क्या व्यावसायिक उपयोगकर्ता रातोंरात डेटा वैज्ञानिक बन सकते हैं?

नए सॉफ़्टवेयर उपकरण उपयोगकर्ताओं को नागरिक डेटा वैज्ञानिक बनने और एआई-संचालित एनालिटिक्स के अपने स्वयं के उपयोग के मामलों को बनाने के लिए सशक्त बनाते हैं, इन्फोर के रिक राइडर लिखते हैं

क्या व्यावसायिक उपयोगकर्ता रातोंरात डेटा वैज्ञानिक बन सकते हैं?
क्या व्यावसायिक उपयोगकर्ता रातोंरात डेटा वैज्ञानिक बन सकते हैं?



क्या होगा यदि कीबोर्ड पर कुछ क्लिक एक साधारण, हल्के-फुल्के व्यापार सॉफ्टवेयर उपयोगकर्ता को भविष्य में देखने वाले डेटा योद्धा में बदल सकते हैं? यह परिदृश्य दूरगामी, सुपर-हीरो कहानी की तरह लग सकता है। लेकिन, यह उल्लेखनीय क्षमता समझ के भीतर है। कृत्रिम बुद्धिमत्ता (एआई) समाधानों की एक नई नस्ल नागरिक डेटा वैज्ञानिक की भूमिका बना रही है, जो कोड विकास कौशल के बिना एक पेशेवर है, लेकिन व्यावसायिक प्रश्नों के लिए स्वचालित अंतर्दृष्टि लागू करने की क्षमता है।

डिमांड ड्राइव ऑटोमेशन
स्वचालन इस प्रवृत्ति का एक बड़ा चालक है। 2017 में, गार्टनर विश्लेषकों ने अनुमान लगाया कि 2020 तक 40% से अधिक डेटा विज्ञान कार्यों को स्वचालित किया जाएगा। डेटा वैज्ञानिकों के काम को स्वचालित करने से उन्हें अधिक उत्पादक और अधिक प्रभावी बनाने में मदद मिलती है। अच्छा ही है। हाल ही में हार्वर्ड बिजनेस रिव्यू में डेटा साइंस को लोकतांत्रिक बनाने पर एक लेख में, बिजनेस कंसल्टेंसी डेलॉइट लिखते हैं:

कुछ अनुमानों के अनुसार, डेटा वैज्ञानिक अपने समय का लगभग 80% दोहराव और थकाऊ कार्यों पर खर्च करते हैं जो पूरी तरह या आंशिक रूप से स्वचालित हो सकते हैं। इन कार्यों में डेटा तैयारी, फ़ीचर इंजीनियरिंग और चयन और एल्गोरिथम चयन और मूल्यांकन शामिल हो सकते हैं।

सॉफ्टवेयर प्रदाताओं द्वारा विभिन्न उपकरण और तकनीकें पेश की गई हैं। कुछ ओवरसाइम्पलाइज़ करते हैं और ऐसे आउट-ऑफ-द-बॉक्स समाधान प्रदान करने की कोशिश करते हैं जो समाधान के लिए अनुमति नहीं देते हैं 'सीखना' प्रोटोकॉल। अन्य इतने जटिल हैं कि केवल एक उच्च कुशल डेटा वैज्ञानिक मुख्य उद्देश्यों में से एक को नकारते हुए, उपकरण का उपयोग कर सकता है।

सौभाग्य से, अत्यधिक प्रभावी समाधान उपलब्ध हैं। उपयोगकर्ता इंटरफ़ेस एक आसान-टू-उपयोग उपकरण की कुंजी है जो उत्पादकता हासिल करने के लिए, कर्मियों को डेटा नौसिखियों से लेकर डेटा विशेषज्ञों की एक विस्तृत श्रृंखला के कौशल सेट तक, को सशक्त बनाएगा। इन समाधानों के साथ, जटिल उद्देश्यों को प्राकृतिक भाषा के सवालों और ड्रैग-एंड-ड्रॉप स्क्रीन में तोड़ दिया जाता है, जिससे समाधान का अगला छोर सीधा लगता है। इस बीच, बैक-एंड पर, परिष्कृत कार्यक्षमता उपयोगकर्ता की जरूरतों को एल्गोरिदम की एक श्रृंखला में व्याख्या करने के काम पर है।

