विचार नेता
जब वास्तविकता बदलती है, तो आपको इसके साथ बदलने की आवश्यकता है – विचार नेताओं के लिए कोविड के परिवर्तन आपके डेटा को पुराना बना देते हैं
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मानव जीवन की अनिश्चितता एक अस्तित्व संबंधी चिंता है। यह विश्लेषणात्मक मॉडल के लिए भी एक समान खतरा है। हमारी तरह, अल्गोरिदम भी भविष्य की भविष्यवाणी करने के लिए अतीत की घटनाओं को सामान्य बनाने का प्रयास करते हैं। जितना अधिक यादृच्छिक इतिहास, हम दोनों उतना ही अधिक अराजकता से एक पैटर्न बनाने के लिए संघर्ष करते हैं।
एक महीने पहले हमें लगा कि कोविड खत्म हो सकता है। अब, डेल्टा संस्करण के उदय के साथ, अर्थव्यवस्था खुले और बंद होने के बीच एक अजीब नृत्य में है। और अगर हम यह जानना चाहते हैं कि आगे क्या होगा — कहें, अगर हम एक भविष्यवाणी मॉडल को पिछले एक साल और आधे का सारांश दें — तो यह हमें बता सकता है कि हम एक और लॉकडाउन की ओर बढ़ रहे हैं।
डेटा, भोजन या फैशन रुझानों की तरह, समाप्त हो जाता है। यदि आप अपने मॉडलों को केवल सीमित ऐतिहासिक डेटा के साथ आपूर्ति करते हैं, तो वे आज बाजार में क्या हो रहा है, इसका एक बहुत ही सटीक चित्र नहीं बना सकते हैं, और न ही कल क्या होगा।
जब दैनिक जीवन की वास्तविकता सप्ताह और दिन के हिसाब से बदलती है, तो आपको अपने मॉडलों को नए डेटा संपत्तियों और नए आयामों के साथ ताज़ा करने की आवश्यकता होती है जो वर्तमान संदर्भ में अंतर्दृष्टि प्रदान करते हैं।
जब वास्तविकता बदलती है, तो आपको इसके साथ बदलने की आवश्यकता है
प्रत्येक सार्वजनिक सुरक्षा दिशानिर्देशों में उतार-चढ़ाव ने उपभोक्ता व्यवहार में एक उल्लेखनीय बदलाव को जन्म दिया। दुर्भाग्य से, उनमें से प्रत्येक उपभोक्ता व्यवहार में बदलाव ने संगठनों के विश्लेषणात्मक मॉडलों के बड़े हिस्सों को पुराना बना दिया।
अब उन कंपनियों के बारे में सोचें जिन्होंने लगातार बदलाव के बावजूद अपना व्यवसाय बनाए रखा और यहां तक कि महामारी के दौरान बढ़ाया। उन्होंने जल्दी से सही डेटा सेट खोजने के लिए काम किया जो उन्हें ग्राहकों के बदलते आदतों में दृष्टि प्रदान कर सके। जिन कंपनियों ने अपने पुराने डेटा स्रोतों के साथ चिपके रहने की कोशिश की, भले ही दुनिया पूरी तरह से बदल गई हो, उन्होंने बाजार हिस्सेदारी खो दी।
खुदरा उद्योग, उदाहरण के लिए, महामारी की शुरुआत में ऑनलाइन शॉपिंग में बड़े पैमाने पर संक्रमण को अपनाने के लिए, ऑनलाइन-ऑफलाइन संयोजन लेनदेन (जैसे कि क्यूर्बसाइड पिकअप) की जटिलता और कोविड प्रतिबंधों के उठने के साथ व्यक्तिगत अनुभवों के पुनरुद्धार को स्वीकार करने के लिए मजबूर हुआ।
स्मार्ट खुदरा कंपनियों ने प्रत्येक चरण में उचित संदर्भ प्रदान करने के लिए वैकल्पिक डेटा स्रोतों की तलाश की। शुरुआत में, उन्होंने अपने बिक्री अनुमान मॉडल को समायोजित करने के लिए कोविड से संबंधित डेटा सेट — जैसे कि रोग के प्रसार के बारे में सीडीसी डेटा — की तलाश की। फिर, उन्होंने पैरों की यातायात के खिलाफ ऑनलाइन यातायात की समीक्षा की ताकि वे अपने पुनः खोलने के दृष्टिकोण का निर्धारण कर सकें। जैसे ही महामारी जारी रही, खुदरा कंपनियों ने जनसांख्यिकीय विशेषताओं के खिलाफ बिक्री और क्रेडिट कार्ड व्यय डेटा की जांच की ताकि वे समझ सकें कि उनके典型 ग्राहक प्रोफ़ाइल में कैसे बदलाव आया है।
डेटा क्षय देजा वू
