विषय
- पोर्ट बिग डेटा सीधे सेक्टर-विशिष्ट प्लेटफार्मों में
- बिल्ड आउट लिगेसी बिजनेस इंटेलिजेंस सिस्टम
- उस डेटा वेयरहाउस का उपयोग करें
- संरचना डेटा
- डेटा झीलों को पहचानें और संभालें
स्रोत: Solarseven / Dreamstime.com
ले जाओ:
क्या आपका व्यवसाय अपने डेटा का सबसे अधिक लाभ उठा रहा है? आपके पास पहले से मौजूद डेटा का उपयोग करने के कुछ नए तरीके यहां दिए गए हैं।
इन दिनों अपाचे Hadoop और संबंधित साधनों का उपयोग करने से लेकर, केंद्रीय कॉर्पोरेट डेटा वेयरहाउस के अंदर और बाहर फ़नल डेटा के तकनीकी तरीकों के बारे में बातचीत करने के लिए बड़े डेटा IT सेटअप बनाने में शामिल व्हाट्स के बारे में इन दिनों बहुत सारी बातें हैं। लेकिन यह भी बड़े डेटा के दार्शनिक तत्व है। दूसरे शब्दों में, आप उन सभी डेटा का उपयोग कैसे करते हैं जो वास्तव में आपके व्यावसायिक परिणामों को बढ़ाने और आपके व्यवसाय मॉडल को बेहतर बनाने के लिए चारों ओर झूठ बोल रहे हैं?यहां पांच तरीके हैं जो कंपनियां संख्या को कम कर रही हैं और वास्तव में उन्हें कुछ ठोस परिणामों पर लागू कर रही हैं।
पोर्ट बिग डेटा सीधे सेक्टर-विशिष्ट प्लेटफार्मों में
समेकित व्यावसायिक डेटा का उपयोग शुरू करने का एक आसान तरीका विशिष्ट डेटा तत्वों को पूर्व-डिज़ाइन किए गए व्यवसाय प्रक्रिया प्रणालियों में डालना है जो उस डेटा को प्रभावी ढंग से वितरित करने के लिए बनाए जाते हैं। शायद सबसे अच्छा उदाहरण ग्राहक संबंध प्रबंधन (CRM) उपकरण है। विक्रेता अक्सर डैशबोर्ड के आस-पास अपनी सेवाओं का निर्माण करते हैं जो कुशल और कार्रवाई योग्य ग्राहक फ़ाइलों या फ़ोल्डरों के साथ बिक्री कार्यकर्ताओं और अन्य लोगों को पेश कर सकते हैं।बात यह है कि सीआरएम का उपयोग यह मानता है कि आपके पास कहीं आवश्यक डेटा है। यदि आप ग्राहक पहचानकर्ताओं को समूहित कर सकते हैं, इतिहास और अन्य संबंधित वस्तुओं को एक साथ खरीद सकते हैं, तो आप अपने सीआरएम प्लेटफॉर्म में इन सभी की शिपिंग शुरू कर सकते हैं। आपकी बिक्री टीम आपको धन्यवाद देगी।
बिल्ड आउट लिगेसी बिजनेस इंटेलिजेंस सिस्टम
फिर से, आप चुनना और चुनना चाहेंगे कि आप कौन से विशिष्ट डेटा सेट का उपयोग करना चाहते हैं, लेकिन एक और बात जो कंपनियां कर रही हैं, वे डेटा को क्रंच करने के अपने सामान्य तरीके ले रही हैं और उन्हें धीरे-धीरे बढ़ाते हुए, बड़े डेटा के सेट को अपनी पारंपरिक रिपोर्टिंग तकनीकों में इंजेक्ट कर रही हैं। ।ठीक है, इसलिए वहाँ कुछ सावधानीपूर्वक संसाधनों से अधिक वहाँ के बारे में है कि विरासत प्रणाली आम तौर पर वास्तविक प्रगति को कैसे रोकती है। लेकिन वहाँ भी कुछ व्यावहारिक गाइड हैं जो बड़े डेटा के लिए विरासत प्रौद्योगिकियों का उपयोग करने में कुछ चुनौतियों को दिखाते हैं, यह कैसे किया जा सकता है, और कैसे सही कर्मचारी सभी अंतर बना सकते हैं। इसके अलावा, तकनीकी रूप से, सब कुछ "विरासत" है एक बार इसकी तैनाती की जाती है, इसलिए यह हमेशा एक विरासत प्रणाली को स्क्रैप करने के लिए समझ में नहीं आता है जब भी कुछ बेहतर होता है।
उस डेटा वेयरहाउस का उपयोग करें
