தரவு பட்டியல்கள் மற்றும் இயந்திர கற்றல் சந்தையின் முதிர்வு

உள்ளடக்கம்

• இன்ஃபோனோமிக்ஸ் கட்டாயம்
• பிழைகள் இல்லை, மன அழுத்தமும் இல்லை - உங்கள் வாழ்க்கையை அழிக்காமல் வாழ்க்கையை மாற்றும் மென்பொருளை உருவாக்குவதற்கான படி வழிகாட்டியின் படி
• வணிகங்களுக்கு என்ன தரவு பட்டியல்கள் செய்ய முடியும்
• இயந்திர கற்றலில் சேர்த்தல்
• எப்படி தேர்வு செய்வது

ஆதாரம்: Nmedia / Dreamstime.com

எடுத்து செல்:

எம்.எல்.டி.சி சந்தை வளர்ந்து வருகிறது, மேலும் இயந்திரக் கற்றலுடன் பெரிய தரவை திறம்பட பயன்படுத்த முற்படும் நிறுவனங்கள் இந்தத் துறையில் உள்ள சிறந்த பெயர்கள் மற்றும் அவற்றின் தனிப்பட்ட தரவரிசைகளைப் பற்றி அறிந்திருக்க வேண்டும்.

இது பெரிய தரவுகளின் வயது. நாங்கள் தகவல்களால் மூழ்கிவிடுகிறோம், அதிலிருந்து மதிப்பை நிர்வகிப்பது மற்றும் பிரித்தெடுப்பது வணிகங்கள் ஒரு சவாலாகக் கருதுகின்றன.

இன்றைய பெரிய தரவுகளின் ஓட்டம் தொகுதி, வகை மற்றும் வேகம் மட்டுமல்ல, சிக்கலையும் குறிக்கிறது. பெரிய தரவு வரலாறு மற்றும் தற்போதைய கருத்தில் SAS ஆல் அடையாளம் காணப்பட்டபடி, "பல மூலங்களிலிருந்து, நீரோடைகளின் ஒரு காரணியாகும், இது கணினிகள் முழுவதும் தரவை இணைக்க, பொருத்த, சுத்தப்படுத்த மற்றும் மாற்றுவதை கடினமாக்குகிறது." (பெரிய தரவைப் பற்றி மேலும் அறிய விரும்புகிறீர்களா? (பெரிய) தரவு பெரிய எதிர்காலத்தைப் பாருங்கள்.)

மதிப்புமிக்க நுண்ணறிவைக் கண்டுபிடிப்பது என்பது முடிந்தவரை தரவைச் சேகரிப்பதற்கான கேள்வி அல்ல, ஆனால் சரியான தரவைக் கண்டுபிடிப்பதாகும். கையேடு செயல்முறைகள் மூலம் அதன் மூலம் வேலை செய்ய இயலாது. இதனால்தான் அதிகமான வணிகங்கள் "தரவுக்கான அணுகலை ஜனநாயகமயமாக்குவதற்கும், பழங்குடியினரின் தரவு அறிவை தகவல்களைக் கையாளுவதற்கும், தரவுக் கொள்கைகளைப் பயன்படுத்துவதற்கும், வணிக மதிப்பிற்கான அனைத்து தரவையும் விரைவாக செயல்படுத்துவதற்கும் தரவு பட்டியல்களுக்குத் திரும்புகின்றன."

இங்குதான் தரவு பட்டியல்கள் (சில நேரங்களில் தகவல் பட்டியல்கள் என்றும் அழைக்கப்படுகின்றன) படத்தில் நுழைகின்றன. இங்கே வரையறுக்கப்பட்டுள்ளபடி, அவர்கள் "பயனர்களுக்குத் தேவையான தரவு மூலங்களை ஆராய்ந்து, ஆராய்ந்த தரவு மூலங்களைப் புரிந்துகொள்ளவும், அதே நேரத்தில் நிறுவனங்களின் தற்போதைய முதலீடுகளிலிருந்து அதிக மதிப்பை அடையவும் உதவுகிறார்கள்." அதைச் செய்வதற்கான வழிகளில் ஒன்று, தரவிற்கான அதிக அணுகலை இயக்குவதன் மூலம், பல்வேறு வகையான பயனர்களிடையே அதைப் பயன்படுத்தவோ அல்லது பங்களிக்கவோ முடியும்.

