विषयसूची:
- प्रजनन समस्याओं पर काबू पाने में मदद करें
- जरूरत में लोगों को लघु-डॉलर ऋण प्रदान करें
- छात्रों को उनके दुख से बाहर रखें
- हमारा दिमाग पढ़ें
- आतंकवादियों को पकड़ें
- आगे क्या होगा?
पिछले कुछ समय से, शब्द बड़ा डेटा तकनीक की दुनिया के माध्यम से उकसाया गया है, जो उत्साह, भय और प्रत्याशा की हवा ले रहा है। बड़े पैमाने पर डेटा सेट करता है बड़ा डेटा इकट्ठा करने, खेती करने और अंततः, मेरा, कंपनियों, सरकारों और बीच में सब कुछ के लिए मूल्यवान जानकारी का एक स्रोत हो सकता है। (बड़े डेटा में अधिक जानकारी प्राप्त करें 5 चीजें जिन्हें आपको बिग डेटा के बारे में जानना है।)
यह बहुत अच्छा है, लेकिन यह वहाँ बंद नहीं करता है। वास्तव में, बड़े डेटा को सभी प्रकार की समस्याओं के समाधान के रूप में मांगा जा रहा है, जो कि तकनीकी क्षेत्र से परे भी अच्छी तरह से विस्तारित होते हैं, यहां तक कि व्यापारिक क्षेत्र भी। यहाँ सबसे उल्लेखनीय चीजों में से पांच बड़े डेटा के बारे में हैं।
प्रजनन समस्याओं पर काबू पाने में मदद करें
सेंटर फॉर डिजीज कंट्रोल (सीडीसी) के अनुसार लगभग 10 प्रतिशत अमेरिकी महिलाओं को गर्भवती होने या रहने में परेशानी होती है। हालाँकि बांझपन के कुछ मामलों में चिकित्सीय हस्तक्षेप की आवश्यकता होती है, लेकिन डॉक्टरों का कहना है कि यह चुनौती है कि कई महिलाएं अपने शरीर के काम करने के तरीके के बारे में बहुत कम अतिरिक्त जानकारी दे सकती हैं। महिलाओं के लिए ट्रैकिंग ओव्यूलेशन सबसे प्रभावी तरीकों में से एक है, यह जानने के लिए कि उनका शरीर कब गर्भवती होने के लिए तैयार है। अगस्त 2013 में ऐप स्टोर में जारी किया गया ग्लो नामक ऐप महिलाओं को उनकी प्रजनन क्षमता के संपर्क में लाने के लिए बड़े डेटा का उपयोग करता है। मासिक धर्म चक्र, सुबह के तापमान, वजन, तनाव के स्तर, और अधिक जैसे महत्वपूर्ण प्रजनन संकेतों को ट्रैक करके, महिलाएं उन आंकड़ों को प्राप्त कर सकती हैं जो उन्हें जानना आवश्यक है जब उनका शरीर गर्भ धारण करने के लिए सबसे अधिक तैयार होता है, बहुत कुछ प्रजनन उपचार केंद्रों की तरह। यदि आपने प्रजनन उपचार के लिए मूल्य टैग देखा है, तो यह स्पष्ट है कि कुछ भी जो जोड़ों की मदद कर सकता है, अधिक महंगा उपचार विकल्प एक वास्तविक तख्तापलट है।जरूरत में लोगों को लघु-डॉलर ऋण प्रदान करें
प्यू इंस्टीट्यूट के शोध के अनुसार, 5.5 प्रतिशत अमेरिकियों ने नियमित खर्चों को कवर करने के लिए पिछले 5 वर्षों में एक payday ऋण निकाला है। इस प्रकार के ऋण उन लोगों को पंगु बना सकते हैं जो पहले से ही उच्च ब्याज दरों और छिपी हुई फीस के साथ हड़ताली को पूरा करने के लिए संघर्ष करते हैं।
अब, एक ऐप डेवलपर ने इस चुनौती के समाधान के लिए काम करने के लिए बड़ा डेटा रखा है।
LendUp एक वेबसाइट और मोबाइल ऐप है जो लोगों को अपने खर्चों को कवर करने के लिए छोटे ऋणों तक पहुंचने में मदद करता है। यह बहुत से माइक्रोफाइनेंस ऋण देने वाले संगठनों की तरह काम करता है, जहां स्थानीय उद्यम पूंजी का एक छोटा पूल और फरिश्ता निवेशक जरूरतमंद लोगों को निवेश के पैसे उपलब्ध कराते हैं। फिर, एक व्यक्ति उपलब्ध धन के पूल में टैप करके उधार प्रक्रिया शुरू कर सकता है।
30 दिनों से कम के लिए ऋण राशि $ 250 से अधिक नहीं है। जल्दी या समय पर ऋण का भुगतान करने के लिए अच्छा व्यवहार, ऐप के माध्यम से पुरस्कृत किया जाता है। उदाहरण के लिए, जल्दी ऋण का भुगतान करने से भविष्य में छूट या कम शुल्क खुल सकता है। ये छोटे-डॉलर के ऋण लोगों को बिलों का भुगतान करने के लिए आवश्यक नकदी के लिए त्वरित और अधिक सस्ती पहुंच प्राप्त करने में मदद कर सकते हैं। यह भी उन्हें बेहतर क्रेडिट बनाने में मदद कर सकता है।
छात्रों को उनके दुख से बाहर रखें
