ಡೇಟಾದಂತೆ ಸ್ವೀಕರಿಸಿ: ದೊಡ್ಡ ಡೇಟಾದಿಂದ ಲಾಭ ಪಡೆಯಲು ವ್ಯಾಪಾರಗಳು ಹೇಗೆ ಕಲಿಯುತ್ತವೆ

ದೊಡ್ಡ ಡೇಟಾವನ್ನು ವಿಶ್ಲೇಷಿಸುವ ಮೂಲಕ, ಕಂಪನಿಗಳು ತಮ್ಮ ವ್ಯವಹಾರದ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಸುಧಾರಿಸುವ ಮೂಲಕ ಗುಪ್ತ ಮಾದರಿಗಳನ್ನು ಬಹಿರಂಗಪಡಿಸಲು ಕಲಿಯುತ್ತವೆ. ನಿರ್ದೇಶನವು ಫ್ಯಾಶನ್ ಆಗಿದೆ, ಆದರೆ ಅವರೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವ ಸಂಸ್ಕೃತಿಯ ಕೊರತೆಯಿಂದಾಗಿ ಪ್ರತಿಯೊಬ್ಬರೂ ದೊಡ್ಡ ಡೇಟಾದಿಂದ ಪ್ರಯೋಜನ ಪಡೆಯುವುದಿಲ್ಲ

“ಒಬ್ಬ ವ್ಯಕ್ತಿಯ ಹೆಸರು ಹೆಚ್ಚು ಸಾಮಾನ್ಯವಾಗಿದೆ, ಅವರು ಸಮಯಕ್ಕೆ ಪಾವತಿಸುವ ಸಾಧ್ಯತೆ ಹೆಚ್ಚು. ನಿಮ್ಮ ಮನೆಯು ಹೆಚ್ಚು ಮಹಡಿಗಳನ್ನು ಹೊಂದಿದೆ, ಹೆಚ್ಚು ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯವಾಗಿ ನೀವು ಉತ್ತಮ ಸಾಲಗಾರರಾಗುತ್ತೀರಿ. ರಾಶಿಚಕ್ರದ ಚಿಹ್ನೆಯು ಮರುಪಾವತಿಯ ಸಾಧ್ಯತೆಯ ಮೇಲೆ ಯಾವುದೇ ಪರಿಣಾಮ ಬೀರುವುದಿಲ್ಲ, ಆದರೆ ಸೈಕೋಟೈಪ್ ಗಮನಾರ್ಹವಾಗಿ ಮಾಡುತ್ತದೆ ”ಎಂದು ಹೋಮ್ ಕ್ರೆಡಿಟ್ ಬ್ಯಾಂಕ್‌ನ ವಿಶ್ಲೇಷಕ ಸ್ಟಾನಿಸ್ಲಾವ್ ಡುಜಿನ್ಸ್ಕಿ ಸಾಲಗಾರರ ನಡವಳಿಕೆಯಲ್ಲಿನ ಅನಿರೀಕ್ಷಿತ ಮಾದರಿಗಳ ಬಗ್ಗೆ ಹೇಳುತ್ತಾರೆ. ಈ ಹಲವು ಮಾದರಿಗಳನ್ನು ವಿವರಿಸಲು ಅವರು ಕೈಗೊಳ್ಳುವುದಿಲ್ಲ - ಸಾವಿರಾರು ಗ್ರಾಹಕರ ಪ್ರೊಫೈಲ್‌ಗಳನ್ನು ಸಂಸ್ಕರಿಸಿದ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಿಂದ ಅವುಗಳನ್ನು ಬಹಿರಂಗಪಡಿಸಲಾಗಿದೆ.

ಇದು ದೊಡ್ಡ ಡೇಟಾ ಅನಾಲಿಟಿಕ್ಸ್‌ನ ಶಕ್ತಿಯಾಗಿದೆ: ದೊಡ್ಡ ಪ್ರಮಾಣದ ರಚನೆಯಿಲ್ಲದ ಡೇಟಾವನ್ನು ವಿಶ್ಲೇಷಿಸುವ ಮೂಲಕ, ಬುದ್ಧಿವಂತ ಮಾನವ ವಿಶ್ಲೇಷಕನಿಗೆ ತಿಳಿದಿಲ್ಲದ ಅನೇಕ ಪರಸ್ಪರ ಸಂಬಂಧಗಳನ್ನು ಪ್ರೋಗ್ರಾಂ ಕಂಡುಹಿಡಿಯಬಹುದು. ಯಾವುದೇ ಕಂಪನಿಯು ದೊಡ್ಡ ಪ್ರಮಾಣದ ರಚನಾತ್ಮಕವಲ್ಲದ ಡೇಟಾವನ್ನು ಹೊಂದಿದೆ (ದೊಡ್ಡ ಡೇಟಾ) - ಉದ್ಯೋಗಿಗಳು, ಗ್ರಾಹಕರು, ಪಾಲುದಾರರು, ಸ್ಪರ್ಧಿಗಳ ಬಗ್ಗೆ, ಇದನ್ನು ವ್ಯಾಪಾರ ಲಾಭಕ್ಕಾಗಿ ಬಳಸಬಹುದು: ಪ್ರಚಾರಗಳ ಪರಿಣಾಮವನ್ನು ಸುಧಾರಿಸಿ, ಮಾರಾಟದ ಬೆಳವಣಿಗೆಯನ್ನು ಸಾಧಿಸಿ, ಸಿಬ್ಬಂದಿ ವಹಿವಾಟು ಕಡಿಮೆ ಮಾಡಿ, ಇತ್ಯಾದಿ.

ದೊಡ್ಡ ದತ್ತಾಂಶದೊಂದಿಗೆ ಕೆಲಸ ಮಾಡಲು ಮೊದಲಿಗರು ದೊಡ್ಡ ತಂತ್ರಜ್ಞಾನ ಮತ್ತು ದೂರಸಂಪರ್ಕ ಕಂಪನಿಗಳು, ಹಣಕಾಸು ಸಂಸ್ಥೆಗಳು ಮತ್ತು ಚಿಲ್ಲರೆ ವ್ಯಾಪಾರ, ಕಾಮೆಂಟ್ಗಳು ರಾಫೈಲ್ ಮಿಫ್ತಾಖೋವ್, ಡೆಲಾಯ್ಟ್ ಟೆಕ್ನಾಲಜಿ ಇಂಟಿಗ್ರೇಷನ್ ಗ್ರೂಪ್, ಸಿಐಎಸ್ನ ನಿರ್ದೇಶಕ. ಈಗ ಅನೇಕ ಕೈಗಾರಿಕೆಗಳಲ್ಲಿ ಅಂತಹ ಪರಿಹಾರಗಳಲ್ಲಿ ಆಸಕ್ತಿ ಇದೆ. ಕಂಪನಿಗಳು ಏನು ಸಾಧಿಸಿವೆ? ಮತ್ತು ದೊಡ್ಡ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ ಯಾವಾಗಲೂ ಮೌಲ್ಯಯುತವಾದ ತೀರ್ಮಾನಗಳಿಗೆ ಕಾರಣವಾಗುತ್ತದೆಯೇ?

