දත්ත මෙන් පිළිගන්න: විශාල දත්ත වලින් ලාභ ලැබීමට ව්‍යාපාර ඉගෙන ගන්නා ආකාරය

විශාල දත්ත විශ්ලේෂණය කිරීමෙන්, සමාගම් ඔවුන්ගේ ව්‍යාපාර කාර්ය සාධනය වැඩි දියුණු කරමින් සැඟවුණු රටා හෙළි කිරීමට ඉගෙන ගනී. දිශාව මෝස්තරයකි, නමුත් ඔවුන් සමඟ වැඩ කිරීමේ සංස්කෘතියක් නොමැතිකම නිසා සෑම කෙනෙකුටම විශාල දත්ත වලින් ප්රයෝජන ගත නොහැක

“පුද්ගලයෙකුගේ නම වඩාත් පොදු වන තරමට, නියමිත වේලාවට ගෙවීමට ඇති ඉඩකඩ වැඩිය. ඔබේ නිවසෙහි මහල් ගණන වැඩි වන තරමට සංඛ්‍යානමය වශයෙන් ඔබ වඩා හොඳ ණය ගැතියෙක් වේ. මුදල් ආපසු ගෙවීමේ සම්භාවිතාව කෙරෙහි රාශි චක්‍රය කිසිදු බලපෑමක් ඇති නොකරයි, නමුත් මනෝවිද්‍යාව සැලකිය යුතු ලෙස බලපායි, ”යනු ලබන්නන්ගේ හැසිරීමේ අනපේක්ෂිත රටා ගැන හෝම් ක්‍රෙඩිට් බැංකුවේ විශ්ලේෂකයෙකු වන ස්ටැනිස්ලාව් ඩුෂින්ස්කි පවසයි. මෙම රටා බොහොමයක් පැහැදිලි කිරීමට ඔහු කටයුතු නොකරයි - ඒවා කෘත්‍රිම බුද්ධිය මගින් හෙළිදරව් කරන ලද අතර එමඟින් පාරිභෝගික පැතිකඩ දහස් ගණනක් සකසන ලදී.

විශාල දත්ත විශ්ලේෂණවල බලය මෙයයි: ව්‍යුහගත නොකළ දත්ත විශාල ප්‍රමාණයක් විශ්ලේෂණය කිරීමෙන්, ප්‍රඥාවන්ත මානව විශ්ලේෂකයෙකු පවා නොදන්නා බොහෝ සහසම්බන්ධතා වැඩසටහනට සොයාගත හැකිය. ඕනෑම සමාගමකට ව්‍යුහගත නොවූ දත්ත (විශාල දත්ත) විශාල ප්‍රමාණයක් ඇත - සේවකයින්, ගනුදෙනුකරුවන්, හවුල්කරුවන්, තරඟකරුවන්, ව්‍යාපාරික ප්‍රතිලාභ සඳහා භාවිතා කළ හැකිය: උසස්වීම්වල බලපෑම වැඩි දියුණු කිරීම, විකුණුම් වර්ධනයක් ලබා ගැනීම, කාර්ය මණ්ඩල පිරිවැටුම අඩු කිරීම යනාදිය.

විශාල දත්ත සමඟ වැඩ කිරීමට ප්රථමයෙන් විශාල තාක්ෂණික හා විදුලි සංදේශ සමාගම්, මූල්ය ආයතන සහ සිල්ලර වෙළඳාම, අදහස් දක්වමින් Deloitte Technology Integration Group, CIS හි අධ්යක්ෂ Rafail Miftakhov. දැන් බොහෝ කර්මාන්තවල එවැනි විසඳුම් සඳහා උනන්දුවක් ඇත. සමාගම් අත්කරගෙන ඇත්තේ කුමක්ද? විශාල දත්ත විශ්ලේෂණය සැමවිටම වටිනා නිගමනවලට තුඩු දෙයිද?

පහසු බරක් නොවේ

බැංකු විශාල දත්ත ඇල්ගොරිතම භාවිතා කරන්නේ මූලික වශයෙන් පාරිභෝගික අත්දැකීම් වැඩිදියුණු කිරීමට සහ පිරිවැය ප්‍රශස්ත කිරීමට මෙන්ම අවදානම කළමනාකරණය කිරීමට සහ වංචාවට එරෙහිව සටන් කිරීමට ය. "මෑත වසරවලදී, විශාල දත්ත විශ්ලේෂණ ක්ෂේත්රයේ සැබෑ විප්ලවයක් සිදුවී ඇත," Duzhinsky පවසයි. "යන්ත‍්‍ර ඉගෙනීමේ භාවිතය මඟින් ණය පැහැර හැරීමේ සම්භාවිතාව වඩාත් නිවැරදිව පුරෝකථනය කිරීමට අපට ඉඩ සලසයි - අපගේ බැංකුවේ වැරදි 3,9% ක් පමණි." සංසන්දනය කිරීම සඳහා, 1 ජනවාරි 2019 වන දිනට, මහ බැංකුවට අනුව, පුද්ගලයන්ට නිකුත් කරන ලද ණය මත දින 90 කට වඩා කල් ඉකුත් වූ ගෙවීම් සහිත ණය කොටස 5% කි.

විශාල දත්ත අධ්‍යයනය කිරීමෙන් ක්ෂුද්‍ර මූල්‍ය ආයතන පවා ප්‍රහේලිකාවකි. “අද විශාල දත්ත විශ්ලේෂණයකින් තොරව මූල්‍ය සේවා සැපයීම සංඛ්‍යා නොමැතිව ගණිතය කරනවා හා සමානයි,” අන්තර්ජාල ණය දෙන වේදිකාවක් වන Webbankir හි ප්‍රධාන විධායක නිලධාරී Andrey Ponomarev පවසයි. "අපි සේවාදායකයා හෝ ඔහුගේ විදේශ ගමන් බලපත්‍රය නොදැක අන්තර්ජාලය හරහා මුදල් නිකුත් කරන්නෙමු, සාම්ප්‍රදායික ණය දීම මෙන් නොව, අපි පුද්ගලයෙකුගේ ණය මුදල තක්සේරු කිරීම පමණක් නොව, ඔහුගේ පෞරුෂය හඳුනාගත යුතුය."

දැන් සමාගමේ දත්ත ගබඩාව පාරිභෝගිකයින් 500 කට වැඩි පිරිසකගේ තොරතුරු ගබඩා කරයි. සෑම නව යෙදුමක්ම මෙම දත්ත සමඟ පරාමිති 800කින් පමණ විශ්ලේෂණය කෙරේ. මෙම වැඩසටහන ස්ත්‍රී පුරුෂ භාවය, වයස, විවාහක තත්ත්වය සහ ණය ඉතිහාසය පමණක් නොව, පුද්ගලයෙකු වේදිකාවට ඇතුළු වූ උපාංගය, ඔහු වෙබ් අඩවියේ හැසිරුණු ආකාරය ද සැලකිල්ලට ගනී. උදාහරණයක් ලෙස, විභව ණය ගැණුම්කරුවෙකු ණය කැල්කියුලේටරයක් ​​භාවිතා නොකිරීම හෝ ණය කොන්දේසි ගැන විමසා නොතිබීම භයානක විය හැකිය. "නැවතුම් සාධක කිහිපයක් හැර - කියන්න, අපි අවුරුදු 19 ට අඩු පුද්ගලයින්ට ණය නිකුත් නොකරමු - මෙම පරාමිතීන් කිසිවක් ණයක් නිකුත් කිරීම ප්රතික්ෂේප කිරීමට හෝ එකඟ වීමට හේතුවක් නොවේ," Ponomarev පැහැදිලි කරයි. එය වැදගත් වන්නේ සාධක එකතුවකි. නඩු වලින් 95% ක්, ප්රතිරක්ෂණ දෙපාර්තමේන්තුවේ විශේෂඥයින්ගේ සහභාගීත්වයෙන් තොරව, තීරණය ස්වයංක්රීයව ගනු ලැබේ.

අද විශාල දත්ත විශ්ලේෂණයකින් තොරව මූල්‍ය සේවා සැපයීම සංඛ්‍යා නොමැතිව ගණිතය කරනවා වැනිය.

විශාල දත්ත විශ්ලේෂණය අපට රසවත් රටා ව්‍යුත්පන්න කිරීමට ඉඩ සලසයි, Ponomarev බෙදා ගනී. උදාහරණයක් ලෙස, අයිෆෝන් භාවිතා කරන්නන් ඇන්ඩ්‍රොයිඩ් උපාංගවල හිමිකරුවන්ට වඩා විනයගරුක ණය ගැතියන් බවට පත් විය - කලින් අය යෙදුම් අනුමත කිරීම 1,7 ගුණයකින් වැඩි ය. "සාමාන්‍ය ණය ගැණුම්කරුවෙකුට වඩා හතරෙන් පංගුවකට වඩා අඩු වාර ගණනක් හමුදා නිලධාරීන් ණය ආපසු නොගෙවීම පුදුමයක් නොවේ," Ponomarev පවසයි. "නමුත් සිසුන් සාමාන්‍යයෙන් බැඳී සිටිනු ඇතැයි අපේක්ෂා නොකෙරේ, නමුත් මේ අතර, ණය පැහැර හැරීමේ සිද්ධීන් පදනම සඳහා සාමාන්‍යයට වඩා 10% අඩුය."

විශාල දත්ත අධ්‍යයනය කිරීම රක්ෂණකරුවන් සඳහාද ලකුණු ලබා ගැනීමට ඉඩ සලසයි. 2016 දී පිහිටුවන ලද, IDX දුරස්ථ හඳුනාගැනීමේ සහ ලේඛන මාර්ගගත සත්‍යාපනයෙහි නියැලී සිටී. හැකි තරම් කුඩා භාණ්ඩ අහිමි වීම ගැන උනන්දුවක් දක්වන භාණ්ඩ ප්රවාහන රක්ෂණකරුවන් අතර මෙම සේවාවන් ඉල්ලුමේ පවතී. භාණ්ඩ ප්රවාහනය රක්ෂණය කිරීමට පෙර, රියදුරුගේ කැමැත්ත ඇතිව රක්ෂණකරු, විශ්වසනීයත්වය සඳහා පරීක්ෂා කරයි, IDX හි වාණිජ අධ්යක්ෂ Jan Sloka පැහැදිලි කරයි. හවුල්කරුවෙකු සමඟ එක්ව - ශාන්ත පීටර්ස්බර්ග් සමාගම "අවදානම් පාලනය" - IDX මඟින් ඔබට රියදුරුගේ අනන්‍යතාවය, විදේශ ගමන් බලපත්‍ර දත්ත සහ අයිතිවාසිකම්, භාණ්ඩ නැතිවීම සම්බන්ධ සිදුවීම් වලට සහභාගී වීම ආදිය පරීක්ෂා කිරීමට ඉඩ සලසන සේවාවක් සංවර්ධනය කර ඇත. රියදුරන්ගේ දත්ත සමුදාය, සමාගම "අවදානම් කණ්ඩායමක්" හඳුනාගෙන ඇත: බොහෝ විට, බොහෝ විට, බොහෝ විට, බොහෝ විට, බොහෝ විට, මෑතකදී රැකියා වෙනස් කර ඇති දිගු රිය පැදවීමේ පළපුරුද්දක් ඇති අවුරුදු 30-40 අතර රියදුරන් අතර භාණ්ඩ අහිමි වේ. භාණ්ඩ බොහෝ විට සොරකම් කරනු ලබන්නේ මෝටර් රථ රියදුරන් විසින් බව ද පෙනී ගියේය, එහි සේවා කාලය වසර අට ඉක්මවයි.

