असंगत डेटा एंटरप्राइज़ एआई अपनाने को रोक रहा है – कंपनियां कैसे अपने आप को उलझन से मुक्त कर सकती हैं

स्वास्थ्य स्टार्टअप्स कह रहे हैं कि अस्पष्ट नियम एआई नवाचार को क्षेत्र में दबा रहे हैं। ज़ाहिर है, ऐसी सावधानियां स्वास्थ्य सेवा उद्योग में आवश्यक हैं, जहां यह वास्तव में जीवन और मृत्यु का मामला है। लेकिन जो कम समझ में आता है वह धीमी एआई की अपनाना है एंटरप्राइज़ सास – एक ऐसा स्थान जो अन्य क्षेत्रों की तरह लाल टेप से नहीं जुड़ा है।

तो क्या एंटरप्राइज़ को एआई को अपनी प्रक्रियाओं को स्ट्रीमलाइन और अनुकूलित करने के लिए अपनाने से रोक रहा है? मुख्य अपराधी वह असंगत डेटा है जो कंपनियों के बढ़ने और नए टूल और उत्पादों को जोड़ने के साथ जमा होता है। इस लेख में, मैं एंटरप्राइज़ में एआई नवाचार के लिए असंगत डेटा के रूप में बाधा का पता लगाऊंगा और समाधानों का अन्वेषण करूंगा।

डेटा जंगल में आपका स्वागत है

आइए एक सामान्य डेटा चुनौती पर नजर डालें जिसका सामना कई आधुनिक व्यवसाय करते हैं। शुरू में, जब व्यवसाय सीमित उत्पादों की पेशकश करते हैं, तो वे आमतौर पर एक ही सिस्टम के भीतर साफ राजस्व डेटा रखते हैं। हालांकि, जब वे अपने प्रसाद का विस्तार करते हैं और राजस्व मॉडल की एक श्रृंखला को अपनाते हैं, तो चीजें जल्दी ही असंगत हो जाती हैं।

उदाहरण के लिए, एक व्यवसाय शुरू में एक-बार की खरीद मॉडल का उपयोग कर सकता है, लेकिन बाद में सदस्यता या उपभोग-आधारित मूल्य निर्धारण जैसे अतिरिक्त विकल्प पेश कर सकता है। जैसे ही वे विस्तारित होते हैं, वे अपने बिक्री चैनलों को विविधता देने की संभावना है। एक कंपनी जो 100% उत्पाद के नेतृत्व वाली स्व-सेवा बिक्री से शुरू होती है, वह समय के साथ महसूस कर सकती है कि उन्हें बड़े ग्राहकों को अपसेल, क्रॉस-सेल और लैंड करने के लिए बिक्री टीमों की मदद की आवश्यकता है।

तेजी से विकास के दौरान, कई व्यवसाय बस नए बिक्री प्रणालियों को मौजूदा लोगों पर ढेर कर देते हैं। वे प्रत्येक अलग गति, मूल्य निर्धारण मॉडल, खरीद प्रक्रिया आदि के प्रबंधन के लिए एक अलग सास टूल खरीदेंगे। यह असामान्य नहीं है कि एक कंपनी के विपणन विभाग में अकेले 20 अलग सास टूल होंगे जिसमें 20 अलग डेटा सिलोस होंगे।

तो जबकि कंपनियां आमतौर पर साफ, एकीकृत डेटा के साथ शुरू करती हैं, विकास के कारण डेटा जल्दी से नियंत्रण से बाहर हो जाता है, अक्सर इससे पहले कि व्यवसाय इसे एक मुद्दे के रूप में पहचान लें। डेटा बिलिंग, पूर्ति, ग्राहक सफलता और अन्य प्रणालियों के बीच सिलो ऑफ हो जाता है, जिसका अर्थ है कि कंपनियां अपने आंतरिक कामकाज में वैश्विक दृश्यता खो देती हैं। और दुर्भाग्य से, डेटा को मैन्युअल रूप से सुलझाना अक्सर इतना श्रमसाध्य और समय लेने वाला होता है कि अंतर्दृष्टि तब तक पुरानी हो जाती है जब तक वे उपयोग के लिए तैयार होती हैं।

एआई आपके असंगत डेटा को ठीक नहीं कर सकता

कई संभावित ग्राहकों ने हमसे पूछा है – “अगर एआई इतना महान है, तो क्या यह हमारे लिए इस असंगत डेटा समस्या का समाधान नहीं कर सकता?” अफसोस, एआई मॉडल इस डेटा समस्या के लिए पैनेसिया नहीं हैं।

वर्तमान एआई मॉडल को ठीक से काम करने के लिए साफ डेटासेट की आवश्यकता होती है। विभिन्न बिक्री गतिविधियों, सास प्लेटफ़ॉर्म और राजस्व प्रक्रियाओं पर निर्भर कंपनियां अनिवार्य रूप से विभिन्न और खंडित डेटासेट जमा करती हैं। जब एक व्यवसाय का राजस्व डेटा असंगत प्रणालियों में बिखरा होता है जो एक दूसरे के साथ संवाद नहीं कर सकते हैं, तो एआई इसका अर्थ नहीं निकाल सकता। उदाहरण के लिए, एक प्रणाली में “उत्पाद” के रूप में लेबल किया गया दूसरी प्रणाली में “उत्पाद” से बहुत अलग हो सकता है। यह सूक्ष्म सेमांटिक अंतर एआई के लिए पहचानना मुश्किल है और अनिवार्य रूप से असंगतता की ओर ले जाएगा।

