ডেটার মতো গ্রহণ করুন: কীভাবে ব্যবসাগুলি বড় ডেটা থেকে লাভ করতে শেখে

বড় ডেটা বিশ্লেষণ করে, কোম্পানিগুলি তাদের ব্যবসায়িক কর্মক্ষমতা উন্নত করে লুকানো নিদর্শনগুলি উন্মোচন করতে শেখে৷ দিকটি ফ্যাশনেবল, তবে তাদের সাথে কাজ করার সংস্কৃতির অভাবের কারণে সবাই বড় ডেটা থেকে উপকৃত হতে পারে না

“একজন ব্যক্তির নাম যত বেশি সাধারণ, তাদের সময়মতো অর্থ প্রদানের সম্ভাবনা তত বেশি। আপনার বাড়ির যত বেশি মেঝে আছে, পরিসংখ্যানগতভাবে আপনি তত ভাল ঋণগ্রহীতা। রাশিচক্রের চিহ্নটি ফেরত পাওয়ার সম্ভাবনার উপর প্রায় কোনও প্রভাব ফেলে না, তবে সাইকোটাইপ উল্লেখযোগ্যভাবে করে, ”ঋণ গ্রহীতাদের আচরণে অপ্রত্যাশিত নিদর্শন সম্পর্কে হোম ক্রেডিট ব্যাঙ্কের বিশ্লেষক স্ট্যানিস্লাভ ডুজিনস্কি বলেছেন। তিনি এই নিদর্শনগুলির অনেকগুলি ব্যাখ্যা করার দায়িত্ব নেন না - সেগুলি কৃত্রিম বুদ্ধিমত্তা দ্বারা প্রকাশিত হয়েছিল, যা হাজার হাজার গ্রাহকের প্রোফাইল প্রক্রিয়া করেছিল৷

এটি বিগ ডেটা অ্যানালিটিক্সের শক্তি: বিপুল পরিমাণ অসংগঠিত ডেটা বিশ্লেষণ করে, প্রোগ্রামটি এমন অনেক পারস্পরিক সম্পর্ক আবিষ্কার করতে পারে যা জ্ঞানী মানব বিশ্লেষকও জানেন না। যেকোন কোম্পানির প্রচুর পরিমাণে অসংগঠিত ডেটা (বিগ ডেটা) থাকে - কর্মচারী, গ্রাহক, অংশীদার, প্রতিযোগী সম্পর্কে, যা ব্যবসায়িক সুবিধার জন্য ব্যবহার করা যেতে পারে: প্রচারের প্রভাব উন্নত করতে, বিক্রয় বৃদ্ধি অর্জন, কর্মীদের টার্নওভার হ্রাস ইত্যাদি।

বিগ ডেটা নিয়ে কাজ করা প্রথম ব্যক্তিরা ছিল বড় প্রযুক্তি এবং টেলিযোগাযোগ সংস্থা, আর্থিক প্রতিষ্ঠান এবং খুচরা, মন্তব্য রাফায়েল মিফতাখভ, ডিলয়েট টেকনোলজি ইন্টিগ্রেশন গ্রুপ, সিআইএস-এর পরিচালক৷ এখন অনেক শিল্পে এই জাতীয় সমাধানের আগ্রহ রয়েছে। কোম্পানি কি অর্জন করেছে? এবং বড় ডেটা বিশ্লেষণ কি সর্বদা মূল্যবান সিদ্ধান্তে নিয়ে যায়?

ব্যাঙ্কগুলি প্রাথমিকভাবে গ্রাহকের অভিজ্ঞতা উন্নত করতে এবং খরচ অপ্টিমাইজ করতে, সেইসাথে ঝুঁকি পরিচালনা করতে এবং জালিয়াতির বিরুদ্ধে লড়াই করতে বড় ডেটা অ্যালগরিদম ব্যবহার করে৷ "সাম্প্রতিক বছরগুলিতে, বড় ডেটা বিশ্লেষণের ক্ষেত্রে একটি সত্যিকারের বিপ্লব ঘটেছে," ডুজিনস্কি বলেছেন। "মেশিন লার্নিং ব্যবহার আমাদের ঋণ খেলাপি হওয়ার সম্ভাবনা অনেক বেশি সঠিকভাবে ভবিষ্যদ্বাণী করতে দেয় - আমাদের ব্যাঙ্কে অপরাধ মাত্র 3,9%।" তুলনা করার জন্য, 1 জানুয়ারী, 2019 পর্যন্ত, ব্যক্তিদের জন্য জারি করা ঋণের উপর 90 দিনের ওভারডিউ পেমেন্ট সহ ঋণের ভাগ ছিল, কেন্দ্রীয় ব্যাংকের মতে, 5%।