සොයමින්

සිල්ලර වෙළෙන්දන්ට වෙනස් කාර්යයක් ඇත - මිලදී ගැනීමක් කිරීමට සූදානම්ව සිටින පාරිභෝගිකයින් හඳුනා ගැනීම සහ ඔවුන් වෙබ් අඩවියට හෝ ගබඩාවට ගෙන ඒම සඳහා වඩාත් ඵලදායී ක්රම තීරණය කිරීම. මේ සඳහා, වැඩසටහන් මඟින් ගනුදෙනුකරුවන්ගේ පැතිකඩ, ඔවුන්ගේ පුද්ගලික ගිණුමේ දත්ත, මිලදී ගැනීම් ඉතිහාසය, සෙවුම් විමසුම් සහ ප්‍රසාද ලකුණු භාවිතය, ඔවුන් පිරවීමට පටන් ගත් සහ අතහැර දැමූ ඉලෙක්ට්‍රොනික බාස්කට් වල අන්තර්ගතය විශ්ලේෂණය කරයි. M.Video-Eldorado සමූහයේ දත්ත කාර්යාලයේ අධ්‍යක්ෂ කිරිල් ඉවානොව් පවසන්නේ දත්ත විශ්ලේෂණ මඟින් ඔබට සම්පූර්ණ දත්ත සමුදායම කොටස් කිරීමට සහ විශේෂිත දීමනාවක් ගැන උනන්දුවක් දක්වන අනාගත ගැනුම්කරුවන්ගේ කණ්ඩායම් හඳුනා ගැනීමට ඉඩ සලසයි.

උදාහරණයක් ලෙස, වැඩසටහන පාරිභෝගික කණ්ඩායම් හඳුනා ගනී, ඒ සෑම එකක්ම විවිධ අලෙවිකරණ මෙවලම් වලට කැමතියි - පොලී රහිත ණයක්, මුදල් ආපසු ගැනීමක් හෝ වට්ටම් ප්‍රවර්ධන කේතයක්. මෙම ගැනුම්කරුවන්ට අදාළ ප්‍රවර්ධනය සමඟ ඊමේල් පුවත් පත්‍රිකාවක් ලැබේ. ලිපිය විවෘත කිරීමෙන් පසු පුද්ගලයෙකු සමාගමේ වෙබ් අඩවියට යාමේ සම්භාවිතාව මෙම අවස්ථාවේ දී සැලකිය යුතු ලෙස වැඩි වන බව ඉවානොව් සටහන් කරයි.

දත්ත විශ්ලේෂණය මඟින් අදාළ නිෂ්පාදන සහ උපාංගවල විකුණුම් වැඩි කිරීමට ද ඔබට ඉඩ සලසයි. අනෙකුත් පාරිභෝගිකයින්ගේ ඇණවුම් ඉතිහාසය සකස් කර ඇති පද්ධතිය, තෝරාගත් භාණ්ඩය සමඟ මිලදී ගත යුතු දේ ගැන ගැනුම්කරුට නිර්දේශ ලබා දෙයි. ඉවානොව්ට අනුව, මෙම වැඩ කිරීමේ ක්‍රමය පරීක්ෂා කිරීම, උපාංග සමඟ ඇණවුම් ගණන 12% කින් සහ උපාංග පිරිවැටුම 15% කින් වැඩි වීමක් පෙන්නුම් කළේය.

සිල්ලර වෙළෙන්දන් පමණක් සේවාවේ ගුණාත්මක භාවය වැඩි දියුණු කිරීමට සහ විකුණුම් වැඩි කිරීමට උත්සාහ කරන අය නොවේ. පසුගිය ගිම්හානයේදී MegaFon මිලියන ගණනක ග්‍රාහකයින්ගේ දත්ත සැකසීම මත පදනම්ව "ස්මාර්ට්" පිරිනැමීමේ සේවාවක් දියත් කළේය. ඔවුන්ගේ හැසිරීම අධ්‍යයනය කිරීමෙන් පසු, කෘතිම බුද්ධිය තීරුබදු තුළ එක් එක් සේවාදායකයා සඳහා පුද්ගලික දීමනා සැකසීමට ඉගෙන ගෙන ඇත. උදාහරණයක් ලෙස, පුද්ගලයෙකු තම උපාංගයේ වීඩියෝව සක්‍රියව නරඹන බව වැඩසටහන සටහන් කරන්නේ නම්, ජංගම ගමනාගමන ප්‍රමාණය පුළුල් කිරීමට සේවාව ඔහුට ලබා දෙනු ඇත. පරිශීලකයින්ගේ මනාපයන් සැලකිල්ලට ගනිමින්, සමාගම ග්‍රාහකයින්ට ඔවුන්ගේ ප්‍රියතම අන්තර්ජාල විවේකය සඳහා අසීමිත ගමනාගමනය සපයයි - නිදසුනක් ලෙස, ක්ෂණික පණිවිඩකරුවන් භාවිතා කිරීම හෝ ප්‍රවාහ සේවාවල සංගීතයට සවන් දීම, සමාජ ජාල වල කතාබස් කිරීම හෝ රූපවාහිනී වැඩසටහන් නැරඹීම.

