साकेत सौरभ, नेक्सला के सीईओ और सह-संस्थापक – साक्षात्कार श्रृंखला

साकेत सौरभ, नेक्सला के सीईओ और सह-संस्थापक, एक उद्यमी हैं जिनकी डेटा और इन्फ्रास्ट्रक्चर के लिए गहरी उत्सुकता है। वह एक अगली पीढ़ी के स्वचालित डेटा इंजीनियरिंग प्लेटफ़ॉर्म के विकास का नेतृत्व कर रहे हैं जो डेटा के साथ काम करने वालों को स्केल और वेलोसिटी प्रदान करने के लिए डिज़ाइन किया गया है।

पहले, सौरभ ने एक सफल मोबाइल स्टार्टअप की स्थापना की जिसने महत्वपूर्ण मील के पत्थर हासिल किए, जिनमें अधिग्रहण, आईपीओ और एक मल्टी-मिलियन डॉलर के व्यवसाय में वृद्धि शामिल है। उन्होंने एनवीडिया में अपने कार्यकाल के दौरान कई नवाचार उत्पादों और प्रौद्योगिकियों में भी योगदान दिया।

नेक्सला डेटा इंजीनियरिंग के स्वचालन को सक्षम बनाता है ताकि डेटा उपयोग करने के लिए तैयार हो। वे नेक्सेट्स के माध्यम से इसे प्राप्त करते हैं – डेटा उत्पाद जो किसी को भी एकीकृत करने, परिवर्तित करने, वितरित करने और डेटा की निगरानी करने में आसान बनाते हैं।

आपको नेक्सला की सह-स्थापना करने के लिए क्या प्रेरित किया, और आपके डेटा इंजीनियरिंग में अनुभवों ने कंपनी के लिए आपकी दृष्टि को कैसे आकार दिया?

नेक्सला की स्थापना से पहले, मैंने अपनी डेटा इंजीनियरिंग यात्रा एनवीडिया में उच्च स्केलेबल, उच्च-अंत प्रौद्योगिकी पर कंप्यूट साइड पर बनाई। उसके बाद, मैंने अपने पिछले स्टार्टअप को अधिग्रहण और आईपीओ की यात्रा में ले जाने के लिए मोबाइल विज्ञापन स्थान में बड़ी मात्रा में डेटा और मशीन लर्निंग का उपयोग किया, जो प्रतिदिन लगभग 300 अरब रिकॉर्ड की प्रक्रिया करता था।

2015 में अपनी पिछली कंपनी के सार्वजनिक होने के बाद, मैं अगली बड़ी चुनौती की तलाश में था जो मुझे उत्साहित करती थी। उन दोनों पृष्ठभूमियों से यह स्पष्ट था कि डेटा और कंप्यूट चुनौतियां उन्नत अनुप्रयोगों की ओर बढ़ रही थीं जो डेटा और एआई द्वारा संचालित थीं।

हालांकि हमें पता नहीं था कि जनरेटिव एआई (जेनएआई) इतनी तेजी से प्रगति करेगा, यह स्पष्ट था कि मशीन लर्निंग और एआई डेटा का लाभ उठाने के लिए आधार होंगे। इसलिए मैंने सोचा कि लोगों को डेटा के साथ सफल होने के लिए किस प्रकार के बुनियादी ढांचे की आवश्यकता है, और हम यह कैसे सुनिश्चित कर सकते हैं कि डेटा इंजीनियरों के अलावा कोई भी डेटा का लाभ उठा सके।

यह नेक्सला के लिए दृष्टि की ओर ले जाने वाला था – डेटा के पीछे इंजीनियरिंग को सरल और स्वचालित करने के लिए, क्योंकि डेटा इंजीनियरिंग अधिकांश कंपनियों में एक विशेषज्ञ समाधान था, विशेष रूप से जटिल या बड़े पैमाने पर डेटा समस्याओं के साथ। लक्ष्य डेटा को व्यापक श्रोताओं के लिए सुलभ और सुलभ बनाना था, न कि केवल डेटा इंजीनियरों के लिए। मेरे डेटा प्रणालियों और अनुप्रयोगों के निर्माण के अनुभवों ने डेटा के लिए स्वचालन और सरलीकरण के माध्यम से पहुंच को लोकतांत्रिक बनाने की दृष्टि को ईंधन दिया।

नेक्सेट्स नेक्सला के मिशन को कैसे दर्शाते हैं ताकि हर किसी के लिए डेटा तैयार हो, और यह नवाचार आधुनिक उद्यमों के लिए क्यों महत्वपूर्ण है?

नेक्सेट्स नेक्सला के मिशन को डेटा की मूल चुनौती को संबोधित करके पूरा करते हैं। डेटा के 3वी – वॉल्यूम, वेलोसिटी और विविधता – एक स्थायी समस्या रही है। उद्योग ने वॉल्यूम और वेलोसिटी की चुनौतियों को हल करने में कुछ प्रगति की है, हालांकि डेटा की विविधता एक महत्वपूर्ण बाधा बनी हुई है क्योंकि नए सिस्टम और अनुप्रयोगों के प्रसार ने डेटा संरचनाओं और प्रारूपों में विविधता में वृद्धि की है।

नेक्सला का दृष्टिकोण विविध स्रोतों से डेटा को स्वचालित रूप से मॉडल और कनेक्ट करना है, एक सुसंगत, पैकेज्ड इकाई में जिसे हम नेक्सेट कहते हैं। यह उपयोगकर्ताओं को डेटा तक पहुंचने और काम करने की अनुमति देता है, बिना विभिन्न डेटा स्रोतों और संरचनाओं की अंतर्निहित जटिलता को समझे। एक नेक्सेट एक गेटवे के रूप में कार्य करता है, डेटा के लिए एक सरल, सीधा इंटरफ़ेस प्रदान करता है।

यह आधुनिक उद्यमों के लिए महत्वपूर्ण है क्योंकि यह डेटा इंजीनियरों के अलावा अधिक लोगों को डेटा का लाभ उठाने में सक्षम बनाता है। डेटा विविधता और जटिलता को समाप्त करके, नेक्सेट्स व्यवसायिक उपयोगकर्ताओं, विश्लेषकों और अन्य को सीधे डेटा के साथ बातचीत करने की अनुमति देते हैं, व्यापक तकनीकी विशेषज्ञता की आवश्यकता के बिना।

हमने उपयोगकर्ता इंटरफ़ेस और लोग डेटा को कैसे सहयोग और शासन करते हैं, से लेकर डेटा कैसे बनाते हैं और कार्य प्रवाह को कैसे निर्माण करते हैं, तक उपयोगकर्ताओं के लिए एकीकरण को आसान बनाने पर भी काम किया है। डेटा विविधता की जटिलता को दूर करना डेटा तक पहुंच को लोकतांत्रिक बनाने और एक व्यापक श्रोताओं को अपने सूचना संपत्तियों से मूल्य प्राप्त करने में सक्षम बनाने के लिए महत्वपूर्ण है।

डेटा को “जेनएआई-तैयार” बनाने में क्या बनाता है, और नेक्सला इन आवश्यकताओं को कैसे प्रभावी ढंग से संबोधित करता है?

उत्तर कुछ हद तक इस बात पर निर्भर करता है कि आप जेनएआई का उपयोग कैसे कर रहे हैं। अधिकांश कंपनियां जेनएआई पुनर्प्राप्ति संवर्धित पीढ़ी (आरएजी) लागू कर रही हैं। इसके लिए डेटा को पहले एक वेक्टर डेटाबेस में लोड करने के लिए तैयार करना और फिर एक बड़े भाषा मॉडल (एलएलएम) के साथ संदर्भ के रूप में प्रॉम्प्ट में जोड़ने के लिए डेटा को पुनर्प्राप्त करने के लिए खोज के माध्यम से प्राप्त करना आवश्यक है। इसलिए, डेटा को इस तरह से तैयार किया जाना चाहिए कि यह वेक्टर खोज और एलएलएम दोनों के लिए काम करे।

चाहे आप आरएजी, पुनर्प्राप्ति संवर्धित फ़ाइन-ट्यूनिंग (आरएफटी) या मॉडल प्रशिक्षण कर रहे हों, कुछ कुंजी आवश्यकताएं हैं:

• डेटा प्रारूप: जेनएआई एलएलएम अक्सर विशिष्ट प्रारूप में डेटा के साथ सबसे अच्छा काम करते हैं। डेटा को इस तरह से संरचित किया जाना चाहिए कि मॉडल इसे आसानी से पचा सके और प्रसंस्कृत कर सके। यह “चंक” में भी होना चाहिए ताकि एलएलएम डेटा का बेहतर उपयोग कर सके।
• कनेक्टिविटी: जेनएआई एलएलएम को गतिशील रूप से प्रासंगिक डेटा स्रोतों तक पहुंचने में सक्षम होने की आवश्यकता है, स्थिर डेटा सेट पर निर्भर नहीं है। यह विभिन्न उद्यम प्रणालियों और डेटा भंडार में निरंतर कनेक्टिविटी की आवश्यकता है।
• सुरक्षा और शासन: संवेदनशील उद्यम डेटा का उपयोग करते समय, मजबूत सुरक्षा और शासन नियंत्रणों का होना महत्वपूर्ण है। डेटा पहुंच और उपयोग सुरक्षित और मौजूदा संगठनात्मक नीतियों के अनुरूप होना चाहिए। आपको एलएलएम द्वारा उपयोग किए जाने वाले डेटा को भी शासन करने की आवश्यकता है ताकि डेटा उल्लंघनों को रोका जा सके।
• स्केलेबिलिटी: जेनएआई एलएलएम डेटा और कंप्यूट-गहन हो सकते हैं, इसलिए अंतर्निहित डेटा बुनियादी ढांचे को इन मॉडलों की मांगों को पूरा करने में सक्षम होना चाहिए।