न तो छात्रों और न ही प्रोफेसरों भीड़ भरे हॉल में लंबे व्याख्यान को याद करते हैं। हाँ, बड़ा डेटा भी उबाऊ और न्यूनतम प्रभावी वर्गों के लिए एक अंत डाल सकता है। कक्षाओं में बड़े डेटा और प्रौद्योगिकी का उपयोग करके, छात्र और शिक्षक नई सामग्री सीखने के दौरान नए, अधिक प्रभावी तरीकों से एक-दूसरे के साथ बातचीत कर सकते हैं।
एरिज़ोना स्टेट यूनिवर्सिटी में किए गए एक हालिया प्रयोग ने छात्रों और प्रोफेसरों को चुनौती दी कि वे पारंपरिक व्याख्यान विधियों को एक तरफ रखें और इसके बजाय एक डेटा टूल के रूप में बड़े डेटा संचालित प्रौद्योगिकी का चयन करें। पहले, विचार ने छात्रों या प्रोफेसरों को रोमांचित नहीं किया। हालाँकि, जैसा कि छात्रों ने तकनीक से जुड़ना शुरू किया और सुनने के बजाय करने से सीखा, वे रूपांतरित हो गए। प्रोफेसर अभी भी कक्षा के दौरान मौजूद थे, लेकिन सवालों के जवाब देने और प्रतिक्रिया देने के लिए घूमने के लिए अधिक उपलब्ध थे। वह छात्र के प्रदर्शन को बेहतर तरीके से ट्रैक करने में सक्षम था, और यह निर्धारित करने के लिए बड़े डेटा का उपयोग करता था कि कौन किसी विषय पर अच्छा कर रहा है, और कौन नहीं।
इस तकनीक से अधिक से अधिक कक्षाओं को रोल आउट करने के साथ, छात्र एक गति से सीखने में सक्षम हो सकते हैं जो उन्हें सूट करता है, जबकि शिक्षक छात्रों के संघर्ष का बेहतर अवलोकन कर सकते हैं। कई लोगों का अनुमान है कि यह तकनीक उच्च-स्तरीय शिक्षा को अधिक प्रभावी बनाएगी।
हमारा दिमाग पढ़ें
क्रिस्टल बॉल को एक तरफ रख दें। जल्द ही, बड़ा डेटा आपके हर विचार की भविष्यवाणी करेगा। ठीक है, यह बहुत डरावना लगता है, लेकिन आपके दिमाग को पढ़ने के लिए बड़े डेटा का उपयोग करने के पीछे का विज्ञान उतना जटिल नहीं है। सूचनाओं को कैप्चर करने और उनका विश्लेषण करने से, जैसे वेबसाइटों का दौरा किया, सोशल मीडिया पोस्ट, चेक-इन और अधिक, आपके विचारों और भविष्य के कार्यों के बारे में उचित धारणा बनाई जा सकती है। यह शायद ही एक पूर्ण विज्ञान है, लेकिन जैसे-जैसे अधिक से अधिक डेटा उपलब्ध होता है, अधिक संभावना यह है कि बड़ा डेटा व्यवसायों को देगा - और यहां तक कि सरकार - जनता का एक बड़ा भाई दृष्टिकोण। (वेब पर नॉट लुक नाउ में गोपनीयता के बारे में, लेकिन ऑनलाइन गोपनीयता अच्छे के लिए बन सकती है।)आतंकवादियों को पकड़ें
अगर दुनिया भर में कोई ऐसा गुलदस्ता है जो लगता नहीं है कि उसकी राष्ट्रीय सुरक्षा खत्म हो जाएगी। बिग डेटा को इस मुद्दे पर भी प्रतिक्रिया देने के तरीके के रूप में उठाया गया है। जब सरकारी एजेंसियों को ट्रैक करने के लिए बड़े डेटा तक पहुंच मिल सकती है - और अंततः भविष्यवाणी करते हैं - लोगों के व्यवहार, उनके पास हड़ताल से पहले आतंकवादियों को रोकने की क्षमता है। रुझानों और व्यवहार के पैटर्न की पहचान करने के लिए उन्हें पर्याप्त डेटा की आवश्यकता होती है।
सरकारी एजेंसियां वर्षों से ज्ञात आतंकवादियों के डेटा के माध्यम से झारना कर सकती हैं। यह डेटा रुझानों और व्यवहार पैटर्न की पहचान करने में मदद कर सकता है। इन रुझानों और पैटर्न के आधार पर, सरकार छाया में दुबके हुए संभावित आतंकवादियों को खोजने के लिए जनता के वर्तमान व्यवहार की निगरानी कर सकती है।
आगे क्या होगा?
प्रत्येक दिन लाखों फाइलें स्कैन की जाती हैं, रिपोर्ट की जाती हैं और उनका विश्लेषण किया जाता है, जिसका मतलब है कि बड़ा डेटा सिर्फ बड़ा होता रहता है। और जितना अधिक डेटा हम इकट्ठा करते हैं - और बेहतर तकनीक इसके माध्यम से बहती हो जाती है - उतना ही उपयोगी हो सकता है, शायद उन तरीकों से जो हमने अभी तक सोचा भी नहीं है। (कुछ बाधाओं के बारे में पढ़ें बिग डेटा में बिग डेटा की समस्या को दूर करना है, लेकिन यह प्रौद्योगिकी नहीं है।)