MegaFon හි විශාල දත්ත විශ්ලේෂණ අධ්‍යක්ෂ Vitaly Shcherbakov පැහැදිලි කරයි, "අපි ග්‍රාහකයින්ගේ හැසිරීම විශ්ලේෂණය කර ඔවුන්ගේ රුචිකත්වයන් වෙනස් වන ආකාරය තේරුම් ගනිමු. "උදාහරණයක් ලෙස, මෙම වසරේ, AliExpress ගමනාගමනය පසුගිය වසරට සාපේක්ෂව 1,5 ගුණයකින් වර්ධනය වී ඇති අතර, සාමාන්යයෙන්, අන්තර්ජාල ඇඳුම් වෙළඳසැල් වෙත පැමිණීම් සංඛ්යාව වර්ධනය වේ: 1,2-2 වාරයක්, නිශ්චිත සම්පත මත පදනම්ව."

විශාල දත්ත සහිත ක්රියාකරුගේ කාර්යයේ තවත් උදාහරණයක් වන්නේ අතුරුදහන් වූ ළමුන් සහ වැඩිහිටියන් සෙවීම සඳහා MegaFon Poisk වේදිකාවයි. මෙම පද්ධතිය අතුරුදහන් වූ පුද්ගලයා සිටින ස්ථානය අසල කුමන පුද්ගලයින් සිටිය හැකිද යන්න විශ්ලේෂණය කරයි, සහ අතුරුදහන් වූ පුද්ගලයාගේ ඡායාරූපයක් සහ සලකුණු සහිත තොරතුරු ඔවුන්ට යවයි. ක්‍රියාකරු අභ්‍යන්තර කටයුතු අමාත්‍යාංශය සහ ලීසා ඇලර්ට් සංවිධානය සමඟ එක්ව පද්ධතිය සංවර්ධනය කර පරීක්‍ෂා කළේය: අතුරුදහන් වූ පුද්ගලයා දෙසට මිනිත්තු දෙකක් ඇතුළත, ග්‍රාහකයින් 2 කට වඩා වැඩි ප්‍රමාණයක් ලැබෙනු ඇත, එය සාර්ථක සෙවුම් ප්‍රති result ලයක අවස්ථා සැලකිය යුතු ලෙස වැඩි කරයි.

PUB එකට යන්න එපා

විශාල දත්ත විශ්ලේෂණය කර්මාන්තයේ යෙදීම් ද සොයාගෙන ඇත. මෙහිදී ඔබට ඉල්ලුම පුරෝකථනය කිරීමට සහ විකුණුම් සැලසුම් කිරීමට ඉඩ සලසයි. එබැවින්, චර්කිසෝවෝ සමාගම් සමූහයේ, වසර තුනකට පෙර, SAP BW මත පදනම් වූ විසඳුමක් ක්‍රියාත්මක කරන ලද අතර, එමඟින් ඔබට සියලු විකුණුම් තොරතුරු ගබඩා කිරීමට සහ සැකසීමට ඉඩ සලසයි: මිල, වර්ගීකරණය, නිෂ්පාදන පරිමාවන්, ප්‍රවර්ධන, බෙදාහැරීමේ නාලිකා, CIO, Vladislav Belyaev පවසයි. කණ්ඩායමේ ”චර්කිසෝවෝ. සමුච්චිත 2 TB තොරතුරු විශ්ලේෂණය කිරීමෙන් ඵලදායි ලෙස එකතුව සැකසීමට සහ නිෂ්පාදන කළඹ ප්‍රශස්ත කිරීමට හැකි වූවා පමණක් නොව, සේවකයින්ගේ වැඩ සඳහා පහසුකම් සැලසීය. නිදසුනක් වශයෙන්, දෛනික විකුණුම් වාර්තාවක් සැකසීම සඳහා බොහෝ විශ්ලේෂකයින්ගේ දිනක වැඩ කිරීම අවශ්‍ය වේ - එක් එක් නිෂ්පාදන අංශය සඳහා දෙදෙනෙකු. දැන් මෙම වාර්තාව රොබෝවරයා විසින් සකස් කර ඇති අතර, සියලු අංශ සඳහා විනාඩි 30 ක් පමණක් වැය කරයි.