এমনকি ক্ষুদ্রঋণ সংস্থাগুলিও বিগ ডেটার অধ্যয়নের দ্বারা বিভ্রান্ত। "আজকে বড় ডেটা বিশ্লেষণ না করে আর্থিক পরিষেবা প্রদান করা সংখ্যা ছাড়াই গণিত করার মতো," ওয়েবব্যাঙ্কির, একটি অনলাইন ঋণদান প্ল্যাটফর্মের সিইও আন্দ্রে পোনোমারেভ বলেছেন৷ "আমরা ক্লায়েন্ট বা তার পাসপোর্ট না দেখেই অনলাইনে অর্থ ইস্যু করি এবং প্রচলিত ঋণের বিপরীতে, আমাদের অবশ্যই একজন ব্যক্তির স্বচ্ছলতা মূল্যায়ন করতে হবে না, তার ব্যক্তিত্বকেও চিহ্নিত করতে হবে।"

এখন কোম্পানির ডাটাবেস 500 হাজারেরও বেশি গ্রাহকের তথ্য সঞ্চয় করে। প্রতিটি নতুন অ্যাপ্লিকেশন এই ডেটার সাথে প্রায় 800 প্যারামিটারে বিশ্লেষণ করা হয়। প্রোগ্রামটি শুধুমাত্র লিঙ্গ, বয়স, বৈবাহিক অবস্থা এবং ক্রেডিট ইতিহাসই নয়, কিন্তু সেই ডিভাইসটি যেখান থেকে একজন ব্যক্তি প্ল্যাটফর্মে প্রবেশ করেছিল, সে সাইটে কীভাবে আচরণ করেছিল তাও বিবেচনা করে। উদাহরণস্বরূপ, এটি উদ্বেগজনক হতে পারে যে একজন সম্ভাব্য ঋণগ্রহীতা একটি ঋণ ক্যালকুলেটর ব্যবহার করেননি বা ঋণের শর্তাবলী সম্পর্কে অনুসন্ধান করেননি। "কিছু স্টপ ফ্যাক্টর বাদে - বলুন, আমরা 19 বছরের কম বয়সী ব্যক্তিদের ঋণ ইস্যু করি না - এই প্যারামিটারগুলির মধ্যে কোনটিই ঋণ ইস্যু করতে অস্বীকার বা সম্মত হওয়ার কারণ নয়," পনোমারেভ ব্যাখ্যা করেন৷ এটি গুরুত্বপূর্ণ বিষয়গুলির সংমিশ্রণ। 95% ক্ষেত্রে, আন্ডাররাইটিং বিভাগের বিশেষজ্ঞদের অংশগ্রহণ ছাড়াই সিদ্ধান্তটি স্বয়ংক্রিয়ভাবে নেওয়া হয়।

বড় তথ্য বিশ্লেষণ আমাদের আকর্ষণীয় নিদর্শন আহরণ করতে পারবেন, Ponomarev শেয়ার. উদাহরণস্বরূপ, আইফোন ব্যবহারকারীরা অ্যান্ড্রয়েড ডিভাইসের মালিকদের তুলনায় আরও সুশৃঙ্খল ঋণগ্রহীতা হতে দেখা গেছে - প্রাক্তনরা প্রায় 1,7 গুণ বেশি অ্যাপ্লিকেশনের অনুমোদন পান। "সত্যি যে সামরিক কর্মীরা গড় ঋণগ্রহীতার তুলনায় প্রায় এক চতুর্থাংশ কম ঋণ শোধ করে না তা বিস্ময়কর ছিল না," পনোমারেভ বলেছেন। "কিন্তু ছাত্রদের সাধারণত বাধ্য হওয়ার আশা করা হয় না, কিন্তু এদিকে, ক্রেডিট ডিফল্টের ক্ষেত্রে বেসের গড় তুলনায় 10% কম সাধারণ।"

বড় ডেটার অধ্যয়ন বীমাকারীদের জন্যও স্কোর করার অনুমতি দেয়। 2016 সালে প্রতিষ্ঠিত, IDX দূরবর্তী শনাক্তকরণ এবং নথির অনলাইন যাচাইকরণে নিযুক্ত। এই পরিষেবাগুলি মালবাহী বীমাকারীদের মধ্যে চাহিদা রয়েছে যারা যতটা সম্ভব কম পণ্য হারাতে আগ্রহী। আইডিএক্স-এর বাণিজ্যিক পরিচালক জান স্লোকা ব্যাখ্যা করেছেন, পণ্য পরিবহনের বীমা করার আগে, বীমাকারী, ড্রাইভারের সম্মতিতে, নির্ভরযোগ্যতা পরীক্ষা করে। সেন্ট পিটার্সবার্গ কোম্পানী "রিস্ক কন্ট্রোল" - আইডিএক্স একটি অংশীদারের সাথে একসাথে একটি পরিষেবা তৈরি করেছে যা আপনাকে ড্রাইভারের পরিচয়, পাসপোর্ট ডেটা এবং অধিকার, পণ্যসম্ভারের ক্ষতির সাথে সম্পর্কিত ঘটনাগুলিতে অংশগ্রহণ ইত্যাদি পরীক্ষা করার অনুমতি দেয়। বিশ্লেষণ করার পরে ড্রাইভারদের ডাটাবেস, কোম্পানি একটি "ঝুঁকির গোষ্ঠী" চিহ্নিত করেছে: প্রায়শই, দীর্ঘ ড্রাইভিং অভিজ্ঞতা সহ 30-40 বছর বয়সী ড্রাইভারদের মধ্যে কার্গো হারিয়ে যায়, যারা সম্প্রতি চাকরি পরিবর্তন করেছে। এটি আরও প্রমাণিত হয়েছে যে কার্গোটি প্রায়শই গাড়ির চালকরা চুরি করে, যার পরিষেবা জীবন আট বছরেরও বেশি।

খুচরা বিক্রেতাদের একটি আলাদা কাজ আছে – যারা কেনাকাটা করতে প্রস্তুত গ্রাহকদের শনাক্ত করা এবং তাদের সাইট বা স্টোরে আনার সবচেয়ে কার্যকর উপায় নির্ধারণ করা। এই লক্ষ্যে, প্রোগ্রামগুলি গ্রাহকদের প্রোফাইল, তাদের ব্যক্তিগত অ্যাকাউন্ট থেকে ডেটা, ক্রয়ের ইতিহাস, অনুসন্ধানের প্রশ্ন এবং বোনাস পয়েন্টগুলির ব্যবহার, ইলেকট্রনিক ঝুড়িগুলির বিষয়বস্তু যা তারা পূরণ করতে শুরু করেছিল এবং পরিত্যাগ করে তা বিশ্লেষণ করে। M.Video-Eldorado গ্রুপের ডাটা অফিসের ডিরেক্টর কিরিল ইভানভ বলেছেন, ডেটা অ্যানালিটিক্স আপনাকে সম্পূর্ণ ডাটাবেসকে ভাগ করতে এবং সম্ভাব্য ক্রেতাদের গ্রুপ সনাক্ত করতে দেয় যারা একটি নির্দিষ্ট অফারে আগ্রহী হতে পারে।

উদাহরণ স্বরূপ, প্রোগ্রামটি গ্রাহকদের গোষ্ঠী চিহ্নিত করে, যাদের প্রত্যেকেই বিভিন্ন বিপণন সরঞ্জাম পছন্দ করে - একটি সুদ-মুক্ত ঋণ, ক্যাশব্যাক, বা একটি ডিসকাউন্ট প্রচার কোড। এই ক্রেতারা সংশ্লিষ্ট প্রচার সহ একটি ইমেল নিউজলেটার পাবেন। ইভানভ নোট করেছেন যে কোনও ব্যক্তি, চিঠিটি খোলার পরে, কোম্পানির ওয়েবসাইটে যাওয়ার সম্ভাবনা, এই ক্ষেত্রে উল্লেখযোগ্যভাবে বৃদ্ধি পায়।

ডেটা বিশ্লেষণ আপনাকে সম্পর্কিত পণ্য এবং আনুষাঙ্গিক বিক্রয় বৃদ্ধি করতে দেয়। সিস্টেম, যা অন্যান্য গ্রাহকদের অর্ডার ইতিহাস প্রক্রিয়া করেছে, নির্বাচিত পণ্যের সাথে কি কিনবেন সে সম্পর্কে ক্রেতাদের সুপারিশ দেয়। ইভানভের মতে কাজের এই পদ্ধতির পরীক্ষায় আনুষাঙ্গিকগুলির সাথে অর্ডারের সংখ্যা 12% বৃদ্ধি এবং আনুষাঙ্গিকগুলির টার্নওভার 15% বৃদ্ধি পেয়েছে।

খুচরা বিক্রেতারাই শুধুমাত্র পরিষেবার মান উন্নত করতে এবং বিক্রয় বৃদ্ধির জন্য সচেষ্ট নন। গত গ্রীষ্মে, মেগাফোন লক্ষাধিক গ্রাহকদের ডেটা প্রক্রিয়াকরণের ভিত্তিতে একটি "স্মার্ট" অফার পরিষেবা চালু করেছে। তাদের আচরণ অধ্যয়ন করে, কৃত্রিম বুদ্ধিমত্তা শুল্কের মধ্যে প্রতিটি ক্লায়েন্টের জন্য ব্যক্তিগত অফার গঠন করতে শিখেছে। উদাহরণস্বরূপ, যদি প্রোগ্রামটি নোট করে যে একজন ব্যক্তি সক্রিয়ভাবে তার ডিভাইসে ভিডিও দেখছেন, পরিষেবাটি তাকে মোবাইল ট্র্যাফিকের পরিমাণ প্রসারিত করার প্রস্তাব দেবে। ব্যবহারকারীদের পছন্দগুলি বিবেচনায় নিয়ে, কোম্পানি গ্রাহকদের তাদের প্রিয় ধরণের ইন্টারনেট অবসরের জন্য সীমাহীন ট্র্যাফিক সরবরাহ করে - উদাহরণস্বরূপ, তাত্ক্ষণিক মেসেঞ্জার ব্যবহার করা বা স্ট্রিমিং পরিষেবাগুলিতে গান শোনা, সামাজিক নেটওয়ার্কগুলিতে চ্যাট করা বা টিভি শো দেখা।

"আমরা গ্রাহকদের আচরণ বিশ্লেষণ করি এবং বুঝতে পারি কিভাবে তাদের আগ্রহগুলি পরিবর্তিত হচ্ছে," মেগাফোনের বিগ ডেটা অ্যানালিটিক্সের পরিচালক ভিটালি শেরবাকভ ব্যাখ্যা করেন৷ "উদাহরণস্বরূপ, এই বছর, AliExpress ট্র্যাফিক গত বছরের তুলনায় 1,5 গুণ বেড়েছে, এবং সাধারণভাবে, অনলাইন পোশাকের দোকানে ভিজিটের সংখ্যা বাড়ছে: নির্দিষ্ট সংস্থানের উপর নির্ভর করে 1,2-2 বার।"

বড় ডেটা সহ একজন অপারেটরের কাজের আরেকটি উদাহরণ হ'ল নিখোঁজ শিশু এবং প্রাপ্তবয়স্কদের সন্ধানের জন্য মেগাফোন পোয়েস্ক প্ল্যাটফর্ম। সিস্টেমটি নিখোঁজ ব্যক্তির স্থানের কাছাকাছি কোন ব্যক্তিরা থাকতে পারে তা বিশ্লেষণ করে এবং নিখোঁজ ব্যক্তির একটি ফটো এবং চিহ্ন সহ তাদের তথ্য পাঠায়। অপারেটরটি অভ্যন্তরীণ বিষয়ক মন্ত্রক এবং লিসা অ্যালার্ট সংস্থার সাথে একসাথে সিস্টেমটি তৈরি এবং পরীক্ষা করেছে: নিখোঁজ ব্যক্তিকে অভিযোজন করার দুই মিনিটের মধ্যে, 2 হাজারেরও বেশি গ্রাহক গ্রহণ করেন, যা একটি সফল অনুসন্ধান ফলাফলের সম্ভাবনাকে উল্লেখযোগ্যভাবে বাড়িয়ে তোলে।

বিগ ডেটা বিশ্লেষণ শিল্পে প্রয়োগও পেয়েছে। এখানে এটি আপনাকে চাহিদার পূর্বাভাস এবং বিক্রয় পরিকল্পনা করতে দেয়। সুতরাং, কোম্পানির চেরকিজোভো গ্রুপে, তিন বছর আগে, এসএপি বিডব্লিউ-এর উপর ভিত্তি করে একটি সমাধান প্রয়োগ করা হয়েছিল, যা আপনাকে সমস্ত বিক্রয় তথ্য সংরক্ষণ এবং প্রক্রিয়া করতে দেয়: দাম, ভাণ্ডার, পণ্যের পরিমাণ, প্রচার, বিতরণ চ্যানেল, ভ্লাদিস্লাভ বেলিয়াভ, সিআইও বলেছেন গ্রুপের ” চেরকিজোভো। জমে থাকা 2 টিবি তথ্যের বিশ্লেষণ কেবল কার্যকরভাবে ভাণ্ডার তৈরি করা এবং পণ্যের পোর্টফোলিওকে অপ্টিমাইজ করা সম্ভব করেনি, তবে কর্মীদের কাজকেও সহজতর করেছে। উদাহরণস্বরূপ, একটি দৈনিক বিক্রয় প্রতিবেদন তৈরি করতে অনেক বিশ্লেষকের এক দিনের পরিশ্রমের প্রয়োজন হবে - প্রতিটি পণ্য বিভাগের জন্য দুটি। এখন এই প্রতিবেদনটি রোবট দ্বারা প্রস্তুত করা হয়েছে, সমস্ত বিভাগে মাত্র 30 মিনিট ব্যয় করে।

"শিল্পে, বড় ডেটা জিনিসগুলি ইন্টারনেটের সাথে কার্যকরভাবে কাজ করে," স্ট্যানিস্লাভ মেশকভ বলেছেন, ছাতা আইটির সিইও৷ "সরঞ্জামগুলি সজ্জিত করা সেন্সরগুলি থেকে ডেটা বিশ্লেষণের উপর ভিত্তি করে, এটির ক্রিয়াকলাপে বিচ্যুতিগুলি সনাক্ত করা এবং ভাঙ্গন প্রতিরোধ করা এবং কার্যকারিতার পূর্বাভাস দেওয়া সম্ভব।"

Severstal-এ, বড় ডেটার সাহায্যে, তারা বরং অ-তুচ্ছ কাজগুলি সমাধান করার চেষ্টা করছে - উদাহরণস্বরূপ, আঘাতের হার কমাতে। 2019 সালে, কোম্পানিটি শ্রম নিরাপত্তা উন্নত করার ব্যবস্থার জন্য প্রায় 1,1 বিলিয়ন RUB বরাদ্দ করেছে। সেভারস্টাল আশা করে যে আঘাতের হার 2025% দ্বারা 50 দ্বারা কমবে (2017 এর তুলনায়)। “যদি একজন লাইন ম্যানেজার — ফোরম্যান, সাইট ম্যানেজার, দোকানের ব্যবস্থাপক — লক্ষ্য করেন যে একজন কর্মচারী অনিরাপদভাবে কিছু ক্রিয়াকলাপ সম্পাদন করে (শিল্প সাইটে সিঁড়ি বেয়ে ওঠার সময় হ্যান্ড্রেল ধরে না বা সমস্ত ব্যক্তিগত সুরক্ষামূলক সরঞ্জাম না পরে), তিনি লিখেছিলেন তার জন্য একটি বিশেষ নোট - PAB ("আচরণগত নিরাপত্তা নিরীক্ষা" থেকে), " কোম্পানির ডেটা বিশ্লেষণ বিভাগের প্রধান বরিস ভসক্রেসেনস্কি বলেছেন৷

একটি বিভাগে PAB-এর সংখ্যার ডেটা বিশ্লেষণ করার পরে, কোম্পানির বিশেষজ্ঞরা দেখতে পান যে নিরাপত্তা বিধিগুলি প্রায়শই লঙ্ঘন করা হয়েছিল যারা ইতিমধ্যেই আগে থেকে বেশ কয়েকটি মন্তব্য করেছেন, সেইসাথে যারা অসুস্থ ছুটিতে বা ছুটিতে ছিলেন তাদের দ্বারা। ঘটনাটি. ছুটি বা অসুস্থ ছুটি থেকে ফিরে আসার পর প্রথম সপ্তাহে লঙ্ঘন পরবর্তী সময়ের তুলনায় দ্বিগুণ বেশি ছিল: 1 বনাম 0,55%। কিন্তু রাতের শিফটে কাজ করা, যেমনটি দেখা গেছে, PAB-এর পরিসংখ্যানকে প্রভাবিত করে না।

বড় ডেটা প্রক্রিয়াকরণের জন্য অ্যালগরিদম তৈরি করা কাজের সবচেয়ে কঠিন অংশ নয়, কোম্পানির প্রতিনিধিরা বলছেন। প্রতিটি নির্দিষ্ট ব্যবসার প্রেক্ষাপটে এই প্রযুক্তিগুলি কীভাবে প্রয়োগ করা যেতে পারে তা বোঝা অনেক বেশি কঠিন। কোম্পানির বিশ্লেষক এবং এমনকি বহিরাগত প্রদানকারীদের অ্যাকিলিসের হিল এখানেই রয়েছে, যা দেখে মনে হবে, বড় ডেটার ক্ষেত্রে দক্ষতা সঞ্চয় করেছে।

গুডসফোরকাস্ট-এর ডেভেলপমেন্ট ডিরেক্টর সের্গেই কোটিক বলেছেন, "আমি প্রায়ই বড় ডেটা বিশ্লেষকদের সাথে দেখা করতাম যারা চমৎকার গণিতবিদ ছিলেন, কিন্তু ব্যবসায়িক প্রক্রিয়া সম্পর্কে তাদের প্রয়োজনীয় বোঝাপড়া ছিল না।" তিনি স্মরণ করেন কিভাবে দুই বছর আগে তার কোম্পানি একটি ফেডারেল খুচরা চেইনের জন্য একটি চাহিদা পূর্বাভাস প্রতিযোগিতায় অংশগ্রহণ করার সুযোগ পেয়েছিল। একটি পাইলট অঞ্চল বেছে নেওয়া হয়েছিল, সমস্ত পণ্য এবং দোকানের জন্য যা অংশগ্রহণকারীরা পূর্বাভাস করেছিল৷ পূর্বাভাস তারপর প্রকৃত বিক্রয় সঙ্গে তুলনা করা হয়. প্রথম স্থানটি রাশিয়ান ইন্টারনেট জায়ান্টদের একজন দ্বারা নেওয়া হয়েছিল, যা মেশিন লার্নিং এবং ডেটা বিশ্লেষণে দক্ষতার জন্য পরিচিত: এর পূর্বাভাসে, এটি প্রকৃত বিক্রয় থেকে একটি ন্যূনতম বিচ্যুতি দেখায়।

কিন্তু যখন নেটওয়ার্কটি তার পূর্বাভাসগুলিকে আরও বিশদে অধ্যয়ন করতে শুরু করে, তখন দেখা গেল যে ব্যবসায়িক দৃষ্টিকোণ থেকে তারা একেবারেই অগ্রহণযোগ্য। কোম্পানী একটি মডেল প্রবর্তন করেছে যা একটি পদ্ধতিগত অবমূল্যায়ন সহ বিক্রয় পরিকল্পনা তৈরি করে। প্রোগ্রামটি কীভাবে পূর্বাভাসে ত্রুটির সম্ভাবনা হ্রাস করা যায় তা খুঁজে বের করেছে: বিক্রয়কে অবমূল্যায়ন করা নিরাপদ, যেহেতু সর্বাধিক ত্রুটি 100% হতে পারে (কোনও নেতিবাচক বিক্রয় নেই), তবে অতিরিক্ত পূর্বাভাসের দিক থেকে, এটি নির্বিচারে বড় হতে পারে, কোটিক ব্যাখ্যা করেন। অন্য কথায়, কোম্পানিটি একটি আদর্শ গাণিতিক মডেল উপস্থাপন করেছে, যা বাস্তব পরিস্থিতিতে অর্ধ-খালি স্টোর এবং আন্ডারসেল থেকে বিশাল ক্ষতির দিকে পরিচালিত করবে। ফলস্বরূপ, অন্য একটি কোম্পানি প্রতিযোগিতায় জিতেছে, যার হিসাব বাস্তবায়িত করা যেতে পারে।

বিগ ডেটা প্রযুক্তিগুলি অনেক শিল্পের জন্য প্রাসঙ্গিক, তবে তাদের সক্রিয় বাস্তবায়ন সর্বত্র ঘটে না, মেশকভ নোট করেছেন। উদাহরণস্বরূপ, স্বাস্থ্যসেবাতে ডেটা স্টোরেজ নিয়ে সমস্যা রয়েছে: প্রচুর তথ্য জমা হয়েছে এবং এটি নিয়মিত আপডেট করা হয়েছে, তবে বেশিরভাগ অংশের জন্য এই ডেটা এখনও ডিজিটাইজ করা হয়নি। সরকারী সংস্থাগুলিতেও প্রচুর ডেটা রয়েছে, তবে সেগুলি একটি সাধারণ ক্লাস্টারে একত্রিত হয় না। ন্যাশনাল ডেটা ম্যানেজমেন্ট সিস্টেম (এনসিএমএস) এর একটি ইউনিফাইড ইনফরমেশন প্ল্যাটফর্মের বিকাশ এই সমস্যাটি সমাধানের লক্ষ্যে, বিশেষজ্ঞ বলেছেন।

যাইহোক, আমাদের দেশ একমাত্র দেশ থেকে অনেক দূরে যেখানে বেশিরভাগ সংস্থায় গুরুত্বপূর্ণ সিদ্ধান্তগুলি অন্তর্দৃষ্টির ভিত্তিতে নেওয়া হয়, বড় ডেটার বিশ্লেষণের ভিত্তিতে নয়। গত বছরের এপ্রিলে, ডেলয়েট বড় আমেরিকান কোম্পানির এক হাজারেরও বেশি নেতাদের মধ্যে একটি সমীক্ষা চালায় (500 বা তার বেশি কর্মী সহ) এবং দেখেছে যে জরিপ করা 63% বড় ডেটা প্রযুক্তির সাথে পরিচিত, কিন্তু তাদের কাছে প্রয়োজনীয় সমস্ত কিছু নেই। তাদের ব্যবহার করার জন্য অবকাঠামো। ইতিমধ্যে, উচ্চ স্তরের বিশ্লেষণাত্মক পরিপক্কতা সহ 37% কোম্পানির মধ্যে, প্রায় অর্ধেক গত 12 মাসে উল্লেখযোগ্যভাবে ব্যবসায়িক লক্ষ্য অতিক্রম করেছে।

গবেষণায় দেখা গেছে যে নতুন প্রযুক্তিগত সমাধান বাস্তবায়নের অসুবিধা ছাড়াও, কোম্পানিগুলির একটি গুরুত্বপূর্ণ সমস্যা হল ডেটা নিয়ে কাজ করার সংস্কৃতির অভাব। বড় তথ্যের ভিত্তিতে নেওয়া সিদ্ধান্তের দায়িত্ব শুধুমাত্র কোম্পানির বিশ্লেষকদের উপর অর্পণ করা হলে আপনার ভাল ফলাফলের আশা করা উচিত নয়, সমগ্র কোম্পানিকে নয়। "এখন কোম্পানিগুলি বড় ডেটার জন্য আকর্ষণীয় ব্যবহারের ক্ষেত্রে খুঁজছে," মিফতাখভ বলেছেন৷ "একই সময়ে, কিছু পরিস্থিতিতে বাস্তবায়নের জন্য অতিরিক্ত ডেটা সংগ্রহ, প্রক্রিয়াকরণ এবং মান নিয়ন্ত্রণের জন্য সিস্টেমগুলিতে বিনিয়োগের প্রয়োজন যা আগে বিশ্লেষণ করা হয়নি।" হায়, "বিশ্লেষণ এখনও একটি দলের খেলা নয়," অধ্যয়নের লেখকরা স্বীকার করেন।