नेक्सला जेनएआई के लिए डेटा तैयार करने की इन आवश्यकताओं को कई तरीकों से संबोधित करता है:

• डायनामिक डेटा एक्सेस: नेक्सला का डेटा एकीकरण प्लेटफ़ॉर्म एकल तरीके से 100 से अधिक स्रोतों से जुड़ने की अनुमति देता है और विभिन्न एकीकरण शैलियों और डेटा गति के साथ-साथ ऑर्केस्ट्रेशन प्रदान करता है, जेनएआई एलएलएम को आवश्यकतानुसार सबसे हाल के डेटा प्रदान करता है, स्थिर डेटा सेट पर निर्भर नहीं है।
• डेटा तैयारी: नेक्सला में जेनएआई उपयोग के मामलों के लिए अनुकूलित प्रारूपों में डेटा को निकालने, परिवर्तित करने और तैयार करने की क्षमता है, जिसमें निर्मित डेटा चंकिंग और कई एन्कोडिंग मॉडलों के लिए समर्थन शामिल है।
• स्व-सेवा और सहयोग: नेक्सला के साथ, डेटा उपभोक्ता न केवल डेटा तक पहुंचते हैं और नेक्सेट्स और प्रवाह बनाते हैं, बल्कि वे एक बाज़ार के माध्यम से अपना काम साझा करते हैं जो डेटा को सही प्रारूप में सुनिश्चित करता है और पुन: प्रयोग के माध्यम से उत्पादकता में सुधार करता है।
• स्वचालित जनरेशन: एकीकरण और जेनएआई दोनों कठिन हैं। नेक्सला उपयोगकर्ता की पसंद के आधार पर आवश्यक कदमों को स्वचालित रूप से उत्पन्न करता है – एआई और अन्य तकनीकों का उपयोग करके – ताकि उपयोगकर्ता स्वयं काम कर सकें।
• शासन और सुरक्षा: नेक्सला में शासन और सुरक्षा नियंत्रणों को शामिल किया गया है, जिसमें सहयोग शामिल है, ताकि यह सुनिश्चित किया जा सके कि संवेदनशील उद्यम डेटा का उपयोग सुरक्षित और अनुरूप तरीके से किया जाता है।
• स्केलेबिलिटी: नेक्सला प्लेटफ़ॉर्म जेनएआई कार्यभार की मांगों को पूरा करने के लिए डिज़ाइन किया गया है, आवश्यक कंप्यूट शक्ति और लचीली स्केल प्रदान करता है।

एकीकरण, स्व-सेवा और सहयोग, स्वचालित जनरेशन, और डेटा शासन को एक साथ बनाने की आवश्यकता है ताकि डेटा लोकतंत्रीकरण संभव हो सके।

विभिन्न डेटा प्रकार और स्रोत जेनएआई मॉडल की सफलता में कैसे योगदान करते हैं, और नेक्सला एकीकरण प्रक्रिया को सरल बनाने में क्या भूमिका निभाता है?

जेनएआई मॉडल को विभिन्न प्रकार की जानकारी तक पहुंच की आवश्यकता होती है ताकि वे सर्वोत्तम अंतर्दृष्टि प्रदान कर सकें और प्रासंगिक आउटपुट उत्पन्न कर सकें। यदि आप इस जानकारी को प्रदान नहीं करते हैं, तो आपको अच्छे परिणामों की उम्मीद नहीं करनी चाहिए। यह लोगों के लिए भी समान है।

जेनएआई मॉडल को व्यापक श्रेणी के डेटा पर प्रशिक्षित किया जाना चाहिए, संरचित डेटाबेस से लेकर असंरचित दस्तावेज़ तक, ताकि वे दुनिया की व्यापक समझ विकसित कर सकें। विभिन्न डेटा स्रोत, जैसे समाचार लेख, वित्तीय रिपोर्ट और ग्राहक इंटरैक्शन, मूल्यवान संदर्भ जानकारी प्रदान करते हैं जिन्हें ये मॉडल लाभ उठा सकते हैं। विविध डेटा के संपर्क में आने से जेनएआई मॉडल अधिक लचीले और अनुकूलनीय बन जाते हैं, जिससे वे विभिन्न प्रश्नों और कार्यों से निपटने में सक्षम होते हैं।

