क्यों स्वचालन बड़ी डेटा पहल में नई वास्तविकता है

सेल्फ-सर्विस एनालिटिक्स सॉफ्टवेयर कुछ समय से सॉफ्टवेयर डेवलपमेंट का एक ट्रेंड है। वैचारिक रूप से, इसके बारे में बहुत नवीनता नहीं है, हालांकि - स्व-सेवा एक अवधारणा के रूप में पहले से ही फास्ट फूड जोड़ों, वित्तीय सेवाओं और अन्य उद्योगों पर लागू की गई है, और सॉफ्टवेयर डोमेन अपनी अनूठी जरूरतों के अनुसार इसे अनुकूलित कर रहा है।

स्व-सेवा विश्लेषिकी विशेष रूप से व्यावसायिक उपयोगकर्ताओं के उद्देश्य से होती है, जिन्हें तकनीकी रूप से योग्य डेटा कर्मियों जैसे कि डेटा वैज्ञानिकों पर निर्भर होने के बिना आसानी से डेटा में हेरफेर करने और एनालिटिक्स बनाने की आवश्यकता होती है। ऐसी धारणा है कि स्व-सेवा विश्लेषिकी डेटा वैज्ञानिकों पर निर्भरता को कम करने वाली है। विशेषज्ञों का एक समूह भी है, जो मानता है कि व्यापार उपयोगकर्ताओं के हाथों के लिए एनालिटिक्स के निरपेक्ष पारित होने से शासन से समझौता हो सकता है और व्यावसायिक उपयोगकर्ताओं को गुणवत्ता प्रशिक्षण की आवश्यकता होती है। दोनों विचारों में पदार्थ है। जबकि स्व-सेवा विश्लेषिकी बाजार पर पूर्वानुमान सकारात्मक हैं, उपयोगकर्ताओं को सॉफ्टवेयर का सही उपयोग करने के लिए प्रशिक्षित करना महत्वपूर्ण है। ऐसे सॉफ्टवेयर टूल्स को सीखने के लिए बिजनेस यूजर्स के लिए काफी स्कोप है। (बिजनेस इंटेलिजेंस और एनालिटिक्स पर और जानने के लिए, क्या बिग डेटा एनालिटिक्स बिजनेस इंटेलिजेंस गैप को बंद कर सकता है?)

बिग डेटा एंड बिजनेस इंटेलिजेंस (BI) के संदर्भ में स्व-सेवा

इस उपयोग के मामले के बारे में सोचें: एक संगठन में, ग्राहक या बाजार का सामना करने वाले कार्मिक निर्णय लेने के लिए डेटा पर बहुत निर्भर करते हैं। अब, अनुकूलित एनालिटिक्स प्राप्त करना आसान नहीं है क्योंकि डेटा वॉल्यूम बहुत बड़ा है और कई स्रोतों से आता है; यह डेटा को हेरफेर करने और समझने योग्य प्रारूप में एनालिटिक्स उत्पन्न करने के लिए विशिष्ट कौशल लेता है। इसलिए, डेटा वैज्ञानिकों और अन्य तकनीकी लोगों को शामिल करने की आवश्यकता है। इससे बहुत समस्याएँ पैदा होती हैं। उदाहरण के लिए, तकनीकी कर्मियों और डेटा वैज्ञानिकों की बैंडविड्थ विभाजित है और तकनीकी कर्मियों पर बहुत अधिक निर्भरता एनालिटिक्स प्राप्त करने में देरी कर सकती है, जिससे निर्णय लेने में बाधा आ सकती है।