সূত্র: ফ্লিকার / জেমস রয়েল-লসন
ছাড়াইয়া লত্তয়া:
হোস্ট এরিক কাভানাঘ ব্যবসায় তথ্য বিশ্লেষক এবং শিল্পের নেতাদের সাথে বিশ্লেষণের ব্যবহার নিয়ে আলোচনা করেছেন।
সম্পাদক দ্রষ্টব্য: এটি আমাদের অতীত ওয়েবকাস্টগুলির একটির প্রতিলিপি। পরবর্তী পর্বটি দ্রুত হাজির হচ্ছে, নিবন্ধন করতে এখানে ক্লিক করুন।এরিক কাভানাঘ: মহিলা ও ভদ্রলোকগণ, হ্যালো এবং টেকুইয়েসির দ্বিতীয় পর্বে আবারো স্বাগতম। হ্যাঁ, প্রকৃতপক্ষে, এই সময়টি বিজ্ঞ ব্যক্তিদের পাওয়ার! আমাদের এই প্রচেষ্টায় সহায়তার জন্য আমি আজ লাইনে সত্যিকারের স্মার্ট লোকদের একগুচ্ছ পেয়েছি। আমার নাম অবশ্যই এরিক কাভানাঘ। এই বাজ-বৃত্তাকার অধিবেশনের জন্য আমি আপনার হোস্ট, আপনার মডারেটর হব। ভাবেন, আমাদের এখানে প্রচুর সামগ্রী রয়েছে। ব্যবসায় আমাদের বেশ কিছু বড় নাম রয়েছে, যারা আমাদের মহাকাশে বিশ্লেষক হয়েছিলেন এবং সবচেয়ে আকর্ষণীয় চারজন বিক্রেতার মধ্যে রয়েছেন।সুতরাং আমরা আজকের কলটিতে অনেক ভাল ক্রিয়া করব। এবং অবশ্যই, আপনি দর্শকদের মধ্যে প্রশ্ন জিজ্ঞাসা করতে গুরুত্বপূর্ণ ভূমিকা পালন করে।
তাই আবারও শোটি টেকুইয়েস এবং আজকের বিষয়টি "কীভাবে বিশ্লেষণকে ব্যবসায় উন্নত করতে পারে?" স্পষ্টতই, এটি একটি উত্তপ্ত বিষয় যেখানে এটি আপনি করতে পারেন এমন বিভিন্ন ধরণের বিশ্লেষণগুলি বোঝার চেষ্টা করতে চলেছে এবং কীভাবে এটি আপনার ক্রিয়াকলাপকে উন্নত করতে পারে কারণ দিনের শেষে এটিই ছিল।
সুতরাং আপনি সেখানে নিজেকে শীর্ষে দেখতে পারেন, এটি সত্যই আপনার। জর্জ ম্যাসন বিশ্ববিদ্যালয়ের একজন ভাল বন্ধু ড। তিনি প্রচুর পরিমাণে অভিজ্ঞতার সাথে এই ডেটা বিজ্ঞানী, এই স্থান এবং ডেটা মাইনিং এবং বিগ ডেটা এবং সমস্ত ধরণের মজাদার জিনিসগুলির মধ্যে খুব গভীর দক্ষতা। এবং অবশ্যই, আমাদের ব্লুর গ্রুপের চিফ অ্যানালিস্ট রবিন ব্লুর, আমাদের নিজস্ব নিজস্ব। যিনি বহু বছর আগে একটি প্রকৃতি হিসাবে প্রশিক্ষিত হয়েছিল। এবং গত অর্ধ দশক ধরে তিনি পুরো পুরো ডেটা স্পেস এবং বিশ্লেষণী জায়গার প্রতি সত্যই মনোনিবেশ করেছেন। আমরা প্রতি সেউ ব্লার গ্রুপ চালু করার প্রায় পাঁচ বছর হয়ে গেছে। আপনি মজা করার সময় তাই সময় উড়ে যায়।
আমরা পেন্টাহোর প্রধান স্থপতি উইল গোরম্যানের কাছ থেকেও শুনতে যাচ্ছি; স্টিভ উইলকস, ওয়েবঅ্যাকশনের সিসিও; ফ্রাঙ্ক স্যান্ডার্স, মার্কলজিকের টেকনিক্যাল ডিরেক্টর; এবং ট্রেজার ডেটার ডিরেক্টর হান্না স্মল্ট্রি। আমি যেমন বলেছি ঠিক তেমনই এটি প্রচুর সামগ্রী।
তাহলে বিশ্লেষণগুলি কীভাবে আপনার ব্যবসাকে সহায়তা করতে পারে? ঠিক আছে, কীভাবে এটি আপনার ব্যবসায়কে বেশ স্পষ্টভাবে সহায়তা করতে পারে? বিশ্লেষণগুলি এমন জিনিসগুলি ব্যবহার করতে পারে যা আপনার সংস্থার উন্নতি করে ways
সুতরাং অপারেশন স্ট্রিমলাইন। এটি হ'ল আপনি বিপণন বা উপার্জন বাড়াতে বা সুযোগগুলি চিহ্নিত করার মতো জিনিসগুলি সম্পর্কে যতটা শোনেন না। তবে আপনার ক্রিয়াকলাপকে সহজ করে তোলা হ'ল এটি হ'ল সত্যই শক্তিশালী জিনিস যা আপনি আপনার সংস্থার পক্ষে করতে পারেন কারণ আপনি এমন জায়গাগুলি সনাক্ত করতে পারেন যেখানে আপনি কোনও কিছু আউটসোর্স করতে পারেন বা উদাহরণস্বরূপ কোনও নির্দিষ্ট প্রক্রিয়াতে আপনি ডেটা যুক্ত করতে পারেন। এবং এটি কল করার জন্য কাউকে ফোন তুলতে বা কারও কাছে ফোন নেওয়ার দরকার না রেখে এটিকে প্রবাহিত করতে পারে। আপনার অপারেশনগুলিকে প্রবাহিত করতে পারে এমন অনেকগুলি বিভিন্ন উপায় রয়েছে। এবং এগুলি সবই আপনার ব্যয় হ্রাস করতে সহায়তা করে, তাই না? এটাই চাবি, এটি ব্যয়টি কমিয়ে আনে। তবে এটি আপনাকে আপনার গ্রাহকদের আরও ভালভাবে সেবা দেওয়ার অনুমতি দেয়।
এবং যদি আপনি কীভাবে অধৈর্য মানুষ হয়ে পড়েছেন সে সম্পর্কে যদি আপনি চিন্তা করেন এবং আমি প্রতিটি একদিন দেখতে পেলাম কীভাবে লোকেরা অনলাইনে ইন্টারেক্ট করে, এমনকি আমাদের শো, পরিষেবা সরবরাহকারীদের সাথেও আমরা কীভাবে ব্যবহার করি। লোকেরা যে ধৈর্য ধারণ করে, মনোযোগ দিনক্ষণ তা ততই কম। এবং এর অর্থ হ'ল আপনার সংগঠন হিসাবে আপনার গ্রাহকদের সন্তুষ্ট করতে সক্ষম হতে দ্রুত এবং দ্রুত সময়ের মধ্যে সাড়া দেওয়ার দরকার।
সুতরাং, উদাহরণস্বরূপ, যদি কেউ আপনার ওয়েবকাস্ট সাইটে থাকে বা কিছু খুঁজে পাওয়ার চেষ্টা করছে তবে তারা হতাশ হয়ে পড়ে এবং তারা চলে যায়, তবে, আপনি কেবল একজন গ্রাহককে হারিয়েছেন। এবং আপনার পণ্য বা পরিষেবাটির জন্য আপনি কতটা চার্জ করেন তার উপর নির্ভর করে এবং সম্ভবত এটি একটি বড় ব্যাপার। সুতরাং নীচের লাইনটি হ'ল ক্রিয়াকলাপটি চালানো অপারেশনগুলি, আমি মনে করি, বিশ্লেষণ প্রয়োগের জন্য হটেস্ট স্পেসগুলির মধ্যে একটি। এবং আপনি এটি সংখ্যাগুলি দেখে, ডেটা ক্রাঞ্চ করে, বের করে, উদাহরণস্বরূপ, "আরে, আমরা কেন আমাদের ওয়েবসাইটের এই পৃষ্ঠায় এত লোককে হারাচ্ছি?" "এই মুহুর্তে আমরা এই ফোন কলগুলির কিছু কেন পাচ্ছি?"
এবং এই ধরণের স্টাফকে আপনি যত বেশি প্রতিক্রিয়া জানাতে পারবেন, আপনার পরিস্থিতি উপরে উঠে আসার এবং আরও দেরী হওয়ার আগে এ সম্পর্কে কিছু করার আরও ভাল সম্ভাবনা। কারণ এমন সময়কার উইন্ডোটি যখন কেউ কিছু নিয়ে মন খারাপ করে, তারা অসন্তুষ্ট হয় বা তারা কোনও কিছু সন্ধান করার চেষ্টা করছে তবে তারা হতাশ; আপনি তাদের কাছে পৌঁছানোর, তাদের দখল করার জন্য, সেই গ্রাহকের সাথে যোগাযোগ করার জন্য সুযোগের একটি উইন্ডো পেয়েছেন। এবং যদি আপনি সঠিক উপায়ে বা দুর্দান্ত গ্রাহকের ছবি দিয়ে সঠিকভাবে তা করেন - এই গ্রাহক কে, তাদের লাভ কী, তাদের পছন্দগুলি কী তা বোঝা - যদি আপনি সত্যিই এটির একটি হ্যান্ডেল পেতে পারেন তবে আপনি যাচ্ছেন আপনার গ্রাহকদের ধরে রাখা এবং নতুন গ্রাহকদের পাওয়ার একটি দুর্দান্ত কাজ। এবং এটাই হ'ল এটি।
সুতরাং সেই সাথে, আমি এটি হস্তান্তর করতে যাচ্ছি, প্রকৃতপক্ষে, আজ কলটিতে আমাদের অন্যতম ডেটা বিজ্ঞানী কર્ક বোর্নকে to লোকেরা আজকাল তারা খুব বিরল। আমরা তাদের মধ্যে দু'জনকে কমপক্ষে কল এ পেয়েছি যাতে এটি বড় বিষয়। এর সাথে, কર્ક, আমি বিশ্লেষণ এবং এটি কীভাবে ব্যবসায়ের সহায়তা করে সে সম্পর্কে কথা বলার জন্য এটি আপনার হাতে তুলে দেব। এটার জন্য যাও.
ডাঃ কার্ক বোর্ন: আচ্ছা, এরিক আপনাকে অনেক ধন্যবাদ। তুমি কি শুনতে পাচ্ছ?
এরিক: ঠিক আছে, এগিয়ে যান
ডঃ কির্ক: ঠিক আছে, ভাল আমি কেবল পাঁচ মিনিটের জন্য কথা বললে ভাগ করতে চাই এবং লোকেরা আমার দিকে হাত বাড়িয়ে দিচ্ছে। সুতরাং এরিকের উদ্বোধনী বক্তব্য, আপনি সত্যিকার অর্থে এই বিষয়টির সাথে যুক্ত হয়ে গেছেন আমি পরের কয়েক মিনিটের মধ্যে সংক্ষেপে কথা বলতে যাচ্ছি যেখানে এটি সমর্থন করার সিদ্ধান্ত নেওয়ার তথ্যের জন্য বড় ডেটা এবং বিশ্লেষণের ব্যবহার। অপারেশনাল স্ট্রিমলাইনিং সম্পর্কে আপনি যে মন্তব্য করেছিলেন, আমার কাছে তা একরকম অপারেশনাল বিশ্লেষণের এই ধারণার মধ্যে পড়ে যা আপনি বিজ্ঞানের প্রয়োগ, ব্যবসা, একটি সাইবার সুরক্ষা এবং আইন প্রয়োগকারী এবং এবং বিশ্বজুড়ে প্রতিটি অ্যাপ্লিকেশন সম্পর্কে দেখতে পারেন and সরকার, স্বাস্থ্যসেবা। যে কোনও স্থানে আমাদের কাছে ডেটা প্রবাহ রয়েছে এবং আমরা সেই ডেটা স্ট্রিমে দেখি এমন ইভেন্ট এবং সতর্কতা এবং আচরণগুলির প্রতিক্রিয়াতে এক ধরণের প্রতিক্রিয়া বা সিদ্ধান্ত নিচ্ছি।
এবং তাই আমি আজ যে বিষয়গুলির বিষয়ে কথা বলতে চাই তার মধ্যে একটি হ'ল আপনি কীভাবে বড় ডেটা থেকে জ্ঞান এবং অন্তর্দৃষ্টি সরিয়ে নিচ্ছেন সেদিকে পৌঁছানোর জন্য যেখানে আমরা আসলে পদক্ষেপ নেওয়ার সিদ্ধান্ত নিতে পারি। এবং প্রায়শই আমরা একটি অটোমেশন কন মধ্যে এটি সম্পর্কে কথা বলতে। এবং আজ আমি লুপে মানব বিশ্লেষকের সাথে অটোমেশনটি মিশ্রিত করতে চাই। সুতরাং এর অর্থ হ'ল ব্যবসায়ের বিশ্লেষক এখানে বাজি, যোগ্যতা অর্জন, নির্দিষ্ট ক্রিয়া বা মেশিন লার্নিং বিধিগুলির যাবতীয় তথ্য যা আমরা তথ্য থেকে বের করি তার ক্ষেত্রে এখানে গুরুত্বপূর্ণ ভূমিকা পালন করে। তবে আমরা যদি এমন কোনও জায়গায় পৌঁছে যাই যেখানে আমরা যে ব্যবসায়িক বিধিগুলি উত্তোলন করেছি এবং আমাদের সতর্ক করার ব্যবস্থাগুলি বৈধ, তখন আমরা যথেষ্ট পরিমাণে নিশ্চিত হয়েছি তবে আমরা এটিকে একটি স্বয়ংক্রিয় প্রক্রিয়াতে পরিণত করতে পারি। আমরা আসলে সেই অপারেশনাল স্ট্রিমলাইনিং করি যা এরিকের কথা বলছিল।
সুতরাং আমি এখানে শব্দের উপর একটি সামান্য খেলা আছে তবে আমি আশা করি, এটি যদি আপনার পক্ষে কাজ করে তবে আমি ডি 2 ডি চ্যালেঞ্জ সম্পর্কে কথা বললাম। এবং ডি 2 ডি, সমস্ত বিবেচনায় কেবল সিদ্ধান্তের তথ্য নয়, আমরা এই স্লাইডের নীচের অংশে এটি সন্ধান করছি আশা করি আপনি এটি দেখতে পাবেন, আবিষ্কারগুলি তৈরি করতে এবং আমাদের বিশ্লেষণ পাইপলাইনগুলি থেকে আয় ডলার বৃদ্ধি করা।
সুতরাং এই কনসে, আমি আসলে আমার কাছে বিপণকের এই ভূমিকাটি এখন এখানে রয়েছে যে আমি সাথে কাজ করছি এবং তা হ'ল; প্রথম কাজটি আপনি করতে চান তা হ'ল আপনার ডেটা বৈশিষ্ট্যযুক্ত করা, বৈশিষ্ট্যগুলি আহরণ করা, আপনার গ্রাহকদের বৈশিষ্ট্য বা এটি যে কোনও সত্তা যা আপনি নিজের জায়গাতে ট্র্যাক করছেন। হতে পারে এটি স্বাস্থ্য বিশ্লেষণ পরিবেশে একজন রোগী। আপনি যদি কোনও সাইবার সুরক্ষা সমস্যার সমাধান দেখছেন তবে এটি কোনও ওয়েব ব্যবহারকারী হতে পারে। তবে বৈশিষ্ট্যগুলি চিহ্নিত করুন এবং বৈশিষ্ট্যগুলি বের করুন এবং তারপরে সেই সত্তা সম্পর্কে সেই স্বতন্ত্র সম্পর্কে কিছু শঙ্কা বের করুন। এবং তারপরে আপনি সেই টুকরোগুলি সংগ্রহ করেন যা আপনি সবে তৈরি করেছেন এবং সেগুলি কোনও ধরণের সংগ্রহের মধ্যে রেখেছেন যা থেকে আপনি মেশিন লার্নিং অ্যালগরিদম প্রয়োগ করতে পারেন।
আমি এটি এভাবে বলার কারণ হ'ল কেবলমাত্র বলা যাক, বিমানবন্দরে আপনার নজরদারি ক্যামেরা রয়েছে। ভিডিওটি নিজেই একটি বিশাল, বৃহত পরিমাণ এবং এটিও খুব কাঠামোগত। তবে আপনি ভিডিও নজরদারি, ফেসিয়াল বায়োমেট্রিক্স থেকে আহরণ করতে পারেন এবং নজরদারি ক্যামেরায় থাকা ব্যক্তিদের সনাক্ত করতে পারেন। সুতরাং উদাহরণস্বরূপ, বিমানবন্দরে, আপনি নির্দিষ্ট ব্যক্তিদের সনাক্ত করতে পারেন, আপনি বিমানবন্দর দিয়ে একাধিক নজরদারি ক্যামেরায় একই ব্যক্তিকে চিহ্নিত করে তাদের ট্র্যাক করতে পারেন। যাতে আপনি যে সত্যিকারের খনিজ এবং ট্র্যাকিং করছেন সেগুলি বের করা বায়োমেট্রিক বৈশিষ্ট্যগুলি প্রকৃত বিশদ ভিডিও নয়। তবে একবার আপনার যদি এই এক্সট্রাকশনগুলি হয়ে যায় তবে আপনি নির্দিষ্ট ক্ষেত্রে কোনও পদক্ষেপ নেওয়া দরকার বা ভুলভাবে কিছু ঘটেছে বা আপনার কাছে অফার করার সুযোগ রয়েছে এমন কিছু বিষয়ে সিদ্ধান্ত নিতে আপনি মেশিন লার্নিং বিধি এবং বিশ্লেষণ প্রয়োগ করতে পারেন। উদাহরণস্বরূপ, যদি আপনার বিমানবন্দরে কোনও দোকান থাকে এবং আপনি যদি দেখেন যে গ্রাহক আপনার পথে আসছে এবং আপনি সেই গ্রাহক সম্পর্কে অন্যান্য তথ্য থেকে জানেন যে সম্ভবত তিনি শুল্কমুক্ত দোকানে জিনিস কিনতে আগ্রহী হন বা এরকম কিছু, এই প্রস্তাব করুন।
তাহলে আমি কী ধরণের জিনিসগুলি চরিত্রায়ন এবং সম্ভাব্যতার দ্বারা বোঝাতে চাইছি? বৈশিষ্ট্য দ্বারা আমি আবারও বলতে চাইছি, ডেটাতে বৈশিষ্ট্য এবং বৈশিষ্ট্যগুলি বের করা। এবং এটি হয় মেশিন দ্বারা উত্পাদিত হতে পারে, তারপরে এর অ্যালগরিদমগুলি আসলে নিষ্কাশন করতে পারে, উদাহরণস্বরূপ, ভিডিও বা সংবেদন বিশ্লেষণ থেকে বায়োমেট্রিক স্বাক্ষর। অনলাইন পর্যালোচনা বা সোশ্যাল মিডিয়ার মাধ্যমে আপনি গ্রাহকের অনুভূতি আহরণ করতে পারেন। এর মধ্যে কয়েকটি জিনিস মানব উত্পাদিত হতে পারে, যাতে মানব বিশ্লেষক, অতিরিক্ত বৈশিষ্ট্যগুলি বের করতে পারেন যা আমি পরবর্তী স্লাইডে দেখাব।
এর মধ্যে কিছু ভিড়ের ভিড় হতে পারে। এবং জনসমাগমের দ্বারা, আপনি সে সম্পর্কে অনেক চিন্তাভাবনা করতে পারেন। তবে খুব সহজভাবে, উদাহরণস্বরূপ, আপনার ব্যবহারকারীরা আপনার ওয়েবসাইটে আসেন এবং তারা অনুসন্ধান শব্দ, কীওয়ার্ড এবং তারা একটি নির্দিষ্ট পৃষ্ঠায় এসে শেষ করে এবং সেই পৃষ্ঠায় সেখানে সময় কাটায়। তারা প্রকৃতপক্ষে, অন্ততপক্ষে, বুঝতে পারে যে তারা হয় সেই পৃষ্ঠাতে থাকা জিনিসগুলি দেখছে, ব্রাউজ করছে clicking আপনাকে যা বলে তা হল যে তারা যে শব্দের প্রথম দিকে টাইপ করেছিল তা হ'ল সেই পৃষ্ঠাটির বর্ণনাকারী কারণ এটি গ্রাহককে সেই পৃষ্ঠায় অবতীর্ণ করেছিল যা তারা প্রত্যাশা করেছিল। এবং তাই আপনি সেই অতিরিক্ত টুকরো টুকরো তথ্য যোগ করতে পারেন, এটি হ'ল গ্রাহকরা যারা এই কীওয়ার্ডটি ব্যবহার করেন তারা আমাদের তথ্য আর্কিটেকচারের মধ্যে এই ওয়েবপৃষ্ঠাকে সেই স্থান হিসাবে চিহ্নিত করে যেখানে সেই শব্দটির সাথে মেলে এমন সামগ্রী।
এবং তাই ভিড়স্রোসিং হ'ল আরেকটি দিক যা কখনও কখনও লোকেরা ভুলে যায়, আপনার গ্রাহকদের ব্রেডক্র্যাম্বগুলি ট্র্যাক করে, তাই কথা বলতে; তারা কীভাবে তাদের স্পেস দিয়ে যায়, এটি কোনও অনলাইন সম্পত্তি বা আসল সম্পত্তি হোক না কেন। এবং তারপরে তারা সেই ধরণের পথটি ব্যবহার করে, যা গ্রাহক আমরা যে জিনিসগুলিতে দেখছি সেগুলি সম্পর্কে অতিরিক্ত তথ্য গ্রহণ করে।
সুতরাং আমি বলতে চাই মানব-উত্পাদিত জিনিসগুলি, বা উত্পাদিত মেশিনটি নির্দিষ্ট ডেটা গ্রানুলস বা সত্তাগুলি টিকিয়ে দেওয়ার বা ট্যাগ করার ক্ষেত্রে একটি শৃঙ্খলা অর্জন করে। এই প্রতিষ্ঠানগুলি হাসপাতালের সেটিংয়ের রোগী, গ্রাহক বা যাই হোক না কেন। এবং তাই এখানে বিভিন্ন ধরণের ট্যাগিং এবং টীকাগুলি রয়েছে। এর কিছু তথ্য নিজেই। এটি হ'ল জিনিসগুলির মধ্যে একটি, কী ধরণের তথ্য, কী ধরণের তথ্য, বৈশিষ্ট্যগুলি কী, আকারগুলি, সম্ভবত ures এবং নিদর্শনগুলি, অসাধারণ, অ-অসংলগ্ন আচরণ। এবং তারপরে কিছু শব্দার্থকগুলি বের করুন, এটি আমার জানা অন্যান্য জিনিসের সাথে কীভাবে সম্পর্কিত বা এই গ্রাহক ইলেক্ট্রনিক্স গ্রাহক। এই গ্রাহক একটি পোশাক গ্রাহক। অথবা এই গ্রাহক সঙ্গীত কিনতে পছন্দ করেন।
সুতরাং সে সম্পর্কে কিছু শব্দার্থক সনাক্তকরণ, সঙ্গীত পছন্দ করে এমন গ্রাহকরা বিনোদন পছন্দ করেন। হতে পারে আমরা তাদের অন্য কিছু বিনোদন সম্পত্তি সরবরাহ করতে পারি। সুতরাং শব্দার্থবিজ্ঞান এবং কিছু সূক্ষ্মতাও বুঝতে পেরেছি, যা মূলতঃ বলা হচ্ছে: এটি কোথা থেকে এসেছে, কে এই দাবিটি সরবরাহ করেছিল, কোন সময়, কোন তারিখের, কোন পরিস্থিতিতে?
সুতরাং একবার আপনি সমস্ত টিকা এবং বৈশিষ্ট্যগুলি পেয়ে গেলে, তারপরে পরবর্তী পদক্ষেপটি যুক্ত করুন, এটি কোনটি, কী, কখন, কোথায় এবং কেন এটির সাজান। ব্যবহারকারী কে? তারা যে চ্যানেলটি চালু করেছিল তা কী ছিল? তথ্য উত্স কি ছিল? এই বিশেষ তথ্য বা ডেটা পণ্যাদির মধ্যে আমরা কোন ধরণের পুনরায় ব্যবহারগুলি দেখেছি? এবং এটি কী ধরণের, ব্যবসায়ের প্রক্রিয়াতে মূল্য? এবং তারপরে এই জিনিসগুলি সংগ্রহ করুন এবং সেগুলি পরিচালনা করুন এবং বাস্তবে আপনি যদি সেভাবে ভাবতে চান তবে ডেটাবেস তৈরি করতে সহায়তা করুন। এগুলি অন্য ব্যবসায় বিশ্লেষকগণ দ্বারা বা একটি স্বয়ংক্রিয় প্রক্রিয়া দ্বারা অনুসন্ধানযোগ্য, পুনরায় ব্যবহারযোগ্য, যা পরের বার যখন এই বৈশিষ্ট্যগুলির সেটগুলি দেখি, সিস্টেম এই স্বয়ংক্রিয় পদক্ষেপ নিতে পারে Make এবং তাই আমরা সেই ধরণের অপারেশনাল বিশ্লেষণ দক্ষতায় পৌঁছে যাই, তবে আমরা যত বেশি দরকারী, ব্যাপক তথ্য সংগ্রহ করি এবং তারপরে এই ব্যবহারের ক্ষেত্রে এটি সংশোধন করি।
আমরা ব্যবসা করতে নামি। আমরা ডেটা বিশ্লেষণ করি do আমরা আকর্ষণীয় নিদর্শন, আশ্চর্য, অভিনব প্রত্যাশীদের, অসঙ্গতিগুলির সন্ধান করি। আমরা জনসংখ্যায় নতুন ক্লাস এবং বিভাগগুলি সন্ধান করি। আমরা বিভিন্ন সত্ত্বার মধ্যে সমিতি এবং সংযোগ এবং লিঙ্কগুলির সন্ধান করি। এবং তারপরে আমরা আমাদের আবিষ্কার, সিদ্ধান্ত এবং ডলার তৈরির প্রক্রিয়া চালাতে এগুলি ব্যবহার করি।
সুতরাং সেখানে আবার, এখানে আমাদের কাছে থাকা শেষ ডেটা স্লাইডটি মূলত সংক্ষেপে জানাচ্ছি, ব্যবসায় বিশ্লেষককে লুপে রেখে আবারও আপনি সেই মানুষটিকে বের করে নিচ্ছেন না এবং সেই মানুষটিকে সেখানে রাখাই গুরুত্বপূর্ণ important
সুতরাং এই বৈশিষ্ট্যগুলি, সেগুলি মেশিন বা মানব বিশ্লেষক বা এমনকি ভিড়সোর্সিং দ্বারা সরবরাহ করা। আমরা আমাদের মডেলগুলির জন্য আমাদের প্রশিক্ষণ সেটগুলিকে উন্নত করতে এবং আরও সঠিক ভবিষ্যদ্বাণীমূলক মডেলগুলি, কম ভ্রান্ত ইতিবাচক এবং নেতিবাচক, আরও দক্ষ আচরণ, আমাদের গ্রাহকদের বা আরও যেগুলির সাথে আরও দক্ষ হস্তক্ষেপগুলি নিয়ে শেষ করে আমরা সেই সামগ্রীর সংমিশ্রণটি প্রয়োগ করি।
সুতরাং, দিনের শেষে, আমরা সত্যিই কেবল মেশিন লার্নিং এবং বড় বড় ডেটাগুলিকে মানবিক জ্ঞানের এই শক্তির সাথে একত্রিত করছি, যেখানে এই ধরণের ট্যাগ টীকা টীকাটি আসে And এবং এটি ভিজ্যুয়ালাইজেশন এবং ভিজ্যুয়াল অ্যানালিটিকাস-প্রকারের মাধ্যমে নেতৃত্ব দিতে পারে সরঞ্জাম বা নিমজ্জনজনক ডেটা পরিবেশ বা ভিড়সোর্সিং। এবং, দিনের শেষে, এটি সত্যিই কী করছে তা হ'ল আমাদের আবিষ্কার, অন্তর্দৃষ্টি এবং ডি 2 ডি তৈরি করে। এবং সেগুলি আমার মন্তব্য, তাই শোনার জন্য আপনাকে ধন্যবাদ।
এরিক: আরে এটি দুর্দান্ত শোনায় এবং আমাকে এগিয়ে যেতে দিন এবং চাবিকাঠিগুলি ডঃ রবিন ব্লুরের হাতে দেওয়ার জন্য তাঁর দৃষ্টিভঙ্গিটিও জানাতে দিন। হ্যাঁ, আমি আপনাকে অপারেশন ধারণাটির প্রবাহিত করার বিষয়ে মন্তব্য শুনতে চাই এবং আপনি অপারেশনাল বিশ্লেষণের বিষয়ে কথা বলছেন। আমি মনে করি এটি একটি বড় অঞ্চল যা বেশ ভালভাবে অনুসন্ধান করা দরকার। এবং আমার ধারণা, রবিনের আগে খুব দ্রুত, আমি আপনাকে আবার ফিরিয়ে আনব, কર્ક। এটির প্রয়োজন নেই যে ঠিক আছে, সংস্থার বিভিন্ন খেলোয়াড়ের মধ্যে আপনার কিছু গুরুত্বপূর্ণ তাত্পর্যপূর্ণ সহযোগিতা আছে? আপনাকে অপারেশনের লোকদের সাথে কথা বলতে হবে; আপনি আপনার প্রযুক্তিগত লোক পেতে হবে। কখনও কখনও আপনি আপনার বিপণনের লোক বা আপনার ওয়েব ইন্টারফেসের লোকেরা পান। এগুলি সাধারণত বিভিন্ন গ্রুপ। কীভাবে প্রত্যেকে নিজের ত্বকে গেমটিতে রাখার জন্য আপনার কোনও সেরা অনুশীলন বা পরামর্শ রয়েছে?
ডাঃ কিরক: আচ্ছা, আমি মনে করি এটি সহযোগিতার ব্যবসায় সংস্কৃতি নিয়ে আসে। আসলে, আমি তিনটি সি এর বিশ্লেষণ সংস্কৃতি ধরণের সম্পর্কে কথা বলি। একটি হ'ল সৃজনশীলতা; অন্যটি কৌতূহল এবং তৃতীয়টি সহযোগিতা colla সুতরাং আপনি সৃজনশীল, গুরুতর লোক চান, তবে আপনাকে এই লোকদের সহযোগিতাও করতে হবে। এবং এটি সত্যিই উপরে থেকে শুরু হয়, এই সংস্কৃতিটি এমন লোকদের সাথে গড়ে তোলা উচিত যা ব্যবসায়ের সাধারণ লক্ষ্যগুলির জন্য খোলামেলাভাবে ভাগ করে নেওয়া এবং একসাথে কাজ করা উচিত।
এরিক: এগুলি সমস্ত কিছু বুদ্ধিমান। এবং এটি ঘটানোর জন্য আপনাকে শীর্ষে সঠিক নেতৃত্ব পেতে হবে। সুতরাং এগিয়ে চলুন এবং এটি ড। ব্লুরের হাতে দিন। রবিন, মেঝে তোমার।
ডাঃ রবিন ব্লুর: ঠিক আছে। এরিকের জন্য আপনাকে ধন্যবাদ। ঠিক আছে, যেভাবে এই প্যানগুলি বেরিয়ে আসে, এই শোগুলি দেখায়, কারণ আমাদের দুটি বিশ্লেষক রয়েছেন; আমি বিশ্লেষকের উপস্থাপনাটি দেখতে পাচ্ছি যা অন্যান্য ছেলেরা না করে। আমি জানতাম কার্ক কী বলতে যাচ্ছিল এবং আমি কেবল একটি সম্পূর্ণ ভিন্ন কোণে চলে যাই যাতে আমরা খুব বেশি ওভারল্যাপ না যাই।
সুতরাং আমি এখানে যা বলতে চাইছি বা এখানে কথা বলার ইচ্ছা করছি তা হ'ল ডেটা বিশ্লেষকের ভূমিকা বনাম ব্যবসায়ের বিশ্লেষকের ভূমিকা। এবং যেভাবে আমি এটির বৈশিষ্ট্যযুক্ত করছি, ভালভাবে, কিছুটা জিভ-ইন-গাল কিছুটা জেকিল এবং হাইড জিনিস is তাত্ত্বিকভাবে বিশেষত ডেটা বিজ্ঞানীদের মধ্যে পার্থক্য হ'ল তারা কী করছে তা জানে। যদিও ব্যবসায় বিশ্লেষকেরা তেমন নন, গণিতটি যেভাবে কাজ করে তা ঠিক আছে, কোনটি বিশ্বাস করা যায় এবং কোনটি বিশ্বাস করা যায় না।
সুতরাং আসুন আমরা নীচে নেমে আসি যে কারণ আমরা এটি করছি, যে কারণে ডেটা বিশ্লেষণ হঠাৎ করে একটি বড় বিষয় হয়ে দাঁড়িয়েছে যে আমরা আসলে খুব বড় পরিমাণে ডেটা বিশ্লেষণ করতে পারি এবং প্রতিষ্ঠানের বাইরে থেকে ডেটা টেনে নিতে পারি; এটা কি দেয় যেভাবে আমি এটি দেখছি - এবং আমি মনে করি এটি কেবল একটি কেস হয়ে উঠছে তবে আমি অবশ্যই মনে করি এটি কেস - ডেটা বিশ্লেষণটি সত্যই ব্যবসায়িক গবেষণা ও উন্নয়ন is আপনি ডেটা বিশ্লেষণের মাধ্যমে আসলে যা করছেন তা হ'ল আপনি কোনও ব্যবসায়ের প্রক্রিয়াটি এক প্রকারের দিকে দেখছেন বা এটি কোনও গ্রাহকের সাথে মিথস্ক্রিয়া কিনা, এটি আপনার খুচরা অপারেশন যেভাবে, আপনি যেভাবে মোতায়েন করেছেন তার সাথে কিনা আপনার দোকান বিষয়টি আসলে কী তা বোঝায় না। আপনি একটি প্রদত্ত ব্যবসায়ের প্রক্রিয়াটির দিকে তাকিয়ে আছেন এবং আপনি এটির উন্নতি করার চেষ্টা করছেন।
সফল গবেষণা এবং উন্নয়নের ফলাফল একটি পরিবর্তন প্রক্রিয়া। এবং আপনি চাইলে উত্পাদনটির কথা ভাবতে পারেন, এটির সাধারণ উদাহরণ হিসাবে। কারণ উত্পাদন ক্ষেত্রে, লোকেরা উত্পাদন প্রক্রিয়াটি চেষ্টা ও উন্নত করার জন্য সমস্ত কিছু সম্পর্কে তথ্য সংগ্রহ করে। তবে আমি মনে করি যা ঘটেছিল বা বড় ডেটাতে যা ঘটছে তা সবই এখন যে কোনও ধরণের যে কোনও ব্যবসায়ের জন্য যেভাবেই ভাবা যেতে পারে সেভাবে প্রয়োগ করা হচ্ছে। এত সুন্দর যে কোনও ব্যবসায়িক প্রক্রিয়া পরীক্ষার জন্য প্রস্তুত যদি আপনি এ সম্পর্কিত ডেটা সংগ্রহ করতে পারেন।
সুতরাং এটি একটি জিনিস। আপনি যদি চান তবে এটি ডেটা বিশ্লেষণের প্রশ্নে চলেছে। ডেটা অ্যানালিটিক্স ব্যবসায়ের জন্য কী করতে পারে? ঠিক আছে, এটি ব্যবসায়ের সম্পূর্ণ পরিবর্তন করতে পারে।
এই নির্দিষ্ট চিত্রটি যা আমি কোনও গভীরতার সাথে বর্ণনা করতে যাচ্ছি না, তবে এটি এমন একটি চিত্র যা আমরা এই বছরের প্রথম ছয় মাস ধরে গবেষণা প্রকল্পের চূড়ান্ত রূপ নিয়ে এসেছি। এটি একটি বড় ডেটা আর্কিটেকচারের উপস্থাপনের একটি উপায়। এবং পরবর্তী স্লাইডে যাওয়ার আগে বেশ কয়েকটি বিষয় যা আমি উল্লেখ করার মতো। এখানে দুটি তথ্য প্রবাহ রয়েছে। একটি হ'ল একটি রিয়েল-টাইম ডেটা স্ট্রিম, যা চিত্রের শীর্ষে বরাবর যায়। অন্যটি ধীরে ধীরে ডেটা স্ট্রিম যা ডায়াগ্রামের নীচে বরাবর যায়।
চিত্রের নীচে তাকান। আমরা ডেটা জলাধার হিসাবে হাদোপ পেয়েছি। আমরা বিভিন্ন ডাটাবেস পেয়েছি। আমরা সেখানে সম্পূর্ণ ক্রিয়াকলাপের সাথে পুরো ক্রিয়াকলাপ পেয়েছি যার মধ্যে বেশিরভাগ বিশ্লেষণাত্মক ক্রিয়াকলাপ।
আমি এখানে যে বিন্দুটি করছি এবং কেবলমাত্র এখানে আমি এখানে তৈরি করতে চাই তা হ'ল প্রযুক্তিটি শক্ত। এটি সহজ নয়। এটা সহজ না. এটি এমন কিছু নয় যাঁরা গেমটিতে নতুন তিনি বাস্তবে কেবল একত্রিত হতে পারেন। এটি মোটামুটি জটিল। এবং যদি আপনি এই সমস্ত প্রক্রিয়া জুড়ে নির্ভরযোগ্য অ্যানালিটিক্স করার জন্য কোনও ব্যবসায়ের সন্ধান করছেন, তবে এটি এমন কিছু নয় যা বিশেষত দ্রুত ঘটতে চলেছে। এটি মিশ্রণে যুক্ত করার জন্য প্রচুর প্রযুক্তি প্রয়োজন।
ঠিক আছে. ডেটা বিজ্ঞানী কী, এই প্রশ্নটি আমি ডেটা সায়েন্টিস্ট বলে দাবি করতে পারি কারণ কম্পিউটারে কম্পিউটারের প্রশিক্ষণ দেওয়ার আগে আমি আসলে পরিসংখ্যানগুলিতে প্রশিক্ষণ পেয়েছিলাম। এবং আমি একটি নির্দিষ্ট সময়ের জন্য একটি বাস্তব কাজ করেছি যাতে আমি জানি যে কোনও ব্যবসায়ের ব্যবস্থা কীভাবে হয়, পরিসংখ্যানগত বিশ্লেষণও নিজে চালানোর জন্য। এটি তুচ্ছ জিনিস নয়। এবং মানব পক্ষ এবং প্রযুক্তিগত দিক উভয়ই জড়িত একটি দুর্দান্ত অভ্যাস রয়েছে।
সুতরাং "ডেটা বিজ্ঞানী কী" এই প্রশ্ন জিজ্ঞাসার ক্ষেত্রে আমি ফ্র্যাঙ্কেনস্টাইন ছবিটি কেবল রেখেছি কারণ এটি এমন জিনিসগুলির সংমিশ্রণ যা একসাথে বুনতে হবে। জড়িত আছে প্রকল্প পরিচালনার। পরিসংখ্যানের মধ্যে গভীর বোঝাপড়া রয়েছে। ডোমেন ব্যবসায়ের দক্ষতা রয়েছে, যা অগত্যা তথ্য বিজ্ঞানীর চেয়ে ব্যবসায় বিশ্লেষকের বেশি সমস্যা। ডেটা আর্কিটেকচার বুঝতে এবং ডেটা আর্কিটেক্ট তৈরি করতে সক্ষম হতে এবং সেখানে জড়িত সফ্টওয়্যার ইঞ্জিনিয়ারিংয়ের অভিজ্ঞতা আছে বা প্রয়োজন আছে। অন্য কথায়, এটি সম্ভবত একটি দল। এটি সম্ভবত কোনও ব্যক্তি নয়। এবং এর অর্থ এটি সম্ভবত একটি বিভাগ যা সংগঠিত হওয়া দরকার এবং এর সংস্থার পক্ষে মোটামুটি ব্যাপকভাবে চিন্তা করা দরকার।
মিশ্রণে ফেলে মেশিন লার্নিংয়ের সত্যতা। আমরা বলতে পারি না, মেশিন লার্নিং এই অর্থে নতুন নয় যে মেশিন লার্নিংয়ে ব্যবহৃত হয় এমন বেশিরভাগ পরিসংখ্যান কৌশল প্রায় দশক ধরে জানা ছিল। কয়েকটি নতুন জিনিস রয়েছে, আমি বলতে চাইছি নিউরাল নেটওয়ার্কগুলি তুলনামূলকভাবে নতুন, আমার মনে হয় তারা কেবল 20 বছরের পুরানো so তাই এর কয়েকটি অপেক্ষাকৃত নতুন। তবে মেশিন লার্নিংয়ের সমস্যাটি ছিল আমাদের কাছে আসলে এটি করার কম্পিউটার ক্ষমতা ছিল না। এবং অন্য কিছুর বাইরে যা ঘটেছিল তা হ'ল কম্পিউটার শক্তি এখন তার জায়গায়। এবং এর অর্থ হ'ল আমরা কীভাবে বলি, তথ্য বিজ্ঞানীরা মডেলিং পরিস্থিতি, ডেটা স্যাম্পলিং এবং তারপরে মার্শেলিংয়ের ক্ষেত্রে ডেটাগুলির গভীরতর বিশ্লেষণ তৈরি করার ক্ষেত্রে যা করেছিলেন তা একটি ভয়াবহ পরিমাণ। প্রকৃতপক্ষে, আমরা কিছু ক্ষেত্রে এটিতে কম্পিউটার শক্তি ফেলে দিতে পারি। কেবল মেশিন-লার্নিং অ্যালগরিদমগুলি চয়ন করুন, এটি ডেটাতে ফেলে দিন এবং দেখুন কী। এবং এটি এমন কিছু যা কোনও ব্যবসায় বিশ্লেষক করতে পারেন, তাই না? তবে ব্যবসায় বিশ্লেষককে তারা কী করছে তা বুঝতে হবে। আমার অর্থ, আমি মনে করি যে এটি অন্য যে কোনও কিছুর চেয়ে সত্যই সমস্যা।
ঠিক আছে, এটি কেবল অন্য কোনও উপায়ে এর তথ্য থেকে ব্যবসায় সম্পর্কে আরও জানতে। আইনস্টাইন এটি বলেন নি, আমি এটি বলেছিলাম। আমি কেবল তার ছবি বিশ্বাসযোগ্যতার জন্য রেখেছি। তবে পরিস্থিতিটি প্রকৃতপক্ষে এমন একটি বিকাশ শুরু করছে যেখানে প্রযুক্তিটি সঠিকভাবে ব্যবহৃত হলে এবং গণিতটি যদি সঠিকভাবে ব্যবহৃত হয় তবে যে কোনও ব্যক্তি হিসাবে ব্যবসা পরিচালনা করতে সক্ষম হবে। আমরা এটি আইবিএম দিয়ে দেখেছি। প্রথমত, এটি দাবাতে সেরা ছেলেগুলিকে পরাজিত করতে পারে এবং তারপরে এটি জিওপার্ডির সেরা ছেলেদের পরাজিত করতে পারে; তবে শেষ পর্যন্ত আমরা একটি সংস্থা চালাতে সেরা ছেলেদের পরাজিত করতে সক্ষম হব। পরিসংখ্যান শেষ পর্যন্ত জয়লাভ করবে। এবং এটি কীভাবে ঘটবে তা দেখা মুশকিল, এটি এখনও ঘটেনি।
সুতরাং আমি যা বলছি, এবং এটি আমার উপস্থাপনার সম্পূর্ণরূপে এটি এই ব্যবসায়ের দুটি বিষয়। প্রথমটি হল, আপনি কী প্রযুক্তিটি সঠিকভাবে পেতে পারেন? আপনি যে দলের পক্ষে প্রকৃতপক্ষে এটির সভাপতিত্ব করতে এবং ব্যবসায়ের সুবিধাগুলি অর্জন করতে সক্ষম হতে চলেছেন সেই প্রযুক্তিটির জন্য কী আপনি সেই প্রযুক্তি কাজ করতে পারবেন? এবং দ্বিতীয়ত, আপনি কি মানুষকে সঠিকভাবে পেতে পারেন? এবং এই দুটিই ইস্যু। এবং এগুলি হ'ল সমস্যাগুলি যা এই সময়ে নেই, তারা বলে যে এটি সমাধান হয়েছে।
ঠিক আছে এরিক, আমি এটি আপনার কাছে ফেরত দেব। অথবা আমার সম্ভবত এটি উইলে পাস করা উচিত।
এরিক: আসলে, হ্যাঁ আপনাকে ধন্যবাদ, উইল গোরম্যান হ্যাঁ, আপনি সেখানে যান, উইল। সুতরাং দেখা যাক। আমি আপনাকে ওয়েবেক্স এর চাবি দেব। তাহলে তুমি কী করছ? পেন্টাহো, স্পষ্টতই, আপনি ছেলেরা কিছুক্ষণের জন্য রয়েছেন এবং ওপেন-সোর্স বিআইয়ের ধরণের জায়গা যেখানে আপনি শুরু করেছিলেন। তবে আপনি আগে যা পেয়েছিলেন তার চেয়ে অনেক বেশি পেয়েছেন, তাই বিশ্লেষণের জন্য এই দিনগুলিতে আপনি কী পেয়েছেন তা আসুন।
উইল গোরম্যান: একেবারে। সবাই কেমন আছেন! আমার নাম উইল গোরম্যান। আমি পেন্টাহোর প্রধান স্থপতি। আপনারা যারা আমাদের সম্পর্কে শোনেন নি, তাদের জন্য আমি কেবল উল্লেখ করেছি পেন্টাহো একটি বড় ডেটা ইন্টিগ্রেশন এবং বিশ্লেষণ সংস্থা। আমরা দশ বছরে ব্যবসা করেছি। আমাদের প্রযুক্তিগুলি ডেটা ইন্টিগ্রেশন এবং বিশ্লেষণের জন্য একটি ওপেন সোর্স প্ল্যাটফর্ম হিসাবে শুরু করে, হ্যাডোপ এবং নোএসকিউএল জাতীয় প্রযুক্তির সাথে নতুন প্রযুক্তি উদ্ভাবন করার আগেও এই প্রযুক্তিগুলির চারপাশে বিবর্তিত হয়েছে। ওপেন সোর্সকে ঘিরে আমাদের উদ্ভাবনের ফলে এখন আমাদের 1500 এরও বেশি বাণিজ্যিক গ্রাহক এবং আরও অনেক উত্পাদন অ্যাপয়েন্টমেন্ট রয়েছে।
আমাদের আর্কিটেকচারটি অত্যন্ত এম্বেডযোগ্য এবং এক্সটেনসিবল, উদ্দেশ্য-দ্বারা নির্মিত বিলম্বযোগ্য হিসাবে বিশেষত বড় ডেটা প্রযুক্তি খুব দ্রুত গতিতে বিকশিত হচ্ছে flex পেন্টাহো তিনটি প্রধান পণ্য ক্ষেত্রের প্রস্তাব দেয় যা বড় ডেটা অ্যানালিটিক্স ব্যবহারের ক্ষেত্রে সমাধানের জন্য একসাথে কাজ করে।
আমাদের আর্কিটেকচারের পরিমাণে প্রথম পণ্যটি হ'ল পেন্টাহো ডেটা ইন্টিগ্রেশন যা ডেটা টেকনোলজিস্ট এবং ডেটা ইঞ্জিনিয়ারদের দিকে গড়া। এই পণ্যটি ডেটা পাইপলাইনগুলি সংজ্ঞায়িত করার জন্য একটি ভিজ্যুয়াল, ড্রাগ এবং ড্রপ অভিজ্ঞতা প্রস্তাব করে এবং পাশাপাশি বড় ডেটা পরিবেশ এবং traditionalতিহ্যবাহী পরিবেশের মধ্যে ডেটা অর্কেস্ট্রেট করার জন্য প্রক্রিয়াগুলি। এই পণ্যটি একটি হালকা ওজনের, মেটাডেটাবেসস, জাভাতে নির্মিত ডেটা-ইন্টিগ্রেশন প্ল্যাটফর্ম এবং ম্যাপ্রেডিউস বা ইয়ার্ন বা ঝড় এবং অন্যান্য অনেক ব্যাচ এবং রিয়েল-টাইম প্ল্যাটফর্মের মধ্যে প্রক্রিয়া হিসাবে স্থাপন করা যেতে পারে।
আমাদের দ্বিতীয় পণ্যের ক্ষেত্রটি চাক্ষুষ বিশ্লেষণের চারপাশে around এই প্রযুক্তির সাহায্যে সংস্থাগুলি এবং ওএমএস আধুনিক ব্রাউজারগুলি এবং ট্যাবলেটগুলি দ্বারা ব্যবসায় বিশ্লেষক এবং ব্যবসায়িক ব্যবহারকারীদের জন্য একটি সমৃদ্ধ ড্রাগ-এন্ড ড্রপ ভিজ্যুয়ালাইজেশন এবং বিশ্লেষণ অভিজ্ঞতা সরবরাহ করতে পারে, যাতে প্রতিবেদন এবং ড্যাশবোর্ডগুলির অ্যাডহক তৈরি করা যায়। পাশাপাশি পিক্সেল-নিখুঁত ড্যাশবোর্ডিং এবং প্রতিবেদনগুলির উপস্থাপনা।
আমাদের তৃতীয় পণ্য অঞ্চল ডেটা বিজ্ঞানী, মেশিন-লার্নিং অ্যালগরিদমগুলিকে লক্ষ্য করে ভবিষ্যদ্বাণীমূলক বিশ্লেষণকে কেন্দ্র করে। যেমন পূর্বে উল্লিখিত হয়েছে, নিউরাল নেটওয়ার্কগুলি এবং এর মতো, একটি ডেটা ট্রান্সফর্মেশন পরিবেশে সংহত করা যেতে পারে, যা তথ্য বিজ্ঞানীদের মডেলিং থেকে উত্পাদন পরিবেশে যেতে পারে, পূর্বাভাসের অ্যাক্সেস দেয় এবং এটি খুব দ্রুত তাত্ক্ষণিকভাবে ব্যবসায়িক প্রক্রিয়াগুলিকে প্রভাবিত করতে পারে।
এই সমস্ত পণ্য দৃly়ভাবে একক চৌকস অভিজ্ঞতায় একীভূত হয় এবং আমাদের এন্টারপ্রাইজ গ্রাহকদের তাদের ব্যবসায়ের সমস্যাগুলি সমাধান করার জন্য প্রয়োজনীয় নমনীয়তা দেয়। আমরা গতানুগতিক প্রযুক্তিতে বড় ডেটার একটি দ্রুত বিকশিত ল্যান্ডস্কেপ দেখতে পাচ্ছি। বড় ডেটা স্পেসে আমরা কয়েকটি সংস্থার কাছ থেকে শুনেছি যে EDW শেষের দিকে near আসলে, আমরা আমাদের এন্টারপ্রাইজ গ্রাহকদের মধ্যে যা দেখি তা হ'ল তাদের বিদ্যমান ব্যবসায় এবং আইটি প্রক্রিয়াগুলিতে বড় ডেটা প্রবর্তন করা উচিত এবং সেই প্রক্রিয়াগুলি প্রতিস্থাপন করা উচিত নয়।
এই সাধারণ চিত্রটি আর্কিটেকচারের সেই বিন্দুটি দেখায় যা আমরা প্রায়শই দেখি, যা ডেটা ইন্টিগ্রেশন এবং বিআই ব্যবহারের ক্ষেত্রে একটি প্রকারের EDW- স্থাপনার আর্কিটেকচার। এখন এই চিত্রটি বড় ডেটা আর্কিটেকচারে রবিনের স্লাইডের মতো, এটি রিয়েল-টাইম এবং historicalতিহাসিক ডেটা অন্তর্ভুক্ত করে। নতুন ডেটা উত্স এবং রিয়েল-টাইম প্রয়োজনীয়তা প্রকাশের সাথে সাথে আমরা সামগ্রিক আইটি স্থাপত্যের অতিরিক্ত অংশ হিসাবে বড় ডেটা দেখতে পাই। এই নতুন ডেটা উত্সগুলির মধ্যে রয়েছে মেশিন-উত্পাদিত ডেটা, কাঠামোগত ডেটা, স্ট্যান্ডার্ড ভলিউম এবং বেগ এবং বিভিন্ন প্রয়োজনীয়তা যা আমরা বড় ডেটাতে শুনে থাকি; তারা traditionalতিহ্যগত EDW প্রক্রিয়াগুলিতে ফিট করে না। পেন্টাহো এই ডেটা ইনজেশন, ডেটা প্রসেসিং এবং ভিজ্যুয়ালাইজেশনকে সহজ করার পাশাপাশি গ্রাহকদের তাদের ডেটা পরিবেশের বিষয়ে পুরো দৃষ্টিভঙ্গি দেওয়ার জন্য dataতিহ্যবাহী উত্সগুলির সাথে এই ডেটা মিশ্রিত করতে হাদোপ এবং নোএসকিউএল এর সাথে ঘনিষ্ঠভাবে কাজ করে। আমরা এটি একটি নিয়ন্ত্রিত পদ্ধতিতে করি যাতে আইটি তাদের ব্যবসায়ের লাইনে একটি সম্পূর্ণ বিশ্লেষণ সমাধান দিতে পারে।
সমাপ্তিতে, আমি বড় ডেটা বিশ্লেষণ এবং একীকরণের চারপাশে আমাদের দর্শনকে হাইলাইট করতে চাই; আমরা বিশ্বাস করি যে এই প্রযুক্তিগুলি একক একীভূত আর্কিটেকচারের সাথে আরও ভালভাবে কাজ করছে, এমন অনেকগুলি ব্যবহারের কেস সক্ষম করে যা অন্যথায় সম্ভব হবে না। আমাদের গ্রাহকদের ডেটা পরিবেশগুলি কেবলমাত্র বড় ডেটা, হ্যাডোপ এবং নোএসকিউএল এর চেয়ে বেশি। যে কোনও ডেটা নিখরচায় খেলা। এবং বড় ডেটা উত্সগুলি উপলব্ধ হওয়া এবং ব্যবসায়ের মানকে প্রভাবিত করার জন্য একসাথে কাজ করা দরকার।
পরিশেষে, আমরা বিশ্বাস করি যে উদ্যোগগুলিতে ডেটাগুলির মাধ্যমে খুব কার্যকরভাবে এই ব্যবসায়িক সমস্যাগুলি সমাধান করতে আইটি এবং ব্যবসায়ের লাইনগুলিকে বড় ডেটা বিশ্লেষণে নিয়ন্ত্রিত, মিশ্রিত পদ্ধতির সাথে একত্রে কাজ করা প্রয়োজন। ওয়েল, আপনাকে কথা বলার সময় দেওয়ার জন্য আপনাকে অনেক ধন্যবাদ, এরিক।
এরিক: আপনি বাজি ধরুন। না, এটি ভাল জিনিস। আমরা প্রশ্নোত্তর হিসাবে যেভাবে পেয়েছি আমি আপনার আর্কিটেকচারের সেই দিকে ফিরে যেতে চাই। সুতরাং আসুন বাকি উপস্থাপনাটি সরানো যাক এবং এর জন্য আপনাকে অনেক ধন্যবাদ। আপনি ছেলেরা অবশ্যই কয়েক বছর ধরে দ্রুত এগিয়ে চলেছেন, আমাকে অবশ্যই এটি বলতে হবে।
সুতরাং স্টিভ, আমাকে এগিয়ে যেতে দিন এবং এটি আপনার হাতে দেব। এবং কেবল নিচের তীরটিতে সেখানে ক্লিক করুন এবং এটির জন্য যান। সুতরাং স্টিভ, আমি আপনাকে কীগুলি দিচ্ছি। স্টিভ উইলকস, আপনার কীবোর্ডের কেবলমাত্র নীচের দিকে তীরটি ক্লিক করুন।
স্টিভ উইলকস: আমরা সেখানে যাই।
এরিক: আপনি সেখানে যান।
স্টিভ: যদিও আপনি আমাকে দিয়েছেন এটি একটি দুর্দান্ত পরিচয়।
এরিক: হ্যাঁ
স্টিভ: সুতরাং আমি স্টিভ উইলকস। আমি ওয়েবঅ্যাকশনে সিসিও। আমরা কেবল গত কয়েক বছর ধরে ছিলাম এবং তখন থেকেই আমরা অবশ্যই দ্রুত গতিতে চলেছি। WebAction একটি রিয়েল-টাইম বড় ডেটা বিশ্লেষণ প্ল্যাটফর্ম। এরিক আগে উল্লিখিত ছিল, ধরণের, বাস্তব সময়টি কতটা গুরুত্বপূর্ণ এবং আপনার অ্যাপ্লিকেশনগুলি কীভাবে আসবে। আমাদের প্ল্যাটফর্মটি রিয়েল-টাইম অ্যাপ্লিকেশনগুলি তৈরির জন্য ডিজাইন করা হয়েছে। এবং পরবর্তী প্রজন্মের ডেটা-চালিত অ্যাপ্লিকেশনগুলিকে সক্ষম করতে যা ক্রমে ক্রমে তৈরি করা যেতে পারে এবং সেই অ্যাপ্লিকেশনগুলি থেকে উত্পন্ন ডেটা থেকে লোকজনকে ড্যাশবোর্ড তৈরি করার অনুমতি দেওয়ার জন্য, কিন্তু রিয়েল টাইমকে কেন্দ্র করে।
আমাদের প্ল্যাটফর্মটি একটি সম্পূর্ণ শেষ থেকে শেষের প্ল্যাটফর্ম, যা ডেটা অর্জন, ডেটা প্রসেসিং থেকে শুরু করে ডেটা ভিজ্যুয়ালাইজেশন পর্যন্ত সমস্ত কিছু করে। এবং আমাদের এন্টারপ্রাইজের বিভিন্ন ধরণের একাধিক ব্যক্তিকে সত্যিকারের রিয়েল-টাইম অ্যাপ্লিকেশনগুলি তৈরি করতে একত্রে কাজ করতে সক্ষম করে, যাতে তাদের এন্টারপ্রাইজে ঘটে যাওয়া ঘটনাগুলির সাথে তাদের অন্তর্দৃষ্টি দেয়।
এবং এটি বেশিরভাগ লোকেরা বড় ডেটাতে যা দেখছে তার থেকে কিছুটা পৃথক, যাতে গত yearsতিহ্যবাহী পদ্ধতির - বেশ কয়েক বছর ধরে গতানুগতিক - বড় ডেটার সাথে প্রচলিত পদ্ধতিটি বিভিন্ন উত্সের পুরো গোছা থেকে এটিকে ক্যাপচার করতে পারে এবং তারপরে এটি একটি বড় জলাশয় বা হ্রদে বা যেটিকে আপনি কল করতে চান তাতে গাদা করুন। এবং তারপরে আপনার যখন কোনও প্রশ্ন চালানোর দরকার হয় তখন এটি প্রক্রিয়া করুন; বড় আকারের historicalতিহাসিক বিশ্লেষণ চালাতে বা এমনকি বিপুল পরিমাণে ডেটা অনুসন্ধানের জন্য অনুসন্ধান করা। এখন এটি নির্দিষ্ট ব্যবহারের ক্ষেত্রে কাজ করে। তবে আপনি যদি আপনার উদ্যোগে সক্রিয় হতে চান, যদি দিনের শেষে বা সপ্তাহের শেষের দিকে কোনও ভুল ধরণের ঘটেছিল তা খুঁজে বের করার পরিবর্তে আপনি যদি আসলেই বলতে চান যে, তবে আপনাকে সত্যই সরানো দরকার বাস্তব সময়।
এবং এটি কিছু কাছাকাছি জিনিস পরিবর্তন করে। এটি প্রক্রিয়াটিকে মাঝখানে নিয়ে যায়। এত কার্যকরভাবে আপনি সেই সংখ্যক বিপুল পরিমাণে ডেটা স্ট্রিম গ্রহণ করছেন যা ক্রমাগত এন্টারপ্রাইজের অভ্যন্তরে উত্পন্ন হয় এবং আপনি এটি পাওয়ার সাথে সাথে এটি প্রক্রিয়া করছেন। আপনি এটি পাওয়ার সাথে সাথে এটি প্রক্রিয়াজাতকরণ করার কারণে, আপনাকে সমস্ত কিছু সঞ্চয় করতে হবে না। আপনি কেবল গুরুত্বপূর্ণ তথ্য বা আপনার মনে রাখা দরকার যেগুলি আসলে ঘটেছে তা সংরক্ষণ করতে পারেন। সুতরাং আপনি যদি রাস্তায় যানবাহনগুলির জিপিএস অবস্থানের সন্ধান করছেন, আপনি প্রতি সেকেন্ডে কোথায় আছেন তা সত্যিই যত্নশীল হন না, প্রতি সেকেন্ডে কোথায় রয়েছে তা আপনার সংরক্ষণ করার দরকার নেই। আপনার শুধু যত্ন নেওয়া দরকার, তারা কি এই জায়গাটি ছেড়ে গেছে? তারা কি এই জায়গায় পৌঁছেছে? তারা কি ফ্রিওয়ে চালাচ্ছে, না?
সুতরাং এটি বিবেচনা করা সত্যই গুরুত্বপূর্ণ যে যত বেশি এবং আরও বেশি ডেটা উত্পন্ন হয়, তারপরে তিনটি বনাম। বেগটি মূলত নির্ধারণ করে যে প্রতিদিন কতটা ডেটা উৎপন্ন করে। আপনার যত বেশি ডেটা তৈরি করে তত বেশি সঞ্চয় করতে হবে। এবং আপনার যত বেশি সঞ্চয় করতে হবে, এটি প্রক্রিয়া করতে তত বেশি সময় নেয়। তবে আপনি এটি পাওয়ার সাথে সাথে যদি এটি প্রক্রিয়া করতে পারেন তবে আপনি একটি খুব বড় সুবিধা পান এবং আপনি তাতে প্রতিক্রিয়া জানাতে পারেন। আপনাকে বলা যেতে পারে যে পরে সেগুলি অনুসন্ধান করার চেয়ে জিনিসগুলি ঘটছে।
সুতরাং আমাদের প্ল্যাটফর্মটি অত্যন্ত স্কেলযোগ্য হতে নকশাকৃত। এটিতে তিনটি প্রধান টুকরা রয়েছে - অধিগ্রহণের টুকরা, প্রসেসিং টুকরা এবং তারপরে প্ল্যাটফর্মের বিতরণ ভিজ্যুয়ালাইজেশন টুকরা। অধিগ্রহণের দিক থেকে, আমরা কেবল মেশিন দ্বারা উত্পাদিত লগ ডেটা যেমন ওয়েব লগ বা অ্যাপ্লিকেশনগুলিতে অন্য সমস্ত লগগুলি তৈরি করা হচ্ছে তার মতো দেখছি না। আমরা প্রবেশ করতে এবং ডেটাবেস থেকে ডেটা ক্যাপচার পরিবর্তন করতে পারেন। সুতরাং এটি মূলত আমাদের সক্ষম করে, আমরা ETL দিকটি দেখেছি যা উপস্থাপিত হবে এবং traditionalতিহ্যবাহী ETL আপনাকে ডেটাবেসগুলির বিরুদ্ধে অনুসন্ধান চালাতে হবে। যখন ডাটাবেসে জিনিসগুলি ঘটে তখন আমাদের বলা যেতে পারে। আমরা এটি পরিবর্তন করি এবং আমরা এটি ক্যাপচার করি এবং সেই ইভেন্টগুলি পাই। এবং তারপরে স্পষ্টতই সামাজিক ফিড এবং লাইভ ডিভাইস ডেটা রয়েছে যা টিসিপি বা এসিডিপি সকেটের মাধ্যমে আপনাকে পাম্প করা হচ্ছে।
ডেটা পাওয়ার বিভিন্ন উপায় রয়েছে। এবং ভলিউম এবং বেগের কথা বলছি, আমরা প্রতিদিন কয়েক বিলিয়ন ইভেন্টের খণ্ডগুলি দেখছি, তাই না? সুতরাং এটি বিশাল, প্রচুর পরিমাণে ডেটা আসছে যা প্রসেস করা দরকার।
এটি আমাদের সার্ভারগুলির একটি ক্লাস্টার দ্বারা প্রক্রিয়া করা হয়। সার্ভারগুলির সকলের একই আর্কিটেকচার রয়েছে এবং তারা একই জিনিসগুলি করতে সক্ষম। তবে আপনি এগুলি বিভিন্ন ধরণের করতে বাছাই করতে পারেন config এবং সার্ভারগুলির মধ্যে আমাদের একটি উচ্চ-গতির ক্যোয়ারী প্রসেসিং স্তর রয়েছে যা আপনাকে ডেটাতে কিছু রিয়েল-টাইম বিশ্লেষণ করতে, ডেটা সমৃদ্ধ করতে, ইভেন্টের সম্পর্ক স্থাপন করতে, সময় উইন্ডোর মধ্যে ঘটে যাওয়া জিনিসগুলি ট্র্যাক করতে, ভবিষ্যদ্বাণীমূলক করতে সক্ষম করে তথ্যগুলিতে প্রদর্শিত হচ্ছে নিদর্শনগুলির উপর ভিত্তি করে বিশ্লেষণগুলি। এবং সেই তথ্যটি তখন বিভিন্ন জায়গায় সংরক্ষণ করা যায় - theতিহ্যবাহী আরডিবিএমএস, এন্টারপ্রাইজ ডেটা গুদাম, হাদুপ, বড় ডেটা অবকাঠামো।
এবং একই লাইভ ডেটা রিয়েল-টাইম ডেটা-চালিত অ্যাপ্লিকেশনগুলিকে পাওয়ার করতেও ব্যবহার করা যেতে পারে। এই অ্যাপ্লিকেশনগুলিতে কী চলছে তার একটি রিয়েল-টাইম দর্শন থাকতে পারে এবং গুরুত্বপূর্ণ জিনিসগুলি ঘটে গেলে লোকেরাও সতর্ক হতে পারে। দিনের শেষে atুকে পড়ার পরিবর্তে এবং সত্যিই খারাপ কিছু ঘটেছিল সেদিনের চেয়ে বরং আপনি আগেই সতর্ক হতে পারেন দ্বিতীয়টি আমরা এটি খুঁজে পেয়েছি এবং কী আছে তা সন্ধান করার জন্য এটি সোজা পৃষ্ঠায় চলে গেছে যাচ্ছে.
সুতরাং এটি যখন আকর্ষণীয় জিনিসগুলি ঘটছে তা বলা হওয়ার পরে তথ্য বিশ্লেষণ করা থেকে দৃষ্টান্তটিকে পুরোপুরি পরিবর্তন করে। এবং আমাদের প্ল্যাটফর্মটি তখন ডেটা-চালিত অ্যাপ্লিকেশনগুলি তৈরি করতে ব্যবহৃত হতে পারে। এবং সত্যই এটি যেখানে আমরা ফোকাস করছি, এই অ্যাপ্লিকেশনগুলি তৈরি করছে। গ্রাহকদের জন্য, গ্রাহকদের সাথে, বিভিন্ন বিভিন্ন অংশীদার সহ রিয়েল-টাইম ডেটা বিশ্লেষণে প্রকৃত মান দেখানোর জন্য। সুতরাং এটি সেই ব্যক্তিদের বা সাইট অ্যাপ্লিকেশনগুলি সংস্থাগুলি, উদাহরণস্বরূপ, সময়ের সাথে সাথে গ্রাহকের ব্যবহারের সন্ধান করতে সক্ষম হবে এবং পরিষেবার গুণমান পূরণ হচ্ছে কিনা তা নিশ্চিত করতে, রিয়েল-টাইম জালিয়াতি বা মানি লন্ডারিংয়ের সন্ধান করতে, একাধিক লগইন স্পট করতে বা হ্যাক প্রচেষ্টা এবং এই জাতীয় সুরক্ষা ইভেন্টগুলি, সেট-টপ বক্স বা অন্যান্য ডিভাইসগুলির মতো জিনিসগুলি পরিচালনা করার জন্য, এটিএম মেশিনগুলি ত্রুটিগুলির জন্য রিয়েল টাইমে তাদের নিরীক্ষণ করার জন্য, ব্যর্থতা যা ঘটতে পারে, ভবিষ্যতে ভবিষ্যদ্বাণীমূলক বিশ্লেষণের ভিত্তিতে ঘটবে। এবং এটি এরিক আগে উল্লেখ করা অপারেশনগুলিকে সহজলভ্য করার বিন্দুতে ফিরে যায়, যখন কিছু ঘটতে চলেছে তখন স্পষ্ট হয়ে উঠতে এবং আপনার ব্যবসাকে সংগঠিত করার পরিবর্তে সত্যিকারের পরে কিছু করার জন্য কাউকে ডেকে বলার অপেক্ষা রাখে না, যা হ'ল অনেক বেশি ব্যয়বহুল।
গ্রাহকরা যখন আপনার স্টোরে রয়েছেন তখন যখন তারা কোনও কাজ করছেন তখন তা জানতে সক্ষম হবেন ভোক্তা বিশ্লেষণ রিয়েল টাইম রিসোর্স ব্যবহারের নিরীক্ষণ করতে এবং জিনিসগুলি কোথায় চলছে তা পরিবর্তন করতে এবং জিনিসগুলি কখন আরও বেশি সময়োপযোগী ফ্যাশনে ব্যর্থ হতে চলেছে তা জানতে সক্ষম হতে ডেটা ম্যানেজমেন্টকে প্রেরণ করা ডেটা।
সুতরাং এটি সংক্ষেপে আমাদের পণ্য এবং আমি নিশ্চিত যে প্রশ্নোত্তর পর্বের অধিবেশনে আমরা এর মধ্যে কিছুতে ফিরে আসব। ধন্যবাদ.
এরিক: হ্যাঁ, সত্যিই। দারূন কাজ. ঠিক আছে, ভালো. এবং এখন আমাদের বজ্রপাতের পরবর্তী স্টপেজে আমরা ফ্র্যাঙ্ক স্যান্ডার্সকে মার্কলজিক থেকে কল পেয়েছি। আমি এই ছেলেদের সম্পর্কে বেশ কয়েক বছর ধরে জানি, একটি খুব, খুব আকর্ষণীয় ডাটাবেস প্রযুক্তি। ফ্র্যাঙ্ক, আমি এটি আপনার হাতে ফিরিয়ে দিচ্ছি। যে কোনও জায়গায় ক্লিক করুন। আপনার কীবোর্ডের ডাউন তীরটি ব্যবহার করুন এবং আপনি দৌড়ে চলে এসেছেন। এই নাও.
ফ্র্যাঙ্ক স্যান্ডার্স: এরিক আপনাকে অনেক ধন্যবাদ। এরিক যেমন উল্লেখ করেছেন, আমি মার্কলজিক নামে একটি সংস্থার সাথে আছি। এবং মার্কলজিক যা করে তা হ'ল আমরা একটি এন্টারপ্রাইজ নো এসকিউএল ডাটাবেস সরবরাহ করি। এবং সম্ভবত, সর্বাধিক গুরুত্বপূর্ণ যে দক্ষতার সাথে আমরা টেবিলে নিয়ে এসেছি তা হ'ল বাস্তবে এই সমস্ত ভিন্ন ভিন্ন উত্সের তথ্যকে একত্রিত করার ক্ষমতা যা আপনার সিস্টেমের মতো একই সিস্টেমে বিশ্লেষণ, অনুসন্ধান এবং ব্যবহার করতে পারেন to ট্র্যাডিশনাল রিলেশনাল সিস্টেমের সাথে অভ্যস্ত, তাই না?
এবং সেই বিষয়ে আমরা টেবিলে নিয়ে এসেছি এমন কয়েকটি মূল বৈশিষ্ট্য হ'ল এমন একটি এন্টারপ্রাইজ বৈশিষ্ট্য যা আপনি একটি traditionalতিহ্যবাহী ডাটাবেস পরিচালন সিস্টেম, আপনার সুরক্ষা, আপনার এইচএ, আপনার ডিআর, আপনার ব্যাকআপ স্টোর, আপনার সম্পত্তি লেনদেন। পাশাপাশি সেই নকশা যা আপনাকে মেঘের উপর বা পণ্য হার্ডওয়্যারটিতে মাপার সুযোগ দেয় যাতে আপনি এই ধরণের তৈরি এবং বিশ্লেষণের জন্য যে তথ্যটি হ্যান্ডেল করতে চলেছেন সেটির ভলিউম এবং বেগ পরিচালনা করতে পারবেন you তথ্য।
এবং সম্ভবত, সর্বাধিক গুরুত্বপূর্ণ সামর্থ্য হ'ল আমরা যে স্কিম অজ্ঞেয়াদি। এর অর্থ, ব্যবহারিকভাবে, এটি হ'ল আপনি যখন অ্যাপ্লিকেশনগুলি তৈরি শুরু করবেন বা আপনি যখন এই তথ্যগুলি এক সাথে টানা শুরু করবেন তখন আপনার ডেটা কেমন হবে তা সিদ্ধান্ত নিতে হবে না। তবে সময়ের সাথে সাথে, আপনি নতুন ডেটা উত্সগুলি অন্তর্ভুক্ত করতে পারেন, অতিরিক্ত তথ্য এঁকে নিতে পারেন এবং তারপরে লিভারেজ এবং ক্যোয়ারী ব্যবহার করতে পারেন এবং সেই তথ্যটি বিশ্লেষণ করতে পারেন ঠিক যেমন আপনি ডিজাইনটি শুরু করার সময় থেকে সেখানে উপস্থিত সমস্ত কিছু দিয়েছিলেন। ঠিক আছে?
তাই কিভাবে আমরা তা করতে পারি? আরডিএফ ট্রিপলস, জিওপ্যাটিয়াল ডেটা, টেম্পোরাল ডেটা, স্ট্রাকচার্ড ডেটা এবং মান বা বাইনারিগুলি হ'ল আমরা কীভাবে আসলে আপনাকে বিভিন্ন ধরণের তথ্য লোড করতে সক্ষম করি? এবং উত্তরটি হ'ল আমরা অনুসন্ধানের প্রযুক্তিটি অন্তর্ভুক্ত করার জন্য প্রকৃতপক্ষে আমাদের সার্ভারটি তৈরি করেছি যা আপনাকে তথ্য প্রবেশের অনুমতি দেয় এবং সেই তথ্যটি নিজের বিবরণ দেয় এবং এটি আপনাকে উত্স বা বিন্যাস নির্বিশেষে তথ্য অনুসন্ধান করতে, পুনরুদ্ধার এবং অনুসন্ধান করতে দেয় ।
এবং এর ব্যবহারিকভাবে এর অর্থ হ'ল - এবং আপনি যখন বিশ্লেষণ করছেন তখন এটি কেন গুরুত্বপূর্ণ - যখন বিশ্লেষণ এবং তথ্য সঠিকভাবে ধারণাগত হয় এবং লক্ষ্যবস্তু হয় তখন কি এটি সবচেয়ে গুরুত্বপূর্ণ? সুতরাং যে কোনও বিশ্লেষণের একটি খুব গুরুত্বপূর্ণ মূল অংশ হ'ল অনুসন্ধান, এবং মূল অংশটি হ'ল অনুসন্ধান বিশ্লেষণ। আপনার কাছে অন্যটি ছাড়া সত্যই নেই এবং আপনি যা অর্জনের জন্য নির্ধারণ করেছেন সফলভাবে তা অর্জন করতে পারেন। রাইট?
এবং আমি সংক্ষেপে কথা বলতে যাচ্ছি আমাদের উত্পাদনকারী গ্রাহকদের প্রায় সাড়ে তিনটি বিভিন্ন ব্যবহারের ক্ষেত্রে যা এই ধরণের বিশ্লেষণকে পাওয়ার জন্য মার্কলোগিক ব্যবহার করছে। ঠিক আছে. সুতরাং প্রথম যেমন গ্রাহক হলেন ফেয়ারফ্যাক্স কাউন্টি। এবং ফেয়ারফ্যাক্স কাউন্টি আসলে দুটি পৃথক অ্যাপ্লিকেশন তৈরি করেছে। একটি অনুমোদিত এবং সম্পত্তি পরিচালনার কাছাকাছি। এবং অন্যটি, যা সম্ভবত কিছুটা আকর্ষণীয়, ফেয়ারফ্যাক্স কাউন্টি পুলিশ ইভেন্টের অ্যাপ্লিকেশন। পুলিশ ইভেন্টের অ্যাপ্লিকেশনটি আসলে যা করে তা হ'ল এটি পুলিশ রিপোর্ট, নাগরিকের প্রতিবেদন এবং অভিযোগ, টুইটগুলি, যৌন অপরাধীদের মতো অন্যান্য তথ্য এবং অন্যান্য এজেন্সি এবং উত্স থেকে তাদের অ্যাক্সেস রয়েছে এমন যে কোনও তথ্যই একসাথে তথ্য টানছে। তারপরে তারা তাদের এটিকে দৃশ্যমান করার এবং এটি নাগরিকদের কাছে উপস্থাপন করার অনুমতি দেয় যাতে তারা অনুসন্ধান করে এবং বিভিন্ন অপরাধ ক্রিয়াকলাপ, পুলিশ ক্রিয়াকলাপ, একীভূত ভূ-স্থানিক সূচকের মাধ্যমে দেখতে পারে, তাই না? সুতরাং আপনি এই জাতীয় প্রশ্ন জিজ্ঞাসা করতে পারেন, "পাঁচ মাইলের মধ্যে অপরাধের হার কী" বা "আমার অবস্থানের পাঁচ মাইলের মধ্যে কী অপরাধ হয়েছিল?" ঠিক আছে.
অন্য একটি ব্যবহারকারী যা আমরা পেয়েছি, অন্য গ্রাহক যা আমাদের রয়েছে সেটি হচ্ছে ওইসিডি। কেন এই কথোপকথনের জন্য ওইসিডি গুরুত্বপূর্ণ, কারণ তথ্য ফেটিয়ে ফেলার ক্ষেত্রে আমরা ফেয়ারফ্যাক্স কাউন্টির জন্য সক্ষম করে রেখেছি এমন সমস্ত কিছুর পাশাপাশি; ওইসিডির সদস্য যে সমস্ত বিভিন্ন দেশ থেকে আপনি যে সমস্ত তথ্য পাবেন যা তারা অর্থনৈতিক দৃষ্টিকোণ থেকে রিপোর্ট করে। আমরা আসলে এটিতে একটি টার্গেট ড্রিল রেখেছিলাম right সুতরাং আপনি বাম দিকে দেখতে পাচ্ছেন আমরা বিশেষত ডেনমার্কের দৃষ্টিভঙ্গি নিচ্ছি এবং আপনি এর উপরে একটি ফুলের পাপড়ি দেখতে পারেন যা এটি বিভিন্ন অক্ষকে রেট করে। রাইট? এবং এটি সব ভাল এবং ভাল। তবে ওইসিডি যা করেছে তা হ'ল তারা একধাপ এগিয়ে গেছে।
এই সুন্দর দৃশ্যায়ন এবং এই সমস্ত তথ্য একসাথে টানানোর পাশাপাশি, তারা আপনাকে সত্যিকার অর্থে আপনার নিজের জীবনযাত্রার আরও ভাল সূচক তৈরি করতে দিচ্ছে, ডানদিকে, যা আপনি ডানদিকে দেখতে পাচ্ছেন। সুতরাং আপনার যা আছে তা আপনার কাছে স্লাইডারগুলির একটি সেট রয়েছে যা আপনাকে বাস্তবে আপনার পক্ষে আয় বা আয়, চাকরি, সম্প্রদায়, শিক্ষা, পরিবেশ, নাগরিক ব্যস্ততা, স্বাস্থ্য, জীবন তৃপ্তি, সুরক্ষা এবং আপনার কাজের জন্য কতটা গুরুত্বপূর্ণ র্যাঙ্কের মতো কিছু করতে দেয় that / জীবন ভারসাম্য। এবং গতিশীলভাবে আপনি কীভাবে সেই তথ্যটি ইনপুট করছেন এবং সেই জিনিসগুলি ওজন করছেন তার উপর ভিত্তি করে, মার্কলোগিক তার রিয়েল-টাইম ইনডেক্সিং ক্ষমতা এবং ক্যোয়ারের ক্ষমতাটি ব্যবহার করে তারপরে কীভাবে এই দেশগুলির প্রত্যেককে প্রত্যেককে আপনাকে কতটা ভাল ধারণা দেওয়ার জন্য র্যাঙ্ক করা হয় তা পরিবর্তন করতে পারে দেশ বা আপনার প্রদত্ত দেশের মাধ্যমে আপনার জীবনধারার মানচিত্র। ঠিক আছে?
এবং আমি যে চূড়ান্ত উদাহরণটি ভাগ করতে যাচ্ছি তা হ'ল মার্কমেল। এবং মার্কমেল প্রকৃতপক্ষে যা প্রদর্শনের চেষ্টা করে তা হ'ল আমরা এই ক্ষমতাগুলি সরবরাহ করতে পারি এবং আপনি কেবলমাত্র কাঠামোগত তথ্য বা তথ্যের যে সংখ্যায় আগত তথ্যগুলি নিয়েই না বরং বাস্তবে আরও আলগাভাবে কাঠামোগত, কাঠামোগত তথ্যের উপরে নির্ভর করতে পারেন, তাই না? এস এর মতো জিনিস। এবং আমরা এখানে যা দেখেছি তা হ'ল আমরা আসলে জিওলোকেশন, এর, সংস্থা, স্ট্যাক এবং হাদুপের মত ধারণাগুলির মতো তথ্যগুলি টেনে আনছি এবং এর পরে মানচিত্রে এটি দৃশ্যমান করার পাশাপাশি সেই ব্যক্তিরা এবং কী কী তা দেখছে যে জুড়ে তালিকা, একটি প্রেরিত এবং একটি তারিখ। এটি যেখানে আপনি এমন জিনিসগুলি দেখছেন যা traditionতিহ্যগতভাবে কাঠামোগত নয়, এটি আলগাভাবে কাঠামোগত হতে পারে তবে এখনও তথ্যের চেষ্টা এবং কাঠামো তৈরি করতে বা প্রক্রিয়া করার জন্য কোনও দুর্দান্ত দৈর্ঘ্যে না গিয়ে সেই তথ্য থেকে কিছু কাঠামোগত বিশ্লেষণ করতে সক্ষম হয় একটি সময়. এবং এটাই.
এরিক: আরে, ঠিক আছে ভাল। এবং আমরা আরও একটি পেয়েছিলাম। আমরা একটি খুব আকর্ষণীয় সংস্থা ট্রেজার ডেটা থেকে হান্না স্মল্ট্রি পেয়েছি। এবং এটি ভাবেন, প্রচুর দুর্দান্ত সামগ্রী। এই ধরণের ভাল স্লাইড এবং এত ভাল বিস্তারিত আনার জন্য আপনারা সবাইকে অনেক ধন্যবাদ। হান্না, আমি আপনাকে কেবল কীগুলি দিয়েছি, যে কোনও জায়গায় ক্লিক করুন এবং আপনার কীবোর্ডের ডাউন তীরটি ব্যবহার করুন। তুমি বুঝতে পেরেছ. দূরে নিতে.
হান্না স্মল্ট্রি: আপনাকে অনেক ধন্যবাদ, এরিক। ট্রেজার ডেটা থেকে এটি হান্না স্মল্ট্রি। আমি ট্রেজার ডেটা সহ পরিচালক তবে প্রযুক্তিবিদ হিসাবে আমার অতীত রয়েছে, যার অর্থ আমি দুটি জিনিসের প্রশংসা করি। প্রথমত, এগুলি প্রযুক্তির বিভিন্ন বর্ণনার প্রচেষ্টার মধ্য দিয়ে দীর্ঘ সময় ধরে বসে থাকতে পারে এবং এটি সমস্ত একসাথে চলার মতো শোনা যায় তাই আমি সত্যিই আমাদের ডিফারেন্টিটারে ফোকাস করতে চাই। এবং বাস্তব-বিশ্বের অ্যাপ্লিকেশনগুলি সত্যই গুরুত্বপূর্ণ তাই আমি প্রশংসা করি যে আমার সমস্ত সহকর্মীরা সেগুলি সরবরাহ করার ক্ষেত্রে দুর্দান্ত হয়েছে।
ট্রেজার ডেটা এক নতুন ধরণের বড় ডেটা পরিষেবা। আমরা কোনও পরিষেবা বা পরিচালিত-পরিষেবা মডেল হিসাবে সফ্টওয়্যারটিতে মেঘের উপরে পুরোপুরি বিতরণ করেছি। ডাঃ ব্লুরের বক্তব্যটির আগে, এই প্রযুক্তিটি সত্যই শক্ত হতে পারে এবং উঠে দাঁড়াতে খুব সময়সাপেক্ষ হতে পারে। ট্রেজার ডেটা দিয়ে আপনি এই ধরণের সমস্ত ক্ষমতা অর্জন করতে পারেন যা আপনি খুব দ্রুত একটি মেঘে হ্যাডোপ পরিবেশ বা জটিল প্রাক-প্রাক-পরিবেশের পরিবেশে পেতে পারেন যা এই নতুন বড় ডেটা উদ্যোগের জন্য সত্যই সহায়ক।
এখন আমরা কয়েকটি ভিন্ন পর্যায়ে আমাদের পরিষেবা সম্পর্কে কথা বলি। স্ট্রিমিং ডেটা সংগ্রহ করার জন্য আমরা কিছু খুব অনন্য সংগ্রহের ক্ষমতা অফার করি তাই বিশেষ করে ইভেন্ট ডেটা, অন্যান্য ধরণের রিয়েল-টাইম ডেটা। আমরা সেই ডেটা ধরণের সম্পর্কে আরও কিছুটা কথা বলব। এটি আমাদের সেবার জন্য একটি বিরাট বিভাজনকারী। আপনি যখন বড় ডেটাতে প্রবেশ করেন বা আপনি যদি ইতিমধ্যে এতে থাকেন তবে আপনি জানেন যে এই ডেটা সংগ্রহ করা তুচ্ছ নয়। আপনি যখন প্রতি মিনিটে ১০০ টি সেন্সর আইং তথ্য সহ একটি গাড়ি সম্পর্কে চিন্তা করেন, এমনকি সেই ১০০ সেন্সর প্রতি দশ মিনিটে তথ্য উপস্থাপন করে, এটি সেন্সরগুলির সাহায্যে আপনার যে পরিমাণ পণ্যগুলি গুনতে শুরু করে তত তাড়াতাড়ি যুক্ত হয় এবং এটি খুব দ্রুত হয়ে যায় পরিচালনা করা কঠিন। সুতরাং আমরা কয়েক মিলিয়ন গ্রাহকদের সাথে কথা বলছি, আমাদের এমন গ্রাহক রয়েছে যাদের দিনে কয়েক বিলিয়ন সারি ডেটা রয়েছে যা তারা আমাদের নিযুক্ত করছে। এবং তারা চেষ্টা করছেন এবং একটি জটিল অ্যামাজন অবকাঠামোতে নিজেরাই এটিকে পরিচালনা করতে বা এমনকি তাদের নিজস্ব পরিবেশে আনার চেষ্টা করার বিকল্প হিসাবে এটি করছেন।
আমাদের নিজস্ব ক্লাউড স্টোরেজ পরিবেশ রয়েছে। আমরা এটি পরিচালনা করি। আমরা এটি নিরীক্ষণ। আমাদের কাছে এমন একটি দল রয়েছে যা আপনার জন্য সমস্ত টিউনিং করছে। এবং তাই ডেটা প্রবাহিত হয়, এটি আমাদের পরিচালিত স্টোরেজ পরিবেশে যায়।
তারপরে আমরা কোয়েরি ইঞ্জিনগুলি এম্বেড করেছি যাতে আপনার বিশ্লেষক কোয়েরিতে যেতে পারেন এবং ডেটার বিরুদ্ধে কিছু প্রাথমিক ডেটা আবিষ্কার এবং অনুসন্ধান করতে পারেন। এটির জন্য এখন আমাদের কাছে বেশ কয়েকটি আলাদা ক্যোয়ারী ইঞ্জিন রয়েছে। আপনি এসকিউএল সিনট্যাক্সটি ব্যবহার করতে পারেন যা সম্ভবত আপনার বিশ্লেষকরা জানেন এবং পছন্দ করেন, কিছু বেসিক ডেটা আবিষ্কার করতে, আরও কিছু জটিল বিশ্লেষণ যা ব্যবহারকারী-সংজ্ঞায়িত ফাংশনগুলি করতে পারে বা এমনকি ডেটা সামগ্রিক করার মতো সহজ জিনিসগুলি করতে এবং এটিকে আরও ছোট করে তোলে আপনি এটি আপনার বিদ্যমান ডেটা গুদাম পরিবেশে আনতে পারেন।
আপনি আপনার বিদ্যমান বিআই সরঞ্জামগুলিও সংযুক্ত করতে পারেন, আপনার টেবিলটি আমাদের বড় অংশীদার; তবে সত্যিই বেশিরভাগ বিআই, ভিজ্যুয়ালাইজেশন বা বিশ্লেষণ সরঞ্জামগুলি আমাদের শিল্পের স্ট্যান্ডার্ড জেডিবিসি এবং ওডিবিসি ড্রাইভারের মাধ্যমে সংযোগ করতে পারে। সুতরাং এটি আপনাকে বড় ডেটা ক্ষমতার এই সম্পূর্ণ সেট দেয়। আপনাকে আপনার প্রশ্নের ফলাফল বা ডেটা সেটগুলি যে কোনও সময় নিখরচায় রফতানি করার অনুমতি দেওয়া হয়েছে, যাতে আপনি সহজেই সেই ডেটা সংহত করতে পারেন। এটি একটি ডেটা শোধনাগার হিসাবে আচরণ করুন। আমি এটিকে একটি হ্রদের চেয়ে শোধনাগার হিসাবে বেশি ভাবতে চাই কারণ আপনি এটির সাথে বাস্তবে স্টাফ করতে পারেন। আপনি যেতে পারেন, মূল্যবান তথ্য সন্ধান করতে পারেন এবং তারপরে এটিকে আপনার এন্টারপ্রাইজ প্রক্রিয়াতে নিয়ে আসতে পারেন।
পরের স্লাইডে, আমরা তিনটি বৃহত ডেটা সম্পর্কে কথা বলি - কিছু লোক চার বা পাঁচ বলে। আমাদের গ্রাহকরা তাদের কাছে আসা ডেটার ভলিউম এবং বেগ নিয়ে লড়াই করার ঝোঁক। এবং তাই ডেটা ধরণের সম্পর্কে সুনির্দিষ্ট হওয়ার জন্য - ক্লিক স্ট্রিম, ওয়েব অ্যাক্সেস লগ, মোবাইল ডেটা আমাদের জন্য একটি বড় ক্ষেত্র, মোবাইল অ্যাপ্লিকেশন লগ, কাস্টম ওয়েব অ্যাপ্লিকেশনগুলি থেকে বা অন্যান্য অ্যাপ্লিকেশনগুলি থেকে ইভেন্ট লগগুলি log এবং ক্রমবর্ধমানভাবে, আমাদের প্রচুর গ্রাহক সেন্সর ডেটা নিয়ে কাজ করছেন, তাই পরিধানযোগ্য ডিভাইস থেকে পণ্য থেকে, স্বয়ংচালিত থেকে এবং অন্যান্য ধরণের মেশিন ডেটা থেকে। সুতরাং আমি যখন বড় ডেটা বলি, এটাই সেই ধরণের বড় ডেটার বিষয়ে আমি কথা বলছি।
এখন, আপনার জন্য কয়েকটি ব্যবহারের দৃষ্টিকোণ - আমরা একটি খুচরা বিক্রেতা, একটি বড় খুচরা বিক্রেতা সাথে কাজ করি। এশিয়াতে তারা খুব সুপরিচিত। তারা এখানে মার্কিন যুক্তরাষ্ট্রে প্রসারিত হচ্ছে। আপনি স্টোরগুলি দেখতে শুরু করবেন; তাদের প্রায়শই এশিয়ান আইকেইএ বলা হয়, তাই সাধারণ নকশা। তাদের একটি আনুগত্য অ্যাপ এবং একটি ওয়েবসাইট আছে। এবং প্রকৃতপক্ষে, ট্রেজার ডেটা ব্যবহার করে, তারা খুব দ্রুত সেই আনুগত্য অ্যাপটি স্থাপন করতে সক্ষম হয়েছিল। আমাদের সফ্টওয়্যার এবং আমাদের পরিষেবা আর্কিটেকচারের কারণে এবং আমাদের সেই সমস্ত দক্ষতা পরিষেবা হিসাবে আপনাকে দেওয়ার জন্য আমাদের সমস্ত লোক পর্দার আড়ালে যে কঠোর পরিশ্রম করে চলেছে সেই কারণে আমাদের গ্রাহকরা দিন বা সপ্তাহের মধ্যেই উঠে এবং চলতে থাকে।
সুতরাং লোকেরা তাদের মোবাইল আনুগত্য অ্যাপ্লিকেশনটিতে কী ক্লিক করছে তা আচরণের দিকে তাকিয়ে মোবাইল অ্যাপ্লিকেশন বিশ্লেষণের জন্য তারা আমাদের পরিষেবা ব্যবহার করে। তারা ওয়েবসাইটের ক্লিকগুলিতে নজর রাখেন এবং তারা আরও কার্যকর প্রচার প্রচারের জন্য আমাদের ই-কমার্স এবং POS ডেটার সাথে এটি একত্রিত করে। তারা প্রকৃতপক্ষে লোকদের দোকানে চালনা করতে চেয়েছিল কারণ তারা দেখতে পেয়েছিল যে লোকেরা যখন স্টোরগুলিতে যায় তখন বেশি অর্থ ব্যয় করে এবং আমি তার মতোই; জিনিস বাছাই করতে, আপনি আরও অর্থ ব্যয় করেন।
আর একটি ব্যবহারের কেস যা আমরা ডিজিটাল ভিডিও গেমগুলিতে দেখছি, অবিশ্বাস্য তত্পরতা। তারা তাদের খেলায় ঠিক কী ঘটছে তা দেখতে চায় এবং এটি প্রকাশের কয়েক ঘন্টা পরেও সেই খেলায় পরিবর্তন আনতে চায়। সুতরাং তাদের জন্য, রিয়েল-টাইম দর্শন অবিশ্বাস্যভাবে গুরুত্বপূর্ণ। আমরা সবেমাত্র একটি গেম প্রকাশ করেছি তবে আমরা প্রথম ঘন্টাটিতে লক্ষ্য করেছি যে প্রত্যেকে স্তর 2 এ নামছে; কিভাবে আমরা যে পরিবর্তন করতে যাচ্ছি? তারা একই দিনের মধ্যে এটি পরিবর্তন করতে পারে। সুতরাং বাস্তব সময় খুব গুরুত্বপূর্ণ। তারা প্রতিদিন আমাদের কয়েক বিলিয়ন ইভেন্ট লগ ইনগ্রেট করছে। তবে এটি যে কোনও ধরণের মোবাইল অ্যাপ্লিকেশন হতে পারে যেখানে আপনি কোনওরকম কীভাবে এটি ব্যবহার করছেন তার মধ্যে কোনও ধরণের রিয়েল-টাইম দর্শন চান।
এবং পরিশেষে, আমাদের জন্য একটি বড় ক্ষেত্র হ'ল আমাদের পণ্য আচরণ এবং সেন্সর বিশ্লেষণ। সুতরাং গাড়িতে থাকা সেন্সর ডেটা সহ, এটি অন্যান্য ধরণের মেশিনে, ইউটিলিটিগুলিতে, যা আমাদের জন্য পরেনযোগ্য ডিভাইসে অন্য একটি অঞ্চল। আমাদের কাছে গবেষণা এবং বিকাশকারী দল রয়েছে যা দ্রুত কোনও পণ্য পরিবর্তনের প্রভাব কী বা লোকেরা কীভাবে পণ্যটির সাথে ইন্টারঅ্যাক্ট করছে তার আচরণে আগ্রহী লোকেরা তা দ্রুত জানতে চায়। এবং আমাদের প্রচুর ব্যবহারের কেস রয়েছে যা অবশ্যই আমরা আপনার সাথে ভাগ করে নিতে পেরে খুশি।
এবং তারপরে, কেবল আপনার পরিবেশে এটি কীভাবে মাপসই করতে পারে তা আপনাকে দেখান, আমরা আবার সেই ডেটা সংগ্রহের সক্ষমতা অফার করি। আমাদের কাছে খুব অনন্য সংগ্রহের প্রযুক্তি রয়েছে। তাই আবারও, যদি রিয়েল-টাইম সংগ্রহ এমন কোনও কিছু হয় যার সাথে আপনি লড়াই করে যাচ্ছেন বা আপনি লড়াইয়ের প্রত্যাশা করছেন, তবে দয়া করে ট্রেজার ডেটা পরিষেবাটি দেখুন। স্ট্রিমিং ডেটা সংগ্রহের জন্য আমরা সত্যই ক্ষমতা তৈরি করেছি। আপনি প্রচুর পরিমাণে আপনার ডেটা লোড করতে পারেন, এটি সঞ্চয় করতে পারেন, এটি আমাদের এম্বেডেড ক্যোয়ারী ইঞ্জিনগুলির সাথে বিশ্লেষণ করতে পারেন এবং তারপরে, যেমনটি আমি উল্লেখ করেছি, আপনি এটি সরাসরি আপনার ডেটা গুদামে রফতানি করতে পারেন। আমি মনে করি আপনার বিদ্যমান প্রক্রিয়াগুলিতে বড় ডেটা প্রবর্তনের প্রয়োজনীয়তার কথা উল্লেখ করবে। সুতরাং ঘুরে দেখবেন না বা একটি নতুন সিলো তৈরি করবেন না, তবে আপনি কীভাবে সেই ডেটাটিকে আরও ছোট করে তুলবেন এবং তারপরে এটিকে আপনার ডেটা গুদামে স্থানান্তরিত করবেন এবং আপনি আপনার বিআই, ভিজ্যুয়ালাইজেশন এবং উন্নত বিশ্লেষণ সরঞ্জামগুলির সাথে সংযুক্ত করতে পারেন।
তবে সম্ভবত, আমি আপনাকে যে মূল পয়েন্টগুলি দিয়ে যেতে চাই তা হ'ল আমরা পরিচালিত পরিষেবা, সেই পরিষেবা হিসাবে সফ্টওয়্যার; এটি অত্যন্ত ব্যয়বহুল। একটি মাসিক সাবস্ক্রিপশন পরিষেবা মাসে কয়েক হাজার ডলার থেকে শুরু হয় এবং আমরা আপনাকে কয়েকদিন বা সপ্তাহের মধ্যে উঠিয়ে দেব। সুতরাং আপনার নিজের অবকাঠামো তৈরির মাস এবং মাস ব্যয়ের সাথে এটি তুলনা করুন এবং সেই লোকদের নিয়োগ এবং এটি সন্ধান এবং সেই সমস্ত সময় অবকাঠামোয় ব্যয় করে। আপনি যদি পরীক্ষা নিরীক্ষা করছেন বা গতকাল আপনার যদি কিছু প্রয়োজন হয় তবে আপনি ট্রেজার ডেটা দিয়ে সত্যিই দ্রুত চলে যেতে পারেন।
এবং আমি আপনাকে কেবল আমাদের ওয়েবসাইট এবং আমাদের স্টার্টার পরিষেবাটিতে নির্দেশ করছি। আপনি যদি খেলতে পছন্দ করেন এমন কোনও ব্যক্তি হন তবে দয়া করে আমাদের স্টার্টার পরিষেবাটি দেখুন। আপনি পেতে পারেন, কোনও ক্রেডিট কার্ডের প্রয়োজন নেই, শুধু নাম এবং এবং আপনি আমাদের নমুনা ডেটা নিয়ে খেলতে পারেন, নিজের ডেটা লোড করতে পারেন এবং আমরা কী বলছি তা সত্যই উপলব্ধি করতে পারেন। তাই অনেক ধন্যবাদ। এছাড়াও, আমাদের ওয়েবসাইট চেক করুন। আমরা এই বছর বিগ ডেটাতে গার্টনার কুল বিক্রেতার নাম পেয়েছি, এতে খুব গর্বিত। এবং আপনি আমাদের ওয়েবসাইটে নিখরচায় সেই প্রতিবেদনের অনুলিপি পেতে পারেন পাশাপাশি আরও অনেক বিশ্লেষক সাদা কাগজপত্র পেতে পারেন। তাই অনেক ধন্যবাদ।
এরিক: ঠিক আছে, আপনাকে অনেক ধন্যবাদ। লোকেরা এখানে প্রশ্নের জন্য কিছু সময় পেয়েছি। আমরা আরও কিছুটা দীর্ঘ যাব কারণ আমরা এখানে অনেক লাইনে রয়েছি f এবং আমি জানি যে আমি নিজেই কিছু প্রশ্ন পেয়েছি, সুতরাং আমাকে এগিয়ে যেতে এবং নিয়ন্ত্রণ আবার নিতে দিন এবং তারপরে আমি কয়েকটি প্রশ্ন জিজ্ঞাসা করব। রবিন এবং কার্ক, আপনি যথাযথ দেখতে দেখতে ডুবন্ত বোধ করবেন।
সুতরাং আমাকে এগিয়ে যেতে এবং এই প্রথম স্লাইডগুলির ডানদিকে ঝাঁপ দাও যা আমি পেন্টাহো থেকে চেক আউট করেছি। সুতরাং এখানে, আমি এই বিকশিত বড় ডেটা আর্কিটেকচারটি পছন্দ করি, আপনি কী ধরনের কথা বলতে পারেন যে এটি কোনও কোম্পানির মধ্যে এই জাতীয় একসাথে ফিট করে কীভাবে? কারণ স্পষ্টতই, আপনি কিছু মোটামুটি বড় সংস্থায়, এমনকি একটি মাঝারি আকারের সংস্থায় চলে যান এবং আপনার কাছে এমন কিছু লোক রয়েছে যাঁদের ইতিমধ্যে এই জিনিসগুলির কিছু রয়েছে; আপনি এই সব একসাথে টুকরা না? অ্যাপ্লিকেশনটির মতো দেখতে কী এমন লাগে যা আপনাকে এই সমস্ত জিনিস একসাথে সেলাই করতে সহায়তা করে এবং তারপরে ইন্টারফেসটি দেখতে কেমন?
উইল: দুর্দান্ত প্রশ্ন। ইন্টারফেসগুলি জড়িত ব্যক্তির উপর নির্ভর করে বিভিন্ন। তবে উদাহরণ হিসাবে আমরা গল্পটি বলতে চাই - প্যানেলবিদদের মধ্যে একজন ডেটা রিফাইনারি ব্যবহারের ক্ষেত্রে উল্লেখ করেছিলেন - আমরা দেখি গ্রাহকদের মধ্যে এটি অনেক বেশি।
আমাদের গ্রাহকের উদাহরণগুলির মধ্যে একটি যা আমরা কথা বলি তা হ'ল পেট্রোনিক্স, যেখানে তাদের রয়েছে traditionalতিহ্যবাহী EDW ডেটা মার্ট পরিবেশ environment তারা হ্যাডোপ, বিশেষত ক্লৌডেরার এবং এটির বিভিন্ন ব্যবহারকারীর অভিজ্ঞতার সাথে পরিচয় করিয়ে দিচ্ছে। সুতরাং প্রথমে ইঞ্জিনিয়ারিংয়ের অভিজ্ঞতা রয়েছে, সুতরাং আপনি কীভাবে এই সমস্ত জিনিসগুলি একসাথে তারে যুক্ত করবেন? আপনি হ্যাডোপ পরিবেশ এবং EDW এর মধ্যে আঠালোটি কীভাবে তৈরি করবেন?
এবং তারপরে আপনার ব্যবসায়ের ব্যবহারকারীর অভিজ্ঞতা আছে যা সম্পর্কে আমরা কথা বললাম, সেখানে বেশ কয়েকটি বিআই সরঞ্জাম রয়েছে, তাই না? পেন্টাহোর আরও এম্বেডযোগ্য ওএম বিআই সরঞ্জাম রয়েছে তবে সেখানে ঝকঝকে এবং এক্সেলের মতো দুর্দান্ত রয়েছে, যেখানে লোকেরা ডেটা অন্বেষণ করতে চায়। তবে সাধারণত, আমরা নিশ্চিত করতে চাই যে ডেটা নিয়ন্ত্রিত হয়েছে, তাই না? আলোচনার মধ্যে একটি প্রশ্ন, একক সংস্করণ অভিজ্ঞতা সম্পর্কে কী, আপনি কীভাবে এটি পরিচালনা করেন এবং পেন্টাহো ডেটা ইন্টিগ্রেশনের মতো প্রযুক্তি ছাড়াই সেই তথ্যটিকে কাচের উপরে নয় বরং আইটি পরিবেশে মিশ্রিত করা যায়। সুতরাং এটি সত্যই ডেটা সুরক্ষিত করে এবং পরিচালনা করে এবং ব্যবসায় বিশ্লেষক এবং ব্যবসায় ব্যবহারকারীদের জন্য একক অভিজ্ঞতার সুযোগ দেয়।
এরিক: ঠিক আছে, ভাল একেবারে খোলামেলাভাবে বলা একটি কঠিন প্রশ্নের উত্তরের উত্তর। এবং আমাকে কেবল প্রতিটি উপস্থাপকের কাছে প্রশ্ন জিজ্ঞাসা করুন এবং তারপরে রবিন এবং কার্ক আপনি যদি লোকেরা খুব ঝাঁপিয়ে পড়তে চান তবে। সুতরাং আমি এগিয়ে যেতে চাই এবং ওয়েবঅ্যাকশনের জন্য এই স্লাইডটি পুশ করতে চাই যা আমি মনে করি সত্যই খুব আকর্ষণীয় একটি সংস্থা। প্রকৃতপক্ষে, আমি সামি আকবিকে জানি, তিনি অন্যতম সহ-প্রতিষ্ঠাতাও। আমার মনে আছে কয়েক বছর আগে তার সাথে কথা বলেছিলাম এবং বলেছিলেন, "আরে মানুষ, আপনি কী করছেন? আপনি কী করছেন? আমি জানি যে আপনি কোনও কিছুর উপর কাজ করতে পেরেছেন।" এবং অবশ্যই তিনি ছিলেন। তিনি এখানে প্রচ্ছদের আওতায় ওয়েবএকশনে কাজ করছিলেন।
আপনার জন্য একটি প্রশ্ন এসেছিল, স্টিভ, তাই আমি এটি ডেটা সাফ করার বিষয়ে আপনার কাছে ফেলে দেব, তাই না? আপনি কি এই রিয়েল-টাইম সক্ষমতার এই উপাদানগুলি সম্পর্কে কথা বলতে পারেন? ডেটা ক্লিনিজিং বা ডেটা কোয়ালিটির মতো ইস্যুগুলির সাথে আপনি কীভাবে ডিল করেন বা কীভাবে এটি কীভাবে কাজ করে?
স্টিভ: সুতরাং আপনি কোথায় থেকে আপনার ফিড পাচ্ছেন তা নির্ভর করে। সাধারণত, যদি আপনি ডেটা ক্যাপচার পরিবর্তন করার সাথে সাথে আপনি যদি কোনও ডাটাবেস থেকে আপনার ফিডগুলি পান তবে তা আবার কীভাবে ডেটা প্রবেশ করানো হয়েছিল তার উপর নির্ভর করে। আপনি যখন একাধিক উত্স থেকে আপনার ডেটা পেয়ে যাচ্ছেন বা লোকেরা ম্যানুয়ালি এটি প্রবেশ করছে বা আপনার ধরণের এমন স্বেচ্ছাসেবী রয়েছে যা আপনাকে চেষ্টা করতে এবং জিনিসগুলি এড়িয়ে যাওয়ার দরকার হয় তখন ডেটা পরিষ্কার করা আসলেই সমস্যা হয়ে দাঁড়ায়। এবং এটি অবশ্যই প্রক্রিয়াটির অংশ হতে পারে, যদিও এই ধরণের কেবল সত্য, ধরণের, উচ্চ-গতির রিয়েল-টাইম প্রসেসিংয়ের জন্য নিজেকে ধার দেয় না। ডেটা সাফ করা সাধারণতঃ একটি ব্যয়বহুল প্রক্রিয়া।
সুতরাং এটি ভাল হতে পারে যে স্টোর সাইটে সত্য হওয়ার পরে এটি করা যেতে পারে। তবে অন্য যে জিনিসটি প্ল্যাটফর্মটি সত্য তা আসলে পারস্পরিক সম্পর্ক, তাই পারস্পরিক সম্পর্ক এবং ডেটা সমৃদ্ধকরণে। আপনি, আসল সময়ে, আগত তথ্যগুলির সাথে সম্পর্কিত করতে পারেন এবং এটি একটি নির্দিষ্ট প্যাটার্নের সাথে মেলে কিনা তা যাচাই করতে পারেন বা এটি ডেটাবেস বা হ্যাডোপ বা অন্য কোনও স্টোর থেকে পুনরুদ্ধার করা ডেটার সাথে মেলে কিনা। সুতরাং আপনি এটি historicalতিহাসিক ডেটার সাথে সম্পর্কিত করতে পারেন, এটি আপনি করতে পারেন could
আপনি যা করতে পারেন তা হ'ল মূলত সেই ডেটাটি বিশ্লেষণ করুন এবং দেখুন যে এটি কোনও ধরণের নির্দিষ্ট প্রয়োজনীয় নিদর্শনগুলির সাথে মেলে কিনা। এবং এটি এমন কিছু যা আপনি আসল সময়েও করতে পারেন। তবে theতিহ্যবাহী ধরণের ডেটা ক্লিনিজিং, যেখানে আপনি সংস্থার নাম সংশোধন করছেন বা আপনি ঠিকানা এবং সমস্ত ধরণের জিনিস সংশোধন করছেন, সেগুলি সম্ভবত উত্স বা ধরণের পরে করা উচিত, যা খুব ব্যয়বহুল এবং আপনি প্রার্থনা করেন আসল সময়ে তারা এগুলি করবে না।
এরিক: হ্যাঁ এবং আপনি ছেলেরা সত্যই বিষয়গুলির আসল-সময় প্রকৃতির দিকে লক্ষ্য করার চেষ্টা করছেন তবে লোককে সময় মতো পান get এবং আমরা কথা বললাম, ঠিক, আমি এই মুহুর্তের উপরে, সুযোগের পুরো উইন্ডোটি উল্লেখ করেছি এবং আপনি সত্যিকারের সংস্থাগুলিতে নির্দিষ্ট অ্যাপ্লিকেশনগুলিকে টার্গেট করছেন যেখানে আপনি বিকল্প রুটে না গিয়ে ডেটা একসাথে টেনে আনতে পারেন, এই বিকল্প পথে যাচ্ছেন এবং তা করতে পারেন এমন একটি স্বল্প বিলম্বে যাতে আপনি গ্রাহকদের রাখতে পারেন। উদাহরণস্বরূপ, আপনি লোককে সন্তুষ্ট রাখতে পারেন এবং এটি আকর্ষণীয়, যখন আমি সামির সাথে যখন আপনি ছেলেরা কী করছেন সে সম্পর্কে দৈর্ঘ্যে কথা বললাম, তখন তিনি সত্যিই একটি ভাল বক্তব্য রেখেছিলেন। তিনি বলেছিলেন, আপনি যদি অনেক নতুন ওয়েব-ভিত্তিক অ্যাপ্লিকেশনগুলি লক্ষ্য করেন; চলুন, বিটলি বা এই জাতীয় অ্যাপগুলির মতো কিছুগুলিতে নজর দেওয়া যাক; তারা যে পুরানো অ্যাপ্লিকেশনগুলি থেকে আমরা দেখেছি তার থেকে খুব আলাদা, বলে মাইক্রোসফ্ট মাইক্রোসফ্ট ওয়ার্ডের মতো।
সফটওয়্যারটির বিবর্তন সম্পর্কে কথা বলার জন্য আমি প্রায়শই মাইক্রোসফ্টকে বেত্রাঘাতের ছেলে এবং বিশেষত ওয়ার্ড হিসাবে ব্যবহার করি। মাইক্রোসফ্ট ওয়ার্ড অবশ্যই ওয়ার্ড প্রসেসিং প্রোগ্রাম হিসাবে শুরু হয়েছিল। আমি সেই লোকদের মধ্যে একজন যারা ওয়ার্ড পারফেক্ট মনে রাখে। আমি প্রকাশিত কীগুলি বা প্রকাশিত কোডটি করতে সক্ষম হওয়া পছন্দ করতাম, মূলত এটিই সেখানে আপনি আসল কোডটি দেখতে পেতেন। আপনার বুলেটযুক্ত তালিকাটি যদি ভুল হয় তবে আপনি এটি পরিষ্কার করতে পারেন। ঠিক আছে, শব্দ আপনাকে এটি করতে দেয় না। এবং আমি আপনাকে বলতে পারি যে ওয়ার্ড আপনার প্রতিটি পৃষ্ঠার ভিতরে কোডের একটি পর্বত এম্বেড করে। যদি কেউ আমাকে বিশ্বাস করে না, তবে মাইক্রোসফ্ট ওয়ার্ডে যান, "হ্যালো ওয়ার্ল্ড" টাইপ করুন এবং তারপরে "হিসাবে রফতানি করুন" বা "সংরক্ষণ হিসাবে সংরক্ষণ করুন"। Html করুন। তারপরে কোনও সম্পাদককে সেই দস্তাবেজটি খুলুন এবং এটি কেবলমাত্র দুটি শব্দের জন্য কোডের প্রায় চার পৃষ্ঠার দীর্ঘ হবে।
সুতরাং ছেলেরা, আমি ভেবেছিলাম এটি খুব আকর্ষণীয় এবং আমাদের সময় নিয়ে আমরা কথা বলার সময় এসেছে। এবং ঠিক সেই জায়গাতেই আপনি ছেলেরা ফোকাস করছেন, এটি চিহ্নিত করছে যে আপনি ক্রস-প্ল্যাটফর্ম বা ক্রস-এন্টারপ্রাইজ বা ক্রস-ডোমেন সুযোগগুলিকে এমন দ্রুত সময়ে ডেটা টানতে পারে যাতে আপনি গেমটি পরিবর্তন করতে পারেন, তাই না?
স্টিভ: হ্যাঁ, একেবারে এবং আমি মনে করি, যে কীগুলির দ্বারা আপনি যেভাবেই হোক না কেন, আপনি কি সত্যই আপনার গ্রাহকরা করার আগে বা সেগুলি সত্যই ঘটে যাওয়ার আগে ঘটে যাওয়া বিষয়গুলি সম্পর্কে সত্যই জানতে চান really উদাহরণস্বরূপ সেট-টপ বক্সগুলি। কেবল বাক্সগুলি, তারা টেলিমেট্রি সমস্ত সময় নির্গত করে, লোড এবং টেলিমেট্রি লোড করে। এবং বাক্সের স্বাস্থ্যের একধরণের নয় তবে আপনি যা দেখছেন এবং এই জাতীয় ধরণের জিনিসগুলি তাই না? সাধারণ প্যাটার্নটি হ'ল আপনি বাক্সটি ব্যর্থ হওয়া পর্যন্ত অপেক্ষা করেন এবং তারপরে আপনি আপনার কেবল সরবরাহকারীকে কল করুন এবং তারা বলবে, "ঠিক আছে, আমরা নভেম্বরের পুরো মাসের 6 টা থেকে 11 টা পর্যন্ত আপনার কাছে এসেছি।" এটি গ্রাহকের সত্যিই অভিজ্ঞতা নয়।
তবে যদি তারা সেই টেলিমেট্রিটিকে আসল সময়ে বিশ্লেষণ করতে পারে তবে তারা এমন কিছু করতে শুরু করতে পারে যে আমরা জানি যে এই বাক্সগুলি পরবর্তী সপ্তাহ ভিত্তিক historicalতিহাসিক নিদর্শনগুলিতে ব্যর্থ হতে পারে। অতএব আমরা ব্যর্থ হওয়ার আগে এই ব্যক্তির বাড়িতে সন্ধানের জন্য আমাদের কেবল মেরামত লোকটি শিডিউল করব। এবং আমরা এটি এমনভাবে করব যা সান্টা ক্রুজ থেকে সানিওয়াল পর্যন্ত তাঁর কাছে না গিয়ে আমাদের পক্ষে উপযুক্ত। ভ্রমণের বিক্রয়কর্মের ধরণ ইত্যাদির জন্য আমরা একটি সুন্দর ক্রমে সমস্ত কিছু শিডিউল করব, যাতে আমরা আমাদের ব্যবসাকে অনুকূলিত করতে পারি। এবং তাই গ্রাহক খুশি কারণ তাদের একটি ব্যর্থ কেবলের বাক্স নেই। এবং কেবল সরবরাহকারী খুশি কারণ তারা কেবল জিনিসগুলিকে স্রোত করেছে এবং সমস্ত জায়গার লোকদের কাছে তাদের দরকার নেই। এটি কেবল খুব দ্রুত উদাহরণ।কিন্তু এখানে অনেকগুলি টন এবং উদাহরণ রয়েছে যেখানে জিনিসগুলি ঘটেছিল সেগুলি সম্পর্কে জানার আগে তারা ঘটেছিল, সংস্থাগুলির ভাগ্য বাঁচাতে পারে এবং সত্যই তাদের গ্রাহকের সম্পর্কের উন্নতি করতে পারে।
এরিক: হ্যাঁ, ঠিক আছে। এ ব্যপারে কোন সন্দেহ নেই. আসুন এগিয়ে চলুন এবং মার্কলজিকের ডানদিকে চলুন। যেমনটি আমি আগেই উল্লেখ করেছি, আমি এই ছেলেরা সম্পর্কে বেশ কিছুদিন ধরে জানি এবং তাই আমি আপনাকে এগুলিতে আনব, ফ্র্যাঙ্ক। আপনারা আপনার অ্যাপ্লিকেশন তৈরির ক্ষেত্রে পুরো বড় ডেটা মুভমেন্টের চেয়ে অনেক এগিয়ে ছিলেন, এটি সত্যই ডাটাবেস। তবে এটি তৈরি করে আপনি অনুসন্ধানের গুরুত্ব সম্পর্কে কথা বলেছেন।
সুতরাং স্থানটি অনুসরণকারী প্রচুর লোকেরা জানেন যে নোএসকিউএল সরঞ্জামের প্রচুর সরঞ্জাম এখন তৃতীয় পক্ষের মাধ্যমে বা তারা তাদের নিজস্ব করার চেষ্টা করছে কিনা তা সন্ধানের দক্ষতার উপর চাপ দিচ্ছে। তবে সেই অনুসন্ধানটি ইতিমধ্যে এমবেড করা থাকা, বেকড-ইন কথা বলতে গেলে, এটি সত্যিই একটি বড় ব্যাপার। কারণ আপনি যদি এটি নিয়ে ভাবেন, আপনার যদি এসকিউএল না থাকে তবে ভাল তবে আপনি কীভাবে প্রবেশ করবেন এবং ডেটা অনুসন্ধান করবেন? আপনি কীভাবে সেই ডেটা রিসোর্স থেকে টানবেন? এবং উত্তরটি হ'ল সঠিকভাবে আপনি যে ডেটা সন্ধান করছেন তা পাওয়ার জন্য অনুসন্ধানটি ব্যবহার করা উচিত?
সুতরাং আমি মনে করি যে এই সমস্ত বিভিন্ন উত্স থেকে ডেটা টানতে এবং সেই ডেটা সংরক্ষণ করতে এবং এই ধরণের হাইব্রিড পরিবেশকে সত্যই সহজলভ্য করতে সক্ষম হয়ে আপনার কাছে ছেলেদের মধ্যে অন্যতম মূল পার্থক্য রয়েছে। আমি ভাবছি যে অনুসন্ধানের ক্ষমতা আপনার পক্ষে একটি বড় ব্যাপার, তাই না?
ফ্রাঙ্ক: হ্যাঁ, একেবারে আসলে, অবিচ্ছিন্নভাবে সমস্যার সমাধান করার একমাত্র উপায় এটি যখন আপনি জানেন না যে সমস্ত ডেটা দেখতে ঠিক হবে তাই না? যদি আপনি সম্ভবত সমস্ত সম্ভাবনাগুলি কল্পনা করতে না পারেন তবে আপনি যা চান তার সমস্ত তথ্য আপনি সনাক্ত করতে পারবেন তা নিশ্চিত করার একমাত্র উপায়, আপনি এটি ধারাবাহিকভাবে সনাক্ত করতে পারেন এবং আপনি কীভাবে আপনার ডেটা মডেল এবং ডেটা সেটগুলি বিকাশ করেছেন তা নির্বিশেষে আপনি এটি সনাক্ত করতে পারেন আপনি মানুষকে জেনেরিক সরঞ্জাম দিয়েছেন যা নিশ্চিত করে যাতে তাদের সেই ডেটাটি জিজ্ঞাসাবাদের অনুমতি দেয়। এবং এটি করার সবচেয়ে সহজ, স্বজ্ঞাত উপায়টি কোনও অনুসন্ধানের দৃষ্টান্তের মাধ্যমে, তাই না? এবং অনুসন্ধানে একই পদ্ধতির মাধ্যমে আমরা একটি উল্টানো সূচক তৈরি করেছি created আপনার এন্ট্রি রয়েছে যেখানে আপনি প্রকৃতপক্ষে সেগুলি সন্ধান করতে পারেন এবং তারপরে রেকর্ডস এবং ডকুমেন্টস এবং সারিগুলি সন্ধান করুন যা আপনার সন্ধান করা তথ্য ধারণ করে তারপরে এটি গ্রাহকের কাছে ফিরিয়ে দিতে এবং উপযুক্ত হিসাবে তারা এটিকে প্রক্রিয়া করার অনুমতি দেয়।
এরিক: হ্যাঁ এবং আমরা এ সম্পর্কে অনেক কথা বলেছি তবে আপনি আমাকে এটির মধ্যে সঠিকভাবে আবিষ্কার করার জন্য একটি ভাল সুযোগ দিচ্ছেন - এই সমীকরণের পুরো অনুসন্ধান এবং আবিষ্কারের দিক। তবে প্রথমত, এটি অনেক মজাদার। যে কেউ এই জিনিসটি পছন্দ করে তাদের জন্য, এটি মজাদার অংশ, তাই না? তবে সমীকরণের অন্য দিক বা মুদ্রার অন্য দিক, আমার বলা উচিত, এটি সত্যই একটি পুনরাবৃত্ত প্রক্রিয়া। এবং আপনি সক্ষম হতে পেরেছিলেন - এখানে আমি বিপণনের কিছু ভাষা ব্যবহার করব - ডেটার সাথে সেই কথোপকথনটি আছে, তাই না? অন্য কথায়, আপনাকে অনুমানটি পরীক্ষা করতে, এটির সাথে চারপাশে খেলতে এবং এটি কীভাবে কাজ করে তা দেখতে সক্ষম হওয়া দরকার। সম্ভবত এটি সেখানে নেই, অন্য কিছুর পরীক্ষা করুন এবং ক্রমাগত জিনিস পরিবর্তন করুন এবং পুনরাবৃত্তি করুন এবং অনুসন্ধান এবং গবেষণা করুন এবং কেবল স্টাফের কথা ভাবেন। এবং এটি একটি প্রক্রিয়া। এবং যদি আপনার কাছে বড় বাধা থাকে, যার অর্থ দীর্ঘ বিলম্ব বা একটি কঠিন ইউজার ইন্টারফেস বা আপনি আইটি জিজ্ঞাসা করতে যান; এটি পুরো বিশ্লেষণাত্মক অভিজ্ঞতাকে হত্যা করে, তাই না?
সুতরাং এই ধরণের নমনীয়তা থাকা এবং অনুসন্ধানগুলি ব্যবহার করতে সক্ষম হওয়া জরুরী। এবং আপনি এটি এখানে যেভাবে চিত্রিত করেছেন তা আমি পছন্দ করি কারণ আমরা যদি বিভিন্ন, ধরণের ধারণা বা কীগুলির আশেপাশে অনুসন্ধান করি তবে যদি আপনি চান তবে মূল মান এবং সেগুলি ভিন্ন মাত্রা। আপনার বিশ্লেষককে দরকারী জিনিসগুলি সন্ধান করতে সক্ষম করার জন্য আপনি সেই জিনিসটি মেশাতে এবং মেশাতে সক্ষম হতে চান, তাই না?
ফ্রাঙ্ক: হ্যাঁ, একেবারে মানে হায়ারার্কিও একটি গুরুত্বপূর্ণ জিনিস, তাই না? যাতে আপনি যখন শিরোনাম, ডান, বা একটি নির্দিষ্ট শব্দ বা মানের মতো কিছু অন্তর্ভুক্ত করেন যা আপনি আসলে সঠিকটিকে নির্দেশ করতে পারেন। সুতরাং আপনি যদি কোনও নিবন্ধের শিরোনাম সন্ধান করছেন, আপনি বইয়ের শিরোনাম পাচ্ছেন না, তাই না? অথবা আপনি ব্লগ পোস্টের শিরোনাম পাচ্ছেন না। সেইগুলির মধ্যে এবং তথ্যের শ্রেণিবিন্যাসের মাধ্যমে পার্থক্য করার ক্ষমতাও গুরুত্বপূর্ণ।
আপনি ঠিক আগে ঠিক এই উন্নয়নটি নির্দেশ করেছেন? আমাদের গ্রাহকদের জন্য কয়েক ঘন্টা ধরে নতুন ডেটা উত্সগুলি টানতে, তাদের সাথে কাজ শুরু করা, তারা দরকারী কিনা তা মূল্যায়ন করুন এবং তারপরে তাদের একীভূত করা চালিয়ে যান বা তাদের পাশ দিয়ে রেখে দেওয়া অত্যন্ত মূল্যবান। আপনি যখন এটি একটি আরও traditionalতিহ্যবাহী অ্যাপ্লিকেশন ডেভলপমেন্ট পদ্ধতির সাথে তুলনা করেন যেখানে আপনি যা করছেন তা শেষ করে আপনি কী ডেটাটি ইনজাস্ট করতে চান তা তথ্য উত্স থেকে বের করতে হবে, কীভাবে আপনি এটি আপনার বিদ্যমান ডেটা মডেলটিতে ফিট করতে চলেছেন বা মডেল যে ইন, যে তথ্য মডেল এটি অন্তর্ভুক্ত পরিবর্তন এবং তারপরে আসলে উন্নয়ন শুরু, ডান? যেখানে আমরা এটিকে আমাদের মাথায় ঘুরিয়ে দিয়ে বলি যে এটি আমাদের কাছে নিয়ে আসুন, আপনাকে এটি দিয়ে বিকাশ শুরু করার অনুমতি দিন এবং পরে আপনি এটি রাখতে চান কিনা বা এটির মূল্য আছে কিনা তা অবিলম্বে সিদ্ধান্ত নিন।
এরিক: হ্যাঁ, এটি সত্যিই ভাল পয়েন্ট। এটা একটা ভাল দিক. সুতরাং আমাকে এগিয়ে যান এবং আমাদের চতুর্থ উপস্থাপক, ট্রেজার ডেটা এখানে আনুন। আমি এই ছেলেদের ভালবাসি। আমি তাদের সম্পর্কে খুব বেশি জানতাম না তাই আমি নিজেকে লাথি মারতে চাই। এবং তারপরে হান্না আমাদের কাছে এসেছিল এবং তারা কী করছে তা আমাদের জানিয়েছিল। এবং হান্না উল্লেখ করেছেন, তিনি একজন মিডিয়া ব্যক্তি এবং তিনি অন্ধকারের দিকে চলে গেলেন।
হান্না: আমি করেছি, আমি ত্রুটিযুক্ত।
এরিক: যদিও এটি ঠিক আছে, কারণ আপনি জানেন যে মিডিয়া জগতের মধ্যে আমরা কী পছন্দ করি। সুতরাং কোনও মিডিয়া ব্যক্তি যখন বিক্রেতার দিকে যান তখন আপনি সবসময় সুন্দর হন কারণ আপনি বুঝতে পেরেছেন, ওহে, এই জিনিসটি এত সহজে বলা যায় না এবং এই পণ্যটি কী করে তার বিপরীতে এই পণ্যটি ঠিক কী করে তা কোনও ওয়েবসাইট থেকে নির্ধারণ করা মুশকিল। এবং আপনি ছেলেরা যে সম্পর্কে কথা বলছেন তা বেশ আকর্ষণীয়। এখন, আপনি মেঘ পরিচালিত পরিষেবা are সুতরাং যে কেউ যে ডেটা ব্যবহার করতে চায় সেগুলি আপনার মেঘে আপলোড করে, তা কি ঠিক? এবং তারপরে আপনি মেটি পর্যন্ত অতিরিক্ত ডেটা ইটিএল বা সিডিসি করবেন, কীভাবে এটি কাজ করে?
হান্না: হ্যাঁ, ঠিক আছে। সুতরাং আমাকে একটি গুরুত্বপূর্ণ পার্থক্য করা যাক। আমাদের গ্রাহকরা আমাদের যে তথ্য দিচ্ছেন তার বেশিরভাগ ডেটা ফায়ারওয়ালের বাইরে রয়েছে - মোবাইল ডেটা, পণ্যগুলির মধ্যে থাকা সেন্সর ডেটা। এবং তাই আমরা প্রায়শই একটি অন্তর্বর্তীকালীন মঞ্চ হিসাবে ব্যবহৃত হয়। সুতরাং আমাদের মেঘের পরিবেশে কোনও ওয়েবসাইটের, একটি মোবাইল অ্যাপ্লিকেশন থেকে, প্রচুর সেন্সরযুক্ত একটি পণ্য থেকে প্রবাহিত হওয়ার পরে তথ্যটি কারও কারও এন্টারপ্রাইজ থেকে আমাদের সেবায় প্রায়শই আসে না।
এখন আপনি যদি আমাদের পরিবেশের সেই বৃহত ডেটা সমৃদ্ধ করতে চান তবে আপনি অবশ্যই এটি সমৃদ্ধ করতে কিছু অ্যাপ্লিকেশন ডেটা বা কিছু গ্রাহক ডেটা আপলোড করতে পারেন এবং বিশ্লেষণের আরও কিছুটা সরাসরি মেঘে করতে পারেন। তবে আমাদের প্রচুর মান হ'ল সেই ডেটা সংগ্রহ করা যা ইতিমধ্যে ফায়ারওয়ালের বাইরে রয়েছে এবং এক জায়গায় একত্রিত করে। সুতরাং আপনি যদি নিজের ফায়ারওয়ালের পিছনে এটিকে সাজিয়ে তোলার এবং আপনার আরও উন্নত বিশ্লেষণগুলি করতে বা আপনার বিদ্যমান বিআই বা বিশ্লেষণ পরিবেশে আনতে চান তবে এটি সত্যিই একটি ভাল মঞ্চস্থির বিষয়। যেহেতু আপনি আপনার ডেটা গুদামে দিনের এক বিলিয়ন সারি আনতে চান না, এটি কার্যকর হয় না। এমনকি যদি আপনি এটি কোথাও সঞ্চয় করতে এবং তারপরে ব্যাচের আপলোড করার পরিকল্পনা করে থাকেন তবে এটি এমনকি কঠিন।
সুতরাং আমরা প্রায়শই প্রথম পয়েন্ট যেখানে ডেটা সংগ্রহ করা হয় যা ইতিমধ্যে ফায়ারওয়ালের বাইরে।
এরিক: হ্যাঁ, এটিও সত্যই একটি ভাল পয়েন্ট। কারণ প্রচুর সংস্থাগুলি তাদের মালিকানাধীন গ্রাহকদের ডেটা নেওয়ার বিষয়ে, মেঘের মধ্যে রেখে এবং পুরো প্রক্রিয়াটি পরিচালনা করতে উদ্বিগ্ন হতে চলেছে।
হান্না: হ্যাঁ।
এরিক: এবং আপনি যে বিষয়টির কথা বলছেন তা হ'ল লোকেরা মোবাইল ডেটা এবং সামাজিক ডেটা এবং সমস্ত ধরণের মজাদার উপাদানগুলির মতো তৃতীয় পক্ষের ডেটা যেমন heavy এটা বেশ আকর্ষণীয়।
হান্না: হ্যাঁ, একেবারে এবং সম্ভবত তারা পণ্যগুলি সম্পর্কে উদ্বিগ্ন কারণ ডেটা ইতিমধ্যে বাইরের। এবং হ্যাঁ, এটি আনার আগে এবং আমি সত্যিই সেই শোধনাগার শব্দটি পছন্দ করি, যেমনটি আমি উল্লেখ করেছি, হ্রদ বনাম। তাহলে আপনি কিছু বেসিক রিফাইনারি করতে পারেন? ভাল জিনিস বের করুন এবং তারপরে এটি আপনার অন্যান্য সিস্টেমগুলিতে এবং আরও গভীর বিশ্লেষণের জন্য ফায়ারওয়ালের পিছনে আনুন। সুতরাং এটি সত্যই সমস্ত ডেটা বিজ্ঞানীরা করতে পারে, প্রবাহিত এই নতুন ডেটাটির রিয়েল-টাইম ডেটা এক্সপ্লোরেশন।
এরিক: হ্যাঁ, এটা ঠিক। ঠিক আছে, আমাকে এগিয়ে যেতে দিন এবং আমাদের বিশ্লেষকদের নিয়ে আসুন এবং আমরা একপ্রকার বিপরীত ক্রমে ফিরে যাব। আমি আপনার সাথে রবিন শুরু করব ট্রেজার ডেটা সম্পর্কিত এবং তারপরে আমরা অন্য কারও জন্য কির্কে যাব। এবং এরপরে রবিনে ফিরে আসুন এবং কার্কে ফিরে আসুন কেবল এই ধরণের আরও কিছু মূল্যায়ন করতে।
এবং আপনি ডেটা রিফাইনারি জানেন, রবিন, যে হান্না এখানে কথা বলছে। আমি সেই ধারণাটি পছন্দ করি। আমি মাত্র কয়েক জন লোককে সেভাবে এই বিষয়ে কথা বলতে শুনেছি তবে আমি মনে করি যে আপনি অবশ্যই এর আগে উল্লেখ করেছিলেন। এবং এটি সত্যিই আপনার ডেটাতে আসলে যা ঘটছে তার সাথে কথা বলে। কারণ, অবশ্যই, একটি শোধনাগার, যদি এটি তেল শোধনাগারগুলি সম্পর্কে চিন্তা করে তবে এটি মূলত এটির মূল স্তরে নিচে নামিয়ে দেয়। আমি আসলে এটি অল্প সময়ের জন্য অধ্যয়ন করেছি এবং এটি বেশ বেসিক, তবে এতে যে ইঞ্জিনিয়ারিংটি আসে সেগুলি অবশ্যই সঠিক হওয়া দরকার বা আপনি যে জিনিসটি চান তা আপনি পান না। সুতরাং আমি মনে করি এটি একটি দুর্দান্ত উপমা। ট্রেজার ডেটা ক্লাউড সার্ভিসের এই পুরো ধারণাটি সম্পর্কে আপনি কী ভাবেন যে ঘরে বসে জিনিসপত্র না আনাই আপনাকে সেই নির্দিষ্ট কিছু বিশ্লেষণাত্মক চাহিদাগুলি মোকাবেলায় সহায়তা করে?
রবিন: ঠিক আছে, আমি বলতে চাইছি স্পষ্টতই পরিস্থিতি নির্ভর করে এটি কতটা সুবিধাজনক। তবে যে কেউ ইতিমধ্যে তৈরি প্রক্রিয়াটি ইতিমধ্যে তৈরি হয়েছে সে যদি ইতিমধ্যে আপনার নিজের কাছে না পান তবে আপনাকে খেলার আগে রেখে দেবে। এটি এমন কোনও কিছুর জন্য প্রথম গ্রহণ। কেউ যদি কিছু জমায়েত করে, তারা তা সম্পন্ন করে, এটি বাজারে প্রমাণিত এবং তাই এর মধ্যে কিছুটা মূল্য কার্যকর রয়েছে, ভাল, কাজটি ইতিমধ্যে এতে চলে গেছে। এবং খুব সাধারণ সত্যটিও রয়েছে যে ডেটা পরিশোধিত করা এটি আগের চেয়ে অনেক বড় সমস্যা হতে চলেছে। মানে, এটি সম্পর্কে কথা বলা হয়নি, আমার মতে যাই হোক, এটি যতটা হওয়া উচিত তা নিয়ে কথা বলা হয়নি। এই তথ্য বাদে যে তথ্যগুলির আকার বেড়েছে এবং উত্সের সংখ্যা এবং সেই উত্সগুলির বিভিন্নতা যথেষ্ট পরিমাণে বেড়েছে। এবং ডেটা নির্ভরযোগ্যতার ক্ষেত্রে এটি পরিষ্কার কিনা সে ক্ষেত্রে তাদের ডেটাগুলি ছড়িয়ে দেওয়া দরকার, সমস্ত ধরণের সমস্যা যা কেবলমাত্র ডেটা পরিচালনার ক্ষেত্রে উত্থাপিত হয়।
সুতরাং এটির উপর নির্ভরযোগ্য বিশ্লেষণ করতে সক্ষম হওয়ার আগে আপনি জানেন, আপনার ডেটাটি যদি নোংরা হয়, তবে আপনার ফলাফলগুলি কোনও না কোনও উপায়ে স্কিউ হবে। সুতরাং এটি এমন একটি বিষয় যা সম্বোধন করতে হবে, এটি সম্পর্কে জানতে হবে। এবং যতদূর আমি দেখতে পাচ্ছি, সরবরাহের ত্রিভুজিয়ন্ত্রক এতে সহায়তা করার জন্য একটি খুব কার্যকরী পরিষেবা।
এরিক: হ্যাঁ, সত্যিই। ঠিক আছে, আমাকে এগিয়ে যেতে দাও এবং কির্ককে ঠিক এখানে বাস্তব সমীকরণে ফিরিয়ে আনতে পারি। আমি এই অন্যান্য স্লাইডগুলির মধ্যে একটিতে একবার নজর রাখতে চেয়েছিলাম এবং কির্কের মতো কিছু বিষয়ে আপনার ধারণা তৈরি করতে চাই। সুতরাং সম্ভবত এই মার্কলজিক স্লাইডে ফিরে আসা যাক। এবং যাইহোক, কર્ક তার কিছু শ্রেণীর আবিষ্কারের স্লাইডগুলিতে যদি আপনি এটি ভাবেন না দেখে এই লিঙ্কটি সরবরাহ করেছিলেন কারণ এটি একটি খুব আকর্ষণীয় ধারণা। এবং আমি মনে করি এটি আমার মনের পিছনে এক প্রকারের মিশ্রণ, কર્ક, যেমন আমি কিছুক্ষণ আগে এই বিষয়ে কথা বলছিলাম। এই পুরো প্রশ্নটি যা একজন অংশগ্রহণকারী আপনাকে নতুন ক্লাস সন্ধানে কীভাবে যায় সে সম্পর্কে জিজ্ঞাসা করেছিল। আমি এই বিষয়টিকে ভালবাসি কারণ এটি সত্যই সাজানোর সাথে কথা বলে না, জিনিসগুলিকে শ্রেণিবদ্ধকরণের কঠিন দিক কারণ আমার সবসময় স্টাফ শ্রেণিবদ্ধকরণে খুব কষ্ট হয়। আমি চাই, "ওহ, godশ্বর, আমি পাঁচটি বিভাগে ফিট করতে পারি, আমি এটি কোথায় রাখব?" সুতরাং আমি ঠিক কিছু শ্রেণিবদ্ধ করতে চাই না, তাই না?
এবং সে কারণেই আমি অনুসন্ধান পছন্দ করি কারণ আপনি এটির শ্রেণিবদ্ধ করতে হবে না, আপনাকে এটি ফোল্ডারে রাখতে হবে না। কেবল এটি অনুসন্ধান করুন এবং আপনি কীভাবে অনুসন্ধান করতে জানেন তা যদি আপনি খুঁজে পাবেন। তবে আপনি যদি ভাগ করার চেষ্টা করে চলেছেন, কারণ এটিই মূলত শ্রেণিবদ্ধকরণ যা, এটি বিভাগকরণ; নতুন ক্লাস সন্ধান করা, এটি একরকম আকর্ষণীয় জিনিস। আপনি কী ধরনের অনুসন্ধান এবং শব্দার্থবিজ্ঞান এবং শ্রেণিবিন্যাসের শক্তির সাথে কথা বলতে পারেন, উদাহরণস্বরূপ, যেমন ফ্র্যাঙ্ক মার্কলোগিকের প্রতি শ্রদ্ধার সাথে কথা বলছিলেন এবং নতুন ক্লাসগুলি অনুসন্ধানে যে ভূমিকা পালন করে, সে সম্পর্কে আপনার কী ধারণা?
কर्क: আচ্ছা, সবার আগে, আমি বলব আপনি আমার মন পড়ছেন। কারণ আপনার কথা বলার আগেই আমি এই প্রশ্নটি ভাবছিলাম, মার্কলজিক এখানে উপস্থাপন করে এমন পুরো শব্দার্থক অংশটি। এবং আপনি যদি আমার স্লাইডে ফিরে আসেন, আপনাকে এটি করতে হবে না, তবে আমি আজ বিকেলে যা উপস্থাপন করেছি তার পাঁচটিতে স্লাইডে ফিরে আসুন; আমি এই শব্দার্থক সম্পর্কে বললাম যে ডেটা ক্যাপচার করা প্রয়োজন।
সুতরাং অনুসন্ধানের এই পুরো ধারণাটি, আপনি সেখানে যান। আমি দৃ that়ভাবে এটিতে বিশ্বাস করি এবং আমি সর্বদা এটিতে বিশ্বাস করি যে বড় ডেটা সহ, ধরণের ইন্টারনেটের উপমা গ্রহণ করুন, আমি কেবলমাত্র ওয়েব, মানে একটি ওয়েব ব্রাউজারে বিশ্ব জ্ঞান এবং তথ্য এবং ডেটা থাকা একটি জিনিস is তবে বড় সার্চ ইঞ্জিন সংস্থাগুলি আমাদের সরবরাহ করে যেমন কার্যকরভাবে এটি অনুসন্ধানযোগ্য এবং পুনরুদ্ধারযোগ্য করে তোলা, তারপরে এটিই আবিষ্কারের আসল শক্তি। কারণ অনুসন্ধান পদগুলি সংযুক্ত করা হচ্ছে, বাছাই করা ব্যবহারকারীর নির্দিষ্ট ধরণের ক্ষেত্রগুলিকে নির্দিষ্ট ডেটা গ্রানুলের সাথে নির্দিষ্ট ওয়েবপৃষ্ঠায় আগ্রহী, যদি আপনি ওয়েব দস্তাবেজ বা বিশেষ নথিটি ডকুমেন্ট লাইব্রেরির কথা বলছেন তবে ভাবতে চান। অথবা কোনও নির্দিষ্ট গ্রাহক প্রকারের বিভাগ যদি এটি আপনার স্থান হয়।
এবং শব্দার্থবিজ্ঞান আপনাকে কেবল একটি শব্দ অনুসন্ধানের উপরে এই ধরণের জ্ঞান স্তর দেয়। আপনি যদি কোনও নির্দিষ্ট ধরণের জিনিস অনুসন্ধান করে থাকেন তবে বুঝতে যে এই জাতীয় শ্রেণীর কোনও সদস্যের সাথে অন্য জিনিসের সাথে একটি নির্দিষ্ট সম্পর্ক থাকতে পারে। এমনকি সেই ধরণের সম্পর্কের তথ্য অন্তর্ভুক্ত করুন এবং এটি আপনি যা সন্ধান করছেন তার অনুরূপ জিনিসগুলি সন্ধান করার জন্য এটি শ্রেণীর শ্রেণিবিন্যাস সম্পর্কিত তথ্য। বা কখনও কখনও এমনকি আপনি যা খুঁজছেন তার ঠিক বিপরীতও কারণ এটি আপনাকে একরকম অতিরিক্ত মূল বোঝার ব্যবস্থা করে। ঠিক আছে, সম্ভবত এর বিপরীত কিছু।
এরিক: হ্যাঁ
কর্ক: সুতরাং আসলে এটি বুঝতে। আমি এর বিপরীত কিছু দেখতে পাচ্ছি। এবং তাই অর্থাত্বিক স্তরটি একটি মূল্যবান উপাদান যা প্রায়শই অনুপস্থিত এবং এটি আকর্ষণীয় যে এটি এখানে এই কনসে আসে। যেহেতু আমি ডেটাবেস, ডেটা মাইনিং, ডেটা থেকে শিক্ষা, ডেটা সায়েন্সে স্নাতক কোর্স শিখিয়েছি, আপনি এক দশকেরও বেশি সময় ধরে এটি কল করতে চান; এবং এই সেমিস্টার দীর্ঘ কোর্সে আমার একটি ইউনিট শব্দার্থবিজ্ঞান এবং অ্যান্টোলজির উপর। এবং প্রায়শই আমার ছাত্ররা আমার দিকে তাকিয়ে থাকত, আমরা যা বলছি তার সাথে এর কী সম্পর্ক রয়েছে? এবং অবশ্যই শেষ পর্যন্ত, আমি মনে করি আমরা বুঝতে পারি যে সেই ডেটাটি এক ধরণের জ্ঞানের কাঠামোর মধ্যে রাখা। সুতরাং, যেমন উদাহরণস্বরূপ, আমি একটি নির্দিষ্ট গ্রাহক আচরণ সম্পর্কে তথ্য সন্ধান করছি, বুঝতে পারি যে আচরণটি ঘটেছিল, লোকে একটি ক্রীড়া ইভেন্টে এটি কিনে। আমি যখন আমার গ্রাহকদের কাছে তাদের সামাজিক যোগাযোগমাধ্যমে লক্ষ্য করি - তবে বা তারা - তারা বলে যে তারা ফুটবল, বেসবল, হকি, বিশ্বকাপের মতো একটি ক্রীড়া ইভেন্টে যাচ্ছি, যাই হোক না কেন, আমি কী ধরণের পণ্যগুলির প্রস্তাব করি।
ঠিক আছে, তাই ক্রীড়া ইভেন্ট। সুতরাং তারা বলছে যে তারা বেসবল খেলছে, বলুন say ঠিক আছে, আমি বুঝতে পারি যে বেসবল একটি ক্রীড়া ইভেন্ট। আমি বুঝতে পারি যে সাধারণত একটি সামাজিক এবং আপনি মানুষের সাথে যান। আমি বুঝতে পারি যে এটি সাধারণত বাইরের স্থানে থাকে। আমি বোঝাতে চাইছি all সমস্ত কৌলিক বৈশিষ্ট্যগুলি বোঝার ফলে এটি জড়িত গ্রাহকের বিভাজন এবং আরও শক্তিশালী, সাজানোর এবং আপনার অভিজ্ঞতার ব্যক্তিগতকরণকে সক্ষম করে যা আপনি তাদের প্রদান করছেন যখন উদাহরণস্বরূপ, তারা আপনার সাথে ইন্টারঅ্যাক্ট করছে তারা একটি স্টেডিয়ামে বসে থাকার সময় একটি মোবাইল অ্যাপের মাধ্যমে স্থান
সুতরাং সমস্ত ধরণের স্টাফ কেবল তথাকথিত তথ্যের আরও অনেক বেশি শক্তি এবং আবিষ্কারের সম্ভাবনা নিয়ে আসে যাতে তাদের শব্দার্থক স্থান এবং জ্ঞানের স্থান দ্বারা ইনডেক্স করে ডেটা গ্রানুলগুলি ইনডেক্স করা যায় really এবং আমি সত্যিই মুগ্ধ হয়েছিল যা আজ প্রকাশিত হয়েছিল। আমি মনে করি এটি কথা বলার মতো একটি মৌলিক বিষয়।
এরিক: হ্যাঁ, এটা নিশ্চিত। এটি আবিষ্কারের প্রক্রিয়াতে অত্যন্ত গুরুত্বপূর্ণ, শ্রেণিবদ্ধকরণ প্রক্রিয়াতে এটি অত্যন্ত গুরুত্বপূর্ণ। এবং যদি আপনি এটি সম্পর্কে চিন্তা করেন, জাভা ক্লাসে কাজ করে। এটি একটি অবজেক্ট অরিয়েন্টেড, আমার ধারণা, কম বেশি, আপনি বলতে পারেন প্রোগ্রামিংয়ের ফর্ম এবং জাভা ক্লাসে কাজ করে। সুতরাং আপনি যদি আসলে সফ্টওয়্যার ডিজাইন করে থাকেন তবে নতুন ক্লাস সন্ধানের চেষ্টা করার এই পুরো ধারণাটি আপনি সরবরাহ করার চেষ্টা করছেন কার্যকারিতার দিক থেকে আসলে এটি বেশ গুরুত্বপূর্ণ বিষয়। কারণ বিশেষত এই নতুন বুনো, বড় ডেটার পশম বিশ্বে যেখানে আপনার কাছে প্রচুর জাভা রয়েছে এমন বিভিন্ন অ্যাপ্লিকেশন চালিয়ে যাচ্ছে, আপনি জানেন যে কোনও কম্পিউটারে কিছু করার জন্য ৮ 87,০০০ উপায় বা তারও বেশি উপায় রয়েছে, যে কোনও ধরণের বিট পেতে কার্যকারিতা সম্পন্ন।
আমার একটি চলমান রসিকতা যখন লোকেরা বলে, "ওহ, আপনি নোএসকিউএল ব্যবহার করে ডেটা গুদাম তৈরি করতে পারেন।" আমি পছন্দ করি, "ভাল, আপনি এটি করতে পারেন, হ্যাঁ, আপনি মাইক্রোসফ্ট ওয়ার্ড ব্যবহার করে ডেটা গুদামও তৈরি করতে পারেন" " এটি সেরা ধারণা নয়, এটি খুব ভাল সম্পাদন করছে না তবে আপনি এটি করতে পারেন। সুতরাং মূল কীটি হ'ল আপনাকে কিছু করার সেরা উপায়টি খুঁজে বের করতে হবে।
এগিয়ে যান.
কর্ক: আমাকে কেবল এটির প্রতিক্রিয়া জানাতে দিন। আপনি জাভা ক্লাসের উদাহরণটি উল্লেখ করেছেন এটি আকর্ষণীয় যে আপনি এটি না বলা পর্যন্ত আমার মনে আসেনি। জাভা এবং ক্লাসগুলির অন্যতম দিক এবং সেই ধরণের অবজেক্ট অরিয়েন্টেশনটি এমন কিছু পদ্ধতি রয়েছে যা নির্দিষ্ট শ্রেণীর সাথে আবদ্ধ থাকে। এবং এটি সত্যিই এমন একটি ধরণের যা আমি আমার উপস্থাপনায় চেষ্টা করছিলাম এবং একবার আপনি এই ডেটা গ্রানুলগুলি কিছু বুঝতে পেরেছেন - এই জ্ঞান নগেটস, এই ট্যাগগুলি, এই টীকাগুলি এবং এই শব্দার্থক লেবেল - তারপরে আপনি কোনও পদ্ধতির সাথে বাঁধাই করতে পারেন। তাদের মূলত এই প্রতিক্রিয়া বা এই প্রতিক্রিয়া রয়েছে এবং আপনার সিস্টেমের পরের বার যখন আমরা এটি ডেটা স্ট্রিমে দেখি তখন এই জিনিসটির এই ধরণের স্বয়ংক্রিয়, প্র্যাকটিভ প্রতিক্রিয়া সরবরাহ করে।
সুতরাং নির্দিষ্ট শ্রেণীর কাছে বাধ্যতামূলক ক্রিয়া এবং পদ্ধতিগুলির ধারণাটি সত্যই স্বয়ংক্রিয় রিয়েল-টাইম বিশ্লেষণগুলির একটি শক্তি of এবং আমি মনে করি যে আপনি কিছু ধরণের আঘাত।
এরিক: ভাল, ভাল, ভাল। ভাল, এটি ভাল জিনিস। সুতরাং আসুন দেখা যাক, উইল, আমি এটি আপনার হাতে ফিরিয়ে দিতে চাই এবং দর্শকদের কাছ থেকে আসলে আপনার কাছে একটি প্রশ্ন ফেলে দিতে চাই। আমরা এখানে যারা পেয়েছি তাদেরও কয়েকজন পেয়েছি। এবং লোকেরা, আমরা দীর্ঘ যাচ্ছি কারণ আমরা এই ভাল প্রশ্নগুলির মধ্যে কয়েকটি দুর্দান্ত ধারণাটি পেতে চাই।
সুতরাং আমাকে এমন একটি শ্রোতা সংখ্যার কাছ থেকে আপনার কাছে একটি প্রশ্ন ছুড়তে দিন যিনি বলে চলেছেন, "ব্যবসায়ের বুদ্ধি কীভাবে কারণ এবং প্রভাবের মধ্যে পার্থক্য করছে তা আমি সত্যিই দেখছি না।" অন্য কথায়, সিস্টেমগুলি পর্যবেক্ষণযোগ্য তথ্যের ভিত্তিতে সিদ্ধান্ত নিচ্ছে, তারা কীভাবে বিশ্ব সম্পর্কে আরও জানার জন্য নতুন মডেলগুলি বিকাশ করবে? এটি একটি আকর্ষণীয় বিষয় তাই আমি এখানে কারণ-কার্যকারিতা সম্পর্কিত সম্পর্ক শুনছি, মূল কারণ বিশ্লেষণ, এবং এটি বিশ্লেষণগুলির মধ্যে এমন কিছু উচ্চতর স্টাফ যা আপনি ছেলেরা traditionalতিহ্যবাহী বিআইয়ের বিপরীতে কথা বলছেন, যা সত্য ঠিক কি ধরনের রিপোর্টিং এবং বোঝার এক ধরনের ঘটনা ঘটেছে। এবং অবশ্যই, আপনার পুরো দিকটি, কেবল এখানে আপনার স্লাইডটি দেখে, সেই সিদ্ধান্তগুলি নেওয়ার বা কমপক্ষে সেগুলি প্রস্তাব দেওয়ার দিকে সেই ভবিষ্যদ্বাণীপূর্ণ সক্ষমতাটির দিকে এগিয়ে চলেছে, তাই না? সুতরাং ধারণাটি হ'ল আপনি ছেলেরা যা চলছে তার পুরো পরিসীমা পরিবেশন করার চেষ্টা করছেন এবং আপনি বুঝতে পেরেছেন যে কীটি, আসল যাদুটি ডানদিকে বিশ্লেষণাত্মক লক্ষ্য উপাদানটিতে রয়েছে।
উইল: একেবারে।আমি মনে করি যে প্রশ্নটি ভবিষ্যতে কিছুটা তাকাচ্ছে, সেই অর্থে যে ডেটা সায়েন্স, যেমনটি আমি আগেই উল্লেখ করেছি, আমরা তথ্য বিজ্ঞানের প্রয়োজনীয়তার সাথে স্লাইডটি দেখেছি; এটি কারও পক্ষে থাকা বেশ চ্যালেঞ্জিং ভূমিকা They তাদের পরিসংখ্যান এবং বিজ্ঞানের সমৃদ্ধ জ্ঞান থাকতে হবে। আপনার গাণিতিক জ্ঞান ডোমেনগুলিতে প্রয়োগ করতে আপনার ডোমেন জ্ঞান থাকা দরকার। তাই আমরা আজ যা দেখছি তা কি বাক্সের বাইরে থাকা ভবিষ্যদ্বাণীমূলক সরঞ্জামগুলি নেই যা কোনও ব্যবসায়িক ব্যবহারকারী এক্সেলের মধ্যে টানতে পারে এবং স্বয়ংক্রিয়ভাবে তাদের ভবিষ্যতের ভবিষ্যদ্বাণী করতে পারে, তাই না?
এটি এই পর্যায়ে প্রযুক্তিতে যে উন্নত জ্ঞান প্রয়োজন। ভবিষ্যতে এখন কোনও দিন, এটি হতে পারে যে এই সিস্টেমগুলির মধ্যে কিছু, এই স্কেল-আউট সিস্টেমগুলি সংবেদনশীল হয়ে যায় এবং কিছু বুনো স্টাফ করা শুরু করে। তবে আমি এই পর্যায়ে বলব, আপনার এখনও মডেলগুলি তৈরি করতে চালিয়ে যেতে মাঝখানে একটি ডেটা বিজ্ঞানী থাকতে হবে, এই মডেলগুলি নয়। ডেটা মাইনিং এবং এই জাতীয় চারপাশে থাকা ভবিষ্যদ্বাণীপূর্ণ মডেলগুলি অত্যন্ত বিজ্ঞানসম্পন্ন এবং ডেটা বিজ্ঞানী দ্বারা নির্মিত। এগুলি তাদের নিজস্বভাবে তৈরি করা হয়নি, যদি আপনি জানেন তবে আমার অর্থ কী।
এরিক: হ্যাঁ, ঠিক এটা ঠিক ঠিক। এবং আমার লাইনগুলির একটি হ'ল "মেশিনগুলি মিথ্যা বলে না, অন্তত এখনও নয়"।
উইল: এখনও, ঠিক না।
এরিক: আমি একটি নিবন্ধ পড়েছি - একটি বিশ্ববিদ্যালয়ে এমন কিছু পরীক্ষা-নিরীক্ষা হয়েছিল যা নিয়ে তারা বলেছিল যে এই কম্পিউটার প্রোগ্রামগুলি মিথ্যা বলতে শিখেছে, তবে আমি আপনাকে বলতে পেরেছি, আমি আসলে এটি বিশ্বাস করি না । লোকেরা, আমরা এটি নিয়ে কিছু গবেষণা করব।
এবং সর্বশেষ মন্তব্যের জন্য, তাই রবিন আমি আপনাকে এই ওয়েবঅ্যাকশন প্ল্যাটফর্মটি একবার দেখতে ফিরিয়ে আনব, কারণ এটি খুব আকর্ষণীয়। এটি আমি পুরো স্পেস সম্পর্কে যা ভালবাসি তা হ'ল আপনি খুব নির্দিষ্ট প্রয়োজনগুলির জন্য বিভিন্ন বিক্রেতাদের নেওয়া বিভিন্ন ধরণের দৃষ্টিভঙ্গি এবং বিভিন্ন কোণ পেয়ে থাকেন। এবং আমি আমাদের শোটির জন্য এই ফর্ম্যাটটি পছন্দ করি কারণ আমরা চারটি সত্যই আকর্ষণীয় বিক্রেতাকে পেয়েছি যা সত্যই, একে অপরের পায়ের আঙ্গুলের মোটেও পা রাখছে না। কারণ আমরা সকলেই সামগ্রিক প্রয়োজনের জন্য বিভিন্ন বিট এবং একই সামগ্রিক প্রয়োজনের টুকরোগুলি করছি stuff
তবে আমি এই নির্দিষ্ট প্ল্যাটফর্ম এবং তাদের স্থাপত্য সম্পর্কে আপনার দৃষ্টিভঙ্গি পেতে চাই। তারা কীভাবে জিনিসগুলি করতে যাচ্ছে। আমি এটি বেশ জোরালো মনে করি। আপনি কি মনে করেন?
রবিন: ঠিক আছে, আমি বলতে চাইছি, এটি স্ট্রিমিং ডেটা থেকে অত্যন্ত দ্রুত ফলাফলের দিকে লক্ষ্য করছে এবং অনুসন্ধান হিসাবে আপনাকে এর জন্য স্থপতি হতে হবে। আমি বলতে চাইছি, আপনি অপেশাদার হিসাবে কোনও কিছু করে পালিয়ে যাবেন না, কারণ আমরা যে কোনও জিনিস পেয়েছি। আমি শুনেছি এটি অত্যন্ত আকর্ষণীয় এবং আমি মনে করি যে আমরা অতীতে যে বিষয়গুলি প্রত্যক্ষ করেছি; আমি বোঝাতে চাইছি আপনি এবং আমি, আমাদের চোয়াল বিগত কয়েক বছর ধরে আরও কমছে এবং আমরা দেখেছি যে আরও বেশি করে স্টাফগুলি উত্থিত হয়েছে যা ঠিক অসাধারণ দ্রুত, অসাধারণ স্মার্ট এবং বেশ অভূতপূর্ব like
এটি স্পষ্টতই, ওয়েবঅ্যাকশন, এটি বলার মতো এটি প্রথম রডিও নয়। আসলে এটি নির্দিষ্ট পরিমাণে নাম নেওয়ার বাইরে চলে গেছে। সুতরাং আমি দেখতে পাচ্ছি না তবে অনুমান করা উচিত যে আমাদের আশ্চর্য হওয়া উচিত যে আর্কিটেকচারটি মোটামুটি বদলে গেছে তবে এটি অবশ্যই।
এরিক: ঠিক আছে, আমি আপনাকে বলব, লোকেরা। আমরা এখানে একটি শক্ত 82 মিনিটের মধ্যে দিয়ে পুড়েছি। আমি বলতে চাইছি, পুরো সময়টি শুনছেন এমন সমস্ত লোককে আপনাকে ধন্যবাদ। আপনার যদি এমন কোনও প্রশ্ন থাকে যা উত্তর দেওয়া হয়নি তবে লজ্জা বোধ করবেন না, সত্যিই এটি আপনার কাছে। আমাদের কাছ থেকে কোথাও শুয়ে থাকা উচিত। এবং একটি বড়, বড় আজ আমাদের উভয় উপস্থাপক, ডঃ কিরক বোর্ন এবং ড। রবিন ব্লুরকে আপনাকে ধন্যবাদ।
কર્ક, আমি ভবিষ্যতের ওয়েবকাস্টে আপনার সাথে সেই অর্থপূর্ণ জিনিসগুলির আরও কিছু অন্বেষণ করতে চাই। কারণ আমি মনে করি যে আমরা এখন খুব নতুন এবং আকর্ষণীয় পর্যায়ে আছি। আমরা যা ভাবছি তা জনগণের প্রচুর ধারণাগুলি কাজে লাগাতে সক্ষম হয়েছে এবং এগুলি সহজেই ঘটতে পারে কারণ, অনুমান করুন কি, সফ্টওয়্যারটি কম ব্যয়বহুল হচ্ছে, আমার বলা উচিত। এটি আরও ব্যবহারযোগ্য হয়ে উঠছে এবং আমরা এই সমস্ত বিভিন্ন উত্স থেকে কেবল এই সমস্ত ডেটা পাচ্ছি। এবং আমি মনে করি যে এই জিনিসগুলি কী করতে পারে এবং কীভাবে এটি আমাদের ব্যবসায়ের উন্নতি করতে পারে তা খনন করে পরবর্তী কয়েক বছর এটি খুব আকর্ষণীয় এবং আকর্ষণীয় ভ্রমণ হতে চলেছে।
টেকোপিডিয়ায় এবং অবশ্যই আমাদের স্পনসরদের - পেন্টাহো, ওয়েবঅ্যাকশন, মার্কলজিক এবং ট্রেজার ডেটাতে আপনাকে অনেক ধন্যবাদ। এবং ভাবেন, বাহ, এটির সাথে আমরা শেষ করব, তবে আপনার সময় এবং মনোযোগের জন্য আপনাকে অনেক ধন্যবাদ। পরবর্তী শোয়ের জন্য আমরা আপনাকে দেড় মাসের মধ্যে ধরব। এবং অবশ্যই, ব্রিফিং রুমটি চলতে থাকে; রেডিও চলতে থাকে; আমাদের অন্যান্য সমস্ত ওয়েবকাস্ট সিরিজ দোলা এবং ঘূর্ণায়মান, ভাবেন। তোমাকে অনেক ধন্যবাদ. আমরা আপনাকে পরের বার ধরব। বাই-বাই।