में निर्मित शक्तिशाली भविष्य कहनेवाला विश्लेषण और मशीन लर्निंग (एमएल), ये समाधान प्रक्रिया और गति निष्पादन को स्वचालित करते हैं, जो उपभोज्य चार्ट और ग्राफिक्स में डेटा अंतर्दृष्टि प्रदान करते हैं। मशीन के उत्पादन से लेकर सामान्य खाता बही डेटा तक कई व्यावसायिक कारकों को तेज फोकस में लाया जा सकता है।

व्यापार प्रबंधकों और अधिकारियों के पास अब उपलब्ध डेटा का द्रव्यमान दोगुनी धार वाली तलवार का निर्माण करता है। अंतर्दृष्टि मूल्यवान हैं, लेकिन अधिभार अराजकता और भ्रम पैदा कर सकता है। जैसा कि डिजिटल परिवर्तन तेज है, इसलिए, कुशल आईटी पेशेवरों की मांग भी है। कई उद्योगों को कुशल आवेदकों की कमी का सामना करना पड़ा है। डेटा वैज्ञानिक उच्च मांग में विशेष भूमिकाओं में से एक है। डेलॉयट के एचबीआर लेख की रिपोर्ट है कि, वर्तमान मांग और आपूर्ति की गतिशीलता के आधार पर, अमेरिका अकेले 2024 तक 250,000 डेटा वैज्ञानिकों की कमी का सामना करने का अनुमान है।

हम यहां कैसे पहूंचें?
पिछले एक दशक में, विश्लेषकों और प्रौद्योगिकी प्रदाताओं ने कॉर्पोरेट आईटी विभागों और व्यावसायिक उपयोगकर्ताओं के बीच अभिसरण के युग की भविष्यवाणी की थी। मध्य दशक तक, प्रौद्योगिकी समुदाय ने नागरिक डेवलपर्स के लिए एक मौलिक प्रतिमान बदलाव के रूप में कम-कोड प्लेटफार्मों का उल्लेख करना शुरू कर दिया। गैर-आईटी स्टाफ सदस्य जिनके पास पारंपरिक कोडिंग कौशल की कमी थी, उनके पास अपने स्वयं के विशेष अनुप्रयोगों को बनाकर दिन-प्रतिदिन की व्यावसायिक चुनौतियों को हल करने की क्षमता और प्रेरणा थी। एआई प्रौद्योगिकी को लागू करने के लिए अधिक टूल, अधिक कार्यक्षमता और अधिक टेम्प्लेट के लिए उपयोगकर्ताओं से मांग ने प्रदाताओं को उपयोगकर्ता-परिभाषित रूपों और रिपोर्टिंग का विस्तार जारी रखने के लिए प्रेरित किया है।

प्राकृतिक भाषा पीढ़ी (एनएलजी), कृत्रिम बुद्धि का एक सबसेट, इस नए युग को चलाने वाली प्रौद्योगिकियों में से एक है। एनएलजी स्पष्ट, प्राकृतिक भाषा में संरचित डेटा को रूपांतरित करता है। फोर्ब्स के योगदानकर्ता मार्क जिओंट्स ने हाल ही में एनएलजी की भूमिका के बारे में बताया:

एनएलजी किसी भी कर्मचारी की भूमिका, स्थिति या डेटा विशेषज्ञता के स्तर की परवाह किए बिना, प्रस्तुत किए जा रहे डेटा की व्याख्या करने के लिए नागरिक डेटा वैज्ञानिकों का समर्थन करता है, इसका क्या अर्थ है और इस तरह से क्या कार्रवाई करना है जो संचार के सबसे प्राकृतिक रूप का उपयोग करके दृश्यों का अनुवाद करता है - लिखित शब्द।