नेक्सला नेक्सेट्स के साथ इस सभी डेटा की विविधता को दूर करता है, और लगभग किसी भी स्रोत तक पहुंचना, निकालना, परिवर्तित करना, ऑर्केस्ट्रेट करना और लोड करना आसान बनाता है ताकि डेटा उपभोक्ता केवल डेटा पर ध्यान केंद्रित कर सकें और इसे जेनएआई के लिए तैयार कर सकें।

2025 और उसके बाद डेटा पारिस्थितिकी तंत्र को आकार देने वाले रुझान क्या हैं, विशेष रूप से जेनएआई के उदय के साथ?

कंपनियां मुख्य रूप से जेनएआई का उपयोग सहायकों या सह-पायलटों के निर्माण के लिए कर रही हैं जो लोगों को उत्तर खोजने और बेहतर निर्णय लेने में मदद करते हैं। एजेंटिक एआई, जो कार्यों को स्वचालित करते हैं और लोगों को शामिल नहीं करते हैं, 2025 में एक बढ़ता हुआ रुझान है। एजेंटों को एकीकरण की आवश्यकता होती है ताकि यह सुनिश्चित किया जा सके कि डेटा सिलसिलेवार रूप से प्रवाहित हो – न केवल एक दिशा में बल्कि एआई को उस डेटा पर कार्रवाई करने में सक्षम बनाने के लिए भी।

2025 के लिए एक और प्रमुख रुझान एआई प्रणालियों की बढ़ती जटिलता है। ये प्रणालियां विभिन्न स्रोतों के घटकों को मिलाकर एक सुसंगत समाधान बनाने के लिए अधिक जटिल हो रही हैं। यह उसी तरह है जैसे मानव विभिन्न उपकरणों पर निर्भर करते हैं जो उन्हें दिन-प्रतिदिन के कार्यों को पूरा करने में मदद करते हैं। सशक्त एआई प्रणालियां इसी दृष्टिकोण का पालन करेंगी, विभिन्न उपकरणों और घटकों को एक साथ रखकर। यह समन्वय एक महत्वपूर्ण चुनौती प्रस्तुत करता है लेकिन एक कुंजी विकास क्षेत्र भी है।

रुझानों के परिप्रेक्ष्य से, हम देख रहे हैं कि जेनरेटिव एआई सरल पैटर्न मिलान से परे कारणों में प्रगति कर रहा है। इसमें बहुत सारी तकनीकी प्रगति हो रही है। हालांकि यह प्रगति 2025 में पूरी तरह से व्यावसायिक मूल्य में अनुवाद नहीं कर सकती है, यह दिशा है जिसमें हम जा रहे हैं।

एक और प्रमुख रुझान त्वरित प्रौद्योगिकियों का एआई अनुमान के लिए आवेदन है, विशेष रूप से कंपनियों जैसे एनवीडिया के साथ। परंपरागत रूप से, जीपीयू का उपयोग एआई मॉडल के प्रशिक्षण के लिए किया जाता था, लेकिन रनटाइम अनुमान – बिंदु जहां मॉडल वास्तव में उपयोग किया जाता है – समान रूप से महत्वपूर्ण हो गया है। हम अनुमान को अधिक कुशल और प्रभावी बनाने के लिए प्रगति की उम्मीद कर सकते हैं।

इसके अलावा, यह एहसास है कि उपलब्ध प्रशिक्षण डेटा को बड़े पैमाने पर अधिकतम किया गया है। इसका मतलब है कि मॉडल में आगे की प्रगति प्रशिक्षण के दौरान अधिक डेटा जोड़ने से नहीं आएगी, बल्कि मॉडल कैसे संचालित होते हैं और रनटाइम पर नई जानकारी का लाभ उठाते हैं।

जबकि कुछ रोमांचक प्रौद्योगिकियां अपनी सीमाओं को प्राप्त करना शुरू कर देती हैं, नई दृष्टिकोण उभरने की संभावना है, जो अंततः एआई को अपनाने वाले संगठनों के लिए लचीलेपन के महत्व को रेखांकित करती है। आज क्या अच्छा काम करता है वह छह महीने से एक साल के भीतर पुराना हो सकता है, इसलिए डेटा स्रोतों और एआई पाइपलाइनों के किसी भी घटक को जोड़ने या बदलने के लिए तैयार रहना महत्वपूर्ण है। परिवर्तन के प्रति अनुकूल और खुले रहना तेजी से विकसित परिदृश्य के साथ तालमेल बिठाने के लिए महत्वपूर्ण है।

संगठन डेटा सिलोस को तोड़ने और अपनी प्रणालियों में डेटा प्रवाह में सुधार करने के लिए कौन सी रणनीतियां अपना सकते हैं?