ಗ್ರಾಹಕರ ಅನುಭವವನ್ನು ಸುಧಾರಿಸಲು ಮತ್ತು ವೆಚ್ಚಗಳನ್ನು ಅತ್ಯುತ್ತಮವಾಗಿಸಲು, ಹಾಗೆಯೇ ಅಪಾಯವನ್ನು ನಿರ್ವಹಿಸಲು ಮತ್ತು ವಂಚನೆಯನ್ನು ಎದುರಿಸಲು ಬ್ಯಾಂಕುಗಳು ದೊಡ್ಡ ಡೇಟಾ ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ಬಳಸುತ್ತವೆ. "ಇತ್ತೀಚಿನ ವರ್ಷಗಳಲ್ಲಿ, ದೊಡ್ಡ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯ ಕ್ಷೇತ್ರದಲ್ಲಿ ನಿಜವಾದ ಕ್ರಾಂತಿ ನಡೆದಿದೆ" ಎಂದು ಡುಝಿನ್ಸ್ಕಿ ಹೇಳುತ್ತಾರೆ. "ಯಂತ್ರ ಕಲಿಕೆಯ ಬಳಕೆಯು ಸಾಲದ ಡೀಫಾಲ್ಟ್‌ನ ಸಂಭವನೀಯತೆಯನ್ನು ಹೆಚ್ಚು ನಿಖರವಾಗಿ ಊಹಿಸಲು ನಮಗೆ ಅನುಮತಿಸುತ್ತದೆ - ನಮ್ಮ ಬ್ಯಾಂಕ್‌ನಲ್ಲಿನ ಅಪರಾಧವು ಕೇವಲ 3,9% ಆಗಿದೆ." ಹೋಲಿಕೆಗಾಗಿ, ಜನವರಿ 1, 2019 ರಂತೆ, ವ್ಯಕ್ತಿಗಳಿಗೆ ನೀಡಲಾದ ಸಾಲಗಳ ಮೇಲೆ 90 ದಿನಗಳಲ್ಲಿ ಮಿತಿಮೀರಿದ ಪಾವತಿಗಳೊಂದಿಗೆ ಸಾಲಗಳ ಪಾಲು, ಸೆಂಟ್ರಲ್ ಬ್ಯಾಂಕ್ ಪ್ರಕಾರ, 5% ಆಗಿದೆ.

ಮೈಕ್ರೋಫೈನಾನ್ಸ್ ಸಂಸ್ಥೆಗಳು ಕೂಡ ದೊಡ್ಡ ಡೇಟಾದ ಅಧ್ಯಯನದಿಂದ ಗೊಂದಲಕ್ಕೊಳಗಾಗುತ್ತವೆ. "ಇಂದು ದೊಡ್ಡ ಡೇಟಾವನ್ನು ವಿಶ್ಲೇಷಿಸದೆ ಹಣಕಾಸು ಸೇವೆಗಳನ್ನು ಒದಗಿಸುವುದು ಸಂಖ್ಯೆಗಳಿಲ್ಲದೆ ಗಣಿತವನ್ನು ಮಾಡಿದಂತೆ" ಎಂದು ಆನ್‌ಲೈನ್ ಸಾಲ ನೀಡುವ ವೇದಿಕೆಯಾದ ವೆಬ್‌ಬಾಂಕಿರ್‌ನ ಸಿಇಒ ಆಂಡ್ರೆ ಪೊನೊಮರೆವ್ ಹೇಳುತ್ತಾರೆ. "ನಾವು ಕ್ಲೈಂಟ್ ಅಥವಾ ಅವನ ಪಾಸ್‌ಪೋರ್ಟ್ ಅನ್ನು ನೋಡದೆ ಆನ್‌ಲೈನ್‌ನಲ್ಲಿ ಹಣವನ್ನು ನೀಡುತ್ತೇವೆ ಮತ್ತು ಸಾಂಪ್ರದಾಯಿಕ ಸಾಲಕ್ಕಿಂತ ಭಿನ್ನವಾಗಿ, ನಾವು ವ್ಯಕ್ತಿಯ ಪರಿಹಾರವನ್ನು ನಿರ್ಣಯಿಸುವುದು ಮಾತ್ರವಲ್ಲ, ಅವನ ವ್ಯಕ್ತಿತ್ವವನ್ನು ಗುರುತಿಸಬೇಕು."

ಈಗ ಕಂಪನಿಯ ಡೇಟಾಬೇಸ್ 500 ಸಾವಿರಕ್ಕೂ ಹೆಚ್ಚು ಗ್ರಾಹಕರ ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಸುತ್ತದೆ. ಪ್ರತಿಯೊಂದು ಹೊಸ ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ಈ ಡೇಟಾದೊಂದಿಗೆ ಸುಮಾರು 800 ಪ್ಯಾರಾಮೀಟರ್‌ಗಳಲ್ಲಿ ವಿಶ್ಲೇಷಿಸಲಾಗುತ್ತದೆ. ಪ್ರೋಗ್ರಾಂ ಲಿಂಗ, ವಯಸ್ಸು, ವೈವಾಹಿಕ ಸ್ಥಿತಿ ಮತ್ತು ಕ್ರೆಡಿಟ್ ಇತಿಹಾಸವನ್ನು ಮಾತ್ರವಲ್ಲದೆ, ಒಬ್ಬ ವ್ಯಕ್ತಿಯು ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗೆ ಪ್ರವೇಶಿಸಿದ ಸಾಧನ, ಅವರು ಸೈಟ್‌ನಲ್ಲಿ ಹೇಗೆ ವರ್ತಿಸಿದರು ಎಂಬುದನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಸಂಭಾವ್ಯ ಸಾಲಗಾರನು ಸಾಲದ ಕ್ಯಾಲ್ಕುಲೇಟರ್ ಅನ್ನು ಬಳಸಲಿಲ್ಲ ಅಥವಾ ಸಾಲದ ನಿಯಮಗಳ ಬಗ್ಗೆ ವಿಚಾರಿಸದಿರುವುದು ಆತಂಕಕಾರಿಯಾಗಿರಬಹುದು. "ಕೆಲವು ಸ್ಟಾಪ್ ಅಂಶಗಳನ್ನು ಹೊರತುಪಡಿಸಿ - ಹೇಳುವುದಾದರೆ, ನಾವು 19 ವರ್ಷಕ್ಕಿಂತ ಕಡಿಮೆ ವಯಸ್ಸಿನ ವ್ಯಕ್ತಿಗಳಿಗೆ ಸಾಲಗಳನ್ನು ನೀಡುವುದಿಲ್ಲ - ಈ ನಿಯತಾಂಕಗಳಲ್ಲಿ ಯಾವುದೂ ಸಾಲವನ್ನು ನೀಡಲು ನಿರಾಕರಿಸುವ ಅಥವಾ ಒಪ್ಪಿಕೊಳ್ಳುವ ಕಾರಣವಲ್ಲ" ಎಂದು ಪೊನೊಮರೆವ್ ವಿವರಿಸುತ್ತಾರೆ. ಇದು ಮುಖ್ಯವಾದ ಅಂಶಗಳ ಸಂಯೋಜನೆಯಾಗಿದೆ. 95% ಪ್ರಕರಣಗಳಲ್ಲಿ, ವಿಮೆ ಇಲಾಖೆಯಿಂದ ತಜ್ಞರ ಭಾಗವಹಿಸುವಿಕೆ ಇಲ್ಲದೆ ನಿರ್ಧಾರವನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ತೆಗೆದುಕೊಳ್ಳಲಾಗುತ್ತದೆ.

