बड़ा डेटा यमर, स्पिल गेम्स, जॉब्रेपिडो के लिए ग्राहक विश्लेषण गेम को बदल देता है

का अगला संस्करण एचपी डिस्कवर प्रदर्शन पॉडकास्ट श्रृंखला किस प्रकार गहरी अंतर्दृष्टि प्रदान करती है बड़ा डेटा ग्राहक विश्लेषण के इर्द-गिर्द खेल बदल रहा है।

यह केस स्टडी पैनल चर्चा इस बात पर प्रकाश डालती है कि कैसे विभिन्न संगठन बेहतर विकास के साधन लेकर आ रहे हैं एनालिटिक्स उनके ग्राहकों के बारे में. जानें कि कैसे उच्च-प्रदर्शन और लागत प्रभावी बड़े डेटा प्रोसेसिंग से ग्राहकों को उनकी इच्छाओं और प्राथमिकताओं के बारे में सीखने में मदद मिलती है।

विशेषज्ञ पैनल में ये शामिल हैं रोब विंटर्स, रिपोर्टिंग और एनालिटिक्स के निदेशक स्पिल गेम्स, एम्स्टर्डम में स्थित; डेविड कॉनफोर्टी, बिजनेस इंटेलिजेंस निदेशक जोब्रापीडो, मिलान में स्थित; और पीट फिशमैन, एनालिटिक्स के निदेशक शिकायत करना सैन फ्रांसिस्को में.

हाल ही में जो चर्चा हुई एचपी वर्टिका बिग डेटा कॉन्फ्रेंस बोस्टन में, द्वारा संचालित किया गया था दाना गार्डनर, प्रधान विश्लेषक इंटरआर्बर सॉल्यूशंस.

नीचे कुछ अंश दिए गए हैं।

अलग-अलग समस्याएं

व्यवसाय लंबे समय से अपने ग्राहकों का विश्लेषण कर रहे हैं। अब क्या अलग है?

मछुआरा: थे बादल सॉफ़्टवेयर सेवा, और डेटा बड़ा है। ग्राहकों पर हमारा डेटा अब एक केंद्रीय स्थान पर रह रहा है। आपके सॉफ़्टवेयर का उपयोग करने वाली कंपनियों को एकत्रित करके, आप वास्तव में महत्वपूर्ण नमूना आकार और वास्तविक अनुमान प्राप्त कर सकते हैं, दोनों से लिफ्ट को मापने के संदर्भ में एक आर्थिक अर्थ, लेकिन वास्तव में, क्योंकि नमूना आकार इतना बड़ा है, आप सांख्यिकीय अनुमान प्राप्त कर सकते हैं।

एनालिटिक्स को मूल्यवान बनाने और अपने ग्राहकों के बारे में सीखने के लिए यह शुरुआती बिंदु है।

सर्दियाँ: मेरे लिए, समस्या का स्थान उस समस्या से बेहद अलग है जिससे मैं कुछ साल पहले निपट रहा था।

मैं अंदर था दूरसंचार इस से पहले। वहां, आप 25 मिलियन लोगों के साथ काम कर रहे हैं, और यदि आप महीने में एक बार उनका पुनर्मूल्यांकन करते हैं, तो यह काफी तेज़ है। वेब पैमाने की समस्या पर, मैं 200 मिलियन ग्राहकों के साथ काम कर रहा हूं और मुझे 10 या 15 मिनट के भीतर उन्हें पुनः प्राप्त करना है। तो आप काफी अधिक डेटा कैप्चर कर रहे हैं। हम अपने सिस्टम में प्रतिदिन आने वाले अरबों रिकॉर्ड देख रहे हैं। हमें इसे यथासंभव तेजी से उपयोग करना होगा, क्योंकि ऑनलाइन ग्राहक अनुभव के साथ मिनट भी मायने रखते हैं।

कॉन्फोर्टी: हमारे साथ भी बिल्कुल यही कहानी है। अब हमारे पास प्रति माह लगभग 40 मिलियन अद्वितीय विज़िटर आते हैं। 2006 में एक स्टार्टअप के रूप में अपनी शुरुआत के बाद से हम दोहरे अंकों में बढ़े हैं। अब, सब कुछ उपयोगकर्ता इंटरैक्शन के बारे में है, हमारे उपयोगकर्ता साइट पर कैसे व्यवहार करते हैं, और हम उन्हें साइट पर कैसे अधिक संलग्न कर सकते हैं और उन्हें जबरदस्त तदर्थ उपयोगकर्ता अनुभव प्रदान कर सकते हैं।.