सबसे पहले, लोगों को यह स्वीकार करने की आवश्यकता है कि डेटा सिलोस हमेशा मौजूद रहेंगे। यह हमेशा से ऐसा रहा है। कई संगठन सभी डेटा को एक स्थान पर केंद्रीकृत करने का प्रयास करते हैं, मानते हैं कि यह एक आदर्श सेटअप बनाएगा और महत्वपूर्ण मूल्य अनलॉक करेगा, लेकिन यह अक्सर एक लंबा, महंगा और कई वर्षों का प्रयास साबित होता है, विशेष रूप से बड़े उद्यमों के लिए।

तो वास्तविकता यह है कि डेटा सिलोस यहाँ रहने के लिए हैं। एक बार जब हम यह स्वीकार कर लेते हैं, तो प्रश्न यह बन जाता है: हम डेटा सिलोस के साथ अधिक कुशलता से कैसे काम कर सकते हैं?

एक उपयोगी तुलना बड़ी कंपनियों के बारे में सोचना है। कोई बड़ा निगम एक ही कार्यालय से वैश्विक स्तर पर काम नहीं करता है जहां हर कोई एक साथ काम करता है। इसके बजाय, वे मुख्यालय और कई कार्यालयों में विभाजित हो जाते हैं। लक्ष्य यह नहीं है कि इस प्राकृतिक विभाजन का विरोध किया जाए, बल्कि यह सुनिश्चित किया जाए कि ये कार्यालय एक दूसरे के साथ सहजता से सहयोग कर सकें। यही कारण है कि हम उत्पादकता उपकरणों में निवेश करते हैं जैसे कि ज़ूम या स्लैक – लोगों को जोड़ने और स्थानों के पार सुचारू कार्य प्रवाह को सक्षम करने के लिए।

इसी तरह, डेटा सिलोस विभिन्न टीमों, विभागों या अन्य सीमाओं के पार विखंडित प्रणालियां होंगी। मुख्य बात यह नहीं है कि उन्हें दूर किया जाए, बल्कि यह सुनिश्चित किया जाए कि वे सुचारू रूप से एक साथ काम करें। कई उद्यम इस गलती को दोहराते हैं कि वे सब कुछ एक बड़े डेटा झील में समेटने का प्रयास करते हैं। लेकिन, ईमानदारी से, यह जीतने के लिए लगभग असंभव लड़ाई है।

इसके बजाय, रणनीति सिलोस के बीच सहयोग को बढ़ाने के बारे में होनी चाहिए, उन्हें लड़ने के बजाय। प्रौद्योगिकियां जैसे नेक्सेट्स विभिन्न डेटा स्रोतों के लिए एक सामान्य इंटरफ़ेस या अमूर्त परत प्रदान करते हैं। डेटा सिलोस के लिए एक गेटवे के रूप में कार्य करके, वे विभिन्न सिलोस में फैले डेटा के साथ सहजता से बातचीत करने की प्रक्रिया को सरल बनाते हैं। यह कुशलता और सिलोस के नकारात्मक प्रभावों को कम करता है।

सारांश में, रणनीति सिलोस के बीच सहयोग को बढ़ाने के बारे में होनी चाहिए, उन्हें दूर करने के बजाय।

आधुनिक डेटा प्लेटफ़ॉर्म गति और स्केलेबिलिटी जैसी चुनौतियों को कैसे संभालते हैं, और नेक्सला इन मुद्दों को संबोधित करने में क्या अलग करता है?

मेरे दृष्टिकोण से, आधुनिक डेटा स्टैक के भीतर कई उपकरण शुरू में उपयोग में आसानी और विकास गति पर ध्यान केंद्रित करके डिज़ाइन किए गए थे, जो उपकरणों को अधिक सुलभ बनाने से आया था – उदाहरण के लिए, विपणन विश्लेषकों को विपणन प्लेटफ़ॉर्म से सीधे दृश्यकरण उपकरण में अपना डेटा ले जाने में सक्षम बनाना।

इन उपकरणों का विकास अक्सर बिंदु समाधानों के विकास में शामिल था, या विशिष्ट, संकीर्ण रूप से परिभाषित समस्याओं को हल करने के लिए डिज़ाइन किए गए उपकरण।

स्केलेबिलिटी की बात करते समय, लोग अक्सर बड़े डेटा वॉल्यूम को संभालने के लिए स्केलिंग के बारे में सोचते हैं। लेकिन स्केलेबिलिटी की वास्तविक चुनौती दो मुख्य कारकों से आती है: डेटा के साथ काम करने वाले लोगों की बढ़ती संख्या, और प्रबंधन के लिए आवश्यक प्रणालियों और डेटा प्रकारों की विविधता।