ಬಿಗ್ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯು ನಮಗೆ ಆಸಕ್ತಿದಾಯಕ ಮಾದರಿಗಳನ್ನು ಪಡೆಯಲು ಅನುಮತಿಸುತ್ತದೆ, Ponomarev ಷೇರುಗಳು. ಉದಾಹರಣೆಗೆ, ಆಂಡ್ರಾಯ್ಡ್ ಸಾಧನಗಳ ಮಾಲೀಕರಿಗಿಂತ ಐಫೋನ್ ಬಳಕೆದಾರರು ಹೆಚ್ಚು ಶಿಸ್ತುಬದ್ಧ ಸಾಲಗಾರರಾಗಿ ಹೊರಹೊಮ್ಮಿದರು - ಹಿಂದಿನವರು ಅಪ್ಲಿಕೇಶನ್‌ಗಳ ಅನುಮೋದನೆಯನ್ನು 1,7 ಪಟ್ಟು ಹೆಚ್ಚು ಬಾರಿ ಸ್ವೀಕರಿಸುತ್ತಾರೆ. "ಮಿಲಿಟರಿ ಸಿಬ್ಬಂದಿಗಳು ಸರಾಸರಿ ಸಾಲಗಾರನಿಗಿಂತ ಕಾಲು ಭಾಗದಷ್ಟು ಕಡಿಮೆ ಬಾರಿ ಸಾಲವನ್ನು ಮರುಪಾವತಿಸುವುದಿಲ್ಲ ಎಂಬುದು ಆಶ್ಚರ್ಯವೇನಿಲ್ಲ" ಎಂದು ಪೊನೊಮರೆವ್ ಹೇಳುತ್ತಾರೆ. "ಆದರೆ ವಿದ್ಯಾರ್ಥಿಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಬಾಧ್ಯತೆ ಹೊಂದುತ್ತಾರೆ ಎಂದು ನಿರೀಕ್ಷಿಸಲಾಗುವುದಿಲ್ಲ, ಆದರೆ ಏತನ್ಮಧ್ಯೆ, ಕ್ರೆಡಿಟ್ ಡೀಫಾಲ್ಟ್ ಪ್ರಕರಣಗಳು ಮೂಲಕ್ಕೆ ಸರಾಸರಿಗಿಂತ 10% ಕಡಿಮೆ ಸಾಮಾನ್ಯವಾಗಿದೆ."

ದೊಡ್ಡ ಡೇಟಾದ ಅಧ್ಯಯನವು ವಿಮಾದಾರರಿಗೆ ಸ್ಕೋರಿಂಗ್ ಅನ್ನು ಅನುಮತಿಸುತ್ತದೆ. 2016 ರಲ್ಲಿ ಸ್ಥಾಪಿತವಾದ, IDX ದೂರಸ್ಥ ಗುರುತಿಸುವಿಕೆ ಮತ್ತು ದಾಖಲೆಗಳ ಆನ್‌ಲೈನ್ ಪರಿಶೀಲನೆಯಲ್ಲಿ ತೊಡಗಿಸಿಕೊಂಡಿದೆ. ಸರಕುಗಳ ನಷ್ಟವನ್ನು ಸಾಧ್ಯವಾದಷ್ಟು ಕಡಿಮೆ ಮಾಡಲು ಆಸಕ್ತಿ ಹೊಂದಿರುವ ಸರಕು ವಿಮಾದಾರರಲ್ಲಿ ಈ ಸೇವೆಗಳು ಬೇಡಿಕೆಯಲ್ಲಿವೆ. ಸರಕುಗಳ ಸಾಗಣೆಯನ್ನು ವಿಮೆ ಮಾಡುವ ಮೊದಲು, ವಿಮಾದಾರರು, ಚಾಲಕನ ಒಪ್ಪಿಗೆಯೊಂದಿಗೆ, ವಿಶ್ವಾಸಾರ್ಹತೆಗಾಗಿ ಪರಿಶೀಲಿಸುತ್ತಾರೆ, IDX ನ ವಾಣಿಜ್ಯ ನಿರ್ದೇಶಕ ಜಾನ್ ಸ್ಲೋಕಾ ವಿವರಿಸುತ್ತಾರೆ. ಪಾಲುದಾರರೊಂದಿಗೆ - ಸೇಂಟ್ ಪೀಟರ್ಸ್ಬರ್ಗ್ ಕಂಪನಿ "ರಿಸ್ಕ್ ಕಂಟ್ರೋಲ್" - IDX ನೀವು ಚಾಲಕನ ಗುರುತನ್ನು, ಪಾಸ್ಪೋರ್ಟ್ ಡೇಟಾ ಮತ್ತು ಹಕ್ಕುಗಳನ್ನು ಪರಿಶೀಲಿಸಲು ಅನುಮತಿಸುವ ಸೇವೆಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದೆ, ಸರಕು ನಷ್ಟಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಘಟನೆಗಳಲ್ಲಿ ಭಾಗವಹಿಸುವಿಕೆ, ಇತ್ಯಾದಿ. ಚಾಲಕರ ಡೇಟಾಬೇಸ್, ಕಂಪನಿಯು "ಅಪಾಯದ ಗುಂಪನ್ನು" ಗುರುತಿಸಿದೆ: ಹೆಚ್ಚಾಗಿ, ಸುದೀರ್ಘ ಚಾಲನಾ ಅನುಭವವನ್ನು ಹೊಂದಿರುವ 30-40 ವರ್ಷ ವಯಸ್ಸಿನ ಚಾಲಕರಲ್ಲಿ ಸರಕು ಕಳೆದುಹೋಗುತ್ತದೆ, ಅವರು ಇತ್ತೀಚೆಗೆ ಉದ್ಯೋಗಗಳನ್ನು ಬದಲಾಯಿಸಿದ್ದಾರೆ. ಕಾರುಗಳ ಚಾಲಕರು ಸರಕುಗಳನ್ನು ಹೆಚ್ಚಾಗಿ ಕದಿಯುತ್ತಾರೆ, ಅದರ ಸೇವಾ ಜೀವನವು ಎಂಟು ವರ್ಷಗಳನ್ನು ಮೀರಿದೆ ಎಂದು ಅದು ಬದಲಾಯಿತು.