जितना हम पुनः खोलने (जब भी यह हो) की प्रतीक्षा कर रहे हैं, यह नाटकीय सामाजिक परिवर्तन पहले वैश्विक बंद के समान परिणाम की चेतावनी देता है। जिन संगठनों ने महामारा-युग के बाजार से संबंधित डेटा सेट का उपयोग करके अपने विश्लेषणात्मक मॉडल को प्रशिक्षित किया है, उन्हें एक बार फिर से नए स्रोतों की तलाश करनी होगी।
लेकिन पहले लॉकडाउन के विपरीत, इस बार हमें बदलाव की तैयारी करने का अवसर है। हम जानते हैं कि हमें वैकल्पिक डेटा स्रोतों की तलाश करनी होगी और ऐसे मॉडल बनाने होंगे जो नए वास्तविकता को समझ सकें।
तो जब आप जानते हैं कि आपका डेटा समाप्त हो जाएगा, तो आपको क्या करना चाहिए? सबसे पहले, अपने ऐतिहासिक डेटा के बाहर डेटा स्रोतों को बढ़ाने के तरीकों की तलाश करें। जिन संगठनों के पास सबसे शक्तिशाली विश्लेषणात्मक कार्यक्रम हैं, वे डेटा अधिग्रहण को ग्राहक अधिग्रहण की तरह मानते हैं — वे नए डेटा संपत्तियों की लगातार खोज, जांच और ऑनबोर्डिंग के लिए एक मापनीय दृष्टिकोण बनाते हैं। यह दृष्टिकोण तीन घटकों में उबलता है: लोग, प्रणाली, और प्रक्रियाएं, उस क्रम में।
लोग
बाहर कई डेटा स्रोत हैं। आप यह कैसे जानते हैं कि आप जिन्हें उपयोग कर रहे हैं वे काम कर रहे हैं? आप यह कैसे जानते हैं कि आपको क्या याद आ रहा है? सही डेटा प्राप्त करने के लिए एक टीम बनाकर, विक्रेताओं के साथ काम करके और अपने स्वयं के डेटा संपत्तियों का प्रबंधन करके। भर्ती करने के लिए भूमिकाएं शामिल हैं डेटा अधिग्रहण प्रमुख, डेटा आर्किटेक्ट, डेटा रणनीतिकार और डेटा वैज्ञानिक।
प्रणाली
याद रखें कि कुछ कंपनियों ने दूरस्थ काम में संक्रमण के साथ संघर्ष किया क्योंकि उनके पास केंद्रीकृत आईटी नहीं थी। यह एक सबक है जिसे हमें विश्लेषणात्मक मॉडल के संबंध में भी याद रखने की आवश्यकता है। मैंने बड़ी कंपनियों को दो या तीन बार अलग-अलग चरणों में एक ही डेटा को खरीदते और एकीकृत करते हुए देखा है। विभिन्न व्यवसाय पक्षों के लिए एक केंद्रीय स्थान जहां वे संगठन में प्रवेश करने वाले डेटा सेट पर सहयोग कर सकते हैं, आवश्यक है।
इसके अलावा, आपका डेटा अधिग्रहण पारिस्थितिकी तंत्र आपको विभिन्न प्रकार के डेटा पर पुनरावृत्ति करने और अपने उत्पाद जीवन चक्र, परीक्षण और व्यावसायिक पहलों को तेज करने की अनुमति देना चाहिए। कुछ दिनों के भीतर, आपको न केवल नए डेटा स्रोतों को कैटलॉग करने में सक्षम होना चाहिए, बल्कि उन्हें उत्पादन में तैनात करने में भी सक्षम होना चाहिए। जब वास्तविकता इतनी तेजी से बदलती है, तो समय सब कुछ है।
प्रक्रियाएं
समय के बारे में बात करते हुए, यदि आपके संगठन को एकल डेटा स्रोत (चाहे एकीकरण के लिए) की जांच करने में दो या तीन महीने लगते हैं, तो यह एक संकेत है कि आप नए डेटा को अवशोषित करने के लिए बहुत अच्छी तरह से तैयार नहीं हैं। डेटा अधिग्रहण के जीवन चक्र के लिए एक कार्यप्रवाह बनाएं, जिसमें परीक्षण से लेकर एकीकरण तक शामिल हैं। यह प्रक्रिया आईटी, खरीद, कानूनी, अनुपालन और सुरक्षा जैसे क्रॉस-फंक्शनल साझेदारी को शामिल करनी चाहिए ताकि प्रत्येक टीम अपने-अपने स्रोत समस्याओं को संबोधित कर सके।
निष्कर्ष
स्मार्ट डेटा नेताओं को पता है कि डेटा स्रोत बाजार की स्थितियों पर तेजी से प्रतिक्रिया करने के लिए एक प्रतिस्पर्धी संपत्ति है। एक बार जब आप डेटा अधिग्रहण रणनीति में निवेश कर लेते हैं, तो यह नहीं मायने रखता कि हम लॉकडाउन में वापस जाते हैं या तेजी से उछाल लेते हैं। आप किसी भी बड़े व्यवधान के बीच अपने पैरों पर उतरने के लिए तैयार रहेंगे।