आधुनिक उपकरण, जो अत्यधिक विशेषज्ञ हैं, आमतौर पर इन चुनौतियों के एक छोटे से उपसेट को हल करते हैं। इसके परिणामस्वरूप, संगठन कई उपकरणों का उपयोग करते हैं, प्रत्येक एक समस्या को हल करता है, जो अंततः अपनी चुनौतियां प्रस्तुत करता है, जैसे कि टूल ओवरलोड और अकुशलता।

नेक्सला इस मुद्दे को सुलझाता है कि यह उपयोग में आसानी और लचीलेपन के बीच एक सावधानीपूर्वक संतुलन बनाता है। एक तरफ, हम सुविधाओं जैसे टेम्पलेट्स और उपयोगकर्ता-मित्र इंटरफ़ेस के माध्यम से सरलता प्रदान करते हैं। दूसरी ओर, हम विकासकर्ता-मित्र क्षमताएं प्रदान करते हैं जो टीमों को प्लेटफ़ॉर्म में नई क्षमताएं जोड़ने की अनुमति देती हैं। विकासकर्ता प्रणाली में नई क्षमताएं जोड़ सकते हैं, लेकिन ये वृद्धियां गैर-तकनीकी उपयोगकर्ताओं के लिए सरल बटन और क्लिक के रूप में रहती हैं। यह दृष्टिकोण अत्यधिक विशेषज्ञ उपकरणों के जाल से बचाता है जबकि उद्यम-ग्रेड कार्यक्षमता की एक विस्तृत श्रृंखला प्रदान करता है।

नेक्सला को वास्तव में अलग करने वाली बात इसकी क्षमता है कि यह उपयोग में आसानी के साथ स्केलेबिलिटी और व्यापकता को जोड़ती है, जो संगठनों के लिए आवश्यक है। हमारा प्लेटफ़ॉर्म इन दो दुनियाओं को निर्बाध रूप से जोड़ता है, टीमों को बिना शक्ति या लचीलेपन के समझौता किए बिना कुशलता से काम करने की अनुमति देता है।

नेक्सला की एक प्रमुख ताकत इसकी अमूर्त वास्तुकला में निहित है। उदाहरण के लिए, जबकि उपयोगकर्ता दृश्य रूप से एक डेटा पाइपलाइन को डिज़ाइन कर सकते हैं, पाइपलाइन का निष्पादन अत्यधिक अनुकूलनयोग्य है। उपयोगकर्ता की आवश्यकताओं के आधार पर – जैसे स्रोत, गंतव्य, या डेटा की आवश्यकता है या नहीं – प्लेटफ़ॉर्म स्वचालित रूप से पाइपलाइन को छह अलग-अलग इंजनों में से एक के लिए मैप करता है। यह उपयोगकर्ताओं को इन जटिलताओं का प्रबंधन करने की आवश्यकता के बिना अनुकूलन प्रदर्शन सुनिश्चित करता है।

प्लेटफ़ॉर्म ढीले रूप से जुड़ा हुआ है, जिसका अर्थ है कि स्रोत प्रणालियां और गंतव्य प्रणालियां अलग हैं। यह उपयोगकर्ताओं को मौजूदा स्रोतों में आसानी से अधिक गंतव्य जोड़ने, मौजूदा गंतव्यों में अधिक स्रोत जोड़ने और प्रणालियों के बीच द्वि-दिशा एकीकरण को सक्षम करने की अनुमति देता है।

नेक्सला पाइपलाइनों के डिज़ाइन को इस तरह से अमूर्त करता है कि उपयोगकर्ता बैच डेटा, स्ट्रीमिंग डेटा और रियल-टाइम डेटा के साथ काम कर सकते हैं, बिना अपने कार्य प्रवाह या डिज़ाइन को बदले। प्लेटफ़ॉर्म स्वचालित रूप से इन आवश्यकताओं के अनुकूल होता है, उपयोगकर्ताओं को किसी भी प्रारूप या गति में डेटा के साथ काम करने की अनुमति देता है। यह विचारशील डिज़ाइन के बारे में अधिक है, न कि किसी विशिष्ट प्रोग्रामिंग भाषा के बारे में, जो एक निर्बाध अनुभव सुनिश्चित करता है।

यह सभी डेटा के उपभोक्ताओं की जरूरतों पर केंद्रित है, जो डेटा तक सीधी पहुंच चाहते हैं, चाहे वह किसी भी स्रोत से हो। हमने नेक्सला को डेटा के उपभोक्ताओं की जरूरतों को पूरा करने के लिए डिज़ाइन किया है, जो सिस्टम या डेटा के निर्माताओं के लिए नहीं। इस दृष्टिकोण ने हमें एक मंच बनाने की अनुमति दी है जो डेटा तक पहुंच को सरल बनाता है, साथ ही विभिन्न उपयोग के मामलों का समर्थन करने के लिए लचीलापन बनाए रखता है।

नो-कोड और लो-कोड सुविधाओं ने आपके ग्राहकों के लिए डेटा इंजीनियरिंग को कैसे बदल दिया है?

