بگ ڈیٹا ٹیکنالوجیز اب ہر جگہ استعمال ہوتی ہیں—صنعت، طب، کاروبار اور تفریح میں۔ بڑے اعداد و شمار کے تجزیہ کے بغیر، بڑے خوردہ فروش صحیح طریقے سے کام کرنے سے قاصر ہوں گے، ایمیزون کی فروخت میں کمی آئے گی، اور ماہرین موسمیات موسم کے دنوں، ہفتوں اور مہینوں کی پیشگی پیش گوئی کرنے سے قاصر ہوں گے۔ یہ منطقی ہے کہ ڈیٹا کے بڑے ماہرین کی مانگ میں مسلسل اضافہ ہو رہا ہے۔
GeekBrains اس شعبے میں پیشہ ور افراد کو تربیت دیتا ہے، تجربہ کار ماہرین کا استعمال کرتے ہوئے طلباء کو نظریاتی علم اور ہاتھ پر تجربہ دونوں فراہم کرتا ہے۔ اس سال آن لائن یونیورسٹی GeekUniversity اور X5 Retail Group، روس کے سب سے بڑے ریٹیلر کے بگ ڈیٹا تجزیہ کاروں نے شراکت داری کی ہے۔ کمپنی کے ماہرین نے اپنے وسیع علم اور تجربے کے ساتھ ایک برانڈڈ کورس بنانے میں مدد کی جو طلباء کو نظریاتی تربیت اور عملی تجربہ دونوں فراہم کرتا ہے۔
ہم نے X5 ریٹیل گروپ میں ڈیٹا ماڈلنگ اور تجزیہ کے ڈائریکٹر والیری بابوشکن سے بات کی۔ وہ ان میں سے ایک ہے۔ ڈیٹا سائنسدان دنیا بھر میں (مشین لرننگ میں دنیا میں 30 ویں نمبر پر ہیں)۔ دیگر انسٹرکٹرز کے ساتھ، ویلری GeekBrains کے طلباء کو A/B ٹیسٹنگ، ان طریقوں پر مشتمل ریاضی کے اعدادوشمار کے ساتھ ساتھ حساب کے جدید طریقوں اور آف لائن ریٹیل میں A/B ٹیسٹنگ کو لاگو کرنے کی تفصیلات سکھاتی ہے۔
ہمیں A/B ٹیسٹنگ کی بالکل ضرورت کیوں ہے؟
یہ تبادلوں کی شرحوں، اقتصادی اشاریوں، اور طرز عمل کے عوامل کو بہتر بنانے کے بہترین طریقے تلاش کرنے کے بہترین طریقوں میں سے ایک ہے۔ دوسرے طریقے موجود ہیں، لیکن وہ زیادہ مہنگے اور پیچیدہ ہیں۔ A/B ٹیسٹنگ کے اہم فوائد اس کی نسبتاً کم قیمت اور کسی بھی سائز کے کاروبار کے لیے رسائی ہے۔
کاروباری فیصلے تلاش کرنے اور کرنے کے لیے A/B ٹیسٹنگ سب سے اہم طریقوں میں سے ایک ہے — ایسے فیصلے جو منافع اور کسی بھی کمپنی کی مختلف مصنوعات کی ترقی دونوں کو متاثر کرتے ہیں۔ جانچ نہ صرف نظریات اور مفروضوں کی بنیاد پر فیصلے کرنے کی اجازت دیتی ہے، بلکہ اس کے عملی علم پر بھی کہ مخصوص تبدیلیاں کس طرح نیٹ ورک کے ساتھ کسٹمر کے تعامل کو تبدیل کرتی ہیں۔
یہ یاد رکھنا ضروری ہے کہ ریٹیل میں، ہر چیز کو جانچنے کی ضرورت ہے—مارکیٹنگ مہم، SMS پیغام رسانی، خود پیغام رسانی کے ٹیسٹ، شیلف پر پروڈکٹ کی جگہ کا تعین، اور سیلز کے علاقے میں خود شیلف۔ جب بات آن لائن اسٹورز کی ہو، تو آپ عناصر، ڈیزائن، متن اور کاپی کی ترتیب کو جانچ سکتے ہیں۔
A/B ٹیسٹنگ ایک ایسا ٹول ہے جو کسی کمپنی کی مدد کرتا ہے، جیسے کہ خوردہ فروش، مسابقتی رہنے، تبدیلیوں کو فوری طور پر پہچاننے اور اس کے مطابق ڈھالنے میں۔ اس سے کاروبار کو زیادہ سے زیادہ منافع حاصل کرنے کے ساتھ زیادہ سے زیادہ موثر ہونے کی اجازت ملتی ہے۔
ان طریقوں کی باریکیاں کیا ہیں؟
کلید ایک مقصد یا مسئلہ ہے جو جانچ کی بنیاد کے طور پر کام کرے گا. مثال کے طور پر، مسئلہ اینٹوں اور مارٹر یا آن لائن اسٹور پر کم کسٹمر ٹریفک کا ہو سکتا ہے۔ مقصد کسٹمر ٹریفک کو بڑھانا ہے۔ مفروضہ یہ ہے کہ اگر آن لائن سٹور میں پروڈکٹ کارڈز بڑے اور تصاویر کو روشن بنایا جائے تو مزید خریداریاں کی جائیں گی۔ اس کے بعد، A/B ٹیسٹ کیا جاتا ہے، جس کے نتائج تبدیلیوں کا جائزہ لینے کے لیے استعمال ہوتے ہیں۔ تمام ٹیسٹوں کے نتائج آنے کے بعد، ویب سائٹ میں ترمیم کے لیے ایک ایکشن پلان تیار کیا جا سکتا ہے۔
اوور لیپنگ عمل کے ساتھ ٹیسٹ کرنے کی سفارش نہیں کی جاتی ہے، کیونکہ اس سے نتائج کا اندازہ لگانا مشکل ہو جائے گا۔ سب سے پہلے اعلیٰ ترجیحی اہداف اور بیان کردہ مفروضوں پر ٹیسٹ کرنے کی سفارش کی جاتی ہے۔
ٹیسٹ کو کافی دیر تک چلنا چاہیے تاکہ نتائج کو قابل اعتماد سمجھا جا سکے۔ کتنی دیر تک، بالکل، خود ٹیسٹ پر منحصر ہے. مثال کے طور پر، نئے سال کے موقع پر، زیادہ تر آن لائن اسٹورز کی ٹریفک بڑھ جاتی ہے۔ اگر آن لائن سٹور کا ڈیزائن پہلے ہی تبدیل کر دیا گیا تھا، تو ایک مختصر مدت کے ٹیسٹ سے پتہ چلتا ہے کہ سب ٹھیک ہے، تبدیلیاں کامیاب رہی ہیں، اور ٹریفک بڑھ رہی ہے۔ لیکن اس سے کوئی فرق نہیں پڑتا ہے کہ آپ تعطیلات سے پہلے کیا کرتے ہیں، ٹریفک بڑھے گی۔ ٹیسٹ نئے سال سے پہلے یا اس کے فوراً بعد مکمل نہیں ہونا چاہیے۔ تمام ارتباط کی شناخت کے لیے یہ کافی لمبا ہونا چاہیے۔
ہدف اور پیمائش کے میٹرک کے درمیان واضح تعلق کی اہمیت۔ مثال کے طور پر، ایک آن لائن سٹور کی ویب سائٹ کو دوبارہ ڈیزائن کرنے کے بعد، کمپنی کو دیکھنے والوں یا گاہکوں میں اضافہ ہو سکتا ہے اور وہ نتیجہ سے مطمئن ہو سکتی ہے۔ تاہم، حقیقت میں، آرڈر کی اوسط قدر معمول سے کم ہو سکتی ہے، جس کے نتیجے میں مجموعی آمدنی بھی کم ہو سکتی ہے۔ یہ، یقینا، ایک مثبت نتیجہ نہیں سمجھا جا سکتا. مسئلہ یہ ہے کہ کمپنی نے بیک وقت بڑھے ہوئے زائرین، بڑھتی ہوئی خریداریوں اور آرڈر کی اوسط قیمت کے درمیان تعلق کی پیمائش نہیں کی۔
کیا ٹیسٹنگ صرف آن لائن اسٹورز کے لیے ہے؟
ہرگز نہیں۔ آف لائن ریٹیل میں ایک مقبول طریقہ مفروضوں کو آف لائن جانچنے کے لیے ایک مکمل پائپ لائن نافذ کر رہا ہے۔ یہ ایک ایسا عمل ہے جو کسی تجربے کے لیے گروپوں کو غلط طریقے سے منتخب کرنے کے خطرے کو کم کرتا ہے، اسٹورز کی تعداد، پائلٹ ٹائم، اور جس اثر کا اندازہ لگایا جا رہا ہے کے درمیان بہترین توازن تلاش کرتا ہے۔ اس میں اثرات کے لیے تجزیہ کے بعد کے طریقہ کار کو دوبارہ استعمال اور مسلسل بہتر بنانا بھی شامل ہے۔ یہ طریقہ غلط مثبت اور چھوٹنے والے اثرات کے امکانات کو کم کرنے کے ساتھ ساتھ حساسیت کو بڑھانے کے لیے ضروری ہے، کیونکہ ایک چھوٹا سا اثر بھی بڑے کاروبار کے پیمانے پر انتہائی اہم ہو سکتا ہے۔ لہذا، یہ ضروری ہے کہ معمولی تبدیلیوں کی بھی شناخت کر سکے اور خطرات کو کم کر سکے، بشمول تجرباتی نتائج کے بارے میں غلط نتائج اخذ کرنا۔
ریٹیل، بڑا ڈیٹا، اور حقیقی دنیا کے کیس اسٹڈیز
پچھلے سال، X5 ریٹیل گروپ کے ماہرین نے 2018 ورلڈ کپ کے شائقین کے درمیان سب سے زیادہ مقبول مصنوعات کی فروخت کے رجحانات کا جائزہ لیا۔ اگرچہ کوئی تعجب نہیں تھا، اعداد و شمار بہر حال دلچسپ تھے۔