डेटा को ठीक से साफ, संदर्भित और एकीकृत करने की आवश्यकता है एआई चित्र में आने से पहले। डेटा वेयरहाउसिंग एक आकार-फिट-ऑल समाधान प्रदान करती है, यह एक लंबे समय से चली आ रही गलत धारणा है। वास्तव में, यहां तक कि एक डेटा वेयरहाउस के साथ, डेटा को अभी भी मैन्युअल रूप से परिष्कृत, लेबल और संदर्भित किया जाना चाहिए, इससे पहले कि व्यवसाय इसका उपयोग अर्थपूर्ण विश्लेषण उत्पन्न करने के लिए कर सके। इसलिए, डेटा वेयरहाउसिंग और एआई के बीच समानताएं हैं, जिसमें व्यवसायों को असंगत डेटा की जड़ तक पहुंचने की आवश्यकता है इससे पहले कि वे दोनों टूल के लाभों का आनंद ले सकें।

यहां तक कि जब डेटा को संदर्भित किया गया है, तो एआई प्रणालियों को अभी भी कम से कम 3% समय के लिए हॉलुसिनेटेड किया जाता है। लेकिन एक कंपनी के वित्त – जहां एक दशमलव बिंदु गलत स्थान पर हो सकता है जो कई प्रक्रियाओं को बाधित करने वाला एक डोमिनो प्रभाव पैदा कर सकता है – 100% सटीकता की आवश्यकता है। इसका मतलब है कि मानव हस्तक्षेप अभी भी डेटा सटीकता और संगतता को सत्यापित करने के लिए आवश्यक है। एआई को समय से पहले एकीकृत करने से मानव विश्लेषकों के लिए अधिक काम हो सकता है, जिन्हें इन हॉलुसिनेशन को ठीक करने के लिए अतिरिक्त समय और संसाधनों का आवंटन करना होगा।

डेटा कatch-22

फिर भी, सास समाधानों की बढ़ती संख्या और परिणामस्वरूप असंगत डेटा के लिए कई समाधान हैं।

सबसे पहले, कंपनियों को अपने टेक स्टैक का नियमित रूप से मूल्यांकन करना चाहिए ताकि यह सुनिश्चित किया जा सके कि प्रत्येक टूल उनकी व्यवसाय प्रक्रियाओं के लिए सख्ती से आवश्यक है, और डेटा गांठ में योगदान नहीं दे रहा है। आप पा सकते हैं कि आपकी टीमों द्वारा दैनिक रूप से उपयोग किए जाने वाले 10 या यहां तक कि 20+ टूल हैं। यदि वे वास्तव में विभागों और समग्र व्यवसाय के लिए मूल्य ला रहे हैं, तो उन्हें हटा दें। लेकिन अगर असंगत, सिलो किए गए डेटा प्रक्रियाओं और बुद्धिमत्ता संग्रह को बाधित कर रहा है, तो आपको इसके लाभों को एक लीन, एकीकृत समाधान में बदलने की आवश्यकता के खिलाफ तौलना चाहिए जहां सभी डेटा एक ही टूल और भाषा में है।

इस बिंदु पर, व्यवसाय सॉफ़्टवेयर चुनने के समय एक दुविधा का सामना करते हैं: एक-में-सारे टूल डेटा संगतता प्रदान कर सकते हैं, लेकिन विशिष्ट क्षेत्रों में कम सटीकता हो सकती है। मध्य जमीन व्यवसायों को सॉफ़्टवेयर की तलाश में शामिल करती है जो एक सार्वभौमिक वस्तु मॉडल प्रदान करता है जो लचीला, अनुकूलनीय और सामान्य पारिस्थितिकी तंत्र के साथ सहजता से एकीकृत है। उदाहरण के लिए, एटलसियन के जीरा पर विचार करें। यह परियोजना प्रबंधन टूल एक आसानी से समझने योग्य और अत्यधिक विस्तार योग्य वस्तु मॉडल पर काम करता है, जो इसे विभिन्न प्रकार के परियोजना प्रबंधन के लिए अनुकूल बनाना आसान बनाता है, जिसमें एगाइल सॉफ़्टवेयर विकास, आईटी/हेल्पडेस्क, मार्केटिंग, शिक्षा आदि शामिल हैं।

इस व्यापार-बंद को नेविगेट करने के लिए, यह महत्वपूर्ण है कि आप अपने व्यवसाय के लिए सबसे महत्वपूर्ण मेट्रिक्स को मैप आउट करें और वहां से काम करें। अपने व्यवसाय के उत्तरी तारे की पहचान करना और अपनी प्रणालियों को उसकी ओर उन्मुख करना यह सुनिश्चित करता है कि आप अपने डेटा बुनियादी ढांचे को उन अंतर्दृष्टि को वितरित करने के लिए डिज़ाइन कर रहे हैं जिनकी आपको आवश्यकता है। केवल परिचालन कार्य प्रवाह या उपयोगकर्ता सुविधा पर ध्यान केंद्रित करने के बजाय, विचार करें कि क्या एक प्रणाली रणनीतिक निर्णय लेने के लिए महत्वपूर्ण मेट्रिक्स में योगदान देती है।

अंततः, यह कंपनियां हैं जो अपने द्वारा बनाए गए डेटा गड़बड़ी को सुलझाने में समय और संसाधनों का निवेश करने वाली हैं जो एआई की सच्ची क्षमता को पहले अनलॉक करेंगी।