ ਕੀਤਾ ਗਿਆ ਡੇਟਾ ਭਵਿੱਖ ਵਿੱਚ ਵਧੇਰੇ ਸਹੀ ਮੰਗ ਪੂਰਵ ਅਨੁਮਾਨਾਂ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ, ਘਟਨਾ ਦੇ ਕਾਰਕਾਂ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦੇ ਹੋਏ। ਇੱਕ ਸਹੀ ਭਵਿੱਖਬਾਣੀ ਖਪਤਕਾਰਾਂ ਦੀਆਂ ਉਮੀਦਾਂ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣਾ ਸੰਭਵ ਬਣਾਉਂਦੀ ਹੈ।

ਟੈਸਟਿੰਗ ਦੌਰਾਨ, X5 ਰਿਟੇਲ ਗਰੁੱਪ ਨੇ ਦੋ ਤਰੀਕਿਆਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ:
ਸੰਚਤ ਅੰਤਰ ਅਨੁਮਾਨ ਦੇ ਨਾਲ ਬੇਸੀਅਨ ਢਾਂਚਾਗਤ ਸਮਾਂ ਲੜੀ ਮਾਡਲ;
ਚੈਂਪੀਅਨਸ਼ਿਪ ਤੋਂ ਪਹਿਲਾਂ ਅਤੇ ਦੌਰਾਨ ਗਲਤੀ ਵੰਡ ਦੇ ਪੱਖਪਾਤ ਦੇ ਮੁਲਾਂਕਣ ਦੇ ਨਾਲ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ।

ਰਿਟੇਲ ਬਿਗ ਡੇਟਾ ਤੋਂ ਹੋਰ ਕੀ ਵਰਤਦਾ ਹੈ?

• ਬਹੁਤ ਸਾਰੇ ਤਰੀਕੇ ਅਤੇ ਤਕਨਾਲੋਜੀਆਂ ਹਨ, ਪਰ ਮੇਰੇ ਦਿਮਾਗ ਤੋਂ ਬਾਹਰ, ਇੱਥੇ ਕੁਝ ਹਨ:
• ਮੰਗ ਦੀ ਭਵਿੱਖਬਾਣੀ;
• ਉਤਪਾਦ ਰੇਂਜ ਮੈਟ੍ਰਿਕਸ ਦਾ ਅਨੁਕੂਲਨ;
• ਖਾਲੀ ਸ਼ੈਲਫਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਅਤੇ ਬਣ ਰਹੀਆਂ ਕਤਾਰਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣ ਲਈ ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ;
• ਪ੍ਰੋਮੋ ਪੂਰਵ ਅਨੁਮਾਨ।

ਮਾਹਿਰਾਂ ਦੀ ਘਾਟ

ਵੱਡੇ ਡੇਟਾ ਮਾਹਿਰਾਂ ਦੀ ਮੰਗ ਲਗਾਤਾਰ ਵੱਧ ਰਹੀ ਹੈ। 2018 ਵਿੱਚ, ਵੱਡੇ ਡੇਟਾ ਨਾਲ ਸਬੰਧਤ ਨੌਕਰੀਆਂ ਦੀ ਗਿਣਤੀ 2015 ਦੇ ਮੁਕਾਬਲੇ ਸੱਤ ਗੁਣਾ ਵਧੀ ਹੈ। 2019 ਦੇ ਪਹਿਲੇ ਅੱਧ ਵਿੱਚ, ਮਾਹਿਰਾਂ ਦੀ ਮੰਗ ਪੂਰੇ 2018 ਦੀ ਮੰਗ ਦੇ 65% ਤੋਂ ਵੱਧ ਗਈ।

ਵੱਡੀਆਂ ਕੰਪਨੀਆਂ ਨੂੰ ਖਾਸ ਤੌਰ 'ਤੇ ਵੱਡੇ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਉਦਾਹਰਣ ਵਜੋਂ, Mail.ru ਗਰੁੱਪ ਵਿਖੇ, ਉਹਨਾਂ ਦੀ ਲੋੜ ਕਿਸੇ ਵੀ ਪ੍ਰੋਜੈਕਟ ਲਈ ਹੁੰਦੀ ਹੈ ਜੋ ਟੈਕਸਟ ਡੇਟਾ, ਮਲਟੀਮੀਡੀਆ ਸਮੱਗਰੀ, ਅਤੇ ਭਾਸ਼ਣ ਸੰਸਲੇਸ਼ਣ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ (ਮੁੱਖ ਤੌਰ 'ਤੇ ਕਲਾਉਡ ਸੇਵਾਵਾਂ, ਸੋਸ਼ਲ ਨੈਟਵਰਕ, ਗੇਮਾਂ, ਆਦਿ) ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਦਾ ਹੈ। ਪਿਛਲੇ ਦੋ ਸਾਲਾਂ ਵਿੱਚ ਕੰਪਨੀ ਦੀਆਂ ਖਾਲੀ ਅਸਾਮੀਆਂ ਦੀ ਗਿਣਤੀ ਤਿੰਨ ਗੁਣਾ ਹੋ ਗਈ ਹੈ। ਇਸ ਸਾਲ ਦੇ ਪਹਿਲੇ ਅੱਠ ਮਹੀਨਿਆਂ ਵਿੱਚ, Mail.ru ਨੇ ਪਿਛਲੇ ਸਾਲ ਦੇ ਪੂਰੇ ਸਮੇਂ ਵਾਂਗ ਬਹੁਤ ਸਾਰੇ ਵੱਡੇ ਡੇਟਾ ਮਾਹਰਾਂ ਨੂੰ ਨਿਯੁਕਤ ਕੀਤਾ ਹੈ। ਓਜ਼ੋਨ ਵਿਖੇ, ਡੇਟਾ ਸਾਇੰਸ ਵਿਭਾਗ ਪਿਛਲੇ ਦੋ ਸਾਲਾਂ ਵਿੱਚ ਆਕਾਰ ਵਿੱਚ ਤਿੰਨ ਗੁਣਾ ਵਧਿਆ ਹੈ। ਮੇਗਾਫੋਨ ਇੱਕ ਸਮਾਨ ਸਥਿਤੀ ਦਾ ਸਾਹਮਣਾ ਕਰ ਰਿਹਾ ਹੈ: ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਟੀਮ ਪਿਛਲੇ ਢਾਈ ਸਾਲਾਂ ਵਿੱਚ ਕਈ ਗੁਣਾ ਵਧੀ ਹੈ।

ਇਸ ਵਿੱਚ ਕੋਈ ਸ਼ੱਕ ਨਹੀਂ ਹੈ ਕਿ ਭਵਿੱਖ ਵਿੱਚ ਵੱਡੇ ਡੇਟਾ ਪੇਸ਼ੇਵਰਾਂ ਦੀ ਮੰਗ ਹੋਰ ਵੀ ਵਧੇਗੀ। ਇਸ ਲਈ ਜੇਕਰ ਤੁਸੀਂ ਇਸ ਖੇਤਰ ਵਿੱਚ ਦਿਲਚਸਪੀ ਰੱਖਦੇ ਹੋ, ਤਾਂ ਇਸਨੂੰ ਅਜ਼ਮਾਉਣ ਦੇ ਯੋਗ ਹੈ।

ਸਰੋਤ: www.habr.com