कौनसी गलतियां संभव है बिग डेटा परियोजनाओं में ?
विशाल सूचना ड्राइव आकार के साथ-साथ दायरे में भी विशाल हैं। भले ही इनमें से अधिकांश उपक्रम भव्य उद्देश्यों से शुरू होते हैं, लेकिन केवल एक मामूली गुच्छा ही प्रभावी होता है। अब तक इनमें से अधिकांश ड्राइव सपाट हो गई हैं। 85% से अधिक विशाल सूचना रोमांच कम हो जाते हैं। वास्तव में, नवाचार और उच्च स्तरीय अनुप्रयोगों के विकास के साथ भी, बहुत कम बदलाव आया है।
जैसा कि विशाल सूचना प्रशिक्षित पेशेवरों द्वारा इंगित किया गया है, बड़ी जानकारी और एआई प्रयासों को गले लगाना उद्यमों के लिए चुनौतीपूर्ण है। लगभग हर समन्वित संगठन आजकल मशीन लर्निंग या आर्टिफिशियल इंटेलिजेंस प्रोजेक्ट को बंद करने का प्रयास कर रहा है। वे इन कार्यों को सृजन में लाने की उम्मीद करते हैं, फिर भी यह व्यर्थ होगा। उनके लिए इन प्रयासों से सम्मान प्राप्त करना अभी भी कठिन बना हुआ है।
यहा कुछ संभावनाएं हैं जो विशाल सूचना उद्यम को बुरी तरह से प्रभावित कर सकते हैं ...
👉 अनुचित सुलह
नवीन मुद्दों के वर्गीकरण के कारण बड़ी सूचना परियोजनाएं बम बनाती हैं। इन मुद्दों में से सबसे वास्तविक में से एक गलत मिश्रण है। अधिकतर, ज्ञान के मूलभूत अंश प्राप्त करने के लिए, संगठन कई स्रोतों से दूषित जानकारी मिलाते हैं। असंबद्ध, अधिक स्थापित ढांचे के साथ जुड़ना कठिन है। कार्यक्रम के खर्च की तुलना में समन्वय का खर्च मौलिक रूप से अधिक उल्लेखनीय है। तदनुसार, मौलिक जुड़ाव संभवतः जीवित रहने के लिए सबसे कठिन परीक्षा है।
यह मानते हुए कि आप प्रत्येक डेटा स्रोत को संबद्ध करते हैं, कुछ भी असाधारण नहीं होता है, परिणाम कुछ भी नहीं हो सकता है। इस मुद्दे के सबसे वास्तविक भागों में से एक पृथक जानकारी ही है। उस बिंदु पर जब आप जानकारी को एक सामान्य सेटिंग में रखते हैं, तो यह पता लगाना बहुत चुनौतीपूर्ण हो जाता है कि गुणों का क्या अर्थ है। नीचे दी गई योजना की जानकारी को समझने के लिए रोबोट को सशक्त बनाने के लिए, सूचना चार्ट परतों की आवश्यकता होती है। इस जानकारी के बिना, आप एक सूचना दलदल के साथ रह जाते हैं जो आपके लिए व्यर्थ है। चूंकि आपको भविष्य में किसी भी सूचना विराम को रोकने के लिए सुरक्षा पर खर्च करने की आवश्यकता होगी, भयानक संयोजन से पता चलता है कि भारी जानकारी केवल आपकी फर्म के लिए एक मौद्रिक भार हो सकती है।
👉 स्पेशलाइज्ड रियलिटी मिसएलाइनमेंट
व्यावहारिक रूप से लगातार, विशेष योग्यताएं व्यावसायिक मान्यताओं के संबंध में निशान से चूक जाती हैं। कंपनियों का मानना है कि नवाचार को इस लक्ष्य के साथ शामिल किया जाना चाहिए कि वह स्पष्ट अभ्यास कर सके। एआई और एमएल की शक्तियां, फिर से प्रतिबंधित हैं। उपक्रम क्या कर सकता है, इसके बारे में अनभिज्ञ होना उसकी निराशा को प्रेरित करता है। इससे पहले कि आप किसी कार्य को करना शुरू करें, आपको उसकी क्षमताओं के बारे में शिक्षित होना जरूरी है।