सर्दियाँ: हम मुख्य रूप से एक मंच हैं। हम कुछ खेल विकास और प्रकाशन करते हैं, लेकिन हमारा मुख्य व्यवसाय सिर्फ ऐसा मंच बनाना है जहां लोग आ सकें और ऐसी सामग्री ढूंढ सकें जो उनके लिए दिलचस्प हो। हम लगभग नौ वर्षों से यहाँ हैं।

हमने केवल एक डच [गेमिंग] कंपनी के रूप में शुरुआत की और फिर हमने अन्य स्थानीय कंपनियों का अधिग्रहण किया कार्यक्षेत्र नाम विभिन्न भाषाओं में. इस समय, हमारे पास लगभग 50 अलग-अलग प्लेटफ़ॉर्म हैं, जो लगभग 20 अलग-अलग भाषाओं में चल रहे हैं। इसलिए हम दुनिया भर के ग्राहकों का समर्थन करते हैं। किसी भी महीने में, हमारी साइटों पर ट्रैफ़िक वाले 200 से अधिक देश होते हैं।

संपूर्ण व्यवसाय बदल रहा है, और आप उस ग्राहक अनुभव के आधार पर प्रतिस्पर्धा कर रहे हैं जो आप प्रदान कर सकते हैं। हमारे पास कुछ लक्षित दर्शक हैं: लड़कियाँ, युवा लड़कियाँ, 8-14; लड़के; और फिर महिलाएं.

सोशल नेटवर्क

मछुआरा: यमर सैन फ्रांसिस्को में एक स्टार्टअप है। हमें लगभग एक वर्ष पहले अधिग्रहण किया गया था माइक्रोसॉफ्ट और हम बड़े का हिस्सा हैं कार्यालय संगठन। हम स्वयं को उद्यम सामाजिक के रूप में देखते हैं, इस अनेक-से-अनेक संचार मॉडल को अपनाते हुए और आपकी कंपनी में संचार को और अधिक कुशल बनाते हुए।

यह प्रासंगिक ज्ञान और विशेषज्ञों को सामने लाने और कामकाजी जीवन को बेहतर बनाने के बारे में है। मैं वहां एक एनालिटिक्स टीम चलाता हूं, और हम अनिवार्य रूप से समग्र ग्राहक व्यवहार और हमारे टूल के किन हिस्सों का लोग उपयोग कर रहे हैं, इस पर ध्यान देते हैं।

यह वास्तव में हमारे संस्थापकों का क्रांतिकारी विचार था डेविड सैक्स और एडम पिसोनी बहुत पहले, जब था फेसबुक यह आज जितना प्रासंगिक नहीं था। लेकिन हमने उस तरीके का बहुत लाभ उठाया है जिससे लोगों ने अपने सामाजिक जीवन में बातचीत करना सीखा है और संचार की कुछ दक्षता लाई है। उन्होंने देखा कि ये सामाजिक नेटवर्क विकसित होंगे और आपके व्यवसाय के निजी, सुरक्षित संदर्भ में प्रासंगिक होंगे।

कॉन्फोर्टी: जॉब्रेपिडो की शुरुआत 2006 में एक उद्यमशीलता चुनौती के रूप में हुई थी वीटो लोमेले, एक इतालवी लड़का, मिलान में शुरू हुआ। इटली में ऑनलाइन बाज़ार में रहना काफी चुनौतीपूर्ण है, क्योंकि प्रतिभा पूलिंग अमेरिका या यूरोप के अन्य देशों की तरह व्यापक नहीं है। हम नौकरी चाहने वालों को अपनी नई नौकरी खोजने का अवसर प्रदान करते हैं।

हम एक ऑनलाइन हैं नौकरी-खोज इंजन और हम वर्तमान में 20 से अधिक भाषाओं के साथ 58 विभिन्न देशों में काम करते हैं। हम सभी विभिन्न राष्ट्रीयताओं वाले मिलान के इस बड़े मुख्यालय में हैं, क्योंकि निश्चित रूप से, हम अपने अधिकांश ग्राहकों को स्थानीय भाषाओं में सेवा प्रदान करते हैं।