ಚಿಲ್ಲರೆ ವ್ಯಾಪಾರಿಗಳು ವಿಭಿನ್ನ ಕಾರ್ಯವನ್ನು ಹೊಂದಿದ್ದಾರೆ - ಖರೀದಿಯನ್ನು ಮಾಡಲು ಸಿದ್ಧರಾಗಿರುವ ಗ್ರಾಹಕರನ್ನು ಗುರುತಿಸಲು ಮತ್ತು ಅವುಗಳನ್ನು ಸೈಟ್ ಅಥವಾ ಸ್ಟೋರ್‌ಗೆ ತರಲು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿ ಮಾರ್ಗಗಳನ್ನು ನಿರ್ಧರಿಸಲು. ಈ ನಿಟ್ಟಿನಲ್ಲಿ, ಕಾರ್ಯಕ್ರಮಗಳು ಗ್ರಾಹಕರ ಪ್ರೊಫೈಲ್, ಅವರ ವೈಯಕ್ತಿಕ ಖಾತೆಯಿಂದ ಡೇಟಾ, ಖರೀದಿಗಳ ಇತಿಹಾಸ, ಹುಡುಕಾಟ ಪ್ರಶ್ನೆಗಳು ಮತ್ತು ಬೋನಸ್ ಪಾಯಿಂಟ್‌ಗಳ ಬಳಕೆ, ಅವರು ಭರ್ತಿ ಮಾಡಲು ಪ್ರಾರಂಭಿಸಿದ ಮತ್ತು ತ್ಯಜಿಸಿದ ಎಲೆಕ್ಟ್ರಾನಿಕ್ ಬುಟ್ಟಿಗಳ ವಿಷಯಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುತ್ತದೆ. ಡೇಟಾ ಅನಾಲಿಟಿಕ್ಸ್ ನಿಮಗೆ ಸಂಪೂರ್ಣ ಡೇಟಾಬೇಸ್ ಅನ್ನು ವಿಭಜಿಸಲು ಮತ್ತು ನಿರ್ದಿಷ್ಟ ಕೊಡುಗೆಯಲ್ಲಿ ಆಸಕ್ತಿ ಹೊಂದಿರುವ ಸಂಭಾವ್ಯ ಖರೀದಿದಾರರ ಗುಂಪುಗಳನ್ನು ಗುರುತಿಸಲು ಅನುಮತಿಸುತ್ತದೆ, M.Video-Eldorado ಗುಂಪಿನ ಡೇಟಾ ಕಚೇರಿಯ ನಿರ್ದೇಶಕರಾದ ಕಿರಿಲ್ ಇವನೊವ್ ಹೇಳುತ್ತಾರೆ.

ಉದಾಹರಣೆಗೆ, ಪ್ರೋಗ್ರಾಂ ಗ್ರಾಹಕರ ಗುಂಪುಗಳನ್ನು ಗುರುತಿಸುತ್ತದೆ, ಪ್ರತಿಯೊಂದೂ ವಿಭಿನ್ನ ಮಾರ್ಕೆಟಿಂಗ್ ಪರಿಕರಗಳನ್ನು ಇಷ್ಟಪಡುತ್ತದೆ - ಬಡ್ಡಿ-ಮುಕ್ತ ಸಾಲ, ಕ್ಯಾಶ್‌ಬ್ಯಾಕ್ ಅಥವಾ ರಿಯಾಯಿತಿ ಪ್ರೊಮೊ ಕೋಡ್. ಈ ಖರೀದಿದಾರರು ಅನುಗುಣವಾದ ಪ್ರಚಾರದೊಂದಿಗೆ ಇಮೇಲ್ ಸುದ್ದಿಪತ್ರವನ್ನು ಸ್ವೀಕರಿಸುತ್ತಾರೆ. ಒಬ್ಬ ವ್ಯಕ್ತಿಯು ಪತ್ರವನ್ನು ತೆರೆದ ನಂತರ ಕಂಪನಿಯ ವೆಬ್‌ಸೈಟ್‌ಗೆ ಹೋಗುವ ಸಂಭವನೀಯತೆಯು ಈ ಸಂದರ್ಭದಲ್ಲಿ ಗಮನಾರ್ಹವಾಗಿ ಹೆಚ್ಚಾಗುತ್ತದೆ ಎಂದು ಇವನೊವ್ ಹೇಳುತ್ತಾರೆ.

ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯು ಸಂಬಂಧಿತ ಉತ್ಪನ್ನಗಳು ಮತ್ತು ಪರಿಕರಗಳ ಮಾರಾಟವನ್ನು ಹೆಚ್ಚಿಸಲು ಸಹ ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ. ಇತರ ಗ್ರಾಹಕರ ಆರ್ಡರ್ ಇತಿಹಾಸವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಿದ ಸಿಸ್ಟಮ್, ಆಯ್ಕೆ ಮಾಡಿದ ಉತ್ಪನ್ನದೊಂದಿಗೆ ಏನನ್ನು ಖರೀದಿಸಬೇಕು ಎಂಬುದರ ಕುರಿತು ಖರೀದಿದಾರರಿಗೆ ಶಿಫಾರಸುಗಳನ್ನು ನೀಡುತ್ತದೆ. ಇವನೊವ್ ಪ್ರಕಾರ, ಈ ಕೆಲಸದ ವಿಧಾನದ ಪರೀಕ್ಷೆಯು ಬಿಡಿಭಾಗಗಳೊಂದಿಗೆ ಆದೇಶಗಳ ಸಂಖ್ಯೆಯಲ್ಲಿ 12% ಮತ್ತು ಪರಿಕರಗಳ ವಹಿವಾಟು 15% ರಷ್ಟು ಹೆಚ್ಚಳವನ್ನು ತೋರಿಸಿದೆ.

ಸೇವೆಯ ಗುಣಮಟ್ಟವನ್ನು ಸುಧಾರಿಸಲು ಮತ್ತು ಮಾರಾಟವನ್ನು ಹೆಚ್ಚಿಸಲು ಚಿಲ್ಲರೆ ವ್ಯಾಪಾರಿಗಳು ಮಾತ್ರ ಶ್ರಮಿಸುತ್ತಿಲ್ಲ. ಕಳೆದ ಬೇಸಿಗೆಯಲ್ಲಿ, MegaFon ಲಕ್ಷಾಂತರ ಚಂದಾದಾರರಿಂದ ಡೇಟಾದ ಪ್ರಕ್ರಿಯೆಯ ಆಧಾರದ ಮೇಲೆ "ಸ್ಮಾರ್ಟ್" ಕೊಡುಗೆ ಸೇವೆಯನ್ನು ಪ್ರಾರಂಭಿಸಿತು. ಅವರ ನಡವಳಿಕೆಯನ್ನು ಅಧ್ಯಯನ ಮಾಡಿದ ನಂತರ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಸುಂಕದೊಳಗೆ ಪ್ರತಿ ಕ್ಲೈಂಟ್‌ಗೆ ವೈಯಕ್ತಿಕ ಕೊಡುಗೆಗಳನ್ನು ರೂಪಿಸಲು ಕಲಿತಿದೆ. ಉದಾಹರಣೆಗೆ, ಒಬ್ಬ ವ್ಯಕ್ತಿಯು ತನ್ನ ಸಾಧನದಲ್ಲಿ ಸಕ್ರಿಯವಾಗಿ ವೀಡಿಯೊವನ್ನು ವೀಕ್ಷಿಸುತ್ತಿದ್ದಾನೆ ಎಂದು ಪ್ರೋಗ್ರಾಂ ಗಮನಿಸಿದರೆ, ಸೇವೆಯು ಮೊಬೈಲ್ ಟ್ರಾಫಿಕ್ ಪ್ರಮಾಣವನ್ನು ವಿಸ್ತರಿಸಲು ಅವರಿಗೆ ನೀಡುತ್ತದೆ. ಬಳಕೆದಾರರ ಆದ್ಯತೆಗಳನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಂಡು, ಕಂಪನಿಯು ಚಂದಾದಾರರಿಗೆ ಅವರ ನೆಚ್ಚಿನ ರೀತಿಯ ಇಂಟರ್ನೆಟ್ ವಿರಾಮಕ್ಕಾಗಿ ಅನಿಯಮಿತ ದಟ್ಟಣೆಯನ್ನು ಒದಗಿಸುತ್ತದೆ - ಉದಾಹರಣೆಗೆ, ತ್ವರಿತ ಸಂದೇಶವಾಹಕಗಳನ್ನು ಬಳಸುವುದು ಅಥವಾ ಸ್ಟ್ರೀಮಿಂಗ್ ಸೇವೆಗಳಲ್ಲಿ ಸಂಗೀತವನ್ನು ಆಲಿಸುವುದು, ಸಾಮಾಜಿಕ ನೆಟ್‌ವರ್ಕ್‌ಗಳಲ್ಲಿ ಚಾಟ್ ಮಾಡುವುದು ಅಥವಾ ಟಿವಿ ಕಾರ್ಯಕ್ರಮಗಳನ್ನು ವೀಕ್ಷಿಸುವುದು.