👉 असंतुलित उपक्रम संरचनाएं
अधिकांश संगठनों के पास वह सब है जो उन्हें चाहिए, संपत्ति से लेकर क्षमताओं तक, ढांचे की क्षमता तक। किसी भी मामले में, वे एक सम्मोहक विशाल सूचना परियोजना नहीं बना सकते। यह क्या होता है? यह तब होता है जब उपक्रम इंजीनियरिंग शुरू से ही कठिन और दृढ़ होता है। इसके अलावा, कुछ संगठन उद्यम के चलते इसे लगातार बनाने के बजाय शुरुआत से ही एक सुसंगत इंजीनियरिंग तैयार करने के लिए खड़े होते हैं।
भले ही उपक्रम न किया गया हो और आपने एक त्रुटिहीन मॉडल नहीं बनाया हो, आप किसी भी मामले में बहुत अधिक व्यावसायिक सम्मान प्राप्त कर सकते हैं। भले ही आपके पास काम करने के लिए जानकारी का एक नगण्य हिस्सा हो, आप खतरों को कम करने के लिए एमएल का उपयोग कर सकते हैं।
👉 अप्राप्य उद्देश्यों को परिभाषित करना
कई बार संगठनों के पास अपनी गतिविधियों में किए जाने वाले नवाचार के लिए हास्यास्पद धारणाएं होती हैं। इन संदेहों का एक हिस्सा बेतुका है और मिलना मुश्किल हो सकता है। इन अनुमानों के कारण बड़ी सूचना परियोजनाएं दुर्घटनाग्रस्त हो जाती हैं और जल जाती हैं। बड़ी सूचना परियोजनाओं पर काम करते समय, कॉर्पोरेट अग्रदूतों को समझदार उद्देश्यों को निर्धारित करना चाहिए।
👉 निर्माण प्रक्रिया
यह सबसे व्यापक रूप से मान्यता प्राप्त औचित्यों में से एक है कि क्यों विशाल सूचना परियोजनाएं कम हो जाती हैं। इससे कोई फर्क नहीं पड़ता कि आप किसी कार्य में कितना पैसा लगाते हैं यदि आप इसे सृजन में नहीं लगाते हैं। विशेषज्ञ एमएल मॉडल बनाते हैं। किसी भी मामले में, कुछ भी नहीं होने के साथ वे वास्तव में लंबे समय तक छोड़े गए हैं। ज्यादातर मामलों में, आईटी संगठन एक ऐसे वातावरण को विकसित करने की उम्मीद करते हैं जो एक एमएल मॉडल से निपट सकता है। इन मॉडलों से निपटने के लिए उन्हें जानकारी के साथ सुसज्जित संकाय की आवश्यकता होती है।
जैसा कि विशाल सूचना प्रशिक्षित पेशेवरों द्वारा इंगित किया गया है, बड़ी जानकारी और एआई प्रयासों को गले लगाना उद्यमों के लिए चुनौतीपूर्ण है। लगभग हर समन्वित संगठन आजकल मशीन लर्निंग या आर्टिफिशियल इंटेलिजेंस प्रोजेक्ट को बंद करने का प्रयास कर रहा है। वे इन कार्यों को सृजन में लाने की उम्मीद करते हैं, फिर भी यह व्यर्थ होगा। उनके लिए इन प्रयासों से सम्मान प्राप्त करना अभी भी कठिन बना हुआ है।
यहा कुछ संभावनाएं हैं जो विशाल सूचना उद्यम को बुरी तरह से प्रभावित कर सकते हैं ...