हाल ही में, हमें द्वारा खरीदा गया है डेली मेल समूह, लंदन स्थित एक बड़ा मीडिया समूह। हमारे लिए, यह नौकरी चाहने वालों के अधिग्रहण से लेकर प्रतिधारण और जुड़ाव से लेकर साइट पर निरंतर गुणवत्ता और उपयोगकर्ता अनुभव तक सब कुछ है। हम अपने बड़े का उपयोग करते हैं डेटा वेयरहाउस यह समझने के लिए कि ग्राहकों को उनकी प्राथमिकताओं के आधार पर बेहतर तरीके से कैसे आकर्षित किया जाए और बनाए रखा जाए। और हम इसका उपयोग अपने मिलान एल्गोरिदम को बदलने के लिए भी करते हैं, जो कमोबेश एक की तरह काम करता है गूगल कलन विधि।

हम विभिन्न स्रोतों, जॉब बोर्ड और अन्य जॉब साइटों या सीधे व्यक्तिगत कंपनियों के कार्य पृष्ठों से बहुत सारी सामग्री क्रॉल करते हैं। हम उन्हें एक बड़े डेटाबेस में एक साथ रखते हैं और, सांख्यिकीय उपकरणों का उपयोग करके, हम अनुमान लगाते हैं कि हमारे नौकरी चाहने वाले किस प्रकार की रैंकिंग देखना चाहते हैं।

तो यह एक बहुत ही भारी डेटा क्रंचिंग अभ्यास है जिसे हम प्रतिदिन लाखों-करोड़ों अलग-अलग प्रायोजित या ऑर्गेनिक पोस्टिंग पर करते हैं।

उदाहरण के लिए, यदि यमर लोग या यदि स्पिल गेम्स लोग एक सॉफ्टवेयर इंजीनियर को नियुक्त करना चाहते हैं, तो वे अपने प्रायोजित विज्ञापनों को जॉब बोर्ड पर प्रायोजित किए बिना सीधे जॉब्रेपीडो पर प्रचारित कर सकते हैं। इसलिए हम नौकरी खोज की श्रृंखला को एकत्रित और सरल बनाने का प्रयास कर रहे हैं।

बड़ा डेटा

जब विश्लेषण के लिए इतना बड़ा डेटा प्राप्त करने की बात आती है तो आपको किस समस्या का समाधान करना था?

सर्दियाँ: मेरे लिए चुनौती कई गुना थी। आप इस विविधता और मात्रा संबंधी जानकारी के साथ, इस डेटा समस्या से कैसे निपटते हैं? आप इसे उन कर्मचारियों के लिए सार्थक तरीके से कैसे प्रस्तुत करते हैं जिन्होंने पहले कभी डेटा नहीं देखा है, ताकि वे इस पर अच्छे निर्णय ले सकें? और आप इसके विरुद्ध मॉडल कैसे चलाते हैं और उसे जल्द से जल्द उत्पादन परिवेश में कैसे वापस लाते हैं संभव है, ताकि आप उन ग्राहकों को आपके यहां पहले से कहीं बेहतर अनुभव दे सकें प्लैटफ़ॉर्म?

मेरी समस्या यह थी कि मेरी कंपनी में पहले कभी किसी ने ऐसा करने का प्रयास नहीं किया था। हम प्रभावी ढंग से एक साफ स्लेट के साथ अंदर चले गए। लेकिन जैसे ही आप अलग-अलग डेटा स्रोत लाना शुरू करते हैं, आप उन सभी चीज़ों से शुरुआत करते हैं जिनकी आपको तुरंत आवश्यकता होगी।

आपको अन्य डेटा स्रोतों के लिए आवश्यक लिंक दिखाई देने लगते हैं। इस बिंदु पर, हम हजारों डेटाबेस से डेटा खींच रहे हैं, दर्जनों के साथ विलय कर रहे हैं एप्लिकेशन प्रोग्रामिंग इंटरफ़ेस (एपीआई). आप अपना वेब लॉग डेटा निकाल रहे हैं, ताकि आप उन लोगों के लिए वैयक्तिकृत कर सकें जो आपको पंजीकरण जानकारी नहीं दे रहे हैं।

जब हमने पहली बार डेटा वेयरहाउस उपकरण या एप्लिकेशन की तलाश शुरू की, तो हम दौड़ रहे थे postgres बिना किसी सूचकांक के, केवल उत्पादन डेटा की प्रतियां। डेटा लोगों के लिए, इसका मतलब है कि एक क्वेरी को निष्पादित होने में आठ घंटे लगेंगे। यह कुछ मिलियन पंक्तियों की एक तालिका है।

हम जानते थे कि एक विशिष्ट पंक्ति-आधारित समाधान समाप्त हो गया है। इसलिए हमने वहां मौजूद कुछ अन्य अनुप्रयोगों पर गौर करना शुरू किया। बड़े वाले हैं टेराडाटा, एक्सडाटा, और ग्रीनप्लम, लेकिन आपको उन अनुप्रयोगों के लिए लाइसेंस खरीदने में सक्षम होने के लिए कंपनी के प्रत्येक कर्मचारी का घर गिरवी रखना होगा, और हम एक बहुत छोटी कंपनी हैं। तो वो बाहर थे.

फिर, हमने कुछ अन्य बुटीक विक्रेताओं को देखना शुरू किया इन्फोब्राइट, और मूल रूप से हमने इसे एचपी के साथ देखा वर्टिका, हम पर अपेक्षाकृत कम भार हो सकता है डेटाबेस प्रशासक (डीबीए), ताकि हम बहुत अधिक रखरखाव के बिना तेजी से विकास कर सकें।

मूल्य निर्धारण मॉडल वह फिट बैठता है जिसे हमें हासिल करने की आवश्यकता है, और प्रदर्शन इतना अच्छा है कि अब हमें अनुकूलन पर बहुत अधिक समय खर्च करने की आवश्यकता नहीं है। हम मूल रूप से डेटा-संचालित संगठन बनने के इस रास्ते पर बहुत तेज़ी से आगे बढ़ सकते हैं, बिना इंडेक्स ऑप्टिमाइज़ेशन में फंसे या अपनी क्वेरीज़ को ऑप्टिमाइज़ करने और पथों को फिर से लिखने की कोशिश किए बिना।

हम सिस्टम में बहुत सारी चीजें डाल सकते हैं, इसे एक साथ तोड़ सकते हैं, परिणाम ले सकते हैं, और कंपनी के लिए जल्दी से बड़ी जीत हासिल कर सकते हैं।

हमारे पास एक डेटा सेंटर, और हम सब कुछ अपने निजी सर्वर पर करते हैं। हमारे लिए, अगला कदम संभवतः और अधिक आगे बढ़ने वाला है निजी-बादल मॉडल, और उम्मीद है, वर्टिका उस वातावरण में भी काम करेगी।

यमर में, आपकी बड़ी डेटा समस्या क्या थी और आपने इसे कैसे हल किया?

मछुआरा: हमारी समस्या यह थी कि बहुत सारे लोग उद्यम सामाजिक क्षेत्र में आने की कोशिश कर रहे थे। बहुत सारे सोशल नेटवर्क सामने आ रहे हैं और काम पर ध्यान आकर्षित करने के लिए अनिवार्य रूप से प्रतिस्पर्धा एक चुनौती है।

हमें लगा कि प्रतिस्पर्धात्मक लाभ के लिए डेटा आवश्यक है। डेविड सैक्स और एडम पिसोनी का तेजी से पुनरावृत्ति के साथ एक उपभोक्ता सॉफ्टवेयर कंपनी विकसित करने का दृष्टिकोण था। उस तीव्र पुनरावृत्ति से आपको एक अतिरिक्त लाभ मिलता है यदि आप उत्पाद का कौन सा भाग काम कर रहा है, इसके आधार पर खुद को पुन: उन्मुख करने में सक्षम हैं। हमारी डेटा समस्याएँ मोटे तौर पर डेटा को हमारी विकास पद्धति में प्रतिस्पर्धी लाभ बनाने के बारे में थीं।

यह गति के बारे में है

वर्टिका के बारे में ऐसा क्या था जो उस स्थिति में सहायक था जहाँ आपने इसे अपनाया था? क्या यह एक समवर्ती मुद्दा, वॉल्यूम मुद्दा, गति, या उपरोक्त सभी है?

मछुआरा: यह उपरोक्त सभी है, लेकिन वास्तविक आकर्षण हमेशा गति के बारे में होगा, विशेष रूप से, इसे देखते हुए प्रतिभा के लिए अविश्वसनीय प्रतिस्पर्धा, न केवल खाड़ी क्षेत्र में, बल्कि हर जगह, विशेषकर डेटा क्षेत्र में।

जिस किसी के शीर्षक में डेटा है वह ऐसा व्यक्ति है जिसकी अत्यधिक मांग है। उन लोगों के लिए चक्र के समय को कम करने की क्षमता, जिसे बनाए रखना और इसके बारे में उत्साहित होना एक चुनौती है जिन परियोजनाओं पर वे काम कर रहे हैं और यह एक जबरदस्त समाधान है जो उन्हें वास्तव में अपनी क्षमताओं को अधिकतम करने की अनुमति देता है गंभीर। हमारे क्षेत्र में और सामान्य तौर पर सॉफ्टवेयर विकास में भी ऐसा ही है।

जब हम इन बड़े जोखिमों और चुनौतियों का सामना करते हैं, तो बहुत जल्दी पहचानने की क्षमता होती है कि हम अंदर जा रहे हैं या नहीं सही दिशा, और फिर जहाँ हम जा रहे हैं उसे पुनः उन्मुख करना, यमर के अस्तित्व के लिए वास्तव में महत्वपूर्ण रहा है सफल।

प्रदर्शन में वृद्धि

डेविड, आपने डेटा समस्याओं से कैसे निपटा?

कॉन्फोर्टी: जब मैं जॉब्रेपिडो में शामिल हुआ, तो हम पहले ही बहुत सारे काम कर चुके थे ए/बी परीक्षण, जो हमारे उत्पाद नवाचार की जीवनधारा हैं। हम एक बटन के रंग या फ़ॉन्ट को बदलने से लेकर अलग-अलग लेआउट तक हर चीज का परीक्षण करना चाहते हैं, क्योंकि इनका उपयोगकर्ता जुड़ाव में सुधार पर जबरदस्त प्रभाव पड़ता है।

पहले, हमने इसका उपयोग किया था गूगल विश्लेषिकी उपकरण, लेकिन हमें यह उतना पसंद नहीं आया, क्योंकि यह नमूना डेटा है, इसलिए आप शायद ही सांख्यिकीय रूप से सार्थक परिणामों तक पहुंच सकें। हमने लचीलेपन, प्रदर्शन और उच्च स्तर के नियंत्रण और डेटा स्थिरता सुनिश्चित करने के लिए एक डेटा वेयरहाउस बनाने का निर्णय लिया। यह उत्पाद विकास के संदर्भ में उन्हें अधिक क्रियाशील बनाने के लिए, विज़ुअलाइज़ेशन की ओर, स्रोत से अंत तक नियंत्रण है।

वर्टिका के साथ, हमने बिल्कुल यही किया। हमने सभी अलग-अलग डेटा स्रोतों को एक बाल्टी में डाला, इसे व्यवस्थित किया, और अब हमारे पास डेटा मॉडल पर पूर्ण नियंत्रण है। अपनी टीम के साथ, मैं इन डेटा मॉडल का प्रबंधन करता हूं। यह दिलचस्प है कि आप कितनी तेजी से पहेली में टुकड़े जोड़ सकते हैं या अन्य को हटा सकते हैं जो अब दिलचस्प नहीं हैं, क्योंकि हमारा व्यवसाय मॉडल, निश्चित रूप से, एक जीवित प्राणी है, एक जीवित प्राणी है।

हम वास्तव में इस लचीलेपन और वर्टिका द्वारा दिए गए उच्च स्तर के नियंत्रण की सराहना करते हैं। इससे हमारे इनोवेशन थ्रूपुट में काफी सुधार हुआ है और भविष्य में इसमें और भी सुधार होगा।

वर्तमान में, हम वर्टिका पर लगभग 30 की कमी कर रहे हैं जीबी प्रतिदिन डेटा का (अर्थात हम वर्टिका पर 30 जीबी/दिन अपलोड करते हैं)। लेकिन हम इसे कुछ महीनों में दोगुना करने जा रहे हैं, क्योंकि हम और अधिक चीजें जोड़ रहे हैं। हम साइट पर अपने नौकरी चाहने वालों के क्लिक पैटर्न के बारे में अधिक जानना चाहते हैं, और यह वर्टिका में प्रवाहित होने वाला विशाल डेटा है। साथ ही, भविष्य में टेराबाइट्स में हमारी लाइसेंसिंग दोगुनी होने की संभावना है।

एक और कठिन तथ्य जो मैं आप लोगों के साथ साझा कर सकता हूं वह यह है कि वर्टिका का उपयोग करने वाले आप में से प्रत्येक को क्वेरी के पहले कार्यान्वयन से संतुष्ट होने की आवश्यकता नहीं है। यदि आप इसे अनुकूलित करने में सक्षम हैं, तो आप क्वेरी के प्रदर्शन को लगभग 100 प्रतिशत से अधिक बढ़ा देंगे। सलाहकारों या सलाहकारों के साथ यह मेरा व्यक्तिगत अनुभव है। वर्टिका सहायता प्रदान करने में प्रसन्न है, और यह वास्तव में मूल्यवर्धक है।

सर्दियाँ: जहां तक ​​सफलता के पैमानों का सवाल है, जब हम अपना काम कर रहे थे अवधारणा का प्रमाण (पीओसी), हमने मुख्य रूप से क्वेरी प्रदर्शन को देखा। उस समय, हम इसका उपयोग भविष्यवाणी और वैयक्तिकरण के लिए नहीं, बल्कि केवल विश्लेषण और रिपोर्टिंग के लिए कर रहे थे।

हमने जो देखा वह अनुक्रमित पोस्टग्रेज़ डेटाबेस के विरुद्ध था। हमने डेटा पर कुछ अनुकूलन किया था। हमारी क्वेरीज़ 1,000 प्रतिशत से अधिक तेज़ी से चल रही थीं, और वर्टिका काफी रैखिक रूप से स्केल कर रही थी, जबकि पोस्टग्रेज़ के साथ, जब हम तालिकाओं में अधिक डेटा डालते हैं, तो उनका दम घुटना शुरू हो जाता है और वे मर जाते हैं पूरी तरह।

मेरे लिए, इसने मुझे वास्तव में अपना काम करने की अनुमति दी और मेरी टीम ने अपना काम किया, जो सफलता का एक बहुत बड़ा मीट्रिक है।

दूसरी बात यह है कि अपेक्षाकृत छोटे क्लस्टर के साथ, हम सैकड़ों लोगों और रिपोर्टों को सीधे डेटाबेस तक पहुंचने में सहायता कर सकते हैं, एक दर्जन विश्लेषक या वे लोग जो सीधे डेटाबेस से जानकारी क्वेरी करते हैं, और हमारी सभी वैयक्तिकरण गतिविधियाँ न्यूनतम प्रदर्शन के साथ एक साथ होती हैं हिचकी. यह सफलता का एक बड़ा पैमाना है.

शुरू से अंत तक की लागत

मछुआरा: मेरे पास रोब जैसी ही प्रतिक्रिया है, जो पोस्टग्रेज डेटाबेस के मुकाबले तुलना है। गति कम से कम एक है - और संभवतः दो के करीब या बेहतर - परिमाण का क्रम तेज़ है। निश्चित रूप से लागत पक्ष पर, डेटा के साथ संपूर्ण लागत पर विचार करना महत्वपूर्ण है। तो यह एक तरह का विषय है।

विभिन्न प्रकार की उपयोगी जानकारियों को प्रबंधित करने और उन्हें छेड़ने में एक लागत आती है, जो जरूरी नहीं कि स्टिकर की कीमत में हो। डेटा समाधान पर विचार करते समय, लोगों को शुरू से अंत तक की लागत पर विचार करना चाहिए। प्रति टेराबाइट लागत या प्रति लागत के विपरीत वास्तव में प्रति अंतर्दृष्टि लागत क्या है जो कुछ भी.

हम निश्चित रूप से महसूस करते हैं कि वर्टिका हमारा सर्वोत्तम समाधान रहा है। हम तीन साल से अधिक समय से ग्राहक हैं। तो यह काफी लंबा रिश्ता है। मैं एक बहु-दिवसीय क्वेरी या उस जैसी किसी चीज़ पर वापस जाने की कल्पना नहीं कर सकता।

डेविड ने एक बात का उल्लेख किया कि वह भविष्यवाणी कर रहा है कि वह वर्टिका में कितना डेटा डालेगा। मैं स्वयं व्यापार से भविष्यवक्ता हूं। 2010 में, हम कुछ अनुमान लगा रहे थे कि हम अपने डेटा वॉल्यूम के संदर्भ में 2011 के अंत तक कहां होंगे। यह एक बहुत ही सरल एक्सट्रपलेशन है, और मैंने इसे कम से कम परिमाण के क्रम में गलत पाया।

हमने जो पाया वह यह है कि जब आप डेटा से वास्तविक अंतर्दृष्टि प्राप्त करना शुरू करते हैं, तो आप थोड़ा और प्राप्त करना चाहते हैं, इसे शायद यहां या वहां से एकत्र करें। साथ ही, जैसे-जैसे हमारा उत्पाद बढ़ रहा था, हमें डेटा पर कुछ वास्तविक घातीय वृद्धि का सामना करना पड़ा और हमने चतुराई अपनाई उस मीट्रिक को अधिकतम करने के लिए समाधान जिसकी हमें परवाह है - प्रति अंतर्दृष्टि लागत, या लागत को न्यूनतम करना अंतर्दृष्टि।

एक साथ कई चीजें चल रही हैं. इसलिए जब आप इसके बारे में अधिक भोले होते हैं तो वास्तव में मूल्यवान अंतर्दृष्टि से चूकना कहीं अधिक आसानी से हो सकता है। मूलतः, आप इसमें विपरीत परिस्थितियों का सामना कर रहे हैं। अंतर्दृष्टि ढूँढना कठिन हो गया है। साथ ही, आपके पास बड़ी मात्रा में डेटा और पैमाने की कुछ अर्थव्यवस्थाएं भी हैं। तो बहुत सारी चीज़ें एक साथ परस्पर क्रिया कर रही हैं, लेकिन स्पष्ट रूप से उस मीट्रिक को कम करने वाली एक चीज़ सर्वोत्तम-प्रजाति उपकरण है।

निःसंदेह, केवल लागत में कटौती करने के बजाय उन लोगों की जानकारी प्राप्त करना सबसे अच्छा है जो इसका उपयोग कर सकते हैं।

मछुआरा: बिल्कुल। यदि आप विश्लेषण को लागत केंद्र के रूप में देखते हैं, तो यह गलत दृष्टिकोण है। इसका उद्देश्य राजस्व धाराओं को अनुकूलित करना होना चाहिए। हम उत्पाद को सूक्ष्म-अनुकूलित करते हैं, हम बिक्री और विपणन, व्यवसाय को सूक्ष्म-अनुकूलित करते हैं। एनालिटिक्स हर किसी को उनके काम में सुधार करने, लोगों को अधिक प्रभावी बनाने के लिए डेटा उपलब्ध कराने के बारे में है।

सुनना तक पॉडकास्ट. इसे खोजें ई धुन. पढ़ें पूर्ण प्रतिलेख या डाउनलोड करना एक नक़ल।

प्रकटीकरण: हिमाचल प्रदेश का प्रायोजक है ब्रीफिंग्सडायरेक्ट पॉडकास्ट.

संबंधित कहानियां:

• एचपी वर्टिका के महाप्रबंधक ने एनीव्हेयर एनालिटिक्स प्लेटफॉर्म की अगली पीढ़ी पर ध्यान केंद्रित किया है

• एमजेडआई हेल्थकेयर एचपी वर्टिका का उपयोग करके बड़े डेटा रोगी उत्पादकता रत्नों की पहचान कैसे करता है

• एचपी वर्टिका आर्किटेक्चर इन्फिनिटी इंश्योरेंस के लिए सबसे कठिन बीआई पूछताछ के लिए बड़े पैमाने पर प्रदर्शन को बढ़ावा देता है

• जब वास्तविक समय पर्याप्त अच्छा नहीं रह जाता है, तो पूर्वानुमानित व्यवसाय उभर कर सामने आता है

• पॉडकास्ट पुनर्कथन: एचपी विशेषज्ञ एचपी डिस्कवर से प्राप्त बड़े डेटा समाचारों का विश्लेषण और व्याख्या करते हैं

• सुरक्षा और जोखिम के भविष्य पर एचपी का वैश्विक सीआईएसओ ब्रेट वाहलिन

• गेस की खुदरा रणनीति के लिए एचपी वर्टिका हार्वेस्ट एनालिटिक्स रत्नों के माध्यम से व्यापक रूप से साझा की गई गहन जानकारी

• जैसे-जैसे प्लेटफ़ॉर्म 3.0 विकसित हो रहा है, पूरे उद्यम में त्वरित पहुंच, कार्रवाई योग्य बुद्धिमत्ता के वितरण की उम्मीद है: ओपन ग्रुप पैनल

• उन्नत आईटी निगरानी यूनाइटेड एयरलाइंस को पूर्वानुमानित निदान पर ध्यान केंद्रित करती है

• एचपी डिस्कवर से कन्वर्ज्ड क्लाउड न्यूज़: इसका क्या मतलब है