"ನಾವು ಚಂದಾದಾರರ ನಡವಳಿಕೆಯನ್ನು ವಿಶ್ಲೇಷಿಸುತ್ತೇವೆ ಮತ್ತು ಅವರ ಆಸಕ್ತಿಗಳು ಹೇಗೆ ಬದಲಾಗುತ್ತಿವೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುತ್ತೇವೆ" ಎಂದು MegaFon ನಲ್ಲಿ ದೊಡ್ಡ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯ ನಿರ್ದೇಶಕ ವಿಟಾಲಿ ಶೆರ್ಬಕೋವ್ ವಿವರಿಸುತ್ತಾರೆ. "ಉದಾಹರಣೆಗೆ, ಈ ವರ್ಷ, ಅಲೈಕ್ಸ್‌ಪ್ರೆಸ್ ದಟ್ಟಣೆಯು ಕಳೆದ ವರ್ಷಕ್ಕೆ ಹೋಲಿಸಿದರೆ 1,5 ಪಟ್ಟು ಹೆಚ್ಚಾಗಿದೆ ಮತ್ತು ಸಾಮಾನ್ಯವಾಗಿ, ಆನ್‌ಲೈನ್ ಬಟ್ಟೆ ಅಂಗಡಿಗಳಿಗೆ ಭೇಟಿಗಳ ಸಂಖ್ಯೆ ಬೆಳೆಯುತ್ತಿದೆ: ನಿರ್ದಿಷ್ಟ ಸಂಪನ್ಮೂಲವನ್ನು ಅವಲಂಬಿಸಿ 1,2-2 ಬಾರಿ."

ದೊಡ್ಡ ಡೇಟಾದೊಂದಿಗೆ ಆಪರೇಟರ್ನ ಕೆಲಸದ ಮತ್ತೊಂದು ಉದಾಹರಣೆಯೆಂದರೆ ಕಾಣೆಯಾದ ಮಕ್ಕಳು ಮತ್ತು ವಯಸ್ಕರನ್ನು ಹುಡುಕಲು MegaFon Poisk ವೇದಿಕೆ. ಕಾಣೆಯಾದ ವ್ಯಕ್ತಿಯ ಸ್ಥಳದ ಬಳಿ ಯಾವ ಜನರು ಇರಬಹುದೆಂದು ಸಿಸ್ಟಮ್ ವಿಶ್ಲೇಷಿಸುತ್ತದೆ ಮತ್ತು ಅವರಿಗೆ ಕಾಣೆಯಾದ ವ್ಯಕ್ತಿಯ ಫೋಟೋ ಮತ್ತು ಚಿಹ್ನೆಗಳೊಂದಿಗೆ ಮಾಹಿತಿಯನ್ನು ಕಳುಹಿಸುತ್ತದೆ. ಆಪರೇಟರ್ ಆಂತರಿಕ ವ್ಯವಹಾರಗಳ ಸಚಿವಾಲಯ ಮತ್ತು ಲಿಸಾ ಅಲರ್ಟ್ ಸಂಸ್ಥೆಯೊಂದಿಗೆ ವ್ಯವಸ್ಥೆಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದರು ಮತ್ತು ಪರೀಕ್ಷಿಸಿದರು: ಕಾಣೆಯಾದ ವ್ಯಕ್ತಿಗೆ ಎರಡು ನಿಮಿಷಗಳ ದೃಷ್ಟಿಕೋನದಲ್ಲಿ, 2 ಸಾವಿರಕ್ಕೂ ಹೆಚ್ಚು ಚಂದಾದಾರರು ಸ್ವೀಕರಿಸುತ್ತಾರೆ, ಇದು ಯಶಸ್ವಿ ಹುಡುಕಾಟ ಫಲಿತಾಂಶದ ಸಾಧ್ಯತೆಗಳನ್ನು ಗಮನಾರ್ಹವಾಗಿ ಹೆಚ್ಚಿಸುತ್ತದೆ.

ದೊಡ್ಡ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯು ಉದ್ಯಮದಲ್ಲಿ ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ಕಂಡುಕೊಂಡಿದೆ. ಇಲ್ಲಿ ಇದು ಬೇಡಿಕೆಯನ್ನು ಮುನ್ಸೂಚಿಸಲು ಮತ್ತು ಮಾರಾಟವನ್ನು ಯೋಜಿಸಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ. ಆದ್ದರಿಂದ, ಚೆರ್ಕಿಜೊವೊ ಕಂಪನಿಗಳ ಗುಂಪಿನಲ್ಲಿ, ಮೂರು ವರ್ಷಗಳ ಹಿಂದೆ, SAP BW ಆಧಾರಿತ ಪರಿಹಾರವನ್ನು ಜಾರಿಗೆ ತರಲಾಯಿತು, ಇದು ಎಲ್ಲಾ ಮಾರಾಟ ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಸಲು ಮತ್ತು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲು ನಿಮಗೆ ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ: ಬೆಲೆಗಳು, ವಿಂಗಡಣೆ, ಉತ್ಪನ್ನ ಸಂಪುಟಗಳು, ಪ್ರಚಾರಗಳು, ವಿತರಣಾ ಮಾರ್ಗಗಳು, CIO ವ್ಲಾಡಿಸ್ಲಾವ್ ಬೆಲ್ಯಾವ್ ಹೇಳುತ್ತಾರೆ. ಗುಂಪಿನ ”ಚೆರ್ಕಿಜೊವೊ. ಸಂಗ್ರಹವಾದ 2 ಟಿಬಿ ಮಾಹಿತಿಯ ವಿಶ್ಲೇಷಣೆಯು ವಿಂಗಡಣೆಯನ್ನು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ರೂಪಿಸಲು ಮತ್ತು ಉತ್ಪನ್ನ ಪೋರ್ಟ್ಫೋಲಿಯೊವನ್ನು ಅತ್ಯುತ್ತಮವಾಗಿಸಲು ಸಾಧ್ಯವಾಗಿಸಿತು, ಆದರೆ ಉದ್ಯೋಗಿಗಳ ಕೆಲಸವನ್ನು ಸುಗಮಗೊಳಿಸಿತು. ಉದಾಹರಣೆಗೆ, ದಿನನಿತ್ಯದ ಮಾರಾಟದ ವರದಿಯನ್ನು ಸಿದ್ಧಪಡಿಸಲು ಅನೇಕ ವಿಶ್ಲೇಷಕರ ಒಂದು ದಿನದ ಕೆಲಸದ ಅಗತ್ಯವಿರುತ್ತದೆ - ಪ್ರತಿ ಉತ್ಪನ್ನ ವಿಭಾಗಕ್ಕೆ ಎರಡು. ಈಗ ಈ ವರದಿಯನ್ನು ರೋಬೋಟ್ ಸಿದ್ಧಪಡಿಸಿದ್ದು, ಎಲ್ಲಾ ವಿಭಾಗಗಳಲ್ಲಿ ಕೇವಲ 30 ನಿಮಿಷಗಳನ್ನು ವ್ಯಯಿಸಿದೆ.

"ಉದ್ಯಮದಲ್ಲಿ, ದೊಡ್ಡ ಡೇಟಾವು ವಸ್ತುಗಳ ಇಂಟರ್ನೆಟ್ ಜೊತೆಯಲ್ಲಿ ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ" ಎಂದು ಅಂಬ್ರೆಲ್ಲಾ ಐಟಿಯ CEO ಸ್ಟಾನಿಸ್ಲಾವ್ ಮೆಶ್ಕೋವ್ ಹೇಳುತ್ತಾರೆ. "ಉಪಕರಣಗಳನ್ನು ಹೊಂದಿರುವ ಸಂವೇದಕಗಳ ಡೇಟಾದ ವಿಶ್ಲೇಷಣೆಯ ಆಧಾರದ ಮೇಲೆ, ಅದರ ಕಾರ್ಯಾಚರಣೆಯಲ್ಲಿನ ವಿಚಲನಗಳನ್ನು ಗುರುತಿಸಲು ಮತ್ತು ಸ್ಥಗಿತಗಳನ್ನು ತಡೆಗಟ್ಟಲು ಮತ್ತು ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಊಹಿಸಲು ಸಾಧ್ಯವಿದೆ."

ಸೆವೆರ್ಸ್ಟಾಲ್ನಲ್ಲಿ, ದೊಡ್ಡ ಡೇಟಾದ ಸಹಾಯದಿಂದ, ಅವರು ಕ್ಷುಲ್ಲಕವಲ್ಲದ ಕಾರ್ಯಗಳನ್ನು ಪರಿಹರಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದಾರೆ - ಉದಾಹರಣೆಗೆ, ಗಾಯದ ಪ್ರಮಾಣವನ್ನು ಕಡಿಮೆ ಮಾಡಲು. 2019 ರಲ್ಲಿ, ಕಾರ್ಮಿಕ ಸುರಕ್ಷತೆಯನ್ನು ಸುಧಾರಿಸುವ ಕ್ರಮಗಳಿಗಾಗಿ ಕಂಪನಿಯು ಸುಮಾರು RUB 1,1 ಶತಕೋಟಿಯನ್ನು ನಿಯೋಜಿಸಿತು. ಸೆವೆರ್ಸ್ಟಾಲ್ ಗಾಯದ ಪ್ರಮಾಣವನ್ನು 2025% ರಷ್ಟು 50 ರಷ್ಟು ಕಡಿಮೆ ಮಾಡಲು ನಿರೀಕ್ಷಿಸುತ್ತದೆ (2017 ಕ್ಕೆ ಹೋಲಿಸಿದರೆ). "ಒಬ್ಬ ಲೈನ್ ಮ್ಯಾನೇಜರ್ - ಫೋರ್‌ಮ್ಯಾನ್, ಸೈಟ್ ಮ್ಯಾನೇಜರ್, ಶಾಪ್ ಮ್ಯಾನೇಜರ್ - ಉದ್ಯೋಗಿ ಕೆಲವು ಕಾರ್ಯಾಚರಣೆಗಳನ್ನು ಅಸುರಕ್ಷಿತವಾಗಿ ನಿರ್ವಹಿಸುವುದನ್ನು ಗಮನಿಸಿದರೆ (ಕೈಗಾರಿಕಾ ಸ್ಥಳದಲ್ಲಿ ಮೆಟ್ಟಿಲುಗಳನ್ನು ಹತ್ತುವಾಗ ಹ್ಯಾಂಡ್‌ರೈಲ್‌ಗಳನ್ನು ಹಿಡಿದಿಟ್ಟುಕೊಳ್ಳುವುದಿಲ್ಲ ಅಥವಾ ಎಲ್ಲಾ ವೈಯಕ್ತಿಕ ರಕ್ಷಣಾ ಸಾಧನಗಳನ್ನು ಧರಿಸುವುದಿಲ್ಲ), ಅವರು ಬರೆಯುತ್ತಾರೆ. ಅವರಿಗೆ ವಿಶೇಷ ಟಿಪ್ಪಣಿ - PAB (“ವರ್ತನೆಯ ಭದ್ರತಾ ಲೆಕ್ಕಪರಿಶೋಧನೆ” ಯಿಂದ),” ಕಂಪನಿಯ ಡೇಟಾ ವಿಶ್ಲೇಷಣಾ ವಿಭಾಗದ ಮುಖ್ಯಸ್ಥ ಬೋರಿಸ್ ವೊಸ್ಕ್ರೆಸೆನ್ಸ್ಕಿ ಹೇಳುತ್ತಾರೆ.

ಒಂದು ವಿಭಾಗದಲ್ಲಿನ PAB ಗಳ ಸಂಖ್ಯೆಯ ಡೇಟಾವನ್ನು ವಿಶ್ಲೇಷಿಸಿದ ನಂತರ, ಕಂಪನಿಯ ತಜ್ಞರು ಸುರಕ್ಷತಾ ನಿಯಮಗಳನ್ನು ಈಗಾಗಲೇ ಹಲವಾರು ಟೀಕೆಗಳನ್ನು ಹೊಂದಿರುವವರು ಮತ್ತು ಸ್ವಲ್ಪ ಸಮಯದ ಮೊದಲು ಅನಾರೋಗ್ಯ ರಜೆ ಅಥವಾ ರಜೆಯಲ್ಲಿದ್ದವರು ಹೆಚ್ಚಾಗಿ ಉಲ್ಲಂಘಿಸಿದ್ದಾರೆ ಎಂದು ಕಂಡುಹಿಡಿದರು. ಘಟನೆ. ರಜೆ ಅಥವಾ ಅನಾರೋಗ್ಯ ರಜೆಯಿಂದ ಹಿಂದಿರುಗಿದ ನಂತರ ಮೊದಲ ವಾರದಲ್ಲಿ ಉಲ್ಲಂಘನೆಗಳು ನಂತರದ ಅವಧಿಯಲ್ಲಿ ಎರಡು ಪಟ್ಟು ಹೆಚ್ಚು: 1 ವರ್ಸಸ್ 0,55%. ಆದರೆ ರಾತ್ರಿ ಪಾಳಿಯಲ್ಲಿ ಕೆಲಸ ಮಾಡುವುದು, ಅದು ಬದಲಾದಂತೆ, PAB ಗಳ ಅಂಕಿಅಂಶಗಳ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುವುದಿಲ್ಲ.

ದೊಡ್ಡ ಡೇಟಾವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲು ಅಲ್ಗಾರಿದಮ್ಗಳನ್ನು ರಚಿಸುವುದು ಕೆಲಸದ ಅತ್ಯಂತ ಕಷ್ಟಕರವಾದ ಭಾಗವಲ್ಲ ಎಂದು ಕಂಪನಿಯ ಪ್ರತಿನಿಧಿಗಳು ಹೇಳುತ್ತಾರೆ. ಪ್ರತಿಯೊಂದು ನಿರ್ದಿಷ್ಟ ವ್ಯವಹಾರದ ಸಂದರ್ಭದಲ್ಲಿ ಈ ತಂತ್ರಜ್ಞಾನಗಳನ್ನು ಹೇಗೆ ಅನ್ವಯಿಸಬಹುದು ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಹೆಚ್ಚು ಕಷ್ಟಕರವಾಗಿದೆ. ಕಂಪನಿಯ ವಿಶ್ಲೇಷಕರು ಮತ್ತು ಬಾಹ್ಯ ಪೂರೈಕೆದಾರರ ಅಕಿಲ್ಸ್ ಹೀಲ್ ಇರುವುದು ಇಲ್ಲಿಯೇ, ಇದು ದೊಡ್ಡ ಡೇಟಾ ಕ್ಷೇತ್ರದಲ್ಲಿ ಪರಿಣತಿಯನ್ನು ಸಂಗ್ರಹಿಸಿದೆ ಎಂದು ತೋರುತ್ತದೆ.

"ಅತ್ಯುತ್ತಮ ಗಣಿತಶಾಸ್ತ್ರಜ್ಞರಾದ ದೊಡ್ಡ ಡೇಟಾ ವಿಶ್ಲೇಷಕರನ್ನು ನಾನು ಆಗಾಗ್ಗೆ ಭೇಟಿಯಾಗುತ್ತೇನೆ, ಆದರೆ ವ್ಯವಹಾರ ಪ್ರಕ್ರಿಯೆಗಳ ಬಗ್ಗೆ ಅಗತ್ಯವಾದ ತಿಳುವಳಿಕೆಯನ್ನು ಹೊಂದಿರಲಿಲ್ಲ" ಎಂದು ಗೂಡ್ಸ್‌ಫೋರ್ಕಾಸ್ಟ್‌ನ ಅಭಿವೃದ್ಧಿಯ ನಿರ್ದೇಶಕ ಸೆರ್ಗೆ ಕೋಟಿಕ್ ಹೇಳುತ್ತಾರೆ. ಎರಡು ವರ್ಷಗಳ ಹಿಂದೆ ತನ್ನ ಕಂಪನಿಯು ಫೆಡರಲ್ ಚಿಲ್ಲರೆ ಸರಪಳಿಗಾಗಿ ಬೇಡಿಕೆಯ ಮುನ್ಸೂಚನೆಯ ಸ್ಪರ್ಧೆಯಲ್ಲಿ ಭಾಗವಹಿಸಲು ಹೇಗೆ ಅವಕಾಶವನ್ನು ಹೊಂದಿತ್ತು ಎಂಬುದನ್ನು ಅವರು ನೆನಪಿಸಿಕೊಳ್ಳುತ್ತಾರೆ. ಭಾಗವಹಿಸುವವರು ಮುನ್ಸೂಚನೆ ನೀಡಿದ ಎಲ್ಲಾ ಸರಕುಗಳು ಮತ್ತು ಮಳಿಗೆಗಳಿಗೆ ಪ್ರಾಯೋಗಿಕ ಪ್ರದೇಶವನ್ನು ಆಯ್ಕೆ ಮಾಡಲಾಗಿದೆ. ಮುನ್ಸೂಚನೆಗಳನ್ನು ನಂತರ ನಿಜವಾದ ಮಾರಾಟದೊಂದಿಗೆ ಹೋಲಿಸಲಾಯಿತು. ಮೊದಲ ಸ್ಥಾನವನ್ನು ರಷ್ಯಾದ ಇಂಟರ್ನೆಟ್ ದೈತ್ಯರೊಬ್ಬರು ತೆಗೆದುಕೊಂಡಿದ್ದಾರೆ, ಇದು ಯಂತ್ರ ಕಲಿಕೆ ಮತ್ತು ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ಪರಿಣತಿಗೆ ಹೆಸರುವಾಸಿಯಾಗಿದೆ: ಅದರ ಮುನ್ಸೂಚನೆಗಳಲ್ಲಿ, ಇದು ನಿಜವಾದ ಮಾರಾಟದಿಂದ ಕನಿಷ್ಠ ವಿಚಲನವನ್ನು ತೋರಿಸಿದೆ.

ಆದರೆ ನೆಟ್‌ವರ್ಕ್ ಅವನ ಮುನ್ಸೂಚನೆಗಳನ್ನು ಹೆಚ್ಚು ವಿವರವಾಗಿ ಅಧ್ಯಯನ ಮಾಡಲು ಪ್ರಾರಂಭಿಸಿದಾಗ, ವ್ಯವಹಾರದ ದೃಷ್ಟಿಕೋನದಿಂದ ಅವು ಸಂಪೂರ್ಣವಾಗಿ ಸ್ವೀಕಾರಾರ್ಹವಲ್ಲ ಎಂದು ತಿಳಿದುಬಂದಿದೆ. ಕಂಪನಿಯು ಒಂದು ಮಾದರಿಯನ್ನು ಪರಿಚಯಿಸಿತು, ಅದು ವ್ಯವಸ್ಥಿತವಾದ ಕಡಿಮೆ ಹೇಳಿಕೆಯೊಂದಿಗೆ ಮಾರಾಟ ಯೋಜನೆಗಳನ್ನು ತಯಾರಿಸಿತು. ಮುನ್ಸೂಚನೆಗಳಲ್ಲಿನ ದೋಷಗಳ ಸಂಭವನೀಯತೆಯನ್ನು ಹೇಗೆ ಕಡಿಮೆ ಮಾಡುವುದು ಎಂದು ಪ್ರೋಗ್ರಾಂ ಲೆಕ್ಕಾಚಾರ ಮಾಡಿದೆ: ಮಾರಾಟವನ್ನು ಕಡಿಮೆ ಅಂದಾಜು ಮಾಡುವುದು ಸುರಕ್ಷಿತವಾಗಿದೆ, ಏಕೆಂದರೆ ಗರಿಷ್ಠ ದೋಷವು 100% ಆಗಿರಬಹುದು (ಯಾವುದೇ ನಕಾರಾತ್ಮಕ ಮಾರಾಟಗಳಿಲ್ಲ), ಆದರೆ ಅತಿಯಾದ ಮುನ್ಸೂಚನೆಯ ದಿಕ್ಕಿನಲ್ಲಿ, ಅದು ನಿರಂಕುಶವಾಗಿ ದೊಡ್ಡದಾಗಿರಬಹುದು, ಕೋಟಿಕ್ ವಿವರಿಸುತ್ತಾರೆ. ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ಕಂಪನಿಯು ಆದರ್ಶ ಗಣಿತದ ಮಾದರಿಯನ್ನು ಪ್ರಸ್ತುತಪಡಿಸಿತು, ಇದು ನೈಜ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ಅರ್ಧ-ಖಾಲಿ ಮಳಿಗೆಗಳಿಗೆ ಮತ್ತು ಅಂಡರ್ಸೇಲ್‌ಗಳಿಂದ ಭಾರಿ ನಷ್ಟಕ್ಕೆ ಕಾರಣವಾಗುತ್ತದೆ. ಪರಿಣಾಮವಾಗಿ, ಮತ್ತೊಂದು ಕಂಪನಿಯು ಸ್ಪರ್ಧೆಯನ್ನು ಗೆದ್ದುಕೊಂಡಿತು, ಅದರ ಲೆಕ್ಕಾಚಾರಗಳನ್ನು ಆಚರಣೆಗೆ ತರಬಹುದು.

ದೊಡ್ಡ ಡೇಟಾ ತಂತ್ರಜ್ಞಾನಗಳು ಅನೇಕ ಕೈಗಾರಿಕೆಗಳಿಗೆ ಪ್ರಸ್ತುತವಾಗಿವೆ, ಆದರೆ ಅವುಗಳ ಸಕ್ರಿಯ ಅನುಷ್ಠಾನವು ಎಲ್ಲೆಡೆ ಸಂಭವಿಸುವುದಿಲ್ಲ ಎಂದು ಮೆಶ್ಕೋವ್ ಹೇಳುತ್ತಾರೆ. ಉದಾಹರಣೆಗೆ, ಆರೋಗ್ಯ ರಕ್ಷಣೆಯಲ್ಲಿ ಡೇಟಾ ಸಂಗ್ರಹಣೆಯಲ್ಲಿ ಸಮಸ್ಯೆ ಇದೆ: ಬಹಳಷ್ಟು ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಸಲಾಗಿದೆ ಮತ್ತು ಅದನ್ನು ನಿಯಮಿತವಾಗಿ ನವೀಕರಿಸಲಾಗುತ್ತದೆ, ಆದರೆ ಹೆಚ್ಚಿನ ಭಾಗಕ್ಕೆ ಈ ಡೇಟಾವನ್ನು ಇನ್ನೂ ಡಿಜಿಟೈಸ್ ಮಾಡಲಾಗಿಲ್ಲ. ಸರ್ಕಾರಿ ಏಜೆನ್ಸಿಗಳಲ್ಲಿ ಸಾಕಷ್ಟು ಡೇಟಾ ಇದೆ, ಆದರೆ ಅವುಗಳನ್ನು ಸಾಮಾನ್ಯ ಕ್ಲಸ್ಟರ್ ಆಗಿ ಸಂಯೋಜಿಸಲಾಗಿಲ್ಲ. ರಾಷ್ಟ್ರೀಯ ದತ್ತಾಂಶ ನಿರ್ವಹಣಾ ವ್ಯವಸ್ಥೆಯ (NCMS) ಏಕೀಕೃತ ಮಾಹಿತಿ ವೇದಿಕೆಯ ಅಭಿವೃದ್ಧಿಯು ಈ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸುವ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ ಎಂದು ತಜ್ಞರು ಹೇಳುತ್ತಾರೆ.

ಆದಾಗ್ಯೂ, ನಮ್ಮ ದೇಶವು ಹೆಚ್ಚಿನ ಸಂಸ್ಥೆಗಳಲ್ಲಿ ಅಂತಃಪ್ರಜ್ಞೆಯ ಆಧಾರದ ಮೇಲೆ ಪ್ರಮುಖ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವ ಏಕೈಕ ದೇಶದಿಂದ ದೂರವಿದೆ, ಆದರೆ ದೊಡ್ಡ ಡೇಟಾದ ವಿಶ್ಲೇಷಣೆಯಲ್ಲ. ಕಳೆದ ವರ್ಷ ಏಪ್ರಿಲ್‌ನಲ್ಲಿ, ಡೆಲಾಯ್ಟ್ ಅಮೆರಿಕದ ದೊಡ್ಡ ಕಂಪನಿಗಳ ಸಾವಿರಕ್ಕೂ ಹೆಚ್ಚು ನಾಯಕರ ನಡುವೆ (500 ಅಥವಾ ಅದಕ್ಕಿಂತ ಹೆಚ್ಚಿನ ಸಿಬ್ಬಂದಿಯೊಂದಿಗೆ) ಸಮೀಕ್ಷೆಯನ್ನು ನಡೆಸಿತು ಮತ್ತು ಸಮೀಕ್ಷೆ ನಡೆಸಿದವರಲ್ಲಿ 63% ದೊಡ್ಡ ಡೇಟಾ ತಂತ್ರಜ್ಞಾನಗಳೊಂದಿಗೆ ಪರಿಚಿತರಾಗಿದ್ದಾರೆ, ಆದರೆ ಅಗತ್ಯವಿರುವ ಎಲ್ಲವನ್ನು ಹೊಂದಿಲ್ಲ ಎಂದು ಕಂಡುಹಿಡಿದಿದೆ. ಅವುಗಳನ್ನು ಬಳಸಲು ಮೂಲಸೌಕರ್ಯ. ಏತನ್ಮಧ್ಯೆ, ಉನ್ನತ ಮಟ್ಟದ ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಪರಿಪಕ್ವತೆಯನ್ನು ಹೊಂದಿರುವ 37% ಕಂಪನಿಗಳಲ್ಲಿ, ಕಳೆದ 12 ತಿಂಗಳುಗಳಲ್ಲಿ ಅರ್ಧದಷ್ಟು ವ್ಯವಹಾರ ಗುರಿಗಳನ್ನು ಗಮನಾರ್ಹವಾಗಿ ಮೀರಿದೆ.

ಹೊಸ ತಾಂತ್ರಿಕ ಪರಿಹಾರಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವ ಕಷ್ಟದ ಜೊತೆಗೆ, ಕಂಪನಿಗಳಲ್ಲಿನ ಪ್ರಮುಖ ಸಮಸ್ಯೆಯೆಂದರೆ ಡೇಟಾದೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವ ಸಂಸ್ಕೃತಿಯ ಕೊರತೆ ಎಂದು ಅಧ್ಯಯನವು ಬಹಿರಂಗಪಡಿಸಿದೆ. ದೊಡ್ಡ ಡೇಟಾದ ಆಧಾರದ ಮೇಲೆ ನಿರ್ಧಾರಗಳ ಜವಾಬ್ದಾರಿಯನ್ನು ಕಂಪನಿಯ ವಿಶ್ಲೇಷಕರಿಗೆ ಮಾತ್ರ ನಿಯೋಜಿಸಿದರೆ ನೀವು ಉತ್ತಮ ಫಲಿತಾಂಶಗಳನ್ನು ನಿರೀಕ್ಷಿಸಬಾರದು ಮತ್ತು ಇಡೀ ಕಂಪನಿಗೆ ಅಲ್ಲ. "ಈಗ ಕಂಪನಿಗಳು ದೊಡ್ಡ ಡೇಟಾಕ್ಕಾಗಿ ಆಸಕ್ತಿದಾಯಕ ಬಳಕೆಯ ಪ್ರಕರಣಗಳನ್ನು ಹುಡುಕುತ್ತಿವೆ" ಎಂದು ಮಿಫ್ತಾಖೋವ್ ಹೇಳುತ್ತಾರೆ. "ಅದೇ ಸಮಯದಲ್ಲಿ, ಕೆಲವು ಸನ್ನಿವೇಶಗಳ ಅನುಷ್ಠಾನಕ್ಕೆ ಮೊದಲು ವಿಶ್ಲೇಷಿಸದ ಹೆಚ್ಚುವರಿ ಡೇಟಾದ ಸಂಗ್ರಹಣೆ, ಸಂಸ್ಕರಣೆ ಮತ್ತು ಗುಣಮಟ್ಟದ ನಿಯಂತ್ರಣಕ್ಕಾಗಿ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಹೂಡಿಕೆಯ ಅಗತ್ಯವಿರುತ್ತದೆ." ಅಯ್ಯೋ, "ಅನಾಲಿಟಿಕ್ಸ್ ಇನ್ನೂ ತಂಡದ ಕ್ರೀಡೆಯಾಗಿಲ್ಲ" ಎಂದು ಅಧ್ಯಯನದ ಲೇಖಕರು ಒಪ್ಪಿಕೊಳ್ಳುತ್ತಾರೆ.