தரவைப் போலவே ஏற்றுக்கொள்: வணிகங்கள் பெரிய தரவுகளிலிருந்து எவ்வாறு லாபம் பெறக் கற்றுக்கொள்கின்றன

பெரிய தரவை பகுப்பாய்வு செய்வதன் மூலம், நிறுவனங்கள் தங்கள் வணிக செயல்திறனை மேம்படுத்த, மறைக்கப்பட்ட வடிவங்களைக் கண்டறிய கற்றுக்கொள்கின்றன. திசை நாகரீகமானது, ஆனால் அவர்களுடன் பணிபுரியும் கலாச்சாரம் இல்லாததால் எல்லோரும் பெரிய தரவுகளிலிருந்து பயனடைய முடியாது

“ஒரு நபரின் பெயர் மிகவும் பொதுவானது, அவர்கள் சரியான நேரத்தில் பணம் செலுத்துவதற்கான வாய்ப்புகள் அதிகம். உங்கள் வீட்டில் எவ்வளவு மாடிகள் இருக்கிறதோ, அந்த அளவுக்கு புள்ளியியல் அடிப்படையில் நீங்கள் சிறந்த கடன் வாங்குபவர். பணத்தைத் திரும்பப் பெறுவதற்கான சாத்தியக்கூறுகளில் இராசி அடையாளம் கிட்டத்தட்ட எந்த விளைவையும் ஏற்படுத்தாது, ஆனால் சைக்கோடைப் கணிசமாக செயல்படுகிறது, ”என்று ஹோம் கிரெடிட் வங்கியின் ஆய்வாளர் ஸ்டானிஸ்லாவ் டுஜின்ஸ்கி, கடன் வாங்குபவர்களின் நடத்தையில் எதிர்பாராத வடிவங்களைப் பற்றி கூறுகிறார். இந்த வடிவங்களில் பலவற்றை அவர் விளக்கவில்லை - அவை செயற்கை நுண்ணறிவால் வெளிப்படுத்தப்பட்டன, இது ஆயிரக்கணக்கான வாடிக்கையாளர் சுயவிவரங்களை செயலாக்கியது.

இது பெரிய தரவு பகுப்பாய்வுகளின் சக்தி: ஒரு பெரிய அளவிலான கட்டமைக்கப்படாத தரவை பகுப்பாய்வு செய்வதன் மூலம், புத்திசாலித்தனமான மனித ஆய்வாளருக்கு கூட தெரியாத பல தொடர்புகளை நிரல் கண்டறிய முடியும். எந்தவொரு நிறுவனத்திடமும் ஒரு பெரிய அளவிலான கட்டமைக்கப்படாத தரவு (பெரிய தரவு) உள்ளது - ஊழியர்கள், வாடிக்கையாளர்கள், கூட்டாளர்கள், போட்டியாளர்கள், இது வணிக நலனுக்காகப் பயன்படுத்தப்படலாம்: பதவி உயர்வுகளின் விளைவை மேம்படுத்துதல், விற்பனை வளர்ச்சியை எட்டுதல், பணியாளர்களின் வருவாயைக் குறைத்தல் போன்றவை.

பெரிய தரவுகளுடன் முதலில் பணிபுரிந்தவர்கள் பெரிய தொழில்நுட்பம் மற்றும் தொலைத்தொடர்பு நிறுவனங்கள், நிதி நிறுவனங்கள் மற்றும் சில்லறை வணிகம் என்று டெலாய்ட் டெக்னாலஜி இன்டக்ரேஷன் குரூப், சிஐஎஸ் இயக்குநர் ரஃபேல் மிஃப்டாகோவ் கருத்து தெரிவித்துள்ளார். இப்போது பல தொழில்களில் இத்தகைய தீர்வுகளில் ஆர்வம் உள்ளது. நிறுவனங்கள் சாதித்தது என்ன? பெரிய தரவு பகுப்பாய்வு எப்போதும் மதிப்புமிக்க முடிவுகளுக்கு வழிவகுக்கும்?