नो-कोड और लो-कोड सुविधाओं ने डेटा इंजीनियरिंग प्रक्रिया को वास्तव में सहयोगी अनुभव में बदल दिया है। उदाहरण के लिए, पहले, डोरडैश की खाता संचालन टीम, जो व्यापारियों के लिए डेटा प्रबंधित करती है, को इंजीनियरिंग टीम को आवश्यकताओं प्रदान करने की आवश्यकता थी। इंजीनियर तब समाधान बनाते थे, जिससे समय लेने वाली प्रतिक्रिया प्रक्रिया होती थी।

अब, नो-कोड और लो-कोड टूल के साथ, यह गतिविधि बदल गई है। दिन-प्रतिदिन की संचालन टीम लो-कोड इंटरफ़ेस का उपयोग करके अपने कार्यों को सीधे संभाल सकती है। साथ ही, इंजीनियरिंग टीम तेजी से नई सुविधाओं और क्षमताओं को जोड़ सकती है, जिसे संचालन टीम बिना देरी के उपयोग कर सकती है।

यह परिवर्तन प्रक्रिया को एक सहयोगी प्रयास में बदल देता है, एक रचनात्मक बोतलनेक के बजाय। ग्राहकों ने बताया है कि जो कार्य पहले दो से तीन महीने लेते थे, वे अब दो सप्ताह से भी कम समय में पूरे हो जाते हैं – 5x से 10x की गति में सुधार।

डेटा इंजीनियरिंग की भूमिका कैसे विकसित हो रही है, विशेष रूप से एआई के बढ़ते उपयोग के साथ?

डेटा इंजीनियरिंग तेजी से विकसित हो रही है, स्वचालन और जेनएआई जैसी प्रगति से प्रेरित। क्षेत्र के कई पहलू, जैसे कोड जेनरेशन और कनेक्टर निर्माण, तेजी से और अधिक कुशल हो रहे हैं। उदाहरण के लिए, जेनएआई के साथ, कनेक्टरों को उत्पन्न करने, परीक्षण करने और तैनात करने की गति में काफी सुधार हुआ है। लेकिन यह प्रगति भी नई चुनौतियों को पेश करती है, जिनमें बढ़ी हुई जटिलता, सुरक्षा चिंताएं और मजबूत शासन की आवश्यकता शामिल है।

एक दबाने वाली चिंता यह है कि उद्यम के स्वामित्व वाले डेटा का दुरुपयोग हो सकता है। व्यवसाय अपने प्रतिस्पर्धी लाभ को खोने या डेटा उल्लंघन का अनुभव करने के बारे में चिंतित हैं क्योंकि डेटा अन्य लोगों के साथ प्रशिक्षित मॉडल के लिए उपयोग किया जाता है। बढ़ती जटिलता और डेटा की मात्रा के कारण, डेटा इंजीनियरिंग टीमों को व्यापक प्रणाली मुद्दों पर ध्यान केंद्रित करने की आवश्यकता है, जैसे कि सुरक्षा, शासन और डेटा अखंडता सुनिश्चित करना। ये चुनौतियां केवल एआई द्वारा हल नहीं की जा सकती हैं।

जबकि जेनरेटिव एआई निचले-स्तर के कार्यों को स्वचालित कर सकता है, डेटा इंजीनियरिंग की भूमिका व्यापक पारिस्थितिकी तंत्र को समन्वयित करने की ओर बढ़ रही है। डेटा इंजीनियर अब अधिक संचालक की तरह काम करते हैं, कई जुड़े घटकों और प्रक्रियाओं का प्रबंधन करते हैं, जैसे कि त्रुटियों या अनधिकृत पहुंच को रोकने के लिए सुरक्षा उपाय स्थापित करना, शासन मानकों के अनुरूप सुनिश्चित करना और यह देखना कि एआई-उत्पन्न आउटपुट व्यावसायिक निर्णयों में कैसे उपयोग किए जाते हैं।

