🐐 🔒 🚈 बिग डेटा क्या है? 👩‍👩‍👧‍👧 👩🏾 👨🏼‍⚕️

"बड़ा डेटा" या "बिग डेटा" शब्द 2011 से लोकप्रियता हासिल करना शुरू कर दिया। आज सभी ने उसे कम से कम एक बार सुना है। समस्या यह है कि अक्सर अवधारणा का उपयोग परिभाषा द्वारा नहीं किया जाता है। इसलिए, आइए विस्तार से समझते हैं कि यह क्या है।

प्रौद्योगिकी के विकास के साथ, डेटा की मात्रा तेजी से बढ़ने लगी। पारंपरिक उपकरण अब प्रसंस्करण और भंडारण सूचना की आवश्यकता को कवर नहीं करते हैं। डेटा को संसाधित करने के लिए जिसकी मात्रा सैकड़ों टेराबाइट्स से अधिक है और लगातार बढ़ रही है, विशेष एल्गोरिदम बनाए गए हैं। उन्हें "बड़ा डेटा" कहा जाता है।

आज, विभिन्न स्रोतों से बड़ी मात्रा में जानकारी एकत्र की जाती है: इंटरनेट, संपर्क केंद्र, मोबाइल उपकरण, आदि। अधिकतर, ऐसे डेटा में एक स्पष्ट संरचना और ऑर्डर नहीं होता है, इसलिए कोई व्यक्ति किसी भी गतिविधि के लिए उनका उपयोग नहीं कर सकता है। विश्लेषण को स्वचालित करने के लिए, "बड़े डेटा" प्रौद्योगिकियों का उपयोग किया जाता है।

पहला बड़ा डेटा कब दिखाई दिया?

पहली डेटा सेंटर (डेटा सेंटर) के साथ पिछली शताब्दी के 60-70 के दशक में बड़ा डेटा दिखाई दिया। 2005 में, कंपनियों ने इंटरनेट सेवाओं (फेसबुक, यूट्यूब, आदि) के उपयोगकर्ताओं द्वारा बनाई गई सामग्री की सीमा को समझना शुरू किया। उसी समय, बड़े डेटा सेट, हडोप के साथ बातचीत करने के लिए डिज़ाइन किया गया पहला प्लेटफॉर्म, काम शुरू किया। आज यह प्रसंस्करण जानकारी के लिए प्रौद्योगिकियों का एक बड़ा ढेर है। थोड़ी देर बाद, NoSQL ने लोकप्रियता हासिल करना शुरू कर दिया - बड़े डेटा प्रबंधन सिस्टम बनाने के लिए तरीकों का एक सेट।

बड़ी इंटरनेट सेवाओं के आगमन के साथ उत्पन्न जानकारी की मात्रा बढ़ने लगी। उपयोगकर्ता फ़ोटो अपलोड करते हैं, सामग्री ब्राउज़ करते हैं, जैसे, आदि। यह सभी जानकारी आगे के विश्लेषण के लिए बड़ी मात्रा में एकत्र की गई है, जिसके बाद आप सेवाओं में सुधार कर सकते हैं। उदाहरण के लिए, सोशल नेटवर्क उपयोगकर्ताओं को प्रासंगिक विज्ञापन दिखाने के लिए बड़े डेटा का उपयोग करता है (जो कि उनकी जरूरतों और हितों से मेल खाता है) को एक लक्ष्य में रखता है। यह सामाजिक नेटवर्क को व्यवसायों को सटीक विज्ञापन अभियान चलाने का अवसर बेचने की अनुमति देता है।

बिग डेटा की मुख्य विशेषताएं

लेख की शुरुआत में, हमने आम तौर पर स्वीकृत परिभाषा से बड़े डेटा के तीन मुख्य गुणों की पहचान की। आइए उन्हें और अधिक विस्तार से खोलें:

. « » , . : , — . « » .
. . «big data». .
. , . — .

पिछले कुछ वर्षों में, बड़े डेटा की लोकप्रियता बढ़ी है, जिसके परिणामस्वरूप उन्हें दो अतिरिक्त गुण (विशेषताएं) प्राप्त हुए हैं: मूल्य और विश्वसनीयता। मूल्य प्रत्येक कंपनी द्वारा अपने तरीके से निर्धारित किया जाता है। विशेषज्ञ मूल्यांकन करते हैं कि क्या प्राप्त जानकारी व्यवसाय को लाभान्वित करेगी। और विश्वसनीयता से पता चलता है कि क्या इस्तेमाल किए गए डेटा पर भरोसा किया जा सकता है (वे कितने सच हैं), क्योंकि गलत जानकारी कंपनी और उसकी गतिविधियों को नुकसान पहुंचा सकती है।

वे उनके साथ कैसे काम करते हैं?

बड़ा डेटा कई उपयोगी जानकारी देता है, जिसके आधार पर कंपनियां नए अवसरों का निर्माण करती हैं और व्यावसायिक मॉडल बनाती हैं। बड़े डेटा के साथ काम 3 चरणों में विभाजित है: एकीकरण, प्रबंधन और विश्लेषण।

चरण 1। एकीकरण

इस स्तर पर, कंपनी अपने काम में प्रौद्योगिकियों और प्रणालियों को एकीकृत करती है जो इसे विभिन्न स्रोतों से बड़ी मात्रा में जानकारी एकत्र करने की अनुमति देती है। "बड़े डेटा" के साथ विश्लेषकों के काम को आसान बनाने के लिए डेटा प्रोसेसिंग और फॉर्मेटिंग तंत्र की शुरुआत की जा रही है।

2 चरण। नियंत्रण

प्राप्त डेटा को कहीं संग्रहीत करने की आवश्यकता है, इस मुद्दे को उनके साथ काम करने से पहले हल किया जाता है। निर्णय कई मानदंडों के आधार पर किया जाता है, जिनमें से मुख्य प्रारूप और प्रसंस्करण प्रौद्योगिकी में प्राथमिकताएं हैं। एक नियम के रूप में, कंपनियां भंडारण के लिए स्थानीय भंडारण, सार्वजनिक या निजी क्लाउड सेवाओं का उपयोग करती हैं।

3 चरण। विश्लेषण विश्लेषण के बाद

बड़े डेटा को लाभ मिलना शुरू होता है। यह उनके साथ बातचीत का अंतिम चरण है। इसके लिए, मशीन लर्निंग, सीखने के नियमों का एक संघ, आनुवंशिक एल्गोरिदम और अन्य तकनीकों का उपयोग किया जाता है। डेटा का विश्लेषण करने के बाद, व्यापार के लिए केवल सबसे मूल्यवान है।

बिग डाटा उदाहरण

सामान्य शब्दों में, "बड़े डेटा" के साथ हल किया गया। लेकिन महत्वपूर्ण सवाल यह है कि - उन्हें व्यवहार में कहां लागू किया जा सकता है? उत्तर: गतिविधि के किसी भी क्षेत्र में जो विश्लेषण के लिए आवश्यक डेटा के साथ संचालित होता है। आइए कुछ वास्तविक दुनिया के उदाहरण देखें। इससे आपको यह समझने में मदद मिलेगी कि बड़े डेटा की आवश्यकता क्यों है और आप इससे कैसे लाभान्वित हो सकते हैं।

बैंकों

में बड़ा डेटा रूसी बैंकिंग क्षेत्र में, Sberbank ने पहले बड़े डेटा का उपयोग किया था। "बड़े डेटा" और एक बॉयोमीट्रिक प्रणाली के आधार पर, 2014 में उन्होंने फोटोग्राफ द्वारा ग्राहक की पहचान की पहचान के लिए एक प्रणाली विकसित की। ऑपरेशन का सिद्धांत बहुत सरल है: डेटाबेस से एक तस्वीर के साथ वर्तमान छवि की तुलना करना जो कर्मचारी बैंक कार्ड जारी करते समय लेते हैं। नई प्रणाली में धोखाधड़ी के मामलों में 10 गुना कमी आई है।

आज, Sberbank अपने काम में बड़े डेटा का उपयोग करना जारी रखता है: सूचना का संग्रह और विश्लेषण आपको जोखिमों का प्रबंधन करने, धोखाधड़ी से लड़ने, ग्राहकों की साख का आकलन करने, शाखाओं में कतारें प्रबंधित करने और बहुत कुछ करने की अनुमति देता है।

रूसी बैंकिंग क्षेत्र का एक और उदाहरण VTB24 है। कंपनी ने Sberbank की तुलना में थोड़ी देर बाद "बड़ा डेटा" लागू करना शुरू किया। आज, वे ग्राहक के बहिष्कार को प्रबंधित करने और प्रबंधित करने के लिए बड़े डेटा का उपयोग करते हैं, वित्तीय विवरण उत्पन्न करते हैं, इंटरनेट पर समीक्षाओं का विश्लेषण करते हैं, और बहुत कुछ।

अल्फा-बैंक बिग डेटा इंटरनेट पर ब्रांड प्रतिष्ठा की निगरानी करने, नए ग्राहकों की साख का मूल्यांकन करने, सामग्री को निजीकृत करने, जोखिमों का प्रबंधन करने आदि में मदद करता है।