"කර්මාන්තයේ දී, විශාල දත්ත අන්තර්ජාලය සමඟ සම්බන්ධව ඵලදායී ලෙස ක්රියා කරයි" යනුවෙන් Umbrella IT හි ප්‍රධාන විධායක නිලධාරී Stanislav Meshkov පවසයි. "උපකරණ සවි කර ඇති සංවේදක වලින් දත්ත විශ්ලේෂණය මත පදනම්ව, එහි ක්රියාකාරිත්වයේ අපගමනය හඳුනා ගැනීමට සහ බිඳවැටීම් වළක්වා ගැනීමට සහ කාර්ය සාධනය පුරෝකථනය කිරීමට හැකි වේ."

Severstal හි, විශාල දත්ත ආධාරයෙන්, ඔවුන් ද සුළු නොවන කාර්යයන් විසඳීමට උත්සාහ කරයි - උදාහරණයක් ලෙස, තුවාල අනුපාතය අඩු කිරීමට. 2019 දී සමාගම ශ්‍රම ආරක්ෂාව වැඩි දියුණු කිරීම සඳහා වන ක්‍රියාමාර්ග සඳහා රුබල් බිලියන 1,1 ක් පමණ වෙන් කළේය. Severstal බලාපොරොත්තු වන්නේ තුවාල අනුපාතය 2025% කින් 50 කින් අඩු කිරීමටයි (2017 ට සාපේක්ෂව). “රේඛීය කළමනාකරුවෙකු - ෆෝමන්, අඩවි කළමනාකරු, සාප්පු කළමනාකරු - සේවකයෙකු අනාරක්ෂිතව යම් මෙහෙයුම් සිදු කරන බව දුටුවේ නම් (කාර්මික ස්ථානයේ පඩිපෙළ නගින විට අත් පටි අල්ලා නොගනී හෝ සියලුම පුද්ගලික ආරක්ෂක උපකරණ පැළඳ නොගනී), ඔහු මෙසේ ලියයි. ඔහුට විශේෂ සටහනක් - PAB ("චර්යාත්මක ආරක්ෂක විගණනයෙන්")," සමාගමේ දත්ත විශ්ලේෂණ අංශයේ ප්රධානී Boris Voskresensky පවසයි.

එක් අංශයක PAB සංඛ්‍යාව පිළිබඳ දත්ත විශ්ලේෂණය කිරීමෙන් පසු, සමාගමේ විශේෂ ists යින් විසින් බොහෝ විට ආරක්ෂක නීති උල්ලංඝනය කර ඇත්තේ මීට පෙර අදහස් කිහිපයක් ඇති අය මෙන්ම අසනීප නිවාඩු හෝ ටික වේලාවකට පෙර නිවාඩු ගත කළ අය විසින් බව සොයා ගන්නා ලදී. සිද්ධිය. නිවාඩු හෝ අසනීප නිවාඩු වලින් ආපසු පැමිණීමෙන් පසු පළමු සතිය තුළ උල්ලංඝනය කිරීම් පසුකාලීන කාලපරිච්ඡේදය මෙන් දෙගුණයක් විය: 1 එදිරිව 0,55%. නමුත් රාත්‍රී වැඩ මුරය මත වැඩ කිරීම, එය සිදු වූ පරිදි, PAB වල සංඛ්‍යාලේඛනවලට බලපාන්නේ නැත.

යථාර්ථයට සම්බන්ධ නැත

විශාල දත්ත සැකසීම සඳහා ඇල්ගොරිතම නිර්මාණය කිරීම කාර්යයේ වඩාත්ම දුෂ්කර කොටස නොවන බව සමාගම් නියෝජිතයෝ පවසති. එක් එක් විශේෂිත ව්‍යාපාරයේ සන්දර්භය තුළ මෙම තාක්ෂණයන් යෙදිය හැකි ආකාරය තේරුම් ගැනීම වඩා දුෂ්කර ය. සමාගම් විශ්ලේෂකයින්ගේ සහ බාහිර සැපයුම්කරුවන්ගේ පවා අචිලස්ගේ විලුඹ පිහිටා ඇත්තේ මෙහිදීය, එය විශාල දත්ත ක්ෂේත්‍රයේ ප්‍රවීණතාවය රැස් කර ඇති බව පෙනේ.

"මට බොහෝ විට විශිෂ්ට ගණිතඥයින් විශාල දත්ත විශ්ලේෂකයින් මුණගැසුණි, නමුත් ව්‍යාපාර ක්‍රියාවලීන් පිළිබඳ අවශ්‍ය අවබෝධයක් නොතිබුණි", GoodsForecast හි සංවර්ධන අධ්‍යක්ෂ සර්ජි කොටික් පවසයි. වසර දෙකකට පෙර තම සමාගමට ෆෙඩරල් සිල්ලර වෙළඳ ජාලයක් සඳහා ඉල්ලුම පුරෝකථනය කිරීමේ තරඟයකට සහභාගී වීමට අවස්ථාව ලැබුණු ආකාරය ඔහු සිහිපත් කරයි. සහභාගිවන්නන් අනාවැකි පළ කළ සියලුම භාණ්ඩ සහ ගබඩා සඳහා නියමු කලාපයක් තෝරා ගන්නා ලදී. අනාවැකි පසුව සැබෑ විකුණුම් සමඟ සංසන්දනය කරන ලදී. යන්ත්‍ර ඉගෙනීම සහ දත්ත විශ්ලේෂණය පිළිබඳ ප්‍රවීණත්වය සඳහා ප්‍රසිද්ධ රුසියානු අන්තර්ජාල දැවැන්තයෙකු විසින් පළමු ස්ථානය ලබා ගන්නා ලදී: එහි පුරෝකථනයන්හි එය සැබෑ විකුණුම් වලින් අවම අපගමනයක් පෙන්නුම් කළේය.

නමුත් ජාලය ඔහුගේ අනාවැකි වඩාත් විස්තරාත්මකව අධ්‍යයනය කිරීමට පටන් ගත් විට, ව්‍යාපාරික දෘෂ්ටි කෝණයකින් ඒවා කිසිසේත් පිළිගත නොහැකි බව පෙනී ගියේය. සමාගම විසින් ක්‍රමානුකූල අඩු ප්‍රකාශයක් සහිත විකුණුම් සැලසුම් නිෂ්පාදනය කරන ලද ආකෘතියක් හඳුන්වා දෙන ලදී. පුරෝකථනයන්හි දෝෂ ඇතිවීමේ සම්භාවිතාව අවම කරන්නේ කෙසේදැයි වැඩසටහන විසින් සොයා ගන්නා ලදී: උපරිම දෝෂය 100% (සෘණ විකුණුම් නොමැත) විය හැකි බැවින් විකුණුම් අවතක්සේරු කිරීම ආරක්ෂිත වේ, නමුත් පුරෝකථනය කිරීමේ දිශාවට එය අත්තනෝමතික ලෙස විශාල විය හැකිය. කෝටික් පැහැදිලි කරයි. වෙනත් වචන වලින් කිවහොත්, සමාගම විසින් පරමාදර්ශී ගණිතමය ආකෘතියක් ඉදිරිපත් කරන ලද අතර, එය සැබෑ තත්වයන් තුළ අඩක් හිස් ගබඩා සහ අඩු විකුණුම් වලින් විශාල පාඩු ඇති කරයි. එහි ප්රතිඵලයක් වශයෙන්, වෙනත් සමාගමක් තරඟය ජයග්රහණය කළ අතර, එහි ගණනය කිරීම් ප්රායෝගිකව ක්රියාත්මක කළ හැකිය.

