কন্টেন্ট
- ইনফোনমিক্স ইমপিটেটিভ
- কোনও বাগ নেই, কোনও স্ট্রেস নেই - আপনার জীবনকে বিনষ্ট না করে জীবন-পরিবর্তনশীল সফটওয়্যার তৈরির ধাপে গাইড আপনার ধাপ
- ব্যবসায়ের জন্য ডেটা ক্যাটালগগুলি কী করতে পারে
- মেশিন লার্নিং এড
- কীভাবে চয়ন করবেন
সূত্র: নেমেডিয়া / ড্রিমসটাইম ডটকম
ছাড়াইয়া লত্তয়া:
এমএলডিসির বাজার ক্রমবর্ধমান, এবং মেশিন লার্নিংয়ের মাধ্যমে কার্যকরভাবে বড় ডেটা লাভ করতে চাইছেন এমন উদ্যোগগুলি ক্ষেত্রের শীর্ষস্থানীয় নাম এবং তাদের পৃথক স্থান নির্ধারণ সম্পর্কে সচেতন হওয়া উচিত।
এটি বড় ডেটার বয়স। আমরা তথ্যের সাথে সজ্জিত হয়ে পড়ি এবং ব্যবসাগুলি এটিকে থেকে মানটি পরিচালনা এবং এটি নিষ্কাশন করা একটি চ্যালেঞ্জ বলে মনে করেন।
আজকের দিনে বড় ডেটা প্রবাহ কেবল ভলিউম, বিভিন্নতা এবং বেগ নয়, জটিলতাও জড়িত। যেমন বিগ ডেটা হিস্ট্রি এবং বর্তমান বিবেচনায় এসএএস দ্বারা চিহ্নিত করা হয়েছে "একাধিক উত্স থেকে এটি স্ট্রিমের একটি উপাদানকে চিহ্নিত করে, যা সিস্টেমের মধ্যে ডেটা সংযোগ, মিল, পরিষ্কার এবং রূপান্তর করতে অসুবিধাজনক করে তোলে।" (বড় ডেটা সম্পর্কে আরও জানতে চান? দেখুন (বড়) ডেটাস বিগ ফিউচার)
মূল্যবান অন্তর্দৃষ্টি সন্ধান করা কেবল যথাসম্ভব ডেটা সংগ্রহ করার প্রশ্ন নয়, সঠিক তথ্য সন্ধানের। ম্যানুয়াল প্রক্রিয়াগুলির সাথে এটির মাধ্যমে কাজ করা অসম্ভব। এ কারণেই আরও বেশি সংখ্যক ব্যবসায়ীরা "ডেটা অ্যাক্সেসকে গণতন্ত্রকরণের জন্য উপজাতীয় তথ্য জ্ঞানকে সক্ষম করতে, ডেটা নীতি প্রয়োগ করতে এবং ব্যবসায়িক মূল্যবোধের জন্য সমস্ত ডেটা দ্রুত সক্রিয় করতে ডেটা ক্যাটালগগুলির দিকে ঝুঁকছে।"
এই স্থানে ডেটা ক্যাটালগগুলি (কখনও কখনও তথ্য ক্যাটালগ হিসাবে পরিচিত) ছবিটিতে প্রবেশ করে। এখানে সংজ্ঞায়িত হিসাবে, তারা "ব্যবহারকারীদের তাদের প্রয়োজনীয় ডেটা উত্সগুলি অন্বেষণ করতে এবং অন্বেষণ করা ডেটা উত্সগুলি বোঝার ক্ষমতা প্রদান করে এবং একই সাথে সংস্থাগুলিকে তাদের বর্তমান বিনিয়োগ থেকে আরও মান অর্জন করতে সহায়তা করে।" এটি করার একটি উপায় হ'ল ডেটাতে আরও বেশি অ্যাক্সেস সক্ষম করা, বিভিন্ন ধরণের ব্যবহারকারীর মধ্যে এটি ব্যবহার করতে বা এতে অবদান রাখতে পারে।
ইনফোনমিক্স ইমপিটেটিভ
2017 এর শেষে ডেটা ক্যাটালগগুলির নাটকীয়ভাবে বর্ধিত চাহিদা লক্ষ্য করে গার্টনার তাদের "নতুন কালো" বলে অভিহিত করেছেন। তারা ক্রমবর্ধমান বিতরণ ও বিশৃঙ্খলাযুক্ত ডেটা সম্পদ সংস্থাগুলির তালিকা এবং শ্রেণিবদ্ধকরণ এবং তাদের তথ্য সরবরাহের চেইনগুলিকে মানচিত্র করার জন্য একটি দ্রুত এবং অর্থনৈতিক সমাধান হিসাবে স্বীকৃত হয়ে উঠছিল। "ইনফোনমিক্স" এর উত্থানের কারণে এর প্রয়োজনীয়তা দেখা দিয়েছে, যা অন্যান্য ব্যবসায়ের সম্পদ পরিচালনার ক্ষেত্রে যেমন তথ্য ট্র্যাকিংয়ের ক্ষেত্রে একই রকম ক্ষুদ্রতা প্রয়োগ করার আহ্বান জানায়। (সরবরাহ শৃঙ্খলার বিষয়ে আরও তথ্যের জন্য, মেশিন লার্নিং কীভাবে সরবরাহের চেইনের দক্ষতা উন্নত করতে পারে তা দেখুন))
গার্টনাররা ফরেস্টার ওয়েভ j: মেশিন লার্নিং ডেটা ক্যাটালগস, কিউ 2 2018-এর সাথে জিবিস নিয়েছে that এই প্রতিবেদনে জরিপ অংশ নেওয়া অর্ধেকেরও বেশি লোক বলেছে যে তারা তাদের ডেটা ক্যাটালগ বাস্তবায়ন তৈরির পরিকল্পনা করছে। সম্ভবত তারা মূলত তাদের প্রতিষ্ঠানে কমপক্ষে সাতটি ডেটা হ্রদ রয়েছে তা দ্বারা উদ্বুদ্ধ হয়েছিল। গার্টনার ডেটা ক্যাটালগগুলি ব্যাখ্যা করার সাথে সাথে ডেটা ক্যাটালগগুলি "ডেটা শঙ্কা, অর্থ এবং মান" বের করার জন্য বিশেষত দরকারী যা সাধারণত কোনও ডাটা হ্রদে একটি শ্রেণিবদ্ধ আকারে রেখে যায়।
ফররেস্টার জানিয়েছে যে ২০১৩ সালে এক তৃতীয়াংশেরও বেশি ডেটা এবং অ্যানালিটিকস সিদ্ধান্ত গ্রহণকারীরা ১,০০০ টিবি বা আরও ডেটা নিয়ে কাজ করছেন, এটি পরিমাণ যা এক বছর আগে কেবল ১০ থেকে ১৪ শতাংশের মধ্যে রিপোর্ট করা হয়েছিল। সেই স্কেলে ডেটা পরিচালনা করা ক্রমবর্ধমান চ্যালেঞ্জ বা বিশেষত দুটি চ্যালেঞ্জ:
"১) বিদ্যমান ব্যবসায়িক প্রক্রিয়াগুলি বিশ্লেষণের জন্য উত্স ডেটাতে মার্জ করা এবং অন্তর্দৃষ্টিগুলি প্রয়োগ করে এবং ২) ডেটার বৃদ্ধি হওয়ার সাথে সাথে এটি উত্সাহিত করা, সংগ্রহ করা, পরিচালনা করা এবং পরিচালনা করা” "
কোনও বাগ নেই, কোনও স্ট্রেস নেই - আপনার জীবনকে বিনষ্ট না করে জীবন-পরিবর্তনশীল সফটওয়্যার তৈরির ধাপে গাইড আপনার ধাপ
কেউ যখন সফ্টওয়্যার মানের সম্পর্কে চিন্তা করে না তখন আপনি আপনার প্রোগ্রামিং দক্ষতা উন্নত করতে পারবেন না।
ব্যবসায়ের জন্য ডেটা ক্যাটালগগুলি কী করতে পারে
গার্টনার নির্দিষ্ট উপায়গুলি সনাক্ত করে যার মধ্যে ডেটা ক্যাটালগগুলি কোনও সংস্থার তথ্য এবং উত্পাদনশীলতার প্রবাহকে উন্নত করতে পারে:
প্রতিষ্ঠানের জন্য উপলভ্য আপস-টু-ডেট তথ্য সম্পদ ইনভেন্টরিটি সহযোগী করে এবং যোগাযোগ করে।
সংস্থাগুলির ডেটার অর্থ ও সংজ্ঞা প্রদান করে এমন ব্যবসায়ের পদগুলির সাধারণ শব্দকোষ তৈরি করা, যার মাধ্যমে সংজ্ঞাগত অসঙ্গতিগুলির মধ্যস্থতা এবং সমাধানের উপায় সরবরাহ করা হয়।
ব্যবসায় এবং আইটি সহকর্মীদের ডেটা মন্তব্য, ডকুমেন্ট এবং ভাগ করে নেওয়ার জন্য একটি গতিশীল এবং চটজলদি সহযোগিতার পরিবেশ সক্ষম করে।
বংশ এবং প্রভাব বিশ্লেষণের সাথে ডেটা ব্যবহারের স্বচ্ছতা সরবরাহ করা।
তথ্য পরিচালনা প্রক্রিয়াগুলির সমর্থনে ডেটা পর্যবেক্ষণ, নিরীক্ষণ এবং ট্রেসিং।
ডেটা ব্যবহার এবং পুনরায় ব্যবহার, ক্যোয়ারী অপ্টিমাইজেশন এবং ডেটা শংসাপত্রের অভ্যন্তরীণ বিশ্লেষণ বাড়ানোর জন্য মেটাডেটা ক্যাপচার করা।
ক্যাপচার, যোগাযোগ এবং তথ্য কী কী তথ্য উপস্থিত রয়েছে, কোথা থেকে এসেছে, কোনটি ব্যবহার করে, কেন এটি প্রয়োজনীয়, এটি কীভাবে প্রক্রিয়া এবং সিস্টেমের মধ্যে প্রবাহিত হয়, কে এর জন্য দায়বদ্ধ, তার অর্থ কী তা ব্যবহার করে তার ব্যবসায়ের ব্যবহারের মধ্যে তথ্যের ধারণা সংগ্রহ করা এবং এর কি মূল্য আছে।
সংস্থার মূল ব্যক্তিদের কাছে সঠিকভাবে চিহ্নিত এবং অ্যাক্সেসযোগ্য ডেটা পাওয়া গুরুত্বপূর্ণ, গার্টনার প্রতিবেদনে বলা হয়েছে, কেবল "ডিজিটাল ব্যবসায়িক ফলাফলের জন্য ডেটা সম্পদ নগদীকরণের" উপায় খুঁজে বের করার জন্য নয়, বিধিবিধানগুলি মেনে চলার জন্য, তারা শিল্প- স্বাস্থ্য বীমা বহনযোগ্যতা এবং জবাবদিহিতা আইন (এইচআইপিএএ) এর মতো নির্দিষ্ট বা সাধারণ তথ্য সুরক্ষা নিয়ন্ত্রণ (জিডিপিআর) এর মতো আরও সাধারণ প্রকৃতির specific
মেশিন লার্নিং এড
কিন্তু কিছুই তার অসুবিধা ছাড়া হয় না। ডেটা ক্যাটালগগুলির জন্য, সমস্যাটি হ'ল ধীর এবং ক্লান্তিকর প্রক্রিয়াটি ম্যানুয়ালি তাদের সমস্ত মেটাডেটা স্থাপনের জন্য ম্যানুয়ালি তৈরির ক্ষেত্রে অন্তর্ভুক্ত ছিল। মেশিন লার্নিং উপাদানটি এখানে আসে।
ফররেস্টার যে ডেটা ক্যাটালগগুলি মূল্যায়ন করেছেন তাদের এমএলডিসি বলা হয় কারণ তারা মেশিন লার্নিংয়ের শক্তি ব্যবহার করে যা এআইয়ের অন্যতম উপাদান। কোনও পডিয়াম ডেটা ব্লগ যেমন ব্যাখ্যা করেছে, এটি "মেটাডাটার একটি অবিরাম সঞ্চয় সংগ্রহ তৈরি করা এবং তারপরে অন্তর্নিহিত ডেটা সম্পদের আশেপাশে সম্ভাব্য দরকারী অন্তর্দৃষ্টি বের করার জন্য এবং এমএল / এআই প্রয়োগ করতে সক্ষম করে তোলে।"
কীভাবে চয়ন করবেন
কোন একটি ব্যবসায় নির্বাচন করা উচিত তা নির্ধারণে সংস্থাগুলিকে সহায়তা করতে, ফররেস্টার শীর্ষ 12 এমএলডিসিতে মূল্যায়নের 29 পয়েন্ট প্রয়োগ করেছেন। এটি এই বাজারের নেতাদের চিহ্নিত করেছে: আইবিএম, রিলিটো, ইউনিফাই সফটওয়্যার, অ্যালেক্স এবং কলিব্রা। যে শক্তিশালী অভিনয়কারীর সন্ধান পেয়েছে তা হলেন ইনফরম্যাটিকা, ওরাকল, ওয়াটারলাইন ডেটা, ইনফোগিক্স, কেমব্রিজ শব্দার্থক এবং ক্লৌডেরা ra হার্টন ওয়ার্কস "প্রতিযোগী" র্যাঙ্কে একা দাঁড়িয়ে আছে।
তবে একা একা সামগ্রিক র্যাঙ্কিংয়ে যাওয়া উচিত নয়। প্রতিবেদনে প্রত্যেকের নির্দিষ্ট শক্তি এবং দুর্বলতাগুলি ভেঙে ফেলা হয়। তদনুসারে, গবেষণা এবং বিকাশের মতো কোনও নির্দিষ্ট বৈশিষ্ট্য যদি কোনও সংস্থার পক্ষে সর্বাধিক গুরুত্ব পায়, তবে হর্টন ওয়ার্কসকে সেই দিকের জন্য আইবিএম এবং কলিলব্রার সমান হিসাবে বিবেচনা করতে পারে কারণ সেই তিনটিই সেই মানের জন্য পাঁচটি শীর্ষ স্কোর ভাগ করে যা ছিল এলেশন এবং কলৌডেরার চেয়ে দুটি পয়েন্ট এবং কেমব্রিজ সিম্যান্টিকসের চেয়ে চার পয়েন্ট ভাল।
তদনুসারে, ফোরেস্টার রিপোর্টটি যারা শীর্ষস্থানীয় র্যাঙ্কিং কোম্পানীটি সবার পক্ষে সেরা পছন্দ নয় ধরে নেওয়ার জন্য নির্দেশিকাটির জন্য যারা এই প্রতিবেদনটি ব্যবহার করে তাদের পরামর্শ দেয়। তাদের বিশেষ প্রয়োজনীয়তাগুলি কী পূরণ করে তা আবিষ্কার করার জন্য তাদের মূল্যায়ন ভাঙ্গনের দিকে মনোযোগ দেওয়া উচিত।