व्यापार में बड़ा डेटा

कई लोग गलती से मानते हैं कि बड़े डेटा के साथ काम करना केवल बैंकिंग क्षेत्र और आईटी कंपनियों के लिए प्रासंगिक है। यह मैग्नीटोगोर्स्क आयरन एंड स्टील वर्क्स के उदाहरण का खंडन करता है, जिसने उत्पादन में कच्चे माल की लागत को कम करने के लिए स्निपर सेवा विकसित की थी। प्रौद्योगिकी बड़ी मात्रा में जानकारी एकत्र करती है, उनका विश्लेषण करती है और सामग्रियों की लागत के अनुकूलन के लिए सिफारिशें देती है।

Surgutneftegas वास्तविक समय में मुख्य व्यावसायिक प्रक्रियाओं को ट्रैक करने के लिए एक विशेष प्रणाली का उपयोग करता है। यह उत्पाद लेखांकन, मूल्य निर्धारण, सही डेटा के साथ स्टाफ प्रदान करने आदि में मदद करता है।

विपणन में बड़ा डेटा

विज्ञापन अभियानों के परिणामों की भविष्यवाणी करने के लिए विपणक बड़े डेटा का उपयोग करते हैं। विश्लेषण सबसे अधिक दिलचस्पी रखने वाले दर्शकों की पहचान करने में भी मदद करता है। विपणन में "बड़े डेटा" का एक महत्वपूर्ण उदाहरण Google रुझान है। सिस्टम को बड़ी मात्रा में डेटा प्राप्त होता है, और विश्लेषण के बाद, उपयोगकर्ता किसी उत्पाद (कार्य, सेवा) की मौसमीता का आकलन कर सकता है।

उपयोग करने में कठिनाई

जहां बड़े अवसर हैं, वहां बड़ी कठिनाइयों का इंतजार है। इस नियम ने बड़े डेटा को बायपास नहीं किया।

कंपनियों के सामने पहली मुश्किल यह है कि बड़े डेटा में काफी जगह होती है। हां, भंडारण प्रौद्योगिकियों में लगातार सुधार हो रहा है, लेकिन एक ही समय में, डेटा की मात्रा लगातार बढ़ रही है (औसतन, हर दो साल में दो बार)।

एक विशाल भंडारण के अधिग्रहण से सभी समस्याओं का समाधान नहीं होता है। सरल डेटा भंडारण से कोई मतलब नहीं होगा, आपको लाभ प्राप्त करने के लिए उनके साथ काम करने की आवश्यकता है। यहां से एक और जटिलता पैदा होती है - प्राप्त बड़े डेटा के प्रसंस्करण की व्यवस्था करना।

अब ग्राहक क्लाइंट को स्वीकार्य फॉर्म में जानकारी लाने के लिए 50-80% काम का समय बिताते हैं। कंपनियों को अधिक पेशेवरों को नियुक्त करना पड़ता है, जिससे लागत बढ़ जाती है।

और एक और समस्या बड़े डेटा का तेजी से विकास है। नए उपकरण और सेवाएँ नियमित रूप से काम करती हैं (उदाहरण के लिए, Hbase)। व्यवसायों को "प्रवृत्ति में" होने के लिए बहुत समय और पैसा खर्च करना पड़ता है और विकास में पीछे नहीं रहता है।

इस प्रकार, बड़ा डेटा बड़ी मात्रा में सूचना (सैकड़ों टेराबाइट्स और अधिक) के प्रसंस्करण के लिए प्रौद्योगिकियों का एक संयोजन है और आज कुछ लोग भविष्य में उनके महत्व से इनकार करते हैं। उनकी लोकप्रियता बढ़ेगी और कारोबार में वितरण बढ़ेगा। इसके बाद, वे विश्लेषण स्वचालन के लिए प्रौद्योगिकियों का विकास करेंगे और न केवल बड़ी कंपनियों, बल्कि मध्यम-आकार और छोटे वाले भी बड़े डेटा के साथ काम करेंगे।

बड़े डेटा के साथ काम करना और एनालिटिक्स में अपने ज्ञान का विस्तार करना सीखना चाहते हैं? हमारे बिग डेटा विश्लेषक ऑनलाइन पाठ्यक्रम के लिए साइन अप करें। विवरण का पता लगाएं!

बिग डेटा क्या है?

पहला बड़ा डेटा कब दिखाई दिया?

बिग डेटा की मुख्य विशेषताएं

वे उनके साथ कैसे काम करते हैं?

बिग डाटा उदाहरण

उपयोग करने में कठिनाई

More articles: