अमित शर्मा, सीडेटा के सीईओ और संस्थापक – साक्षात्कार श्रृंखला

अमित शर्मा, सीडेटा सॉफ्टवेयर के सीईओ और संस्थापक, एक टेक कार्यकारी हैं जिन्होंने सीडेटा को अपने शुरुआती स्टार्टअप चरण से एक वैश्विक नेता के रूप में विकसित किया है। इंफोसिस और एलिक्सर में सॉफ्टवेयर इंजीनियर के रूप में अपने करियर की शुरुआत करने के बाद, उन्होंने /n सॉफ्टवेयर में एक तकनीकी आर्किटेक्ट के रूप में और बाद में सीडेटा में सीटीओ के रूप में काम किया, उन्होंने उद्यम डेटा एक्सेस और इंफ्रास्ट्रक्चर में गहरी विशेषज्ञता बनाई है। 2014 में सीईओ बनने के बाद, उन्होंने सीडेटा के मिशन का नेतृत्व किया है ताकि संगठनों को डेटा को सिस्टम के माध्यम से जोड़ने, एकीकृत करने और उपयोग करने के तरीके को सरल बनाया जा सके, जिससे कंपनी को आधुनिक डेटा आंदोलन के एक मूलभूत स्तर के रूप में स्थापित किया जा सके।

सीडेटा सॉफ्टवेयर डेटा एक्सेस और कनेक्टिविटी समाधानों का एक प्रमुख प्रदाता है। इसके स्व-सेवा डेटा उत्पाद और कनेक्टिविटी प्लेटफ़ॉर्म व्यापक रूप से उपयोग किए जाने वाले सैकड़ों ऑन-प्रिमाइसेस और क्लाउड एप्लिकेशन में लाइव डेटा तक सार्वभौमिक पहुंच प्रदान करते हैं। दुनिया भर में लाखों उपयोगकर्ता उन्नत विश्लेषण, क्लाउड अपनाने में तेजी लाने और अधिक जुड़े हुए, डेटा-संचालित संगठनों का निर्माण करने के लिए सीडेटा पर भरोसा करते हैं। किसी भी उपयोगकर्ता, किसी भी अनुप्रयोग के भीतर सुलभ और सभी आकार के उद्यमों के लिए स्केलेबल होने के लिए डिज़ाइन किया गया, सीडेटा डेटा को कैसे पहुंचते हैं और उपयोग करते हैं इसे पुनर्परिभाषित कर रहा है।

आपने अपना करियर भारत में इंफोसिस में शुरू किया और बाद में अमेरिकी उद्यम सॉफ्टवेयर में स्थानांतरित हो गए। उस चरण से आपको जो पहला सबक मिला, वह आज भी आपके नेतृत्व को आकार देता है?

इंफोसिस में मेरा समय मुझे बड़े पैमाने पर उद्यम प्रौद्योगिकी की मांगों के लिए जल्दी से परिचित कराया — जटिलताएं, विश्वसनीयता की आवश्यकता, और बड़े संगठन तकनीकी समस्याओं को कैसे देखते हैं। इससे संरचना और उद्यम-ग्रेड गुणवत्ता के लिए गहरा सम्मान पैदा हुआ। लेकिन जब मैं एक अमेरिकी स्टार्टअप में स्थानांतरित हो गया, तो मुझे पता चला कि मैं गति, लचीलापन और प्रत्यक्ष प्रभाव बनाने की क्षमता पर पनप रहा था। आज, वह दोहरी पृष्ठभूमि मुझे यह दिखाती है कि मैं सीडेटा सॉफ्टवेयर का नेतृत्व कैसे करता हूं: मैं उद्यम-ग्रेड मानकों और मजबूती पर जोर देता हूं, जबकि एक पतला, तेजी से आगे बढ़ने वाली संस्कृति को बढ़ावा देता हूं जो सरलता, वास्तविक दुनिया की उपयोगिता और तेजी से निष्पादन को महत्व देता है।

सीडेटा के सीईओ के रूप में एक दशक से अधिक समय के बाद, कंपनी को उसके शुरुआती दिनों से एक वैश्विक उद्यम में स्केल करने में सबसे महत्वपूर्ण मानसिकता या दृष्टिकोण में बदलाव क्या था?