இன்ஃபோனோமிக்ஸ் கட்டாயம்

2017 ஆம் ஆண்டின் இறுதியில் தரவு பட்டியல்களுக்கான வியத்தகு தேவை அதிகரித்ததைக் குறிப்பிட்டு, கார்ட்னர் அவற்றை "புதிய கருப்பு" என்று அழைத்தார். அவை விரைவான மற்றும் பொருளாதார தீர்வாக அங்கீகரிக்கப்பட்டு வருகின்றன "தரவு சொத்துக்களை பெருகிய முறையில் விநியோகிக்கப்பட்ட மற்றும் ஒழுங்கற்ற அமைப்புகளை பட்டியலிட்டு வகைப்படுத்தவும் அவற்றின் தகவல் விநியோக சங்கிலிகளை வரைபடப்படுத்தவும்." "இன்ஃபோனோமிக்ஸ்" இன் எழுச்சி காரணமாக இதற்கான தேவை எழுந்துள்ளது, இது மற்ற வணிக சொத்துக்களை நிர்வகிப்பதில் ஒருவர் செய்யும் தகவல்களைக் கண்காணிப்பதற்கும் அதே நுணுக்கத்தைப் பயன்படுத்த வேண்டும். (விநியோகச் சங்கிலிகளைப் பற்றி மேலும் அறிய, இயந்திர கற்றல் எவ்வாறு விநியோகச் சங்கிலி செயல்திறனை மேம்படுத்துகிறது என்பதைப் பார்க்கவும்.)

கார்ட்னர்கள் தி ஃபாரெஸ்டர் அலை with: இயந்திர கற்றல் தரவு பட்டியல்கள், க்யூ 2 2018 உடன் ஜீப்ஸை எடுத்துக்கொள்கிறார்கள். அந்த அறிக்கையில் பங்கேற்றவர்களில் பாதிக்கும் மேற்பட்டவர்கள் தங்கள் தரவு அட்டவணை செயல்படுத்தலை உருவாக்க திட்டமிட்டுள்ளதாகக் கூறினர். ஒவ்வொன்றும் தங்கள் நிறுவனத்தில் குறைந்தது ஏழு தரவு ஏரிகளைக் கொண்டிருப்பதால் அவை பெரும்பாலும் உந்துதல் பெற்றிருக்கலாம். கார்ட்னர் தரவு பட்டியல்களை எடுத்துக்கொள்வது போல, தரவு பட்டியல்கள் குறிப்பாக தரவு ஏரியில் வகைப்படுத்தப்படாத வடிவத்தில் விடப்பட்ட "கான், பொருள் மற்றும் தரவின் மதிப்பு" ஆகியவற்றை வெளியேற்றுவதற்கு மிகவும் பயனுள்ளதாக இருக்கும்.

தரவு மற்றும் பகுப்பாய்வு முடிவெடுப்பவர்களில் மூன்றில் ஒரு பங்கினர் 2017 ஆம் ஆண்டில் 1,000TB அல்லது அதற்கு மேற்பட்ட தரவைக் கையாண்டதாக ஃபாரெஸ்டர் தெரிவிக்கிறது, இது ஒரு வருடத்திற்கு முன்பு 10 முதல் 14 சதவிகிதம் வரை மட்டுமே பதிவாகியுள்ளது. அந்த அளவில் தரவை நிர்வகிப்பது வளர்ந்து வரும் சவால் அல்லது குறிப்பாக இரண்டு சவால்கள்:

"1) தற்போதுள்ள வணிக செயல்முறைகளை மூல தரவுகளுடன் பகுப்பாய்வு செய்து நுண்ணறிவுகளை செயல்படுத்துதல் மற்றும் 2) தரவு வளர வளர, சேகரித்தல், நிர்வகித்தல் மற்றும் நிர்வகித்தல்."

பிழைகள் இல்லை, மன அழுத்தமும் இல்லை - உங்கள் வாழ்க்கையை அழிக்காமல் வாழ்க்கையை மாற்றும் மென்பொருளை உருவாக்குவதற்கான படி வழிகாட்டியின் படி

மென்பொருள் தரத்தைப் பற்றி யாரும் அக்கறை கொள்ளாதபோது உங்கள் நிரலாக்க திறன்களை மேம்படுத்த முடியாது.