வங்கிகள் பெரிய தரவு அல்காரிதங்களை முதன்மையாக வாடிக்கையாளர் அனுபவத்தை மேம்படுத்துவதற்கும் செலவுகளை மேம்படுத்துவதற்கும், அத்துடன் அபாயத்தை நிர்வகிப்பதற்கும் மோசடியை எதிர்த்துப் போராடுவதற்கும் பயன்படுத்துகின்றன. "சமீபத்திய ஆண்டுகளில், பெரிய தரவு பகுப்பாய்வு துறையில் ஒரு உண்மையான புரட்சி நடந்துள்ளது," என்கிறார் Duzhinsky. "மெஷின் லேர்னிங்கின் பயன்பாடானது, கடனைத் திருப்பிச் செலுத்தாததன் நிகழ்தகவை மிகவும் துல்லியமாக கணிக்க அனுமதிக்கிறது - எங்கள் வங்கியில் உள்ள குற்றங்கள் 3,9% மட்டுமே." ஒப்பிடுகையில், ஜனவரி 1, 2019 நிலவரப்படி, மத்திய வங்கியின் கூற்றுப்படி, தனிநபர்களுக்கு வழங்கப்பட்ட கடன்களில் 90 நாட்களுக்கு மேல் காலாவதியான பணம் செலுத்தப்பட்ட கடன்களின் பங்கு 5% ஆகும்.

சிறு நிதி நிறுவனங்கள் கூட பெரிய தரவுகளை ஆய்வு செய்வதால் குழப்பமடைந்துள்ளன. "இன்று பெரிய தரவுகளை பகுப்பாய்வு செய்யாமல் நிதி சேவைகளை வழங்குவது எண்கள் இல்லாமல் கணிதம் செய்வது போன்றது" என்று ஆன்லைன் கடன் வழங்கும் தளமான Webbankir இன் CEO ஆண்ட்ரே பொனோமரேவ் கூறுகிறார். "வாடிக்கையாளரையோ அல்லது அவரது கடவுச்சீட்டையோ பார்க்காமல் ஆன்லைனில் பணத்தை வழங்குகிறோம், பாரம்பரிய கடன் வழங்குவதைப் போலல்லாமல், ஒரு நபரின் கடனை மதிப்பிடுவது மட்டுமல்லாமல், அவரது ஆளுமையை அடையாளம் காணவும் வேண்டும்."

இப்போது நிறுவனத்தின் தரவுத்தளம் 500 ஆயிரத்துக்கும் மேற்பட்ட வாடிக்கையாளர்களின் தகவல்களைச் சேமிக்கிறது. ஒவ்வொரு புதிய பயன்பாடும் இந்தத் தரவுகளுடன் சுமார் 800 அளவுருக்களில் பகுப்பாய்வு செய்யப்படுகிறது. நிரல் பாலினம், வயது, திருமண நிலை மற்றும் கடன் வரலாறு மட்டுமல்லாமல், ஒரு நபர் மேடையில் நுழைந்த சாதனம், தளத்தில் அவர் எவ்வாறு நடந்துகொண்டார் என்பதையும் கணக்கில் எடுத்துக்கொள்கிறது. எடுத்துக்காட்டாக, கடன் வாங்குபவர் கடன் கால்குலேட்டரைப் பயன்படுத்தவில்லை அல்லது கடனுக்கான விதிமுறைகளைப் பற்றி விசாரிக்கவில்லை என்பது ஆபத்தானதாக இருக்கலாம். "சில நிறுத்த காரணிகளைத் தவிர - 19 வயதுக்குட்பட்ட நபர்களுக்கு நாங்கள் கடன்களை வழங்குவதில்லை - இந்த அளவுருக்கள் எதுவும் கடனை வழங்க மறுப்பதற்கு அல்லது ஒப்புக்கொள்வதற்கு ஒரு காரணம் அல்ல" என்று பொனோமரேவ் விளக்குகிறார். இது முக்கியமான காரணிகளின் கலவையாகும். 95% வழக்குகளில், எழுத்துறுதித் துறையைச் சேர்ந்த நிபுணர்களின் பங்களிப்பு இல்லாமல், முடிவு தானாகவே எடுக்கப்படுகிறது.

பெரிய தரவு பகுப்பாய்வு சுவாரஸ்யமான வடிவங்களைப் பெற அனுமதிக்கிறது, பொனோமரேவ் பகிர்ந்து கொள்கிறார். எடுத்துக்காட்டாக, ஆண்ட்ராய்டு சாதனங்களின் உரிமையாளர்களை விட ஐபோன் பயனர்கள் மிகவும் ஒழுக்கமான கடன் வாங்குபவர்களாக மாறினர் - முந்தையவர்கள் 1,7 மடங்கு அதிகமாக விண்ணப்பங்களின் ஒப்புதலைப் பெறுகிறார்கள். "சராசரி கடனாளியை விட இராணுவ வீரர்கள் கிட்டத்தட்ட கால் பங்கு குறைவாக கடன்களை திருப்பிச் செலுத்துவதில்லை என்பது ஆச்சரியமல்ல" என்று பொனோமரேவ் கூறுகிறார். "ஆனால் மாணவர்கள் வழக்கமாக கடமைப்பட்டவர்களாக இருக்க மாட்டார்கள், ஆனால் இதற்கிடையில், கடன் இயல்புநிலை வழக்குகள் அடிப்படைக்கான சராசரியை விட 10% குறைவாகவே காணப்படுகின்றன."

பெரிய தரவுகளின் ஆய்வு காப்பீட்டாளர்களுக்கும் மதிப்பெண்களை வழங்குகிறது. 2016 இல் நிறுவப்பட்ட ஐடிஎக்ஸ் தொலைநிலை அடையாளப்படுத்தல் மற்றும் ஆவணங்களை ஆன்லைனில் சரிபார்ப்பதில் ஈடுபட்டுள்ளது. சரக்குக் காப்பீட்டாளர்களிடையே இந்த சேவைகள் தேவைப்படுகின்றன, அவர்கள் முடிந்தவரை குறைவான பொருட்களை இழப்பதில் ஆர்வமாக உள்ளனர். பொருட்களின் போக்குவரத்தை காப்பீடு செய்வதற்கு முன், காப்பீட்டாளர், ஓட்டுநரின் ஒப்புதலுடன், நம்பகத்தன்மையை சரிபார்க்கிறார், IDX இன் வணிக இயக்குனர் ஜான் ஸ்லோகா விளக்குகிறார். ஒரு கூட்டாளருடன் சேர்ந்து - செயின்ட் பீட்டர்ஸ்பர்க் நிறுவனமான "ரிஸ்க் கன்ட்ரோல்" - ஐடிஎக்ஸ் ஒரு சேவையை உருவாக்கியுள்ளது, இது டிரைவரின் அடையாளம், பாஸ்போர்ட் தரவு மற்றும் உரிமைகள், சரக்கு இழப்பு தொடர்பான சம்பவங்களில் பங்கேற்பது போன்றவற்றை ஆய்வு செய்த பிறகு. ஓட்டுநர்களின் தரவுத்தளத்தில், நிறுவனம் ஒரு "ஆபத்து குழுவை" அடையாளம் கண்டுள்ளது: பெரும்பாலும், நீண்ட ஓட்டுநர் அனுபவத்துடன் 30-40 வயதுடைய ஓட்டுநர்களிடையே சரக்குகள் இழக்கப்படுகின்றன, அவர்கள் அடிக்கடி சமீபத்தில் வேலைகளை மாற்றியுள்ளனர். கார்களின் ஓட்டுநர்களால் சரக்குகள் பெரும்பாலும் திருடப்படுகின்றன என்பதும் தெரியவந்தது, இதன் சேவை வாழ்க்கை எட்டு ஆண்டுகளுக்கு மேல்.