मेरे लिए सबसे बड़ा बदलाव यह था कि प्रौद्योगिकी के निर्माता की तरह सोचने से लेकर एक संगठन के निर्माता की तरह सोचने की ओर बढ़ना। शुरुआती दिनों में, मेरा ध्यान लगभग पूरी तरह से उत्पाद पर था; सुनिश्चित करना कि यह सुंदर, विश्वसनीय और वास्तविक समस्याओं का समाधान करता है। जैसे ही सीडेटा स्केल किया, मुझे एहसास हुआ कि महान सॉफ्टवेयर अकेले पर्याप्त नहीं है; आपको महान लोग, मजबूत नेता और बिक्री, समर्थन और संचालन में प्रक्रियाएं चाहिए जो आपको धीमा किए बिना स्केल करती हैं। इसका मतलब था कि जल्दी ही किराया देना, टीमों को सशक्त बनाना और अभियांत्रिकी संस्कृति की रक्षा करते हुए बार-बार प्रणालियों का निर्माण करना। मानसिकता में बदलाव यह था कि मेरा काम महान प्रौद्योगिकी बनाने के बारे में नहीं था, बल्कि एक ऐसा वातावरण बनाने के बारे में था जहां एक बढ़ती हुई वैश्विक टीम द्वारा लगातार महान प्रौद्योगिकी बनाई जा सकती है।

सीडेटा ने लंबे समय से “किसी भी डेटा तक, कहीं भी पहुंच” को सरल बनाने पर ध्यान केंद्रित किया है। एआई-मूल निवासी अनुप्रयोगों में उद्योग के गहराई से जाने के रूप में, यह मिशन कैसे विकसित हुआ है?

शुरू से ही, हमारा मिशन सीडेटा में डेटा को परिचित, मानकीकृत इंटरफेस का उपयोग करके सार्वभौमिक रूप से सुलभ बनाने के लिए रहा है, क्योंकि हमें लगता था कि नवाचार के लिए सबसे बड़ा बोतलनेक डेटा भंडारण या कंप्यूट नहीं था, बल्कि डेटा तक पहुंच थी। यह मूल विचार नहीं बदला है, लेकिन संदर्भ बदल गया है। जैसे ही संगठन विश्लेषण से क्लाउड और अब एआई में चले गए, विखंडित, असंगत डेटा पहुंच की लागत केवल बढ़ी है। जो विकसित हुआ है वह हमारी जिम्मेदारी है: यह अब केवल डेटा को कनेक्ट करने के बारे में नहीं है, बल्कि यह सुनिश्चित करने के बारे में है कि डेटा विश्वसनीय, वास्तविक समय में और जटिल और वितरित वातावरण में प्रयोग करने योग्य है। एआई युग में, पहुंच ही पर्याप्त नहीं है। डेटा को तुरंत प्रयोग करने योग्य होना चाहिए, कस्टम इंजीनियरिंग के हफ्तों के बिना।

एआई-मूल निवासी अनुप्रयोगों के रूप में मानक बनते जाने के साथ, हमारा मिशन डेटा को डिफ़ॉल्ट रूप से एआई-तैयार बनाने के लिए विस्तारित हुआ है। इसका अर्थ है संरचनात्मक संगतता, उच्च-प्रदर्शन कनेक्टिविटी, शासन-सचेत पहुंच और वास्तविक समय एकीकरण को संरचित और सास डेटा स्रोतों में सक्षम करना, ताकि मॉडल और एजेंट ताज़ा और विश्वसनीय जानकारी के साथ काम कर सकें, न कि भंगुर बिंदु एकीकरण या पुरानी प्रतियों के साथ। व्यावहारिक रूप से, हम डेटा रहते हैं और एआई प्रणालियों को काम करते हैं जहां डेटा रहता है और एआई प्रणालियों को काम करते हैं, ताकि टीमें प्रयोग से उत्पादन में तेजी से आगे बढ़ सकें। हमें खुद को न केवल एक कनेक्टिविटी प्रदाता के रूप में देखते हैं, बल्कि एआई-संचालित उद्यमों के लिए एक मूलभूत डेटा परत के रूप में जो बुद्धिमान अनुप्रयोगों को संभव बनाने वाले प्रणालियों को शक्ति प्रदान करती है।

जनरेटिव एआई तेजी से बढ़ रहा है, आपके लिए “एआई-तैयार डेटा” वास्तव में क्या मतलब है, और आप सबसे ज्यादा गलत व्याख्या कहां देखते हैं?

मेरे लिए, “एआई-तैयार डेटा” का अर्थ है डेटा जो मानवों और मशीनों दोनों द्वारा सुलभ, विश्वसनीय, वर्तमान और समझने योग्य है, बिना किसी कस्टम प्लंबिंग के। यह डेटा को एक झील या वेयरहाउस में ले जाने के बारे में नहीं है। यह सुनिश्चित करने के बारे में है कि प्रणाली, मॉडल और एजेंट मानक, शासित इंटरफेस के माध्यम से निरंतर डेटा तक पहुंच सकते हैं। एआई तैयारी डेटा के भंडारण स्थान पर कम निर्भर करती है और यह अधिक निर्भर करती है कि क्या यह खोजा जा सकता है, पूछताछ की जा सकती है, विश्वास किया जा सकता है और वास्तविक समय में एकीकृत किया जा सकता है। बिना इस आधार के, यहां तक कि सबसे उन्नत मॉडल भी अधूरी या पुरानी जानकारी पर काम करते हैं।

मैं गलत व्याख्या को सबसे ज्यादा देखता हूं कि टीमें यह मानती हैं कि केंद्रीकरण स्वचालित रूप से तैयारी के बराबर है। टीमें अक्सर मानती हैं कि एक बार डेटा को एक ही मंच पर समेकित किया जाता है, तो वे “एआई-तैयार” हैं, जब वास्तव में उन्होंने एक नया सिलो बनाया है। अन्य लोग उपकरणों में अधिक निवेश करते हैं जो डेटा गुणवत्ता, सेमांटिक्स और कनेक्टिविटी को संबोधित किए बिना, वास्तविक दुनिया की एआई प्रणालियों को तोड़ने वाली गैर-ग्लैमरस समस्याओं को संबोधित किए बिना। एआई मॉडल विफल नहीं होते हैं; यह डेटा के कारण विफल होता है जो गंदा, अनुपलब्ध या पुराना है। जीतने वाले संगठन वे होंगे जो डेटा तैयारी को एक संचालन अनुशासन के रूप में मानते हैं, न कि एक बार के प्रवासन परियोजना के रूप में।

आपके नए शोध, द स्टेट ऑफ एआई डेटा कनेक्टिविटी: 2026 आउटलुक, में दिखाया गया है कि केवल 6% एआई नेता मानते हैं कि उनका डेटा इन्फ्रास्ट्रक्चर एआई के लिए पूरी तरह से तैयार है। आप इतने बड़े अंतर को क्यों मानते हैं, और यह उद्योग की वर्तमान दिशा के बारे में हमें क्या बताता है?

अंतर इतना बड़ा है क्योंकि अधिकांश संगठनों ने डेटा को एकत्र करने और संग्रहीत करने में निवेश किया है, लेकिन एआई के लिए इसका उपयोग करने में निवेश नहीं किया है। पिछले दशक में, कंपनियों ने झीलें, वेयरहाउस और पाइपलाइनें बनाई हैं, लेकिन उन्होंने शायद ही कभी एक सुसंगत पहुंच परत बनाई है जो सुनिश्चित करती है कि डेटा सुसंगत, वास्तविक समय में और प्रणालियों में उपलब्ध है। नतीजतन, नेता खोजते हैं कि एक बार जब वे वास्तविक कार्यों में एआई तैनात करना शुरू करते हैं, तो उनका अंतर्निहित बुनियादी ढांचा एआई की मांग की गति, स्केल या विश्वसनीयता का समर्थन नहीं कर सकता है। 6% का आंकड़ा महत्वाकांक्षा की कमी को प्रतिबिंबित नहीं करता है, बल्कि यह वास्तविकता को प्रतिबिंबित करता है कि एआई उन कमजोरियों को उजागर करता है जो हमेशा से मौजूद थे लेकिन पारंपरिक विश्लेषण में इतना मायने नहीं रखते थे।

जो डेटा बताता है वह उद्योग के बारे में है कि हम एआई अपनाने की कर्व में शुरुआती चरण में हैं, न कि देर से। संगठनों ने अनुप्रयोग स्तर पर आक्रामक रूप से प्रयोग किया है, लेकिन वे अब यह महसूस कर रहे हैं कि सफलता उनके डेटा फाउंडेशन को आधुनिक बनाने पर निर्भर करती है। हम एक सुधारात्मक चरण में प्रवेश कर रहे हैं जहां फोकस चमकदार प्रोटोटाइप से ऑपरेशनल तैयारी पर स्थानांतरित हो रहा है – मानकीकृत पहुंच, शासित एकीकरण और वास्तविक समय कनेक्टिविटी। जीतने वाले कंपनियां वे नहीं होंगी जो सबसे अधिक प्रोटोटाइप बनाती हैं, बल्कि वे जो अपने डेटा बुनियादी ढांचे को उत्पादन में तेजी से ले जाने के लिए पर्याप्त तेजी से आधुनिक बनाती हैं।

निष्कर्ष यह भी दिखाते हैं कि 71% एआई टीमें अपने समय का एक चौथाई से अधिक डेटा प्लंबिंग पर बिताती हैं। आपके दृष्टिकोण से, इस काम का कौन सा हिस्सा वास्तव में रणनीतिक है और केवल तकनीकी ऋण नहीं है?

कुछ “डेटा प्लंबिंग” वास्तव में रणनीतिक है जब यह मानक इंटरफेस के माध्यम से डेटा तक स्थायी पहुंच बनाने और स्केलेबिलिटी और शासन के लिए डिजाइन करने के बारे में है। सुसंगत कनेक्टिविटी, साझा सेमांटिक्स और विश्वसनीय एकीकरण पैटर्न में निवेश करना मूलभूत कार्य है जो बाद में आने वाले हर अनुप्रयोग और मॉडल के लिए लाभ प्रदान करता है। समस्या यह है कि अधिकांश टीमें ऐसा प्लंबिंग नहीं कर रही हैं। वे एक बार के पाइपलाइनों का पुनर्निर्माण कर रहे हैं, भंगुर कनेक्टर लिख रहे हैं और एकीकरण कर रहे हैं जो केवल एक बार समस्या का समाधान करते हैं। यह तकनीकी ऋण है जो प्रगति के रूप में प्रच्छन्न है।

जो रणनीतिक है वह है कुछ भी जो भविष्य के घर्षण को कम करता है: मानकों के लिए कस्टम कोड को समाप्त करना, पुन: प्रयोज्य डेटा सेवाओं का निर्माण करना और प्रणालियों को ऐसे तरीके से जोड़ना जो टीमों और उपयोग के मामलों में स्केल करता है। जब प्लंबिंग अदृश्य और पुनरावृत्ति हो जाती है, तो यह एआई टीमों पर कर नहीं बन जाती है और एक सुविधा बन जाती है। असली लक्ष्य डेटा पर समय नहीं बचाना है। यह है कि डेटा के साथ एक ही समस्याओं पर समय बार-बार नहीं बिताना है।

एक उल्लेखनीय डेटा बिंदु रिपोर्ट से यह है कि अब 46% उद्यमों को एक ही एआई उपयोग के मामले के लिए छह या अधिक डेटा स्रोतों तक वास्तविक समय में पहुंच की आवश्यकता है। क्या यह आपके ग्राहकों के साथ आपके अनुभव से मेल खाता है, और यह स्तर की कनेक्टिविटी इतनी कठिन क्यों है?

हाँ, यह हमारे ग्राहकों के साथ हमारे अनुभव के साथ बहुत करीबी से मेल खाता है। आधुनिक एआई उपयोग के मामले, चाहे वह पूर्वानुमानिक विश्लेषण, सिफारिश इंजन या स्वायत्त कार्य प्रवाह हों, शायद ही कभी एक ही प्रणाली पर निर्भर करते हैं। उद्यमों को अक्सर एईआरपी, सीआरएम, सास ऐप, स्ट्रीमिंग प्लेटफ़ॉर्म और विरासत डेटाबेस को मिलाने की आवश्यकता होती है ताकि अर्थपूर्ण अंतर्दृष्टि उत्पन्न की जा सकें। चुनौती सिर्फ स्रोतों की संख्या नहीं है; यह विविधता, विभिन्न प्रोटोकॉल, प्रारूप और अद्यतन आवृत्ति, और यह अपेक्षा कि यह डेटा वास्तविक समय में एआई मॉडल के लिए उपलब्ध है।

जो इस स्तर की कनेक्टिविटी को कठिन बनाता है वह यह है कि पारंपरिक एकीकरण दृष्टिकोण एआई की आवश्यकता की गति, स्केल और विश्वसनीयता के लिए डिज़ाइन नहीं किए गए थे। एक बार के कनेक्टर और बैच पाइपलाइन वास्तव में नहीं रख सकते। वास्तविक समय में पहुंच की आवश्यकता मानकीकृत, प्रबंधित इंटरफेस, प्रणालियों में सुसंगत सेमांटिक्स और निगरानी की आवश्यकता होती है ताकि यह सुनिश्चित किया जा सके कि डेटा की गुणवत्ता और उपलब्धता है। इसके बिना, टीमें पाइपलाइनों की आग बुझाने में अधिक समय बिताती हैं और एआई समाधानों का निर्माण नहीं करती हैं, जो नवाचार को धीमा करता है और जोखिम पेश करता है। जो संगठन सफल होते हैं वे हैं जो कनेक्टिविटी को एक रणनीतिक क्षमता के रूप में मानते हैं, न कि केवल एक तकनीकी कोर।

रिपोर्ट पर जोर देती है कि सेमांटिक संगतता, संदर्भ और कनेक्टिविटी परिपक्व एआई डेटा बुनियादी ढांचे की विशिष्ट विशेषताएं हैं। संगठनों को इन प्राथमिकताओं को कैसे अनुक्रमित करना चाहिए?

जब अनुक्रम के बारे में सोचते हैं, तो संगठनों को कनेक्टिविटी से शुरू करना चाहिए। यदि डेटा प्रणालियों में विश्वसनीय रूप से सुलभ नहीं है, तो सब कुछ अन्यथा अप्रासंगिक हो जाता है। एआई मॉडल उन चीजों से सीख नहीं सकते जिन तक वे पहुंच नहीं सकते। सभी महत्वपूर्ण डेटा स्रोतों में मानकीकृत, शासित कनेक्शन स्थापित करना सब कुछ के लिए आधार बनाता है जो इसके बाद आता है। उस परत के बिना, टीमें कमजोर, एक बार के पाइपलाइनों का निर्माण करती हैं जो बाद में अधिक काम पैदा करती हैं।

एक बार जब कनेक्टिविटी स्थापित हो जाती है, तो सेमांटिक संगतता अगली प्राथमिकता बन जाती है। डेटा को एक सामान्य भाषा की आवश्यकता होती है ताकि विभिन्न स्रोतों से जानकारी को सही ढंग से व्याख्या किया जा सके और संयुक्त किया जा सके। संदर्भ स्वाभाविक रूप से इसका पालन करता है: मूल्यों के अर्थ को व्यावसायिक प्रक्रिया, समय और संबंधों के भीतर समझना सुनिश्चित करता है कि एआई मॉडल सटीक, कार्रवाई योग्य भविष्यवाणियां कर सकते हैं। कनेक्टिविटी, सेमांटिक्स और संदर्भ को एक संरचित अनुक्रम के रूप में व्यवहार करना – कनेक्टिविटी पहले, सेमांटिक्स दूसरे, संदर्भ तीसरे – संगठनों को एक एआई-तैयार डेटा बुनियादी ढांचा बनाने की अनुमति देता है जो स्केल करता है और उत्पादन के लिए तैयार, विश्वसनीय बुद्धिमत्ता का समर्थन करता है।

एआई-मूल निवासी सॉफ्टवेयर प्रदाता अब पारंपरिक विक्रेताओं की तुलना में लगभग तीन गुना अधिक बाहरी एकीकरण की आवश्यकता है। यह बढ़ता हुआ अंतर क्या चला रहा है, और यह कहां है कि सॉफ्टवेयर जा रहा है इसके बारे में क्या बताता है?

विस्तारित अंतर एआई के स्वभाव द्वारा संचालित है: एआई-मूल निवासी अनुप्रयोग विविध, वास्तविक समय डेटा पर बहुत अधिक निर्भर करते हैं जो कई स्रोतों से। पारंपरिक सॉफ्टवेयर के विपरीत, जो अक्सर एक ही प्रणाली या सूट के भीतर काम करता है, एआई मॉडल को एईआरपी प्रणालियों, सीआरएम प्लेटफार्मों, सास ऐप्स, स्ट्रीमिंग स्रोतों और अधिक में जानकारी को अवशोषित, संबंधित और विश्लेषण करने की आवश्यकता होती है। प्रत्येक एकीकरण सटीक भविष्यवाणियों, सिफारिशों या स्वचालित क्रियाओं को उत्पन्न करने के लिए एआई को पर्याप्त संदर्भ और कवरेज प्रदान करने के लिए आवश्यक है।

यह रुझान यह बताता है कि सॉफ्टवेयर अलग-अलग अनुप्रयोगों से जुड़े हुए, बुद्धिमान पारिस्थितिकी तंत्र की ओर बढ़ रहा है। जीतने वाले उत्पाद वे नहीं होंगे जो अपने आप अच्छा प्रदर्शन करते हैं। वे मंच होंगे जो डेटा को जहां भी रहता है वहां से सुलभ और एकीकृत कर सकते हैं। व्यावहारिक रूप से, इसका अर्थ है कि कनेक्टिविटी, मानकीकरण और वास्तविक समय एकीकरण अब वैकल्पिक नहीं हैं। वे एआई-मूल निवासी सॉफ्टवेयर के लिए स्थापना क्षमताएं हैं जो वास्तविक मूल्य प्रदान करती हैं।

पांच साल देखें, आप क्या मानते हैं कि एआई सफलता के लिए सबसे महत्वपूर्ण बोतलनेक बन जाएगा – कनेक्टिविटी, वास्तविक समय पाइपलाइन, सेमांटिक मॉडलिंग, शासन, या कुछ और पूरी तरह से?

आगे देखते हुए, मुझे लगता है कि शासन और सुरक्षा एआई सफलता के लिए सबसे महत्वपूर्ण बोतलनेक बन जाएगा। जबकि कनेक्टिविटी और वास्तविक समय पाइपलाइनें अभी भी मूलभूत हैं – एआई मॉडल उतने ही प्रभावी हो सकते हैं जितना डेटा वे पहुंच सकते हैं – संगठन तेजी से महसूस कर रहे हैं कि अविनियंत्रित एआई अस्थिर और संभावित रूप से खतरनाक है। जैसे ही एआई उत्पादन में जाता है और महत्वपूर्ण व्यावसायिक निर्णयों को प्रभावित करना शुरू कर देता है, पूर्वाग्रह, अनुपालन उल्लंघन, डेटा लीक, और संचालन त्रुटियों के जोखिम बढ़ जाते हैं।

चुनौती अब डेटा को स्थानांतरित करने के बारे में नहीं है – यह सही डेटा, सही नियंत्रण, सही प्रणालियों में एक ट्रेसेबल और ऑडिट योग्य तरीके से है। संगठन जो शुरू से ही मजबूत शासन फ्रेमवर्क और सुरक्षा प्रोटोकॉल को एम्बेड करने में विफल रहते हैं, वे बढ़ते नियामक दबाव, प्रतिष्ठा जोखिम और अंततः, एआई प्रणालियों का सामना करेंगे जिन पर वे भरोसा नहीं कर सकते या स्केल नहीं कर सकते। हम पहले से ही संकेत देख रहे हैं: व्यवसाय जो एआई तैनात करने से हिचकिचाते हैं क्योंकि वे डेटा वंशावली, पहुंच नियंत्रण या नियमों के अनुपालन की गारंटी नहीं दे सकते।

पांच साल में सबसे सफल संगठन वे होंगे जो शासन और सुरक्षा को बाद के विचार के रूप में नहीं, बल्कि एआई के मूलभूत सुविधाओं के रूप में मानते हैं। हाँ, आपको एआई को डेटा प्रवाहित करने के लिए कनेक्टिविटी और वास्तविक समय पाइपलाइनों की आवश्यकता है – लेकिन बिना शासन और सुरक्षा के, वह डेटा एक दायित्व बन जाता है, एक संपत्ति नहीं। एआई का भविष्य केवल गति या स्केल के बारे में नहीं है; यह विश्वास, जवाबदेही और डेटा स्टैक के हर स्तर पर जिम्मेदार तैनाती के बारे में है।

धन्यवाद महान साक्षात्कार के लिए, पाठक जो अधिक जानना चाहते हैं उन्हें सीडेटा सॉफ्टवेयर पर जाना चाहिए।