வணிகங்களுக்கு என்ன தரவு பட்டியல்கள் செய்ய முடியும்

தரவு பட்டியல்கள் தகவல் மற்றும் உற்பத்தித்திறனை மேம்படுத்துவதற்கான ஒரு குறிப்பிட்ட வழிகளை கார்ட்னர் அடையாளம் காண்கிறார்:

• நிறுவனத்திற்குக் கிடைக்கக்கூடிய புதுப்பித்த தகவல் சொத்து சரக்குகளை சேகரித்தல் மற்றும் தொடர்புகொள்வது.

• நிறுவன தரவுகளின் சொற்பொருள் விளக்கம் மற்றும் பொருளை வரையறுக்கும் வணிக சொற்களின் பொதுவான சொற்களஞ்சியத்தை உருவாக்குதல், இதன்மூலம் வரையறுக்கப்பட்ட முரண்பாடுகளை மத்தியஸ்தம் செய்வதற்கும் தீர்ப்பதற்கும் வழிவகைகளை வழங்குகிறது.

• வணிக மற்றும் தகவல் தொழில்நுட்ப சகாக்களுக்கு கருத்து தெரிவிக்க, ஆவணப்படுத்த மற்றும் தரவைப் பகிர ஒரு மாறும் மற்றும் சுறுசுறுப்பான ஒத்துழைப்பு சூழலை இயக்குகிறது.

• பரம்பரை மற்றும் தாக்க பகுப்பாய்வு மூலம் தரவு பயன்பாட்டு வெளிப்படைத்தன்மையை வழங்குதல்.

• தகவல் நிர்வாக செயல்முறைகளுக்கு ஆதரவாக தரவைக் கண்காணித்தல், தணிக்கை செய்தல் மற்றும் கண்டறிதல்.

• தரவு பயன்பாடு மற்றும் மறுபயன்பாடு, வினவல் தேர்வுமுறை மற்றும் தரவு சான்றிதழ் ஆகியவற்றின் உள் பகுப்பாய்வை மேம்படுத்த மெட்டாடேட்டாவைப் பிடிக்கிறது.

• தரவு என்ன இருக்கிறது, அது எங்கிருந்து வருகிறது, அது என்ன தீமைகளில் பயன்படுத்தப்படுகிறது, அது ஏன் தேவைப்படுகிறது, செயல்முறைகள் மற்றும் அமைப்புகளுக்கு இடையில் அது எவ்வாறு பாய்கிறது, அதற்கு யார் பொறுப்புக் கூற வேண்டும், அதன் பொருள் என்ன என்பதைப் படம் பிடிப்பதன் மூலம், தகவல்தொடர்பு மற்றும் பகுப்பாய்வு செய்வதன் மூலம் அதன் வணிக பயன்பாட்டிற்குள் தகவல்களை ஒருங்கிணைத்தல். அது என்ன மதிப்பு.

தரவை சரியாக அடையாளம் கண்டுகொள்வதும், நிறுவனத்தின் முக்கிய நபர்களுக்கு அணுகுவதும் முக்கியம், கார்ட்னர் அறிக்கை கூறுகிறது, "டிஜிட்டல் வணிக விளைவுகளுக்கான தரவு சொத்துக்களை பணமாக்குவதற்கான" வழியைக் கண்டுபிடிப்பதற்காக மட்டுமல்லாமல், அவர்கள் தொழில்துறையாக இருந்தாலும் விதிமுறைகளுக்கு இணங்க வேண்டும். சுகாதார காப்பீட்டு பெயர்வுத்திறன் மற்றும் பொறுப்புக்கூறல் சட்டம் (HIPAA) அல்லது பொது தரவு பாதுகாப்பு ஒழுங்குமுறை (GDPR) போன்ற பொதுவான இயல்பு போன்றவை.