විශාල දත්ත වෙනුවට "සමහර විට"

විශාල දත්ත තාක්ෂණයන් බොහෝ කර්මාන්ත සඳහා අදාළ වේ, නමුත් ඔවුන්ගේ ක්රියාකාරී ක්රියාත්මක කිරීම සෑම තැනකම සිදු නොවේ, Meshkov සටහන් කරයි. උදාහරණයක් ලෙස, සෞඛ්යාරක්ෂාව තුළ දත්ත ගබඩා කිරීමේ ගැටලුවක් තිබේ: බොහෝ තොරතුරු රැස් කර ඇති අතර එය නිතිපතා යාවත්කාලීන කර ඇත, නමුත් බොහෝ දුරට මෙම දත්ත තවමත් ඩිජිටල්කරණය කර නොමැත. රාජ්ය ආයතනවල ද බොහෝ දත්ත ඇත, නමුත් ඒවා පොදු පොකුරකට ඒකාබද්ධ නොවේ. ජාතික දත්ත කළමනාකරණ පද්ධතියේ (NCMS) ඒකාබද්ධ තොරතුරු වේදිකාවක් සංවර්ධනය කිරීම මෙම ගැටළුව විසඳීම අරමුණු කර ගෙන ඇති බව විශේෂඥයා පවසයි.

කෙසේ වෙතත්, බොහෝ ආයතනවල වැදගත් තීරණ ගනු ලබන්නේ බුද්ධිය මත මිස විශාල දත්ත විශ්ලේෂණයෙන් නොවන එකම රට අපේ රටයි. පසුගිය වසරේ අප්‍රේල් මාසයේදී, Deloitte විසින් විශාල ඇමරිකානු සමාගම්වල (500 හෝ ඊට වැඩි කාර්ය මණ්ඩලයක් සහිත) නායකයින් දහසකට වැඩි පිරිසක් අතර සමීක්ෂණයක් සිදු කරන ලද අතර සමීක්ෂණයට ලක් වූවන්ගෙන් 63% ක් විශාල දත්ත තාක්ෂණයන් පිළිබඳව හුරුපුරුදු නමුත් අවශ්‍ය සියල්ල නොමැති බව සොයා ගන්නා ලදී. ඒවා භාවිතා කිරීමට යටිතල පහසුකම්. මේ අතර, ඉහළ මට්ටමේ විශ්ලේෂණාත්මක පරිණතභාවයක් ඇති සමාගම්වලින් 37% අතර, අඩකට ආසන්න ප්‍රමාණයක් පසුගිය මාස 12 තුළ ව්‍යාපාරික ඉලක්ක සැලකිය යුතු ලෙස ඉක්මවා ඇත.

නව තාක්ෂණික විසඳුම් ක්‍රියාත්මක කිරීමේ දුෂ්කරතාවයට අමතරව, සමාගම්වල වැදගත් ගැටළුවක් වන්නේ දත්ත සමඟ වැඩ කිරීමේ සංස්කෘතියක් නොමැතිකම බව අධ්‍යයනයෙන් අනාවරණය විය. විශාල දත්ත මත පදනම්ව ගනු ලබන තීරණ සඳහා වගකීම පැවරෙන්නේ සමාගමේ විශ්ලේෂකයින්ට මිස සමස්තයක් ලෙස සමස්ත සමාගමට නොවේ නම් ඔබ හොඳ ප්‍රතිඵල බලාපොරොත්තු නොවිය යුතුය. "දැන් සමාගම් විශාල දත්ත සඳහා රසවත් භාවිත අවස්ථා සොයමින් සිටිති" යනුවෙන් මිෆ්ටාකොව් පවසයි. "ඒ අතරම, සමහර අවස්ථා ක්‍රියාත්මක කිරීම සඳහා පෙර විශ්ලේෂණය නොකළ අතිරේක දත්ත එකතු කිරීම, සැකසීම සහ තත්ත්ව පාලනය සඳහා පද්ධතිවල ආයෝජන අවශ්‍ය වේ." අහෝ, "විශ්ලේෂණ තවමත් කණ්ඩායම් ක්රීඩාවක් නොවේ", අධ්යයනයේ කතුවරුන් පිළිගනිති.

ඔබමයි