यदि आपके पास एक केंद्रीय रिपॉजिटरी में बड़ा डेटा है और आप जानते हैं कि इसे कैसे एक्सेस किया जाए, तो आप उसके आसपास नई प्रक्रियाएँ बना सकते हैं।यहाँ एक उत्कृष्ट उदाहरण है कि कैसे कुछ बड़ी कंपनियां बड़े डेटा के विशिष्ट, सटीक, पिनपॉइंट उपयोग कर रही हैं। आप इसे क्रॉस-इंडेक्सिंग कह सकते हैं; यह एक उद्यम को अपने कई प्रकार के ग्राहक खातों के बीच सुसंगत मॉडल बनाने में मदद करता है जो सॉफ्टवेयर आर्किटेक्चर के विभिन्न हिस्सों में हो सकते हैं।
सभी कार्रवाई करने योग्य डेटा को एक साथ जोड़कर, एक कंपनी यह देखने में सक्षम हो सकती है कि, उदाहरण के लिए, अपने एक बार के पॉइंट-ऑफ-सेल रिटेल डेटाबेस में एक नाम उसके सेवा प्रभागों में से एक में मेल खाता है। कंपनी फिर दोनों विभागों को जानकारी आयात करती है, ताकि जब कोई फोन उठाता है, तो उन्हें पता चले कि वह व्यक्ति दोनों अलग-अलग चैनलों में सक्रिय है।
यह व्यापार खुफिया का व्यावहारिक उपयोग है - यह आपको वास्तव में सभी बड़े डेटा के आधार पर कुछ करने में मदद करता है जिसे आपने एक साथ स्क्रैप किया है।
संरचना डेटा
बड़े डेटा के साथ एक और प्रमुख मुद्दा यह है कि कंपनियां अक्सर अपेक्षाकृत असंरचित डेटा एकत्र करती हैं। असंरचित डेटा कागज या डिजिटल दस्तावेजों, कच्चे या अपरिष्कृत डेटाबेस संसाधनों, या यहां तक कि मोबाइल उपकरणों से और कोड के स्निपेट के रूप में आ सकता है। जो डेटा असंरचित है, वह यह है कि यह रिलेशनल डेटाबेस प्रारूप का अनुसरण नहीं करता है। नतीजतन, पारंपरिक भरोसेमंद डेटाबेस इसे संभाल नहीं सकता है, और आपको इसमें से कोई भी व्यापारिक खुफिया जानकारी नहीं मिलती है।इसे संभालने के दो तरीके हैं: एक फावड़ा को पकड़ो और खुदाई शुरू करें, या कुछ संसाधन प्राप्त करें जो कि अयोग्य डेटा को कार्रवाई योग्य डेटा में परिष्कृत करते हैं। जो कंपनियाँ नए सॉफ़्टवेयर में निवेश नहीं करना चाहती हैं, वे मानव हाथों को असंरचित डेटा के माध्यम से क्रमबद्ध करने के लिए नियोजित कर सकती हैं और इसे सही रूप में प्रारूपित कर सकती हैं, लेकिन अब आपके पास ऐसे साधनों के लिए कुछ विकल्प हैं जो असंरचित डेटा को प्रभावी ढंग से पार्स करेंगे। उदाहरण के लिए, मेटाडाटा एक तरह से डेटा माइनिंग को स्वचालित करने का एक तरीका है जो इसे उपयोगी बनाता है।
डेटा झीलों को पहचानें और संभालें
बड़े डेटा समुदाय में एक और बड़ी चर्चा डाटा लेक है। अनिवार्य रूप से, डेटा लेक डेटा का एक बड़ा पूल है, जो अप्रयुक्त है। आराम पर डेटा की सर्वोत्कृष्ट परिभाषा - इसके साथ कुछ भी नहीं किया जा रहा है, यह परेशान नहीं किया जा रहा है, यह बर्फीले और पानी के स्थिर शरीर के लिबास जैसा है।फिर, डेटा झीलों को संभालने के लिए कई अलग-अलग तरीके हैं, लेकिन उन सभी को बड़े डेटा सेट में व्हाट्सएप पर प्रतिबिंबित करने के साथ शुरू होता है और वे पहले स्थान पर ठंडे बस्ते में क्यों हैं। कंपनियां अपने डेटा केंद्रों का निर्माण कर रही हैं और इन डेटा झीलों को कार्रवाई योग्य टुकड़ों में तोड़ने के लिए अल्ट्रामॉडर्न ऑब्जेक्ट-ओरिएंटेड डेटा क्लस्टरिंग तकनीकों का उपयोग कर रही हैं। यह वास्तव में एक मालिकाना मामला-दर-मामला आधार पर किया जाता है, लेकिन कुछ विशेषज्ञों का सुझाव है कि उन डेटा झीलों को सहायक नहरों में कैसे कोरल किया जाए जो जानकारी के टुकड़े को कहीं खत्म कर देते हैं और कुछ करते हैं।