இயந்திர கற்றலில் சேர்த்தல்

ஆனால் எதுவும் அதன் குறைபாடுகள் இல்லாமல் இல்லை. தரவு பட்டியல்களைப் பொறுத்தவரை, சிக்கலானது மெதுவான மற்றும் கடினமான செயல்முறையாகும், அவற்றை வைக்க வேண்டிய அனைத்து மெட்டாடேட்டாவையும் கைமுறையாகக் கட்டமைக்க வேண்டும். இயந்திர கற்றல் கூறு இங்கு வருகிறது.

ஃபாரெஸ்டர் மதிப்பிட்ட தரவு பட்டியல்கள் எம்.எல்.டி.சி என அழைக்கப்படுகின்றன, ஏனெனில் அவை AI இன் கூறுகளில் ஒன்றான இயந்திர கற்றலின் சக்தியைப் பயன்படுத்துகின்றன. ஒரு போடியம் தரவு வலைப்பதிவு விளக்கியது போல், இது "மெட்டாடேட்டாவின் தொடர்ச்சியான களஞ்சியத்தை உருவாக்கி, பின்னர் தரவு / சொத்துக்களைச் சுற்றியுள்ள பயனுள்ள நுண்ணறிவுகளை வெளிப்படுத்தவும் வெளிப்படுத்தவும் ML / AI ஐப் பயன்படுத்துகிறது."

எப்படி தேர்வு செய்வது

எந்த ஒரு வணிகத்தைத் தேர்ந்தெடுக்க வேண்டும் என்பதை நிறுவனங்களுக்கு மதிப்பீடு செய்ய, ஃபாரெஸ்டர் முதல் 12 எம்.எல்.டி.சிகளுக்கு 29 புள்ளிகள் மதிப்பீட்டைப் பயன்படுத்தினார். இந்த சந்தையில் உள்ள தலைவர்களை இது அடையாளம் கண்டுள்ளது: ஐபிஎம், ரெலிட்டோ, யுனிஃபை மென்பொருள், அலேஷன் மற்றும் கோலிப்ரா. இன்பர்மேடிகா, ஆரக்கிள், வாட்டர்லைன் டேட்டா, இன்ஃபோகிக்ஸ், கேம்பிரிட்ஜ் செமண்டிக்ஸ் மற்றும் கிள oud டெரா ஆகியவை இதில் காணப்படுகின்றன. ஹார்டன்வொர்க்ஸ் "போட்டியாளர்" என்ற வரிசையில் தனியாக நிற்கிறது.

இருப்பினும், ஒட்டுமொத்த தரவரிசையில் மட்டும் ஒருவர் செல்லக்கூடாது. அறிக்கை ஒவ்வொன்றின் குறிப்பிட்ட பலங்களையும் பலவீனங்களையும் உடைக்கிறது. அதன்படி, ஆராய்ச்சி மற்றும் மேம்பாடு போன்ற ஒரு குறிப்பிட்ட அம்சம் ஒரு நிறுவனத்திற்கு மிக முக்கியத்துவம் வாய்ந்ததாக இருந்தால், அந்த அம்சத்திற்காக ஹார்டன்வொர்க்ஸை ஐபிஎம் மற்றும் கொலில்பிராவுக்கு சமமாகக் கருதலாம், ஏனெனில் அந்த மூவரும் அந்த தரத்திற்கான ஐந்து மதிப்பெண்களைப் பகிர்ந்து கொள்கிறார்கள், அதாவது அலேஷன் மற்றும் கொலூடெராவை விட இரண்டு புள்ளிகள் சிறந்தது மற்றும் கேம்பிரிட்ஜ் சொற்பொருளை விட நான்கு புள்ளிகள் சிறந்தது.

அதன்படி, ஃபாரெஸ்டர் அறிக்கை வழிகாட்டுதலுக்காக தனது அறிக்கையைப் பயன்படுத்துபவர்களுக்கு, சிறந்த தரவரிசை நிறுவனம் அனைவருக்கும் சிறந்த தேர்வாக இருக்கும் என்று கருத வேண்டாம் என்று அறிவுறுத்துகிறது. அவர்களின் குறிப்பிட்ட தேவைகளைப் பூர்த்தி செய்வதைக் கண்டறிய மதிப்பீட்டின் முறிவு குறித்து அவர்கள் கூர்ந்து கவனம் செலுத்த வேண்டும்.