त्रुटियां और इन प्रणालियों में गलतियां महंगी हो सकती हैं। उदाहरण के लिए, एआई प्रणालियां पुरानी नीति जानकारी खींच सकती हैं, जिससे गलत प्रतिक्रियाएं हो सकती हैं, जैसे कि ग्राहक को वापसी का वादा करना जब यह अनुमति नहीं है। इन प्रकार के मुद्दों को दूर करने और उन्हें व्यवसाय पर प्रभाव डालने से पहले संबोधित करने के लिए सख्त पर्यवेक्षण और अच्छी तरह से परिभाषित प्रक्रियाओं की आवश्यकता होती है।

डेटा इंजीनियरिंग टीमों के लिए एक और महत्वपूर्ण जिम्मेदारी उपयोगकर्ता जनसांख्यिकी में बदलाव के अनुकूल होना है। एआई टूल अब केवल विश्लेषकों या तकनीकी उपयोगकर्ताओं तक ही सीमित नहीं हैं जो रिपोर्ट और डेटा की वैधता का प्रश्न कर सकते हैं। ये उपकरण अब संगठन के किनारों पर व्यक्तियों द्वारा उपयोग किए जाते हैं, जैसे कि ग्राहक सहायता एजेंट, जो आउटपुट की सटीकता पर सवाल उठाने में सक्षम नहीं हो सकते हैं। एआई टूल के व्यापक उपयोग के साथ, डेटा इंजीनियरिंग टीमों की जिम्मेदारी बढ़ जाती है ताकि यह सुनिश्चित किया जा सके कि डेटा सटीक और विश्वसनीय है।

डेटा इंजीनियरिंग के क्षेत्र में बढ़ते हुए, नेक्सला से कौन सी नई सुविधाएं और प्रगति की उम्मीद की जा सकती है?

हम डेटा इंजीनियरिंग के विकास के साथ जुड़े नए चुनौतियों और अवसरों को संबोधित करने के लिए कई प्रगति पर ध्यान केंद्रित कर रहे हैं। इनमें से एक डेटा विविधता को संबोधित करने के लिए एआई-संचालित समाधान है। डेटा इंजीनियरिंग में एक प्रमुख चुनौती विभिन्न स्रोतों से डेटा की विविधता का प्रबंधन करना है, इसलिए हम इस प्रक्रिया को स्ट्रीमलाइन करने के लिए एआई का लाभ उठा रहे हैं। उदाहरण के लिए, जब सैकड़ों विभिन्न व्यापारियों से डेटा प्राप्त होता है, तो प्रणाली इसे स्वचालित रूप से एक मानक संरचना में मैप कर सकती है। आज, यह प्रक्रिया अक्सर महत्वपूर्ण मानव इनपुट की आवश्यकता होती है, लेकिन नेक्सला की एआई-संचालित क्षमताएं मानव प्रयास को कम करने और कुशलता में सुधार करने का लक्ष्य रखती हैं।

हम अपनी कनेक्टर प्रौद्योगिकी को अगली पीढ़ी के डेटा कार्य प्रवाहों का समर्थन करने के लिए भी आगे बढ़ा रहे हैं, जिसमें नए एजेंटों को आसानी से उत्पन्न करने की क्षमता शामिल है। ये एजेंट नए सिस्टम से जुड़ने और उनमें विशिष्ट कार्य करने की अनुमति देते हैं, जो विशेष रूप से जेनएआई उपयोगकर्ताओं और विभिन्न प्लेटफ़ॉर्म के साथ बातचीत करने की बढ़ती आवश्यकताओं के लिए डिज़ाइन किया गया है।

तीसरा, हम बेहतर निगरानी और गुणवत्ता आश्वासन पर नवाचार जारी रखते हैं। जैसे ही अधिक उपयोगकर्ता विभिन्न प्रणालियों में डेटा का उपभोग करते हैं, डेटा की गुणवत्ता की निगरानी और सुनिश्चित करने का महत्व काफी बढ़ गया है। हमारा लक्ष्य मजबूत उपकरण प्रदान करना है जो प्रणालियों की निगरानी और डेटा की गुणवत्ता को सुनिश्चित करता है, भले ही उपयोग बढ़ जाए।

अंत में, नेक्सला अपनी कुछ मूल क्षमताओं को ओपन-सोर्स करने के लिए कदम उठा रहा है। विचार यह है कि अपनी तकनीक को व्यापक समुदाय के साथ साझा करके, हम अधिक लोगों को उन्नत डेटा इंजीनियरिंग उपकरणों और समाधानों का लाभ उठाने के लिए सशक्त बना सकते हैं, जो अंततः क्षेत्र में नवाचार और सहयोग को बढ़ावा देने के लिए हमारी प्रतिबद्धता को प्रतिबिंबित करता है।

उत्तरों के लिए धन्यवाद, पाठक जो और जानना चाहते हैं उन्हें नेक्सला पर जाना चाहिए।