👉 अनुचित सुलह
नवीन मुद्दों के वर्गीकरण के कारण बड़ी सूचना परियोजनाएं बम बनाती हैं। इन मुद्दों में से सबसे वास्तविक में से एक गलत मिश्रण है। अधिकतर, ज्ञान के मूलभूत अंश प्राप्त करने के लिए, संगठन कई स्रोतों से दूषित जानकारी मिलाते हैं। असंबद्ध, अधिक स्थापित ढांचे के साथ जुड़ना कठिन है। कार्यक्रम के खर्च की तुलना में समन्वय का खर्च मौलिक रूप से अधिक उल्लेखनीय है। तदनुसार, मौलिक जुड़ाव संभवतः जीवित रहने के लिए सबसे कठिन परीक्षा है।
यह मानते हुए कि आप प्रत्येक डेटा स्रोत को संबद्ध करते हैं, कुछ भी असाधारण नहीं होता है, परिणाम कुछ भी नहीं हो सकता है। इस मुद्दे के सबसे वास्तविक भागों में से एक पृथक जानकारी ही है। उस बिंदु पर जब आप जानकारी को एक सामान्य सेटिंग में रखते हैं, तो यह पता लगाना बहुत चुनौतीपूर्ण हो जाता है कि गुणों का क्या अर्थ है। नीचे दी गई योजना की जानकारी को समझने के लिए रोबोट को सशक्त बनाने के लिए, सूचना चार्ट परतों की आवश्यकता होती है। इस जानकारी के बिना, आप एक सूचना दलदल के साथ रह जाते हैं जो आपके लिए व्यर्थ है। चूंकि आपको भविष्य में किसी भी सूचना विराम को रोकने के लिए सुरक्षा पर खर्च करने की आवश्यकता होगी, भयानक संयोजन से पता चलता है कि भारी जानकारी केवल आपकी फर्म के लिए एक मौद्रिक भार हो सकती है।
👉 स्पेशलाइज्ड रियलिटी मिसएलाइनमेंट
व्यावहारिक रूप से लगातार, विशेष योग्यताएं व्यावसायिक मान्यताओं के संबंध में निशान से चूक जाती हैं। कंपनियों का मानना है कि नवाचार को इस लक्ष्य के साथ शामिल किया जाना चाहिए कि वह स्पष्ट अभ्यास कर सके। एआई और एमएल की शक्तियां, फिर से प्रतिबंधित हैं। उपक्रम क्या कर सकता है, इसके बारे में अनभिज्ञ होना उसकी निराशा को प्रेरित करता है। इससे पहले कि आप किसी कार्य को करना शुरू करें, आपको उसकी क्षमताओं के बारे में शिक्षित होना जरूरी है।
👉 असंतुलित उपक्रम संरचनाएं
अधिकांश संगठनों के पास वह सब है जो उन्हें चाहिए, संपत्ति से लेकर क्षमताओं तक, ढांचे की क्षमता तक। किसी भी मामले में, वे एक सम्मोहक विशाल सूचना परियोजना नहीं बना सकते। यह क्या होता है? यह तब होता है जब उपक्रम इंजीनियरिंग शुरू से ही कठिन और दृढ़ होता है। इसके अलावा, कुछ संगठन उद्यम के चलते इसे लगातार बनाने के बजाय शुरुआत से ही एक सुसंगत इंजीनियरिंग तैयार करने के लिए खड़े होते हैं।
भले ही उपक्रम न किया गया हो और आपने एक त्रुटिहीन मॉडल नहीं बनाया हो, आप किसी भी मामले में बहुत अधिक व्यावसायिक सम्मान प्राप्त कर सकते हैं। भले ही आपके पास काम करने के लिए जानकारी का एक नगण्य हिस्सा हो, आप खतरों को कम करने के लिए एमएल का उपयोग कर सकते हैं।
👉 अप्राप्य उद्देश्यों को परिभाषित करना
कई बार संगठनों के पास अपनी गतिविधियों में किए जाने वाले नवाचार के लिए हास्यास्पद धारणाएं होती हैं। इन संदेहों का एक हिस्सा बेतुका है और मिलना मुश्किल हो सकता है। इन अनुमानों के कारण बड़ी सूचना परियोजनाएं दुर्घटनाग्रस्त हो जाती हैं और जल जाती हैं। बड़ी सूचना परियोजनाओं पर काम करते समय, कॉर्पोरेट अग्रदूतों को समझदार उद्देश्यों को निर्धारित करना चाहिए।
👉 निर्माण प्रक्रिया
यह सबसे व्यापक रूप से मान्यता प्राप्त औचित्यों में से एक है कि क्यों विशाल सूचना परियोजनाएं कम हो जाती हैं। इससे कोई फर्क नहीं पड़ता कि आप किसी कार्य में कितना पैसा लगाते हैं यदि आप इसे सृजन में नहीं लगाते हैं। विशेषज्ञ एमएल मॉडल बनाते हैं। किसी भी मामले में, कुछ भी नहीं होने के साथ वे वास्तव में लंबे समय तक छोड़े गए हैं। ज्यादातर मामलों में, आईटी संगठन एक ऐसे वातावरण को विकसित करने की उम्मीद करते हैं जो एक एमएल मॉडल से निपट सकता है। इन मॉडलों से निपटने के लिए उन्हें जानकारी के साथ सुसज्जित संकाय की आवश्यकता होती है।
टिप्पणियाँ
एक टिप्पणी भेजें