சில்லறை விற்பனையாளர்களுக்கு வேறு பணி உள்ளது - வாங்குவதற்குத் தயாராக இருக்கும் வாடிக்கையாளர்களைக் கண்டறிந்து, அவர்களை தளம் அல்லது கடைக்குக் கொண்டு வருவதற்கான மிகச் சிறந்த வழிகளைத் தீர்மானித்தல். இந்த நோக்கத்திற்காக, நிரல்கள் வாடிக்கையாளர்களின் சுயவிவரம், அவர்களின் தனிப்பட்ட கணக்கிலிருந்து தரவு, கொள்முதல் வரலாறு, தேடல் வினவல்கள் மற்றும் போனஸ் புள்ளிகளின் பயன்பாடு, அவர்கள் நிரப்பத் தொடங்கிய மற்றும் கைவிடப்பட்ட மின்னணு கூடைகளின் உள்ளடக்கங்களை பகுப்பாய்வு செய்கின்றன. தரவு பகுப்பாய்வு முழு தரவுத்தளத்தையும் பிரிக்கவும் மற்றும் ஒரு குறிப்பிட்ட சலுகையில் ஆர்வமுள்ள சாத்தியமான வாங்குபவர்களின் குழுக்களை அடையாளம் காணவும் உங்களை அனுமதிக்கிறது, M.Video-Eldorado குழுவின் தரவு அலுவலகத்தின் இயக்குனர் Kirill Ivanov கூறுகிறார்.

எடுத்துக்காட்டாக, நிரல் வாடிக்கையாளர்களின் குழுக்களை அடையாளம் காட்டுகிறது, அவை ஒவ்வொன்றும் வெவ்வேறு சந்தைப்படுத்தல் கருவிகளை விரும்புகின்றன - வட்டி இல்லாத கடன், கேஷ்பேக் அல்லது தள்ளுபடி விளம்பரக் குறியீடு. இந்த வாங்குபவர்கள் தொடர்புடைய விளம்பரத்துடன் மின்னஞ்சல் செய்திமடலைப் பெறுவார்கள். ஒரு நபர், கடிதத்தைத் திறந்து, நிறுவனத்தின் வலைத்தளத்திற்குச் செல்வதற்கான நிகழ்தகவு, இந்த விஷயத்தில் கணிசமாக அதிகரிக்கிறது, இவானோவ் குறிப்பிடுகிறார்.

தொடர்புடைய தயாரிப்புகள் மற்றும் பாகங்கள் விற்பனையை அதிகரிக்க தரவு பகுப்பாய்வு உங்களை அனுமதிக்கிறது. பிற வாடிக்கையாளர்களின் ஆர்டர் வரலாற்றைச் செயலாக்கிய அமைப்பு, தேர்ந்தெடுக்கப்பட்ட தயாரிப்புடன் எதை வாங்குவது என்பது குறித்த பரிந்துரைகளை வாங்குபவருக்கு வழங்குகிறது. இந்த வேலை முறையின் சோதனை, இவானோவின் கூற்றுப்படி, ஆபரணங்களுடன் கூடிய ஆர்டர்களின் எண்ணிக்கையில் 12% அதிகரிப்பு மற்றும் பாகங்கள் விற்றுமுதல் 15% அதிகரித்துள்ளது.

சேவையின் தரத்தை மேம்படுத்தவும், விற்பனையை அதிகரிக்கவும் சில்லறை விற்பனையாளர்கள் மட்டும் பாடுபடுவதில்லை. கடந்த கோடையில், மில்லியன் கணக்கான சந்தாதாரர்களிடமிருந்து தரவை செயலாக்குவதன் அடிப்படையில் மெகாஃபோன் ஒரு "ஸ்மார்ட்" சலுகை சேவையை அறிமுகப்படுத்தியது. அவர்களின் நடத்தையைப் படித்த பிறகு, ஒவ்வொரு வாடிக்கையாளருக்கும் கட்டணங்களுக்குள் தனிப்பட்ட சலுகைகளை உருவாக்க செயற்கை நுண்ணறிவு கற்றுக்கொண்டது. எடுத்துக்காட்டாக, ஒரு நபர் தனது சாதனத்தில் வீடியோவை தீவிரமாகப் பார்க்கிறார் என்று நிரல் குறிப்பிட்டால், மொபைல் போக்குவரத்தின் அளவை விரிவாக்க சேவை அவருக்கு வழங்கும். பயனர்களின் விருப்பங்களை கணக்கில் எடுத்துக்கொண்டு, நிறுவனம் சந்தாதாரர்களுக்கு அவர்களின் விருப்பமான இணைய ஓய்வு நேரங்களுக்கு வரம்பற்ற போக்குவரத்தை வழங்குகிறது - எடுத்துக்காட்டாக, உடனடி தூதர்களைப் பயன்படுத்துதல் அல்லது ஸ்ட்ரீமிங் சேவைகளில் இசையைக் கேட்பது, சமூக வலைப்பின்னல்களில் அரட்டையடிப்பது அல்லது டிவி நிகழ்ச்சிகளைப் பார்ப்பது.

"சந்தாதாரர்களின் நடத்தையை நாங்கள் பகுப்பாய்வு செய்கிறோம் மற்றும் அவர்களின் ஆர்வங்கள் எவ்வாறு மாறுகின்றன என்பதைப் புரிந்துகொள்கிறோம்" என்று MegaFon இன் பெரிய தரவு பகுப்பாய்வுகளின் இயக்குனர் விட்டலி ஷெர்பகோவ் விளக்குகிறார். "உதாரணமாக, இந்த ஆண்டு, AliExpress போக்குவரத்து கடந்த ஆண்டை விட 1,5 மடங்கு அதிகரித்துள்ளது, பொதுவாக, ஆன்லைன் துணிக்கடைகளுக்கான வருகைகளின் எண்ணிக்கை அதிகரித்து வருகிறது: குறிப்பிட்ட வளத்தைப் பொறுத்து 1,2-2 மடங்கு."

பெரிய தரவுகளைக் கொண்ட ஒரு ஆபரேட்டரின் பணிக்கான மற்றொரு எடுத்துக்காட்டு, காணாமல் போன குழந்தைகள் மற்றும் பெரியவர்களைத் தேடுவதற்கான MegaFon Poisk தளமாகும். காணாமல் போன நபரின் இடத்திற்கு அருகில் எந்த நபர்கள் இருக்க முடியும் என்பதை கணினி பகுப்பாய்வு செய்து, காணாமல் போன நபரின் புகைப்படம் மற்றும் அறிகுறிகளுடன் தகவல்களை அனுப்புகிறது. ஆபரேட்டர் உள் விவகார அமைச்சகம் மற்றும் லிசா எச்சரிக்கை அமைப்புடன் இணைந்து இந்த அமைப்பை உருவாக்கி சோதனை செய்தார்: காணாமல் போன நபருக்கு நோக்குநிலை இரண்டு நிமிடங்களுக்குள், 2 ஆயிரத்துக்கும் மேற்பட்ட சந்தாதாரர்கள் பெறுகிறார்கள், இது வெற்றிகரமான தேடல் முடிவின் வாய்ப்புகளை கணிசமாக அதிகரிக்கிறது.

பெரிய தரவு பகுப்பாய்வு தொழில்துறையிலும் பயன்பாட்டைக் கண்டறிந்துள்ளது. தேவையை முன்னறிவிக்கவும் விற்பனையைத் திட்டமிடவும் இது உங்களை அனுமதிக்கிறது. எனவே, செர்கிசோவோ நிறுவனங்களின் குழுவில், மூன்று ஆண்டுகளுக்கு முன்பு, SAP BW அடிப்படையிலான ஒரு தீர்வு செயல்படுத்தப்பட்டது, இது அனைத்து விற்பனை தகவல்களையும் சேமித்து செயலாக்க அனுமதிக்கிறது: விலைகள், வகைப்படுத்தல், தயாரிப்பு அளவுகள், விளம்பரங்கள், விநியோக சேனல்கள், விளாடிஸ்லாவ் பெல்யாவ், CIO கூறுகிறார். குழுவின் ”செர்கிசோவோ. திரட்டப்பட்ட 2 TB தகவலின் பகுப்பாய்வு, வகைப்படுத்தலை திறம்பட உருவாக்குவதற்கும் தயாரிப்பு போர்ட்ஃபோலியோவை மேம்படுத்துவதற்கும் உதவியது மட்டுமல்லாமல், ஊழியர்களின் வேலையை எளிதாக்கியது. எடுத்துக்காட்டாக, தினசரி விற்பனை அறிக்கையைத் தயாரிப்பதற்கு பல ஆய்வாளர்களின் ஒரு நாள் வேலை தேவைப்படும் - ஒவ்வொரு தயாரிப்புப் பிரிவுக்கும் இரண்டு. இப்போது இந்த அறிக்கை ரோபோவால் தயாரிக்கப்பட்டது, அனைத்து பிரிவுகளிலும் 30 நிமிடங்கள் மட்டுமே செலவிடப்படுகிறது.

"தொழில்துறையில், பெரிய தரவு இணையத்துடன் இணைந்து திறம்பட செயல்படுகிறது," என்கிறார் குடை IT இன் CEO ஸ்டானிஸ்லாவ் மெஷ்கோவ். "உபகரணங்கள் பொருத்தப்பட்டிருக்கும் சென்சார்களின் தரவின் பகுப்பாய்வின் அடிப்படையில், அதன் செயல்பாட்டில் உள்ள விலகல்களைக் கண்டறிந்து முறிவுகளைத் தடுக்கவும், செயல்திறனைக் கணிக்கவும் முடியும்."

செவர்ஸ்டலில், பெரிய தரவுகளின் உதவியுடன், அவர்கள் அற்பமான பணிகளைத் தீர்க்க முயற்சிக்கிறார்கள் - எடுத்துக்காட்டாக, காயங்களின் விகிதங்களைக் குறைக்க. 2019 ஆம் ஆண்டில், தொழிலாளர் பாதுகாப்பை மேம்படுத்துவதற்கான நடவடிக்கைகளுக்காக நிறுவனம் சுமார் 1,1 பில்லியன் ரூபிள் ஒதுக்கீடு செய்தது. காயம் விகிதத்தை 2025% ஆல் 50 ஆக குறைக்க செவர்ஸ்டல் எதிர்பார்க்கிறது (2017 உடன் ஒப்பிடும்போது). "ஒரு ஊழியர் பாதுகாப்பற்ற முறையில் சில செயல்பாடுகளைச் செய்வதை ஒரு லைன் மேனேஜர் - ஃபோர்மேன், தள மேலாளர், கடை மேலாளர் - கவனித்தால் (தொழில்துறை தளத்தில் படிக்கட்டுகளில் ஏறும் போது கைப்பிடிகளைப் பிடிக்கவில்லை அல்லது அனைத்து தனிப்பட்ட பாதுகாப்பு உபகரணங்களையும் அணியவில்லை), அவர் எழுதுகிறார். அவருக்கு ஒரு சிறப்புக் குறிப்பு – PAB (“நடத்தை பாதுகாப்பு தணிக்கையிலிருந்து”),” என்று நிறுவனத்தின் தரவு பகுப்பாய்வுத் துறையின் தலைவர் போரிஸ் வோஸ்கிரெசென்ஸ்கி கூறுகிறார்.

ஒரு பிரிவில் உள்ள பிஏபிகளின் எண்ணிக்கை குறித்த தரவை ஆய்வு செய்த பிறகு, நிறுவனத்தின் வல்லுநர்கள் பாதுகாப்பு விதிகள் பெரும்பாலும் ஏற்கனவே பல கருத்துக்களைக் கொண்டிருந்தவர்களாலும், நோய்வாய்ப்பட்ட விடுப்பில் அல்லது விடுமுறையில் இருந்தவர்களாலும் மீறப்படுவதாகக் கண்டறிந்தனர். சம்பவம். விடுமுறை அல்லது நோய்வாய்ப்பட்ட விடுப்பில் இருந்து திரும்பிய முதல் வாரத்தில் மீறல்கள் அடுத்த காலகட்டத்தை விட இரண்டு மடங்கு அதிகமாக இருந்தன: 1 மற்றும் 0,55%. ஆனால் இரவு ஷிப்டில் வேலை செய்வது, அது மாறியது போல், PAB களின் புள்ளிவிவரங்களை பாதிக்காது.

பெரிய தரவை செயலாக்குவதற்கான வழிமுறைகளை உருவாக்குவது வேலையின் மிகவும் கடினமான பகுதியாக இல்லை என்று நிறுவனத்தின் பிரதிநிதிகள் கூறுகிறார்கள். ஒவ்வொரு குறிப்பிட்ட வணிகத்தின் சூழலில் இந்த தொழில்நுட்பங்கள் எவ்வாறு பயன்படுத்தப்படலாம் என்பதைப் புரிந்துகொள்வது மிகவும் கடினம். நிறுவன ஆய்வாளர்கள் மற்றும் வெளிப்புற வழங்குநர்களின் அகில்லெஸின் குதிகால் இங்குதான் உள்ளது, இது பெரிய தரவுத் துறையில் நிபுணத்துவத்தைக் குவித்ததாகத் தெரிகிறது.

"சிறந்த கணிதவியலாளர்களாக இருந்த பெரிய தரவு ஆய்வாளர்களை நான் அடிக்கடி சந்தித்தேன், ஆனால் வணிக செயல்முறைகள் பற்றிய தேவையான புரிதல் இல்லை," என்கிறார் GoodsForecast இன் மேம்பாட்டு இயக்குனர் செர்ஜி கோடிக். இரண்டு ஆண்டுகளுக்கு முன்பு தனது நிறுவனத்திற்கு ஒரு கூட்டாட்சி சில்லறை சங்கிலிக்கான கோரிக்கை முன்கணிப்பு போட்டியில் பங்கேற்க வாய்ப்பு கிடைத்தது என்பதை அவர் நினைவு கூர்ந்தார். பங்கேற்பாளர்கள் முன்னறிவிப்பு செய்த அனைத்து பொருட்கள் மற்றும் கடைகளுக்கு ஒரு பைலட் பகுதி தேர்வு செய்யப்பட்டது. கணிப்புகள் உண்மையான விற்பனையுடன் ஒப்பிடப்பட்டன. இயந்திர கற்றல் மற்றும் தரவு பகுப்பாய்வு ஆகியவற்றில் நிபுணத்துவம் பெற்ற ரஷ்ய இணைய ஜாம்பவான்களில் ஒருவர் முதல் இடத்தைப் பிடித்தார்: அதன் கணிப்புகளில், இது உண்மையான விற்பனையிலிருந்து குறைந்தபட்ச விலகலைக் காட்டியது.

ஆனால் நெட்வொர்க் அவரது கணிப்புகளை இன்னும் விரிவாகப் படிக்கத் தொடங்கியபோது, ​​​​வணிகக் கண்ணோட்டத்தில், அவை முற்றிலும் ஏற்றுக்கொள்ள முடியாதவை என்று மாறியது. நிறுவனம் ஒரு முறையான குறைமதிப்புடன் விற்பனைத் திட்டங்களை உருவாக்கும் மாதிரியை அறிமுகப்படுத்தியது. முன்னறிவிப்புகளில் பிழைகளின் நிகழ்தகவை எவ்வாறு குறைப்பது என்பதை நிரல் கண்டுபிடித்தது: விற்பனையை குறைத்து மதிப்பிடுவது பாதுகாப்பானது, ஏனெனில் அதிகபட்ச பிழை 100% ஆக இருக்கலாம் (எதிர்மறை விற்பனை இல்லை), ஆனால் அதிக முன்னறிவிப்பின் திசையில், அது தன்னிச்சையாக பெரியதாக இருக்கலாம், கோடிக் விளக்குகிறார். வேறு வார்த்தைகளில் கூறுவதானால், நிறுவனம் ஒரு சிறந்த கணித மாதிரியை வழங்கியது, இது உண்மையான நிலைமைகளில் பாதி வெற்று கடைகளுக்கு வழிவகுக்கும் மற்றும் குறைந்த விற்பனையிலிருந்து பெரும் இழப்புகளுக்கு வழிவகுக்கும். இதன் விளைவாக, மற்றொரு நிறுவனம் போட்டியை வென்றது, அதன் கணக்கீடுகள் நடைமுறையில் வைக்கப்படலாம்.

பெரிய தரவு தொழில்நுட்பங்கள் பல தொழில்களுக்கு பொருத்தமானவை, ஆனால் அவற்றின் செயலில் செயல்படுத்தல் எல்லா இடங்களிலும் ஏற்படாது, மெஷ்கோவ் குறிப்பிடுகிறார். எடுத்துக்காட்டாக, ஹெல்த்கேரில் தரவு சேமிப்பகத்தில் சிக்கல் உள்ளது: நிறைய தகவல்கள் குவிந்துள்ளன, அது தொடர்ந்து புதுப்பிக்கப்படுகிறது, ஆனால் பெரும்பாலும் இந்தத் தரவு இன்னும் டிஜிட்டல் மயமாக்கப்படவில்லை. அரசாங்க நிறுவனங்களில் நிறைய தரவு உள்ளது, ஆனால் அவை பொதுவான கிளஸ்டராக இணைக்கப்படவில்லை. நேஷனல் டேட்டா மேனேஜ்மென்ட் சிஸ்டத்தின் (என்.சி.எம்.எஸ்) ஒருங்கிணைந்த தகவல் தளத்தை உருவாக்குவது இந்த சிக்கலைத் தீர்ப்பதை நோக்கமாகக் கொண்டுள்ளது என்று நிபுணர் கூறுகிறார்.

இருப்பினும், பெரும்பாலான நிறுவனங்களில் உள்ளுணர்வின் அடிப்படையில் முக்கியமான முடிவுகள் எடுக்கப்படும் ஒரே நாட்டிலிருந்து நம் நாடு வெகு தொலைவில் உள்ளது, பெரிய தரவுகளின் பகுப்பாய்வு அல்ல. கடந்த ஆண்டு ஏப்ரலில், டெலாய்ட் நிறுவனம், ஆயிரத்திற்கும் மேற்பட்ட பெரிய அமெரிக்க நிறுவனங்களின் தலைவர்களிடையே (500 அல்லது அதற்கு மேற்பட்ட பணியாளர்களுடன்) ஒரு கணக்கெடுப்பை நடத்தியது, மேலும் கணக்கெடுக்கப்பட்டவர்களில் 63% பேர் பெரிய தரவுத் தொழில்நுட்பங்களைப் பற்றி நன்கு அறிந்தவர்கள், ஆனால் தேவையான அனைத்து வசதிகளும் இல்லை. அவற்றைப் பயன்படுத்துவதற்கான உள்கட்டமைப்பு. இதற்கிடையில், அதிக அளவிலான பகுப்பாய்வு முதிர்ச்சியைக் கொண்ட 37% நிறுவனங்களில், கிட்டத்தட்ட பாதி கடந்த 12 மாதங்களில் வணிக இலக்குகளை கணிசமாக மீறியுள்ளன.

புதிய தொழில்நுட்ப தீர்வுகளை செயல்படுத்துவதில் உள்ள சிரமத்திற்கு கூடுதலாக, நிறுவனங்களில் ஒரு முக்கியமான பிரச்சனை தரவுகளுடன் பணிபுரியும் கலாச்சாரம் இல்லாதது என்று ஆய்வில் தெரியவந்துள்ளது. பெரிய தரவுகளின் அடிப்படையில் எடுக்கப்பட்ட முடிவுகளுக்கான பொறுப்பு நிறுவனத்தின் ஆய்வாளர்களுக்கு மட்டுமே ஒதுக்கப்பட்டால், முழு நிறுவனத்திற்கும் அல்ல, நல்ல முடிவுகளை நீங்கள் எதிர்பார்க்கக்கூடாது. "இப்போது நிறுவனங்கள் பெரிய தரவுகளுக்கான சுவாரஸ்யமான பயன்பாட்டு நிகழ்வுகளைத் தேடுகின்றன," என்கிறார் மிஃப்டாகோவ். "அதே நேரத்தில், சில காட்சிகளை செயல்படுத்துவதற்கு முன்னர் பகுப்பாய்வு செய்யப்படாத கூடுதல் தரவைச் சேகரித்தல், செயலாக்குதல் மற்றும் தரக் கட்டுப்பாடு ஆகியவற்றுக்கான அமைப்புகளில் முதலீடுகள் தேவைப்படுகின்றன." ஐயோ, "பகுப்பாய்வு இன்னும் ஒரு குழு விளையாட்டாக இல்லை" என்று ஆய்வின் ஆசிரியர்கள் ஒப்புக்கொள்கிறார்கள்.