پانی، مثال کے طور پر، "نمبر ایک بیسٹ سیلر" کے طور پر ابھرا۔ ورلڈ کپ کی میزبانی کرنے والے شہروں میں، پانی کی فروخت میں تقریباً 46 فیصد اضافہ ہوا، جس میں سوچی سب سے آگے ہے، جس سے فروخت میں 87 فیصد اضافہ ہوا۔ میچ کے دنوں میں، سب سے زیادہ فروخت سارانسک میں ریکارڈ کی گئی، جہاں عام دنوں کے مقابلے میں فروخت میں 160 فیصد اضافہ ہوا۔
پانی کے علاوہ شائقین نے بیئر بھی خریدی۔ 14 جون سے 15 جولائی تک، میچوں کی میزبانی کرنے والے شہروں میں بیئر کی فروخت میں اوسطاً 31,8 فیصد اضافہ ہوا۔ سوچی نے بھی راہنمائی کی، وہاں بیئر کی فروخت میں 64 فیصد اضافہ ہوا۔ تاہم، سینٹ پیٹرزبرگ میں، اضافہ معمولی تھا—صرف 5,6%۔ میچ ڈے پر، سارانسک میں بیئر کی فروخت میں بھی 128 فیصد اضافہ ہوا۔
دیگر مصنوعات پر بھی تحقیق کی گئی۔ زیادہ کھپت کے دنوں کے دوران حاصل کردہ ڈیٹا واقعات کے عوامل کو مدنظر رکھتے ہوئے مستقبل میں طلب کی زیادہ درست پیشین گوئی کی اجازت دیتا ہے۔ ایک درست پیشن گوئی صارفین کی توقعات کا اندازہ لگانا ممکن بناتی ہے۔
جانچ کے دوران، X5 ریٹیل گروپ نے دو طریقے استعمال کیے:
مجموعی فرق کے تخمینے کے ساتھ بایسیئن ساختی ٹائم سیریز کے ماڈل؛
چیمپئن شپ سے پہلے اور اس کے دوران خرابی کی تقسیم کے تعصب کے جائزے کے ساتھ رجعت کا تجزیہ۔
ریٹیل بگ ڈیٹا سے اور کیا استعمال کرتا ہے؟
- بہت سارے طریقے اور ٹیکنالوجیز ہیں، لیکن میرے سر کے اوپر سے، یہاں کچھ ہیں:
- مطالبہ کی پیشن گوئی؛
- پروڈکٹ رینج میٹرکس کی اصلاح؛
- خالی شیلفوں کی نشاندہی کرنے اور قطاروں کی تشکیل کا پتہ لگانے کے لیے کمپیوٹر ویژن؛
- پرومو پیشن گوئی.
ماہرین کی کمی
بگ ڈیٹا ماہرین کی مانگ مسلسل بڑھ رہی ہے۔ 2018 میں، 2015 کے مقابلے میں بڑے ڈیٹا سے متعلق ملازمت کے مواقع کی تعداد میں سات گنا اضافہ ہوا۔ 2019 کی پہلی ششماہی میں، ماہرین کی طلب پورے 2018 کی طلب کے 65% سے تجاوز کر گئی۔
بڑی کمپنیوں کو خاص طور پر بگ ڈیٹا تجزیہ کاروں کی ضرورت ہوتی ہے۔ مثال کے طور پر، Mail.ru گروپ میں، ان کی ضرورت کسی ایسے پروجیکٹ کے لیے ہوتی ہے جو ٹیکسٹ ڈیٹا، ملٹی میڈیا مواد، اور تقریر کی ترکیب اور تجزیہ (بنیادی طور پر کلاؤڈ سروسز، سوشل نیٹ ورکس، گیمز وغیرہ) پر کارروائی کرتا ہے۔ کمپنی کی خالی آسامیوں کی تعداد گزشتہ دو سالوں میں تین گنا بڑھ گئی ہے۔ اس سال کے پہلے آٹھ مہینوں میں، Mail.ru نے پچھلے سال کی طرح اتنے ہی بگ ڈیٹا ماہرین کی خدمات حاصل کیں۔ اوزون میں، ڈیٹا سائنس ڈیپارٹمنٹ نے پچھلے دو سالوں میں سائز میں تین گنا اضافہ کیا ہے۔ میگافون بھی ایسی ہی صورتحال کا سامنا کر رہا ہے: ڈیٹا کے تجزیہ کی ذمہ دار ٹیم پچھلے ڈھائی سالوں میں کئی گنا بڑھ گئی ہے۔
اس میں کوئی شک نہیں کہ بگ ڈیٹا پروفیشنلز کی مانگ مستقبل میں اور بھی بڑھے گی۔ لہذا اگر آپ اس فیلڈ میں دلچسپی رکھتے ہیں، تو اسے آزمانے کے قابل ہے۔
ماخذ: www.habr.com