इसके अलावा, डेटा विज़ुअलाइज़ेशन उपकरण व्यवसाय के उपयोगकर्ताओं को आसानी से डेटा अंतर्दृष्टि का उपभोग करने के लिए एक और नवीनता है। ये शक्तिशाली BI समाधान डैशबोर्ड और डेटा गेज बनाते हैं जो उपयोगकर्ता की ज़रूरतों के लिए व्यक्तिगत हो सकते हैं, चाहे व्यक्तिगत कुंजी प्रदर्शन संकेतक (KPI) या विभागीय ज़िम्मेदारियों को ट्रैक करना, जैसे सुरक्षा स्टॉक स्तर, क्षमता योजना या बकाया प्राप्य। जब डेटा अंतर्दृष्टि को एक-नज़र-सादगी में प्रदर्शित किया जा सकता है, तो उपयोगकर्ता मूल्य पाने के लिए अधिक उपयुक्त होते हैं, AI- संचालित निष्कर्षों पर भरोसा करते हैं, और परिणामों को बेहतर बनाने के लिए प्रभावित कारकों को करीब से देखने के लिए वातानुकूलित हो जाते हैं।

अधिकतम क्षमता प्राप्त करना
एआई तकनीक की असली क्षमता विभिन्न प्रकार के व्यावहारिक उपयोग के मामलों में मशीन लीनिंग (एमएल) और भविष्य कहनेवाला विश्लेषिकी लागू करने से आती है। AI में सलाह देने, प्रदर्शन पैटर्न खोजने, कई प्रभावित करने वाले कारकों का विश्लेषण करने और एक विशिष्ट प्रश्न के बारे में जटिल निष्कर्ष निकालने की क्षमता है - ऐसे प्रश्न जिनमें भविष्य में एक खिड़की की आवश्यकता होती है।

अधिकतम क्षमता तब तक पहुंच जाती है जब AI मानव प्रदर्शन को बढ़ा सकता है और बढ़ा सकता है, जो सलाह विश्वसनीय और बुद्धिमान है। यह भविष्य कहनेवाला संगठन संगठनों को भविष्य के रुझानों और परिणामों के लिए प्रत्याशित, समझने और तैयार करने में मदद करता है। समाधान समय के साथ इस स्तर तक पहुंचता है, पैटर्न का विश्लेषण करता है और विभिन्न प्रकार के परिदृश्यों पर नज़र रखता है, यह सीखता है कि कौन सी प्रतिक्रियाएं मनुष्य को उचित मानती हैं और जिन्हें खारिज कर दिया जाता है।

ऐसे व्यावहारिक अनुप्रयोगों के लिए, हाथों पर उपयोगकर्ताओं को उद्देश्यों को परिभाषित करने, प्राथमिकताओं को निर्दिष्ट करने और मापदंडों और शर्तों को निर्धारित करने में लगे रहने की आवश्यकता होती है। इसलिए नागरिक डेटा वैज्ञानिक ऐसी महत्वपूर्ण भूमिका निभाते हैं। वे अपने स्वयं के अनुप्रयोग ज्ञान और व्यावसायिक लक्ष्यों और संदर्भ की समझ पर आकर्षित कर सकते हैं। एक तृतीय-पक्ष सलाहकार उपयोग-केस की बारीकियों को समझने के लिए संघर्ष कर सकता है।

अंतिम सलाह
संगठनों ने भारी मात्रा में डेटा एकत्र किया है। इससे अभिभूत होने के बजाय, उन्हें सार्थक, व्यावहारिक अनुप्रयोगों को तैयार करने के लिए AI- संचालित विश्लेषिकी में निवेश करना चाहिए। एक अच्छी तरह से सोचा गया AI रणनीति उद्यम भर में मिशन-महत्वपूर्ण जानकारी के प्रवाह को बढ़ा और बढ़ा सकती है। जगह में सही सॉफ्टवेयर समाधान के साथ, रोजमर्रा के व्यवसाय उपयोगकर्ता नागरिक डेटा वैज्ञानिक बन सकते हैं, डेटा द्वारा काम कर रहे होशियार और सशक्त हो सकते हैं।

0 Comments: