Takeaway: హోస్ట్ రెబెకా జోజ్వియాక్ డాక్టర్ రాబిన్ బ్లూర్, డెజ్ బ్లాంచ్ఫీల్డ్ మరియు డేవిడ్ స్వీనర్‌లతో పొందుపరిచిన విశ్లేషణలు మరియు పౌర డేటా శాస్త్రవేత్తల దృగ్విషయాన్ని చర్చిస్తారు.
వీడియోను చూడటానికి మీరు ఈ ఈవెంట్ కోసం నమోదు చేసుకోవాలి. వీడియో చూడటానికి నమోదు చేయండి.
రెబెకా జోజ్వియాక్: లేడీస్ అండ్ జెంటిల్మెన్, హలో టెక్నాలజీస్ కు హలో మరియు స్వాగతం. “ప్రతిచోటా పొందుపరచండి: సిటిజెన్ డేటా సైంటిస్ట్‌ను ప్రారంభించడం” ఈ రోజు మా అంశం. నేను మీ సాధారణ హోస్ట్ కోసం నింపుతున్నాను, ఇది ఎరిక్ కవనాగ్ కోసం రెబెక్కా జోజ్వియాక్ నింపడం. అవును, ఈ సంవత్సరం వేడిగా ఉంది. "స్టాటిస్టిషియన్" లేదా "అనలిటిక్స్ నిపుణుడు" వంటి బోరింగ్ పేర్లను మేము పిలిచినప్పటికీ, "డేటా సైంటిస్ట్" అనే పదం చాలా శ్రద్ధ తీసుకుంటోంది, అదే రకమైన కార్యకలాపాలను చాలా చక్కగా పరిష్కరిస్తుంది, కానీ దీనికి సెక్సీ కొత్త పేరు వచ్చింది మరియు ఇది చాలా శ్రద్ధ పొందుతోంది. వారు కార్యాలయంలో ఉండటానికి చాలా ఇష్టపడతారు, సంస్థకు ప్రయోజనకరంగా ఉంటారు మరియు ప్రతి ఒక్కరూ ఒకదాన్ని కోరుకుంటారు. కానీ అవి: 1) ఖరీదైనవి, 2) దొరకటం కష్టం. మీకు తెలుసా, ఇది డేటా సైంటిస్ట్ నైపుణ్యం కొరత గురించి వార్తల్లో ఉంది, అవును, కానీ ఇప్పటికీ అవి సంస్థకు విపరీతమైన విలువను అందిస్తున్నాయి మరియు ప్రజలు ఆ విలువను ఎలా పొందాలో గుర్తించడానికి ఒక రకమైన నినాదాలు చేస్తున్నారు. మాట్లాడతారు.
శుభవార్త ఏమిటంటే, ఆ కొరతను భర్తీ చేసే సాధనాలు మరియు సాఫ్ట్‌వేర్‌లు బయటకు వస్తున్నాయి. మనకు ఆటోమేషన్, మెషీన్ లెర్నింగ్, ఎంబెడెడ్ ఎనలిటిక్స్ ఉన్నాయి, ఈ రోజు మనం నేర్చుకోబోయేది, మరియు ఈ కొత్త పదం “సిటిజన్ డేటా సైంటిస్ట్” కి పుట్టుకొచ్చింది మరియు దీని అర్థం ఏమిటి? లేదు, ఇది మీ శిక్షణ పొందిన డేటా సైంటిస్ట్ కాదు, అది మీ వ్యాపార వినియోగదారు, మీ BI నిపుణుడు, ఐటి నుండి ఎవరైనా, నేపథ్యం ఉన్న వ్యక్తి కావచ్చు కాని నైపుణ్యం అవసరం లేదు.కానీ అది ఏమి చేస్తుంది, ఈ సాధనాలు మరియు సాఫ్ట్‌వేర్, లోతైన కోడింగ్ తెలియకపోయినా ఎక్కువ మందికి ఆ స్మార్ట్ సొల్యూషన్స్‌కు ప్రాప్తిని ఇస్తుంది. మీరు ప్రతి ఒక్కరికీ ఆ విశ్లేషణాత్మక ఆలోచనకు కొంచెం ఎక్కువ ప్రాప్యత ఇచ్చినప్పుడు ఇది మొత్తం పనితీరును మెరుగుపరచడంలో సహాయపడుతుంది. మీ కంపెనీకి మంచి అంతర్దృష్టులకు దారితీసే ఉత్సుకత రకాన్ని కలిగి ఉండటానికి మీకు శిక్షణ అవసరం లేదు.
ఈ రోజు మాతో చర్చించడం మా సొంత రాబిన్ బ్లూర్, బ్లూర్ గ్రూప్ యొక్క చీఫ్ అనలిస్ట్, అంతుచిక్కని డేటా శాస్త్రవేత్తలలో ఒకరు, డెజ్ బ్లాంచ్ఫీల్డ్ పిలుస్తున్నారు, ఆపై డెల్ స్టాటిస్టికా నుండి డేవిడ్ స్వీనోర్ ఈ రోజు మాకు ప్రదర్శన ఇస్తారు. దానితో నేను దానిని రాబిన్ బ్లూర్‌కు పంపించబోతున్నాను.
రాబిన్ బూర్: సరే, ఆ పరిచయానికి ధన్యవాదాలు. నేను చారిత్రక కాన్ లో దీని గురించి ఆలోచించాను. వాస్తవానికి మనం ఇక్కడ చూస్తున్నది లియోనార్డో డా విన్సీ యొక్క ఒక రకమైన గ్లైడర్ కోసం ఒక వ్యక్తి తన వెనుకభాగంలో ఉంచగల డిజైన్. వాస్తవానికి ఇది పని చేస్తుందో లేదో నాకు తెలియదు. నేను దానిలోకి రాలేను, నేను చెప్పాలి. ఏదేమైనా, డా విన్సీ, నేను డా విన్సీ గురించి ఆలోచించినప్పుడల్లా, నేను అతనిని ఇప్పటివరకు ఉన్న అత్యంత పరిశోధనాత్మక మరియు విశ్లేషణాత్మక వ్యక్తులలో ఒకరిగా భావిస్తాను. పక్షి రెక్క ఆధారంగా రూపొందించబడిన ఆ గ్లైడర్‌ను మీరు చూస్తే అది చాలా స్పష్టంగా ఉంటుంది మరియు అతను దానిని నిర్మించడానికి పక్షుల విమానాలను ఒక విధంగా లేదా మరొక విధంగా అధ్యయనం చేశాడు.
మేము చారిత్రక దృక్పథాన్ని తీసుకుంటే - నేను దీన్ని నిజంగా చూశాను - అనలిటిక్స్ బహుశా గణితం యొక్క పురాతన అనువర్తనం. కనీసం బాబిలోనియన్ కాలం నాటి జనాభా గణనలు ఉన్నాయి. దీని గురించి మాకు తెలుసు ఎందుకంటే ప్రాథమికంగా కొన్ని క్యూనిఫాం టాబ్లెట్‌లు వాటిపై డేటాను కలిగి ఉన్నాయి. ఇంతకు ముందు ఏదైనా తిరిగి ఉందా అని తెలియదు. కానీ స్పష్టమైన విషయం ఏమిటంటే, మీరే ఎక్కువ జనాభా కలిగిన నాగరికతను పొందారు, దీనికి వాస్తవానికి ప్రణాళిక అవసరం మరియు మీరు ఏమి ప్లాన్ చేస్తున్నారో మరియు ఆ ప్రజల అవసరాలు ఏమిటో తెలుసుకోవడం విలువ.
ప్రారంభ కంప్యూటర్లు, ప్రారంభ మెకానికల్ కంప్యూటర్లు వాస్తవానికి ఉన్నందున ఇది కంప్యూటింగ్ ప్రారంభమైంది, ఎందుకంటే మొదటిది హోలెరిత్ సృష్టించిన జనాభా లెక్కలు, ఇది ఐబిఎమ్ అయింది, నేను నమ్ముతున్నాను. ఇవన్నీ ముందుకు సాగాయి. 1970 ల నుండి నేటి మధ్య కొంత రకమైన అంతరాయం ఉంది, ఇక్కడ చాలా ఎక్కువ ఇతర అనువర్తనాలు మరియు విశ్లేషణలు ఉన్నాయి, మీరు చెప్పగలిగేది వెనుక సీటు. అవును, విశ్లేషణలు జరుగుతున్నాయి - ఇది పెద్ద సంస్థలలో, ముఖ్యంగా బ్యాంకులు మరియు భీమా సంస్థలలో మరియు వాస్తవానికి జనరల్ ఎలక్ట్రిక్ మరియు టెల్కో మరియు అలాంటి వాటిలో జరుగుతోంది - కాని ఇది సాధారణంగా వ్యాపారం అంతటా ఉపయోగించబడలేదు మరియు ఇప్పుడు ఇది సాధారణంగా అంతటా ఉపయోగించడం ప్రారంభించింది వ్యాపార. మరియు ఇది నిజంగా ఆటను మార్చింది. నేను దృష్టిని ఆకర్షించే మొదటి విషయం డేటా పిరమిడ్, ఇది నాకు చాలా ఇష్టం. ఇది నా ఉద్దేశ్యం, నేను ఈ 20 సంవత్సరాల క్రితం - కనీసం 20 సంవత్సరాల క్రితం - ప్రయత్నించాను మరియు అర్థం చేసుకోవడానికి, నిజంగా, ఆ సమయంలో, నేను BI ను అర్థం చేసుకోవడానికి ప్రయత్నిస్తున్నాను మరియు జరుగుతున్న కొన్ని ప్రారంభ డేటా మైనింగ్. నేను ఇక్కడ నిర్వచించినది డేటా యొక్క ఆలోచన మరియు ఉదాహరణలు సిగ్నల్స్, కొలతలు, రికార్డింగ్‌లు, సంఘటనలు, లావాదేవీలు, లెక్కలు, అగ్రిగేషన్‌లు, వ్యక్తిగత సమాచార పాయింట్లు. మీరు వాటిని సమాచార అణువులుగా భావించవచ్చు, కానీ అవి వ్యక్తిగత పాయింట్లు. ఇది కాన్ వచ్చిన వెంటనే సమాచారం అవుతుంది. లింక్డ్ డేటా, స్ట్రక్చర్డ్ డేటా, డేటాబేస్, డేటా యొక్క విజువలైజేషన్, ప్లాటర్లు, స్కీమర్లు మరియు ఆన్టాలజీలు - అవన్నీ నా మనస్సులో సమాచారంగా అర్హత పొందుతాయి ఎందుకంటే మీరు చేసినవి చాలా వైవిధ్యాలను కలుపుకొని డేటా పాయింట్ కంటే చాలా ఎక్కువ సృష్టించాయి, వాస్తవానికి ఆకారం, గణిత ఆకారం ఉన్నది.
పైన మనకు జ్ఞానం ఉంది. సమాచారాన్ని పరిశీలించడం ద్వారా, వివిధ నమూనాలు ఉన్నాయని మనం తెలుసుకోవచ్చు మరియు నియమాలు, విధానాలు, మార్గదర్శకాలు, విధానాలను రూపొందించడం ద్వారా మేము ఆ నమూనాలను ప్రభావితం చేయవచ్చు, ఆపై అది జ్ఞానం యొక్క రూపాన్ని తీసుకుంటుంది. మరియు అన్ని కంప్యూటర్ ప్రోగ్రామ్‌లు, వారు ఏమి చేస్తున్నా, ఒక రకమైన జ్ఞానం, ఎందుకంటే అవి డేటాకు వ్యతిరేకంగా పనిచేస్తాయి మరియు వాటికి నియమాలను వర్తిస్తాయి. మాకు ఈ మూడు పొరలు ఉన్నాయి మరియు పొరల మధ్య పెరుగుతున్న మెరుగుదల ఉంది. మరియు ఈ రేఖాచిత్రం యొక్క ఎడమ వైపున మీరు క్రొత్త డేటాను నమోదు చేస్తున్నట్లు చూపించారు, కాబట్టి ఈ విషయాలు చాలా స్థిరంగా ఉన్నాయి. డేటా పేరుకుపోతోంది, సమాచారం పేరుకుపోతోంది మరియు జ్ఞానం పెరుగుతోంది. ఎగువన, మనకు “అండర్స్టాండింగ్” ఉంది మరియు ఇది ఒక తాత్విక వాదన అయినప్పటికీ, ఆ అవగాహన మానవులలో మాత్రమే ఉంటుంది. నేను దాని గురించి తప్పుగా ఉంటే, మనమందరం ఏదో ఒక సమయంలో కంప్యూటర్ల ద్వారా భర్తీ చేయబడతాము. చర్చ జరగకుండా, నేను తదుపరి స్లైడ్‌కి వెళ్తాను.
నేను దీనిని చూసినప్పుడు, ఆసక్తికరమైన విషయం, ఇది ఇటీవలి విషయం, ఆసక్తికరమైన విషయం ఏమిటంటే, వాస్తవానికి విశ్లేషణలు ఏమిటో గుర్తించడం. చివరికి వివిధ రేఖాచిత్రాలను గీయడం ద్వారా మరియు ఇలా కనిపించే ఒకదానితో ముగించడం ద్వారా, నేను నిర్ధారణకు వచ్చాను, వాస్తవానికి, విశ్లేషణల అభివృద్ధి నిజంగా గణిత సూత్రాల యొక్క భయంకర మొత్తంతో సాఫ్ట్‌వేర్ అభివృద్ధి. సాఫ్ట్‌వేర్ అభివృద్ధికి విశ్లేషణాత్మక అన్వేషణ కొద్దిగా భిన్నంగా ఉంటుంది, అంటే మీరు డేటా గురించి కొత్త జ్ఞానాన్ని సంపాదించడానికి చాలా, చాలా భిన్నమైన మోడళ్లను తీసుకొని వాటిని దర్యాప్తు చేస్తారు. కానీ మీరు దాన్ని సృష్టించిన తర్వాత, ఇది నిష్క్రియాత్మక నిర్ణయ మద్దతుగా నేను భావించే దానిలో అమలు చేయబడుతుంది, ఇది వినియోగదారుకు అందించిన సమాచారం; ఇంటరాక్టివ్ డెసిషన్ సపోర్ట్, ఇది OLAP వంటిది, ఇక్కడ వినియోగదారుకు నిర్మాణాత్మక డేటా సమితి ఇవ్వబడుతుంది, ఇది వారు అందుబాటులో ఉన్న వివిధ సాధనాలను ఉపయోగించి తమకు సంబంధించిన విషయాలను పరిశోధించి, ed హించుకోవచ్చు. విజువలైజేషన్ చాలా అలాంటిది. మీరు సేకరించిన కొన్ని విశ్లేషణాత్మక అంతర్దృష్టిని అమలు చేయగలిగే నియమాల సమితిగా మార్చగలిగితే, మీకు ఆటోమేషన్ ఉంటుంది, మీరు పాల్గొనడానికి మానవుడు అవసరం లేదు. నేను ఇవన్నీ చేసినప్పుడు నేను చూసిన రకమైన మార్గం ఇది. మరియు నాకు వివిధ విషయాలు మొదలయ్యాయి. కార్యకలాపాల ప్రాంతం అయిన తర్వాత, డేటా యొక్క డొమైన్ వాస్తవానికి తవ్విన తరువాత, పూర్తిగా తవ్విన తరువాత, సాధ్యమయ్యే ప్రతి దిశలో పూర్తిగా అన్వేషించబడితే, చివరికి అది స్ఫటికీకరించిన BI అవుతుంది. కనిపెట్టిన జ్ఞానం వివిధ వినియోగదారులకు వివిధ మార్గాల్లో తెలియజేసే జ్ఞానం కావడం మొదలవుతుంది మరియు వారు చేసే పనిని వాస్తవానికి చేయటానికి వారి సామర్థ్యాన్ని పెంచుతుంది.
నేను గమనించిన వాటిలో ఒకటి మరియు నేను years హాజనిత విశ్లేషణలను సుమారు ఐదు సంవత్సరాలుగా చూశాను, కాని ప్రిడిక్టివ్ అనలిటిక్స్ BI గా మారుతోంది, అంటే ప్రజలకు ఆహారం ఇవ్వడానికి ఉపయోగకరమైన సమాచారంగా మారుతోంది మరియు నేను ఇప్పటికే ఎత్తి చూపినట్లు, స్వయంచాలక BI రిపోర్టింగ్, BI అన్వేషణాత్మక, BI, దాని యొక్క చాలా భిన్నమైన స్థాయిలు మరియు ప్రిడిక్టివ్ అనలిటిక్స్ వాస్తవానికి మూడు దిశల్లోనూ జరుగుతున్నాయి. నేను ఎత్తి చూపిన విశ్లేషణాత్మక ప్రక్రియ సాఫ్ట్‌వేర్ అభివృద్ధికి భిన్నంగా లేదు, కొంచెం భిన్నమైన నైపుణ్యాలతో వేర్వేరు వ్యక్తులు చేస్తారు. మంచి డేటా శాస్త్రవేత్తగా చేయడానికి అవసరమైన నైపుణ్యాలు సంపాదించడానికి సంవత్సరాలు పడుతుందని నేను నొక్కి చెప్పాలి. వారు సులభంగా సంపాదించలేరు మరియు పెద్ద సంఖ్యలో ప్రజలు దీన్ని చేయలేరు, కానీ దీనికి కారణం ఏమిటంటే చెల్లుబాటు అయ్యేది మరియు చెల్లుబాటు కానిది ఏమిటో తెలుసుకోవడానికి గణితాన్ని చాలా అధునాతన స్థాయిలో అర్థం చేసుకోవడం. అనలిటిక్స్ పరిణామాలు, కొత్త జ్ఞానం యొక్క ఆవిష్కరణ, అనలిటిక్స్ ఇంప్లాంటేషన్, ఇది జ్ఞానాన్ని కార్యాచరణలో ఉంచడం గురించి. ఇది మొత్తం విశ్లేషణలకు నేను చూసే బ్యాక్‌డ్రాప్. ఇది చాలా పెద్ద ప్రాంతం మరియు దీనికి చాలా, చాలా కొలతలు ఉన్నాయి, కాని సాధారణీకరణ ప్రతిదానికీ వర్తిస్తుందని నేను భావిస్తున్నాను.
అప్పుడు వ్యాపార అంతరాయం ఉంది, నేను చెప్పినట్లుగా అనేక సంస్థలు ఉన్నాయి, companies షధ కంపెనీలు మరొకటి, వాటి DNA లో వారికి విశ్లేషణలు ఉన్నాయి. కానీ వారి డిఎన్‌ఎలో నిజంగా లేని చాలా సంస్థలు ఉన్నాయి, మరియు ఇప్పుడు వారికి సామర్థ్యం ఉంది, ఇప్పుడు సాఫ్ట్‌వేర్ మరియు హార్డ్వేర్ గతంలో కంటే చాలా చవకైనది, ఇప్పుడు వారు దానిని దోపిడీ చేసే సామర్థ్యాన్ని కలిగి ఉన్నారు. నేను చాలా విషయాలు చెబుతాను. మొదటి విషయం ఏమిటంటే, విశ్లేషణలు చాలా సందర్భాల్లో ఇది R&D. మీరు సంస్థ యొక్క ఒక నిర్దిష్ట ప్రాంతానికి విశ్లేషణలను వర్తింపజేయవచ్చు మరియు మీరు ఒక విధంగా లేదా మరొక విధంగా కస్టమర్ ఆర్డర్‌లను వివిధ కోణాల నుండి మరోసారి విశ్లేషించి, ఇతర డేటాతో చేరడం ప్రాపంచికమైనదిగా అనిపించవచ్చు. కానీ విశ్లేషణలు వాస్తవానికి సంస్థను మొత్తంగా చూసే అవకాశాన్ని సృష్టిస్తాయి మరియు సంస్థలో జరుగుతున్న ఏదైనా ప్రత్యేకమైన కార్యాచరణను మరియు మొత్తం కార్యకలాపాల గొలుసులను చాలా చక్కగా విశ్లేషించే అవకాశాన్ని సృష్టిస్తాయి. మీరు నిజంగా ఆ ప్రాంతానికి వెళ్ళిన తర్వాత, అది పరిశోధన మరియు అభివృద్ధి అని నేను కొనసాగిస్తాను. మరియు నేను రెండుసార్లు అడిగిన ఒక ప్రశ్న ఉంది, అంటే “ఒక సంస్థ విశ్లేషణల కోసం ఎంత ఖర్చు చేయాలి?” మరియు దానికి సమాధానం ఇవ్వడం గురించి ఆలోచించడానికి ఉత్తమ మార్గం విశ్లేషణలను R&D గా ఆలోచించడం. , మరియు అడగండి, “సరే, మీరు వ్యాపార సామర్థ్యం ఉన్న ప్రాంతంలో R&D కోసం ఎంత ఖర్చు చేస్తారు?”
మరియు విశ్లేషణలతో లేని వ్యాపారాలు, వారికి తెలియని చాలా విషయాలు ఉన్నాయి. మొదట, దీన్ని ఎలా చేయాలో వారికి తెలియదు. సాధారణంగా వారు ఒక మార్గంలో వెళుతుంటే లేదా మరొకటి సంస్థలో విశ్లేషణలను అవలంబిస్తుంటే - వారికి నిజంగా చాలా చక్కని మార్గం లేదు, కాని వారికి సహాయపడే కన్సల్టెన్సీకి వెళ్లడం వల్ల, అది అసాధ్యం లేదా చాలా కష్టం. వ్యాపారాలు వాస్తవానికి డేటా సైంటిస్ట్‌ను నియమించుకోవడం, ఒకదాన్ని కనుగొనడం, ఒకదానికి చెల్లించడం మరియు మీరు చేయాలనుకున్నది చేయమని వారిని విశ్వసించడం. చాలా కష్టం. వాస్తవానికి ఈ పనిని చేయడానికి సిబ్బందిని ఎలా నియమించాలో లేదా విద్యావంతులను చేయాలో చాలా వ్యాపారాలకు తెలియదు, మరియు దానికి కారణం అది ఇంకా వారి DNA లో లేదు, కాబట్టి ఇది వారి సహజ వ్యాపార ప్రక్రియలలో భాగం కాదు. ఇది తదుపరి పాయింట్‌లోకి ఫీడ్ అవుతుంది. దీన్ని వ్యాపార ప్రక్రియగా ఎలా చేయాలో వారికి తెలియదు. దీనికి ఉత్తమ మార్గం ఏమిటంటే, ఏ ce షధ కంపెనీలు మరియు భీమా సంస్థలు కాపీ చేయడమే, కేవలం చూడండి, మరియు ఆరోగ్య సంరక్షణ కేంద్రంలోని కొన్ని కంపెనీలు, వారు విశ్లేషణలను ఉపయోగించే విధానాన్ని చూడండి మరియు దానిని కాపీ చేయండి. ఎందుకంటే ఇది వ్యాపార ప్రక్రియ. దీన్ని ఎలా పోలీస్ చేయాలో లేదా ఆడిట్ చేయాలో తెలియదు. ఇది నిజంగా, ముఖ్యంగా ఇప్పుడు చాలా సాఫ్ట్‌వేర్ కంపెనీలు చాలా విశ్లేషణలను ఆటోమేట్ చేసే ఉత్పత్తులను సృష్టించాయి. ఆడిటింగ్ గురించి పాయింట్ ముఖ్యం, మీకు కన్సల్టెన్సీ లేదా సైట్‌లో ఎవరైనా ఉన్నప్పుడు ఏదైనా విశ్లేషణాత్మక గణన యొక్క ఫలితాలు ఏమిటో అర్థం చేసుకోవచ్చు, అది మీరు చేయవలసిన ఎంపిక, కానీ మీరు నిజంగా శక్తివంతమైన విశ్లేషణాత్మక సాధనాలను ఉంచినట్లయితే విశ్లేషణలను సరిగ్గా అర్థం చేసుకోని వ్యక్తుల చేతులు, అవి సరైనవి కావు అనే నిర్ణయాలకు వెళ్లే అవకాశం ఉంది. నేను చెప్పినట్లుగా, కంపెనీలకు దాని కోసం ఎలా బడ్జెట్ చేయాలో తెలియదు.
ఇవి విశ్లేషణల రుచులు, నేను వాటి ద్వారా నడుస్తాను. గణాంక విశ్లేషణలు మరియు గణాంక మోడలింగ్ ic హాజనిత విశ్లేషణలకు గణనీయంగా భిన్నంగా ఉంటాయి, వీటిలో ఎక్కువ భాగం కర్వ్-ఫిట్టింగ్. యంత్ర అభ్యాసం ఆ విషయాలకు భిన్నంగా ఉంటుంది, పాత్ అనలిటిక్స్ మరియు సమయ శ్రేణి, ఇది ప్రాథమికంగా స్థితి ప్రవాహాలలో జరుగుతుంది. గ్రాఫ్ అనలిటిక్స్ మళ్ళీ భిన్నంగా ఉంటాయి మరియు విశ్లేషణలు మరియు అర్థ విశ్లేషణలు మళ్లీ భిన్నంగా ఉంటాయి. ఇది చాలా బహుళ-శైలి విషయం అని ఎత్తి చూపుతోంది. ఇది కాదు, మీరు విశ్లేషణలు చేయడం ప్రారంభించరు, మీకు ఉన్న సమస్యలను చూడటం ప్రారంభిస్తారు మరియు వాటికి తగిన వివిధ సాధనాలు మరియు వివిధ రుచుల కోసం వెతుకుతారు. చివరకు, నెట్ నెట్. హార్డ్వేర్ మరియు సాఫ్ట్‌వేర్ పరిణామం కారణంగా, నా అభిప్రాయం ప్రకారం విశ్లేషణలు ప్రారంభ దశలోనే ఉన్నాయి. ఇంకా చాలా ఉన్నాయి, ఇంకా చాలా ఉన్నాయి మరియు రాబోయే సంవత్సరాల్లో ఇది విప్పుతుందని మేము చూస్తాము. నేను ఇప్పుడు బంతిని డెజ్‌కు పంపించగలనని అనుకుంటున్నాను.
డెజ్ బ్లాంచ్ఫీల్డ్: అవును, అనుసరించాల్సిన కఠినమైన చర్య గురించి మాట్లాడండి, రాబిన్. నేను ఈ అంశాన్ని నా అభిమాన కోణాలలో ఒకటి నుండి క్లుప్తంగా సందర్శించబోతున్నాను, ఇది మానవుని కోణం. మన దైనందిన జీవితంలో చాలా మార్పులు జరుగుతున్నాయి. ప్రస్తుతం నా దృష్టిలో ఉన్న మా రోజువారీ జీవితంలో గొప్ప అంతరాయాలలో ఒకటి కేవలం రోజువారీ పని. పని చేయడానికి మరియు మీరు నియమించుకున్న పనిని చేయడానికి ప్రయత్నిస్తున్నారు మరియు మీరు రోజువారీ వ్యక్తి నుండి సూపర్ హీరోకి వెళ్లబోతున్నారనే అంచనా మరియు సంస్థల చుట్టూ ప్రవహించే మరియు చాలా త్వరగా విడుదల చేసే సమాచారం మొత్తం, ఇది ఒక ముఖ్యమైన సవాలు మరియు మరింత ఎక్కువ మేము జ్ఞానం మరియు సమాచార ప్రవాహాన్ని ఎదుర్కోవటానికి మరియు ఎదుర్కోవటానికి ప్రజలకు మెరుగైన మరియు మెరుగైన సాధనాలను అందించాల్సి ఉంది మరియు అందువల్ల నేను కొంచెం సరదాగా కోణం నుండి ప్రయత్నిస్తాను అని అనుకున్నాను. . కానీ, ఈ ఎత్తైన మనస్సు లేదా ఫ్లాష్ మాబ్స్ ఎలా వచ్చాయో ఇది ఎల్లప్పుడూ నన్ను కొడుతుంది, అవి మనం విశ్లేషణలుగా మాట్లాడే వాటి వైపు మమ్మల్ని నడిపిస్తాయి, కాని నిజంగా మనం మాట్లాడుతున్నది ప్రజలకు సమాచారాన్ని అందుబాటులోకి తెస్తుంది, మరియు దానితో సంభాషించడానికి మరియు అది సహజమైన రీతిలో చేయటానికి వీలు కల్పిస్తుంది మరియు ఇది సాధారణమైనదిగా అనిపిస్తుంది.
వాస్తవానికి, ఇది ఒక చిన్న పిల్లవాడు, చిన్నపిల్ల, నేలపై కూర్చొని ఉన్న ఒక యూట్యూబ్ వీడియోను గుర్తుచేస్తుంది మరియు అది అక్కడ ఒక ఐప్యాడ్‌తో ఆడుకుంటుంది మరియు అది చుట్టూ పడుతోంది మరియు చిటికెడు మరియు పిండి వేయుట మరియు చిత్రాలను కదిలించడం మరియు స్క్రీన్‌తో ఆడుకోవడం, అక్కడ డేటా. ఆపై తల్లిదండ్రులు ఐప్యాడ్‌ను తీసివేసి, పిల్లల ఒడిలో ఒక పత్రిక, ఒక ఎడ్ మ్యాగజైన్‌ను ఉంచుతారు. మరియు ఈ పిల్లల వయస్సు బహుశా రెండు సంవత్సరాల కంటే ఎక్కువ కాదు. పిల్లవాడు పత్రిక యొక్క స్క్రీన్‌తో ప్రయత్నించడం మరియు స్వైప్ చేయడం ప్రారంభిస్తాడు మరియు చిటికెడు మరియు పిండి వేయండి మరియు పత్రిక స్పందించదు. పిల్లవాడు తన వేలిని పైకి ఎత్తి చూస్తూ, “హ్మ్, నా వేలు పని చేస్తుందని నేను అనుకోను” అని అనుకుంటాడు మరియు అది చేతిలోనే ఉంచి, “ఆహ్, నా వేలు పని చేయడం వల్ల నా చేయి అనుభూతి చెందుతుంది. బాగుంది, ”మరియు అది వేలిని కదిలిస్తుంది, మరియు వేలు తిరుగుతుంది మరియు ప్రతిస్పందిస్తుంది. అవును. అప్పుడు అది మళ్ళీ పత్రికతో సంభాషించడానికి ప్రయత్నిస్తుంది, మరియు తక్కువ మరియు ఇది చిటికెడు మరియు పిండి మరియు స్క్రోల్ చేయదు. అప్పుడు వారు పత్రికను తీసివేసి, ఐప్యాడ్‌ను తిరిగి దాని ఒడిలో వేస్తారు, మరియు అకస్మాత్తుగా విషయం పనిచేస్తుంది. అందువల్ల వినోదం కోసం విశ్లేషణాత్మక సాధనం లేదా ప్రత్యక్ష ప్రసార సాధనాన్ని ఉపయోగించటానికి శిక్షణ పొందిన శిశువు ఇక్కడ ఉంది మరియు ఇది ఒక పత్రిక ఎలా పనిచేయాలి మరియు పేజీలను ఎలా తిప్పాలి అనే దానిపై పని చేయదు.
మరియు ఇది ఒక ఆసక్తికరమైన భావన. సంస్థల చుట్టూ తిరిగే జ్ఞానం గురించి, డేటా ప్రవహించే విధానం మరియు ప్రజలు ప్రవర్తించే విధానం గురించి నేను ఆలోచించినప్పుడు, ప్రజలు ఫ్లాష్ మాబ్‌గా నేర్చుకున్న ఈ భావన గురించి నేను తరచుగా ఆలోచిస్తాను, ఇది ఒక సంఘటన, మరియు ఏ సోషల్ మీడియా చేస్తుంది ఇది మరింత సులభం, ఈ సమయంలో మరియు తేదీ మరియు చర్య వద్ద ఈ ప్రదేశానికి వెళ్లండి, లేదా ఈ వీడియోను చూడండి మరియు ఈ నృత్యాలను నేర్చుకోండి లేదా ఈ రంగు టోపీని ధరించి ఉత్తరాన ఒక గంటకు సూచించండి. మరియు మీరు దీన్ని మీ నెట్‌వర్క్ ద్వారా బయటకు నెట్టివేస్తారు మరియు ఒకేసారి మొత్తం ప్రజలు, వందలాది మంది ఒకే స్థలంలో ఒకే సమయంలో తిరుగుతారు, అదే పని చేస్తారు మరియు ఈ అద్భుత కారకం ఉంది, “పవిత్ర ఆవు, ఇది నిజంగా ఆకట్టుకునేది! ”కానీ వాస్తవానికి ఇది చాలా సరళమైన ఆలోచన, మరియు ఒక సాధారణ భావన మా నెట్‌వర్క్‌ల ద్వారా బయటకు నెట్టబడుతోంది మరియు మనకు ఈ ఫలితం లభిస్తుంది, ఇది దృశ్యమానంగా అద్భుతమైన మరియు వినగల ఆకట్టుకునే విషయం. మరియు మీరు ఒక సంస్థ గురించి ఆలోచించినప్పుడు, ప్రజలు ప్రవర్తించాలని మేము కోరుకునే విధానం మరియు సమాచార వ్యవస్థలు మరియు కస్టమర్‌లతో వ్యవహరించాలని మేము కోరుకునే విధానం, ఇది చాలా సులభం, ఇది ఒక ఆలోచన లేదా భావన లేదా సాంస్కృతిక లేదా ప్రవర్తనా లక్షణం సాధనాలు మరియు సమాచారంతో శక్తివంతం చేయండి.
రెండున్నర దశాబ్దాలుగా నేను కలిగి ఉన్న ఈ మంత్రాన్ని అన్నింటికీ ఆధారపడటం మరియు మీ సిబ్బంది తమ పనిని వారు ఏమి చేయాలో కనుగొనలేకపోతే, అది సాధనాలు లేదా సమాచారం అయినా, వారు చక్రంను తిరిగి ఆవిష్కరిస్తారు. కాబట్టి ఇది ఇప్పుడు ఎప్పటికప్పుడు పెరుగుతున్న సవాలు, ఇక్కడ మనకు చాలా జ్ఞానం మరియు చాలా సమాచారం మరియు విషయాలు చాలా త్వరగా కదులుతున్నాయి, ప్రజలు చక్రం ఆవిష్కరించడాన్ని ఆపాలని మేము కోరుకుంటున్నాము. మరియు మన పని వాతావరణం గురించి ఆలోచించినప్పుడు, నా ఇష్టమైన వాటిలో ఒకటి అయిన ప్రజల కోణానికి తిరిగి రావడం, క్యూబికల్స్ మంచి ఫలితాల కోసం అనుకూలమైన వాతావరణం కాదని మేము ఆశ్చర్యపోయినప్పుడు నేను ఆశ్చర్యపోయాను, లేదా మేము ఈ భయంకరమైన విషయాలను వరుసలో ఉంచాము ఇక్కడ చిత్రాలు, మరియు అది పెద్దగా మారలేదు, గోడలను తగ్గించి, వాటిని పని ప్రదేశాలు అని పిలిచింది. కానీ మధ్యలో పసుపు లూప్ చుట్టూ, ఇద్దరు వ్యక్తులు జ్ఞానాన్ని మార్పిడి చేసుకుంటున్నారు. ఇంకా, మీరు మిగిలిన గదిని చూస్తే, వారందరూ అక్కడ కూర్చుని, విధేయతతో అక్కడే కొట్టుకుంటూ, సమాచారాన్ని తెరపైకి తెస్తారు. మరియు చాలా తరచుగా, నిజంగా జ్ఞానం మరియు డేటాను మార్పిడి చేయకూడదు మరియు దానికి అనేక కారణాలు ఉన్నాయి. కానీ పసుపు రంగు వృత్తంలో ఎడమ వైపున నేల మధ్యలో ఉన్న పరస్పర చర్య, ఇద్దరు వ్యక్తులు అక్కడ చాట్ చేస్తున్నారు, జ్ఞానాన్ని మార్చుకుంటారు మరియు బహుశా ఏదైనా కనుగొనడానికి ప్రయత్నిస్తున్నారు, “ఈ నివేదిక ఎక్కడ ఉందో మీకు తెలుసా, నేను ఎక్కడ ఈ డేటాను కనుగొనగలను, ఈ పని చేయడానికి నేను ఏ సాధనాన్ని ఉపయోగిస్తాను? ”మరియు అది పని చేయలేదు కాబట్టి వారికి ఏమీ లభించలేదు, మరియు అంతస్తులో తిరుగుతూ, క్యూబికల్ ఆఫీస్ స్థలం యొక్క నియమాన్ని విచ్ఛిన్నం చేసి వ్యక్తిగతంగా చేసారు.
మేము సరదాగా సరదాగా ఉక్కిరిబిక్కిరి చేసే ఆఫీసు చుట్టూ ఇలాంటి వాతావరణాలు ఉన్నాయి, కాని వాస్తవానికి అవి చాలా శక్తివంతమైనవి మరియు ప్రభావవంతమైనవి. వాటర్ కూలర్ అని పిలువబడే మొబైల్ లేదా ఫిక్స్‌డ్ అనలిటిక్స్ ప్లాట్‌ఫామ్ నాకు ఇష్టమైన వాటిలో ఒకటి, అక్కడ ప్రజలు అక్కడకు వచ్చి చిట్-చాట్ చేసి జ్ఞానాన్ని మార్చుకుంటారు, మరియు ఆలోచనలను పోల్చండి మరియు వాటర్ కూలర్ వద్ద నిలబడి, ఆలోచనలను మార్చుకుంటూ విశ్లేషణలను చేస్తారు. మీరు వాటి గురించి ఆలోచించినప్పుడు అవి చాలా శక్తివంతమైన అంశాలు. మరియు మీరు వాటిని మీ సిస్టమ్‌లకు మరియు సాధనాలకు అనువదించగలిగితే, మీరు అద్భుతమైన ఫలితాన్ని పొందుతారు. మరియు మాకు ఆల్-టైమ్ ఫేవరెట్ వచ్చింది, ఇది ఆఫీసు యొక్క అత్యంత శక్తివంతమైన డేటా పంపిణీ కేంద్రంగా ఉంది, లేకపోతే రిసెప్షన్ డెస్క్ అని పిలుస్తారు. మీరు ఏదైనా కనుగొనలేకపోతే, మీరు ఎక్కడికి వెళతారు? బాగా మీరు ఆఫీసు ముందుకి నడుస్తారు మరియు మీరు రిసెప్షన్‌కు వెళ్లి, “x, y, z ఎక్కడ ఉందో మీకు తెలుసా?” అని చెప్పండి మరియు కొత్తగా ఒక్కసారైనా వారు అలా చేయలేదని ఎవరైనా చెప్పడానికి నేను ధైర్యం చేస్తున్నాను ఉద్యోగం లేదా ఏదో ఒక సమయంలో వారు ఏదో కనుగొనలేకపోతారు. మరియు మీరు మీరే ప్రశ్నించుకోవాలి, అవి ఎందుకు? ఇది ఇంట్రానెట్ లేదా కొన్ని సాధనం లేదా సంసారంలో ఎక్కడో ఉండాలి. దీన్ని సులభంగా కనుగొనాలి.
అందువల్ల డేటా మరియు అనలిటిక్స్ మరియు వారి పనిని చేయడానికి మేము మా సిబ్బందికి అందించిన సాధనాలు మరియు మానవులు ఉద్యోగాలతో సంభాషించే విధానం విషయానికి వస్తే, ఇటీవలి విశ్లేషణ సాధనాలు మరియు పెద్ద డేటా ప్లాట్‌ఫారమ్‌ల ఆవిర్భావానికి ముందు నేను అభిప్రాయాన్ని పొందాను. , లేదా “డేటా ప్రాసెసింగ్” అలాగే పాత పాఠశాలలో పిలవండి, రిపోర్టింగ్ మరియు జ్ఞాన భాగస్వామ్యం డైనమిక్ లేదా సహకార లేదా ఓపెన్ నుండి దూరంగా ఉన్నాయి మరియు ప్రజలు తమ ఉద్యోగాలు చేయాలని మేము ఆశించే వ్యవస్థల గురించి మీరు ఆలోచించినప్పుడు, మాకు క్లాసికల్ ఉంది, ఏమి ప్రజలు ఇప్పుడు వారసత్వాన్ని పిలుస్తారు, కాని వాస్తవమేమిటంటే అది లభించిన వారసత్వం మాత్రమే మరియు ఇది ఇప్పటికీ ఇక్కడే ఉంది మరియు అందువల్ల ఇది నిజంగా వారసత్వం కాదు. సాంప్రదాయ HR వ్యవస్థలు మరియు ERP వ్యవస్థలు - మానవ వనరుల నిర్వహణ, సంస్థ వనరుల ప్రణాళిక, సంస్థ డేటా నిర్వహణ మరియు సంస్థను నడపడానికి సమాచారాన్ని నిర్వహించడానికి మేము ఉపయోగించే వ్యవస్థలు. ఇది స్థిరంగా ఉంటుంది.ఎగువ చివర నుండి, డిపార్ట్‌మెంటల్ ఇంట్రానెట్స్ వంటి సాధారణ ప్లాట్‌ఫారమ్‌లు, విషయాలు ఎక్కడ ఉన్నాయో మరియు వాటిని ఎలా పొందాలో మరియు స్థలం చుట్టూ ఉన్న జ్ఞానంతో ఎలా సంభాషించాలో కమ్యూనికేట్ చేయడానికి ప్రయత్నిస్తాయి. మేము దానిని మా ఇంట్రానెట్‌లో పాపప్ చేస్తాము. ఇది అక్కడ ఉంచడానికి సమయం మరియు కృషి చేసే వ్యక్తుల మాదిరిగానే ఉంటుంది, లేకుంటే అది మీ తలపై మిగిలిపోతుంది. లేదా మీరు ఆహార గొలుసు దిగువన, కార్పొరేట్ SAN ల వద్ద మరియు మధ్యలో ఉన్న ప్రతిదానిలో కూర్చొని డేటాను పొందారు, కాబట్టి ఇది నిల్వ ప్రాంత నెట్‌వర్క్‌లు ఫైల్‌లు మరియు డేటాతో నిండి ఉన్నాయి, కానీ దాన్ని ఎక్కడ కనుగొనాలో ఎవరికి తెలుసు.
చాలా తరచుగా, మేము ఈ క్లోజ్డ్ డేటా ప్లాట్‌ఫారమ్‌లను లేదా క్లోజ్డ్ సిస్టమ్‌లను నిర్మించాము, అందువల్ల ప్రజలు స్థలం చుట్టూ సమాచారాన్ని పంపించడానికి స్ప్రెడ్షీట్లు మరియు పవర్ పాయింట్స్ వంటి వాటికి తిరిగి వచ్చారు. కానీ ఇటీవల ఒక ఆసక్తికరమైన విషయం జరిగింది, నా మనస్సులో, మరియు మొబైల్ పరికరాలు మరియు ఇంటర్నెట్ సాధారణంగా పని చేస్తాయి, వాస్తవానికి విషయాలు మెరుగ్గా ఉండవచ్చనే ఆలోచనతో. మరియు ప్రధానంగా వినియోగదారు స్థలంలో. రోజువారీ జీవితంలో మేము ఇంటర్నెట్ బ్యాంకింగ్ వంటి వాటిని కలిగి ఉండటం ఆసక్తికరమైన విషయం. వారితో సంభాషించడానికి మేము భౌతికంగా బ్యాంకుకు వెళ్ళవలసిన అవసరం లేదు, మేము దీన్ని ఫోన్ ద్వారా చేయగలం. వాస్తవానికి అది చిలిపిగా ఉంది, కాని అప్పుడు ఇంటర్నెట్ చుట్టూ వచ్చింది మరియు మాకు ఒక వెబ్‌సైట్ ఉంది. మీకు తెలుసా, ఆలస్యంగా మీరు మీ బ్యాంకుకు ఎన్నిసార్లు వచ్చారు? నేను నిజంగా చేయలేను, ఇతర రోజు నేను దీని గురించి సంభాషించాను, చివరిసారిగా నేను నా బ్యాంకుకు వెళ్ళినప్పుడు నాకు గుర్తులేదు, నేను చాలా షాక్ అయ్యాను, నేను దీన్ని గుర్తుకు తెచ్చుకోగలనని అనుకున్నాను, కానీ ఇది చాలా కాలం క్రితం నేను అక్కడకు వెళ్ళినప్పుడు నాకు నిజంగా గుర్తులేదు. అందువల్ల మేము ఇప్పుడు ఈ గాడ్జెట్‌లను మొబైల్ మరియు ఫోన్‌లు, టాబ్లెట్‌లు మరియు ల్యాప్‌టాప్‌ల రూపంలో కలిగి ఉన్నాము, మాకు నెట్‌వర్క్‌లు మరియు సాధనాలు మరియు వ్యవస్థలకు ప్రాప్యత లభించాయి మరియు విషయాలు మెరుగ్గా ఉంటాయని మేము నేర్చుకున్న వినియోగదారు స్థలం, కానీ ఎందుకంటే ఎంటర్ప్రైజ్ మరియు పరిసరాలలో మరింత బద్ధకం మరియు హిమనదీయ మార్పు అయిన వినియోగదారు స్థలంలో వేగంగా మార్పు, మేము ఎల్లప్పుడూ ఆ మార్పును రోజువారీ పని జీవితానికి తీసుకోలేదు.
మీరు హార్డ్‌కోపీకి డేటాను ప్రత్యక్ష ప్రసారం చేయలేరని నేను సరదాగా ఇష్టపడతాను. ఈ చిత్రంలో ఇక్కడ ఒక వ్యక్తి ప్రదర్శించిన కొన్ని విశ్లేషణలను చూస్తూ కూర్చున్నాడు, మరియు ఒక అందమైన గ్రాఫ్ ఉంది, అది ఎవరో నిర్మించినది, బహుశా గణాంకవేత్తగా లేదా యాక్చువరీగా చాలా డబ్బు చెల్లించబడుతోంది, మరియు వారు అక్కడ ప్రయత్నిస్తున్నారు హార్డ్కోపీపై విశ్లేషణలు మరియు దానిపై ఉక్కిరిబిక్కిరి. అయితే ఇక్కడ నాకు భయపెట్టే విషయం ఏమిటంటే, ఈ సమావేశ గదిలోని ఈ వ్యక్తులు, ఉదాహరణకు, నేను దీనిని ఉదాహరణగా ఉపయోగిస్తాను, వారు ఇప్పుడు చారిత్రక డేటాతో సంభాషిస్తున్నారు. మరియు ఆ విషయం ఉత్పత్తి చేయబడినప్పటి నుండి పాతది, కాబట్టి ఇది వారం రోజుల నివేదిక కావచ్చు. ఇప్పుడు వారు చాలా చెడ్డ డేటా కాని పాత డేటాపై నిర్ణయాలు తీసుకుంటున్నారు, అవి నిరంతరం చెడ్డ డేటా కావచ్చు. చారిత్రాత్మకమైన వాటి ఆధారంగా వారు ఈ రోజు నిర్ణయం తీసుకుంటున్నారు, ఇది చాలా చెడ్డ ప్రదేశం. మేము ఆ హార్డ్‌కోపీని టాబ్లెట్‌లు మరియు ఫోన్‌ల ఇష్టాలతో భర్తీ చేయగలిగాము, ఎందుకంటే మేము వినియోగదారు స్థలంలో చాలా త్వరగా పని చేసాము, మరియు ఇప్పుడు మేము దానిని ఎంటర్ప్రైజ్ ప్రదేశంలో పని చేసాము, నిజ సమయం అంతర్దృష్టులు నిజ సమయ విలువ.
మరియు మేము దానిలో మరింత మెరుగుపడుతున్నాము. రాబిన్ ఇంతకుముందు లేవనెత్తిన స్థితికి ఇది నన్ను తీసుకువస్తుంది, అది పౌర డేటా శాస్త్రవేత్త యొక్క భావన మరియు ఈ భావన యొక్క డ్రైవ్. నాకు, ఒక పౌర డేటా శాస్త్రవేత్త సరైన సాధనాలు మరియు ఐప్యాడ్ యొక్క ఇష్టాలపై సమాచారం ఉన్న సాధారణ వ్యక్తులు. వారు గణితాలను చేయవలసిన అవసరం లేదు, వారు అల్గోరిథంలను తెలుసుకోవలసిన అవసరం లేదు, అల్గోరిథంలను ఎలా వర్తింపజేయాలి మరియు డేటాను రూల్ చేయాలో వారికి తెలియదు, ఇంటర్‌ఫేస్‌ను ఎలా ఉపయోగించాలో వారు తెలుసుకోవాలి. మరియు అది నా పరిచయానికి మరియు పసిబిడ్డ యొక్క భావనకు ఐప్యాడ్ వర్సెస్ మ్యాగజైన్‌తో పాటు ఐప్యాడ్‌తో కూర్చొని ఉంది. పసిబిడ్డ ఐప్యాడ్ యొక్క ఇంటర్‌ఫేస్‌ను సమాచారంలోకి ప్రవేశించడానికి మరియు దానితో సంభాషించడానికి ఎలా ఉపయోగించాలో చాలా త్వరగా, అకారణంగా నేర్చుకోవచ్చు, అయినప్పటికీ ఆట లేదా స్ట్రీమింగ్ మీడియా లేదా వీడియో. కానీ దీనికి మ్యాగజైన్ బార్ నుండి అదే స్పందన లేదా పరస్పర చర్య లభించదు మరియు పేజీ తర్వాత పేజీని మెరుస్తున్నది, ఇది చాలా ఆకర్షణీయంగా లేదు, ప్రత్యేకించి మీరు ఐప్యాడ్ లతో పెరిగిన పసిబిడ్డ అయితే. మనం వాటిని అందిస్తే, మరియు మొబైల్ పరికరాలు మరియు ముఖ్యంగా టాబ్లెట్‌లు మరియు స్మార్ట్‌ఫోన్‌ల వంటి ఇంటర్‌ఫేస్‌తో వాటిని అందించినట్లయితే, మరియు ప్రత్యేకంగా మీరు ఇంటరాక్ట్ చేయగలిగితే, సాధనాలు మరియు వస్తువులను ఎలా డ్రైవ్ చేయాలో మానవులు చాలా త్వరగా చూడవచ్చు మరియు నేర్చుకోవచ్చు. వాటిని స్పర్శలో, వేలు కదలికలతో, అకస్మాత్తుగా మీరు పౌర డేటా శాస్త్రవేత్త యొక్క ఈ భావనను పొందుతారు.
డేటా సైన్స్ ను సరైన సాధనాలతో అన్వయించగల వ్యక్తి, కానీ వాస్తవానికి దీన్ని ఎలా చేయాలో తెలియకుండానే. మరియు నా మనస్సులో ఇది చాలా, నేను చెప్పినట్లుగా, వినియోగదారుల ప్రభావంతో నడిచేది, అది కదిలింది మరియు డిమాండ్ మరియు సంస్థగా రూపాంతరం చెందింది. నిజంగా శీఘ్ర ఉదాహరణలు. మేము, మనలో చాలా మంది మా బ్లాగులు మరియు వెబ్‌సైట్‌లతో చిన్న ప్రకటనలను ఉంచడం లేదా ట్రాకింగ్ మరియు కదలికలను చూడటం మొదలుపెడతాము, మేము గూగుల్ అనలిటిక్స్ వంటి సాధనాలను ఉపయోగించాము మరియు మా బ్లాగులు మరియు చిన్న వెబ్‌సైట్లలో మేము మేల్కొన్నాము. , మేము అక్కడ చిన్న బిట్స్ కోడ్లను ఉంచగలము మరియు వెబ్‌సైట్‌ను ఎవరు సందర్శిస్తున్నారు, ఎప్పుడు, ఎక్కడ మరియు ఎలా అనే దానిపై Google మాకు నిజ-సమయ అంతర్దృష్టులను ఇస్తుంది. నిజ సమయంలో ప్రజలు వెబ్‌సైట్‌ను కొట్టడం, పేజీల ద్వారా వెళ్లి ఆపై అదృశ్యం కావడం మనం చూడగలం. మరియు ఇది చాలా ఆశ్చర్యకరమైనది. గూగుల్ అనలిటిక్స్ ప్లగ్ ఇన్ చేయబడిన వెబ్‌సైట్‌ను చూపించడానికి నేను మూగబోయిన వ్యక్తులకు నిజ-సమయ విశ్లేషణలను వివరించడానికి ప్రయత్నించినప్పుడు, మరియు వెబ్‌సైట్‌లను కొట్టే వ్యక్తులతో ప్రత్యక్ష పరస్పర చర్యను చూసి, “ఇమాజిన్ చేయండి నిజ సమయంలో మీ వ్యాపారం గురించి మీకు ఆ రకమైన అంతర్దృష్టులు ఉన్నాయి. ”
రిటైల్ ఉదాహరణ తీసుకోండి, మరియు బహుశా ఒక ce షధ, మీరు దీనిని అమెరికాలోని store షధ దుకాణం అని పిలుస్తారు, మీరు నడుస్తున్న ఫార్మసీ మరియు తలనొప్పి మాత్రల నుండి సన్ క్రీమ్ మరియు టోపీల వరకు ప్రతిదీ కొనండి. రియల్ టైమ్ సమాచారం లేకుండా ఆ సంస్థను నడపడానికి ప్రయత్నించడం భయానక భావన, ఇప్పుడు మనకు తెలిసినది మనకు తెలుసు. ఉదాహరణకు, మీరు ఫుట్ ట్రాఫిక్‌ను కొలవవచ్చు, మీరు సంతోషంగా ఉన్నందున స్క్రీన్ యొక్క ఒక వైపున స్మైలీ ముఖంతో స్టోర్ చుట్టూ పరికరాలను ఉంచవచ్చు మరియు కుడి వైపున అసంతృప్తికరమైన ఎరుపు మరియు మధ్యలో కొన్ని విభిన్న షేడ్స్ ఉంటాయి. ఈ రోజుల్లో “హ్యాపీ ఆర్ నాట్” అనే ప్లాట్‌ఫాం ఉంది, ఇక్కడ మీరు దుకాణంలోకి అడుగుపెడతారు మరియు మీ ప్రత్యక్ష కస్టమర్ సెంటిమెంట్ ఫీడ్‌బ్యాక్‌ను బట్టి మీరు సంతోషకరమైన ముఖం లేదా విచారకరమైన ముఖాన్ని కొట్టవచ్చు. మరియు అది నిజ సమయంతో ఇంటరాక్టివ్‌గా ఉంటుంది. మీరు ప్రత్యక్ష డిమాండ్ ఆధారిత ధరను పొందవచ్చు. అక్కడ చాలా మంది ఉంటే, మీరు ధరలను కొంచెం పెంచవచ్చు మరియు మీరు స్టాక్ లభ్యత చేయవచ్చు మరియు ప్రజలకు చెప్పవచ్చు, ఉదాహరణకు - విమానయాన సంస్థలు, ఉదాహరణకు, మీరు వెబ్‌సైట్‌లో ఇప్పుడు ఎన్ని సీట్లు అందుబాటులో ఉన్నాయో ప్రజలకు తెలియజేస్తాయి ఫ్లైట్ బుక్ చేసుకుంటున్నాను, మీరు యాదృచ్చికంగా డయల్ చేయకండి మరియు మీరు ఫ్లైట్ పొందవచ్చని ఆశిస్తున్నాము. లైవ్ హెచ్ఆర్ డేటా, ప్రజలు ఎప్పుడు క్లాక్ చేస్తున్నారో మరియు క్లాక్ ఆఫ్ అవుతున్నారో మీరు చెప్పగలరు. సేకరణ, మీరు సేకరణలో ఉంటే మరియు మీకు ప్రత్యక్ష డేటా లభిస్తే, మీ తదుపరి లోడ్‌ను కొనుగోలు చేయడానికి మరియు డాలర్ల ధరను అధిగమించడానికి ఒక గంట వేచి ఉండి, మీ తదుపరి లోడ్‌ను కొనుగోలు చేయడానికి మరియు ట్రక్కుల వస్తువులను పెంచడానికి మీరు చేయవచ్చు.
నేను ప్రజలకు గూగుల్ అనలిటిక్స్ చూపించినప్పుడు మరియు నేను ఆ రకమైన కథను, ఈ యురేకా క్షణం, ఈ “ఎ-హ!” క్షణం రిలే చేసినప్పుడు, ఈ లైట్ బల్బ్ వారి మనస్సులో “హ్మ్, నేను చేయగలిగిన చాలా ప్రదేశాలను చూడగలను . నా దగ్గర టూల్స్ ఉంటే మరియు నాకు ఆ జ్ఞానాన్ని యాక్సెస్ చేయగలిగితే. ”మరియు మేము దీన్ని ఇప్పుడు సోషల్ మీడియాలో చూస్తున్నాము. వారి అల్పాహారం యొక్క చిత్రాలను చూపించడమే కాకుండా, అవగాహన ఉన్న సోషల్ మీడియా వినియోగదారు ఎవరైనా, వారు ఎన్ని ఇష్టాలను పొందుతున్నారో మరియు వారు ఎంత ట్రాఫిక్ పొందుతున్నారు మరియు ఎంత మంది స్నేహితులను పొందుతున్నారో చూస్తారు మరియు వారు అలా చేస్తారు అనలిటిక్స్ సాధనంగా చెప్పండి. సాధనాన్ని ఉపయోగించడానికి మీరు .com కి వెళ్ళవచ్చు, కానీ మీరు గూగుల్ అనలిటిక్స్ డాట్ కామ్ అని టైప్ చేయవచ్చు, లేదా కుడి ఎగువ బటన్ పై క్లిక్ చేసి మెనూని లాగి చేయండి, మీరు ఈ ట్వీట్లను ఎన్ని ట్వీట్ చేస్తారో చెప్పే ఈ అందమైన, ప్రత్యక్ష గ్రాఫ్లను పొందుతారు. మీరే చేస్తున్నారు మరియు వారితో ఎన్ని పరస్పర చర్యలు చేస్తున్నారు. మరియు మీ వ్యక్తిగత సోషల్ మీడియాలో నిజ-సమయ విశ్లేషణలు. మాకు Google Analytics మరియు LinkedIn మరియు eBay గణాంకాలు మీ వద్ద వస్తున్నాయంటే g హించుకోండి, కానీ మీ పని వాతావరణంలో.
ఇప్పుడు మన వేలికొనలకు వెబ్ మరియు మొబైల్ యొక్క ప్రత్యక్ష విధానాన్ని పొందాము, ఇది శక్తి భావనగా మారుతుంది. అందువల్ల ఇది నా నిర్ధారణకు నన్ను ఆకర్షిస్తుంది, మరియు సాధనాలు మరియు సాంకేతిక పరిజ్ఞానాన్ని ప్రారంభంలో ప్రభావితం చేసే సంస్థలు, వారు తమ పోటీదారులపై ఇంత ముఖ్యమైన ప్రయోజనాన్ని పొందుతారని నేను గుర్తించాను, పోటీదారులు వాస్తవానికి ఎప్పటికీ పట్టుకోలేరు. పౌర డేటా శాస్త్రవేత్త యొక్క సంఘర్షణతో మేము ఇప్పుడు చూస్తున్నాము. నైపుణ్యాలు, మేము వారిని నియమించుకున్న జ్ఞానం, మరియు మేము వారికి సరైన సాధనాలను ఇవ్వగలిగితే, ప్రత్యేకించి నిజ-సమయ డేటాను చూడగల సామర్థ్యం మరియు డేటాను కనుగొనడం మరియు క్యూబికల్స్ చుట్టూ నడవకుండానే అది ఎక్కడ ఉందో తెలుసుకోవచ్చు. మరియు ప్రజలతో కొన్ని తులనాత్మక విశ్లేషణలు చేయడానికి వాటర్ కూలర్ వద్దకు వెళ్లి నిలబడాలి లేదా వెళ్లి సూచిక ఉన్న రిసెప్షన్‌ను అడగండి. వారు వారి వేలికొనలకు అలా చేయగలిగితే మరియు వారు దానిని వారితో వారి సమావేశాలకు తీసుకెళ్ళి, హార్డ్‌కోపీ కాకుండా నిజ సమయంలో స్క్రీన్‌ల ద్వారా ఎగిరిపోయే బోర్డ్‌రూమ్‌లో కూర్చుని ఉంటే, అకస్మాత్తుగా మేము వాస్తవంగా అవసరం లేని మా సిబ్బందికి అధికారం ఇచ్చాము డేటా శాస్త్రవేత్తలు, కానీ వాస్తవానికి డేటా సైన్స్ ఉపయోగించడం మరియు సంస్థల కోసం అద్భుతమైన ఫలితాలను అందించడం. వినియోగదారుని ఎంటర్ప్రైజ్‌లోకి నడిపించే చోట మనం ఇప్పుడు ఈ చిట్కా పాయింట్‌ను దాటినట్లు నేను భావిస్తున్నాను, సవాలు ఏమిటంటే మేము ఆ సంస్థను ఎలా అందిస్తాము మరియు ఇది నేటి చర్చలో నేను ess హించిన థీమ్. దానితో, నేను దానిని ఎలా పరిష్కరించాలో వినడానికి నేను నా భాగాన్ని మూసివేసి అప్పగించబోతున్నాను. డేవిడ్, మీకు.
డేవిడ్ స్వీనోర్: సరే, చాలా అబ్బాయిలు ధన్యవాదాలు, మరియు ధన్యవాదాలు రాబిన్. మీకు తెలుసా, రాబిన్, నేను మీ అసలు అంచనాతో అంగీకరిస్తున్నాను. విశ్లేషణాత్మక ప్రక్రియ, ఇది సాఫ్ట్‌వేర్ అభివృద్ధి కంటే నిజంగా భిన్నంగా లేదు. ఒక సంస్థలోని సవాలు నిజంగానే అని నేను అనుకుంటున్నాను, మీకు తెలుసా, బహుశా విషయాలు సరిగ్గా నిర్వచించబడలేదు, బహుశా దీనికి అన్వేషణాత్మక భాగం మరియు దానికి సృజనాత్మక భాగం ఉండవచ్చు. మరియు డెజ్, మీకు తెలుసా, నేను మీతో అంగీకరిస్తున్నాను, చక్రంను తిరిగి ఆవిష్కరించడం చాలా ఉంది, మరియు మీకు తెలుసా, నేను ఈ రోజుకు వెళ్ళే సంస్థ లేదు, మీరు ప్రశ్నిస్తున్నారు, అలాగే, మీరు ఎందుకు ఈ విధంగా చేస్తున్నారు? వ్యాపారం ఈ విధంగా ఎందుకు నడుస్తుంది? మరియు ప్రశ్నించడం చాలా సులభం మరియు మీరు సంస్థలో ఉన్నప్పుడు చాలా సార్లు మార్చడం కష్టం. నేను సారూప్యతను, వస్తువుల వినియోగాన్ని ప్రేమిస్తున్నాను. అందువల్ల నేను విమానాశ్రయానికి వెళ్లి నా సీటు మార్చాలనుకున్నప్పుడు - నా సెల్‌ఫోన్‌లో చేస్తాను. నేను బూత్‌లోని ఏజెంట్ వద్దకు వెళ్లవలసిన అవసరం లేదు, మరియు నా సీటు అప్పగింతను మార్చడానికి ఆ ఏజెంట్ మోనోక్రోమ్ మానిటర్‌లో 15 నిమిషాలు టైప్ చేయడాన్ని చూడండి. నేను దీన్ని నా ఫోన్‌లో చేయడానికి ఇష్టపడతాను, కాబట్టి ఇది ఆసక్తికరమైన పరిణామం.
ఈ రోజు, మేము సామూహిక మేధస్సు గురించి కొంచెం మాట్లాడబోతున్నాము. తెలియని వారికి, స్టాటిస్టికా ఒక ప్రముఖ-అంచు విశ్లేషణ వేదిక, ఇది 30 సంవత్సరాలుగా ఉంది. మీరు విశ్లేషకుల పరిశ్రమలో ఉన్న ఏదైనా ప్రచురణలను పరిశీలిస్తే, ఇది ఎల్లప్పుడూ అత్యంత స్పష్టమైన మరియు అధునాతన అనలిటిక్స్ సాఫ్ట్‌వేర్ ప్యాకేజీగా ఒకటిగా వస్తుంది. కాబట్టి మేము గత కొన్ని సంవత్సరాలుగా సామూహిక మేధస్సు అనే భావనపై పని చేస్తున్నాము మరియు మేము దానిని తదుపరి స్థాయికి తీసుకువెళుతున్నాము. నేను ఈ సంభాషణను దీనితో ప్రారంభించాలనుకుంటున్నాను: మీ సంస్థలో పని ఎలా జరుగుతుంది?
మరియు ఇక్కడ రెండు చిత్రాలు ఉన్నాయి. ఎడమ వైపున ఉన్నది 1960 ల నుండి వచ్చిన చిత్రం, నేను 1960 లలో నా వృత్తిని ప్రారంభించలేదు, కానీ కుడి వైపున ఉన్న చిత్రం - ఇది నేను పనిచేయడం ప్రారంభించిన సెమీకండక్టర్ ఫ్యాక్టరీ. మరియు నేను ఆ నల్ల భవనంలో పనిచేశాను, ఎగువ ఎడమ వైపున నల్ల పైకప్పు. కానీ వారు సెమీకండక్టర్ స్టఫ్ తయారు చేశారు. ఇది గూగుల్ ఇమేజెస్ నుండి ఇటీవలి చిత్రం. కానీ మీరు ఎడమ వైపున ఉన్న 1960 చిత్రానికి తిరిగి వెళ్ళినప్పుడు, ఇది చాలా ఆసక్తికరంగా ఉంటుంది. మీరు ఈ వ్యక్తులను ఒక వరుసలో కూర్చోబెట్టారు మరియు వారు ఇంటిగ్రేటెడ్ సర్క్యూట్లు మరియు సెమీకండక్టర్లను తయారు చేస్తున్నారు. కానీ ప్రామాణీకరణ ఉంది, పనులు చేయడానికి ప్రామాణికమైన మార్గం ఉంది మరియు బాగా నిర్వచించబడిన ప్రక్రియ ఉంది. మీకు తెలుసా, బహుశా ఈ వ్యక్తులు బహిరంగ వాతావరణంలో కూర్చున్నందున, కొంత సహకారం ఉండవచ్చు. జ్ఞాన శ్రామికశక్తిలో మనం కొంత కోల్పోయామని నేను భావిస్తున్నాను.
నేను ఎగువ ఎడమవైపు ఉన్న ఆ భవనంలో కూర్చున్నప్పుడు, నేను ఎవరితోనైనా సహకరించాలనుకుంటే, అది తెరవబడలేదు. ఈ కార్యాలయాలు ఉన్నాయి, బహుశా బృందంలో కొంతమంది రిమోట్ అయి ఉండవచ్చు లేదా బహుశా నేను ఈ క్యాంపస్ గుండా ట్రెక్కింగ్ చేయాల్సి వచ్చింది; ఇది 25 నిమిషాల నడక, మరియు నేను కుడి వైపున ఉన్న భవనంలో ఎవరితోనైనా మాట్లాడవలసి ఉంటుంది. నేను మార్గం వెంట ఏదో కోల్పోయాను. అందువల్ల, మీకు తెలుసా, నాకు అదే ఆలోచన ఉంది, ప్రజలు ఎందుకు - మీ సంస్థలో ఎంత మంది వ్యక్తులు చక్రంను తిరిగి ఆవిష్కరిస్తున్నారు? 1990 మరియు 2000 లలో CRM మరియు డేటా గిడ్డంగులతో, మరియు కొంతవరకు BI తో సంస్థలు మంచి పని చేశాయని మీకు తెలుసా. కొన్ని కారణాల వల్ల, విశ్లేషణలు కొంచెం వెనుకబడి ఉన్నాయి. డేటా గిడ్డంగి, మరియు ప్రామాణీకరించడం మరియు మీ డేటాను సాధారణీకరించడం మరియు ఇవన్నీ మరియు CRM లో గణనీయమైన పెట్టుబడులు ఉన్నాయి, కాని విశ్లేషణలు కొన్ని కారణాల వల్ల వెనుకబడి ఉన్నాయి. నేను ఎందుకు ఆలోచిస్తున్నాను. ఒక సృజనాత్మకత ఉండవచ్చు - బహుశా మీ ప్రక్రియ సరిగ్గా నిర్వచించబడకపోవచ్చు, మీ వ్యాపారంలో విషయాలను మార్చడానికి మీరు ఏ నిర్ణయం లేదా మీటను తిప్పడానికి ప్రయత్నిస్తున్నారో మీకు తెలియదు. ఈ రోజు మనం సంస్థల్లోకి వెళ్ళినప్పుడు, స్ప్రెడ్‌షీట్స్‌లో చాలా మంది మానవీయంగా పనులు చేస్తున్నారు.
మీకు తెలుసా, నేను ఈ ఉదయం ఒక స్టాట్ వైపు చూశాను, 80, 90 శాతం స్ప్రెడ్‌షీట్లలో లోపాలు ఉన్నాయని నేను అనుకుంటున్నాను, వీటిలో కొన్ని చాలా ముఖ్యమైనవి. స్ప్రెడ్‌షీట్ లోపాల కారణంగా జెపి మోర్గాన్ చేజ్ బిలియన్ల మరియు బిలియన్ డాలర్లను కోల్పోయిన వేల్‌లో మాదిరిగానే. కాబట్టి నేను అనుకునే ఆవరణ ఉంది, పనులు పూర్తి చేయడానికి మంచి మార్గం ఉండాలి. మరియు మేము చెప్పినట్లుగా, మనకు ఈ డేటా శాస్త్రవేత్తలు ఉన్నారు. ఈ కుర్రాళ్ళు ఖరీదైనవి, మరియు వారు దొరకటం కష్టం. మరియు కొన్నిసార్లు అవి బేసి బాతు. నేను భావిస్తున్నాను, మీకు తెలుసా, నేను డేటా సైంటిస్ట్ అంటే ఏమిటో సంకలనం చేయవలసి వస్తే, అది బహుశా డేటాను అర్థం చేసుకునే వ్యక్తి. ఇది గణితాన్ని అర్థం చేసుకున్న వ్యక్తి, సమస్యను అర్థం చేసుకున్న వ్యక్తి అని నేను అనుకుంటున్నాను. మరియు నిజంగా, ఫలితాలను కమ్యూనికేట్ చేయగల ఎవరైనా. మీరు డేటా సైంటిస్ట్ అయితే, ఈ రోజుల్లో మీరు చాలా అదృష్టవంతులు, ఎందుకంటే గత కొన్ని సంవత్సరాలుగా మీ జీతం రెట్టింపు అయింది.
నిజం చెప్పాలంటే, చాలా సంస్థలు, వారికి ఈ డేటా శాస్త్రవేత్తలు లేరు, కానీ మీ సంస్థలో తెలివైన వ్యక్తులు ఉన్నారు. మీకు ఒక సంస్థ ఉంది, మీకు చాలా మంది స్మార్ట్ వ్యక్తులు ఉన్నారు మరియు వారు స్ప్రెడ్‌షీట్‌లను ఉపయోగిస్తారు. మీకు తెలుసా, గణాంకాలు మరియు గణితం వారి ప్రాధమిక పని కాదు, కానీ వారు వ్యాపారాన్ని ముందుకు నడిపించడానికి డేటాను ఉపయోగిస్తారు. నిజంగా, మేము పరిష్కరించే సవాలు ఏమిటంటే, మీరు ఎలా తీసుకుంటారు, మీరు డేటా సైంటిస్ట్ లేదా స్టాటిస్టిషియన్ లేదా ఇద్దరిని కలిగి ఉండటం అదృష్టంగా ఉంటే, మీరు వాటిని ఎలా తీసుకోవచ్చు మరియు ఆ వ్యక్తుల మధ్య సహకారాన్ని ఎలా మెరుగుపరచవచ్చు? మీ సంస్థలోని ఇతర వ్యక్తులు? మా సంస్థ ఎలా నిర్మాణాత్మకంగా ఉందో పరిశీలించినట్లయితే, నేను ప్రారంభించబోతున్నాను మరియు నేను కుడి నుండి ఎడమకు వెళ్తాను. ఇది వెనుకకు ఉందని నాకు తెలుసు, కాని మాకు ఈ వ్యాపార వినియోగదారులు ఉన్నారు.
ఇది మీ నాలెడ్జ్ వర్కర్ జనాభాలో ఎక్కువ భాగం, మరియు ఈ వ్యక్తుల కోసం, మీరు మీ వ్యాపార అనువర్తనాల శ్రేణిలో విశ్లేషణలను పొందుపరచాలి. బహుశా వారు కాల్ సెంటర్ స్క్రీన్‌లో లేదా ఏదైనా విశ్లేషణాత్మక అవుట్‌పుట్‌ను చూస్తున్నారు మరియు కస్టమర్‌కు ఇవ్వడానికి తదుపరి ఉత్తమ ఆఫర్‌ను ఇది వారికి తెలియజేస్తుంది. బహుశా ఇది వెబ్ పోర్టల్‌లో వినియోగదారు లేదా సరఫరాదారు కావచ్చు మరియు అది వారికి క్రెడిట్ లేదా అలాంటి వాటిని తక్షణమే ఇస్తుంది. కానీ ఆలోచన ఏమిటంటే, వారు విశ్లేషణలను తీసుకుంటున్నారు. మనం మధ్యకు వెళితే, వీరు ఈ జ్ఞాన కార్మికులు. ఈ రోజు స్ప్రెడ్‌షీట్‌లతో పనులు చేస్తున్న వ్యక్తులు, కానీ స్ప్రెడ్షీట్లు లోపం సంభవించేవి మరియు ఏదో ఒక సమయంలో అవి గ్యాస్ అయిపోతాయి. ఈ పౌర డేటా శాస్త్రవేత్తలు, మేము వారిని పిలుస్తున్నప్పుడు, మీకు తెలుసా, మేము వారి కోసం ఏమి చేయాలనుకుంటున్నామో అది నిజంగా ఆటోమేషన్ స్థాయిని పెంచుతుంది.
80 నుండి 90 శాతం పని డేటా ప్రిపరేషన్ ముక్కలో ఉందని మీరు విశ్లేషణలతో వింటారు, మరియు ఇది అసలు గణితం కాదు, కానీ ఇది డేటా ప్రిపరేషన్. మీరు దాన్ని స్వయంచాలకంగా చేయడానికి ప్రయత్నిస్తున్నాము, మీరు అలా చేసినా, మాకు మంత్రగాళ్ళు మరియు టెంప్లేట్లు మరియు పునర్వినియోగ విషయాలు ఉన్నాయి మరియు మీ వాతావరణంలో అంతర్లీన మౌలిక సదుపాయాల గురించి మీకు నిజంగా అవగాహన లేదు. ఆపై మనం ఎడమవైపు చూస్తే, మనకు ఈ డేటా శాస్త్రవేత్తలు ఉన్నారు. నేను చెప్పినట్లుగా, అవి తక్కువ సరఫరాలో ఉన్నాయి. మరియు వాటిని మరింత ఉత్పాదకతగా చేయడానికి మేము ప్రయత్నిస్తున్నది, ఈ పౌర డేటా శాస్త్రవేత్తలు చేయగలిగే వాటిని సృష్టించడానికి వారిని అనుమతించడం. లెగో బ్లాక్ లాగా ఆలోచించండి, కాబట్టి ఈ డేటా శాస్త్రవేత్తలు ఒక పౌరుడు డేటా శాస్త్రవేత్త ఉపయోగించగల పునర్వినియోగ ఆస్తిని సృష్టించగలరు. దీన్ని ఒకసారి నిర్మించండి, కాబట్టి మేము చక్రంను తిరిగి ఆవిష్కరించాల్సిన అవసరం లేదు.
ఆపై, ఈ కుర్రాళ్ళు మేము డేటాబేస్లో పనులు చేయగలమా అని ఆందోళన చెందవచ్చు మరియు మీ కంపెనీ చేసిన సాంకేతిక పరిజ్ఞాన పెట్టుబడులను ప్రభావితం చేయవచ్చు. మీకు తెలుసా, ఈ రోజు మరియు వయస్సులో ప్రపంచమంతటా డేటాను మార్చడానికి అర్ధమే లేదు. నేను స్టాటిస్టికాను పరిశీలిస్తే, నేను చెప్పినట్లుగా, ఇది చాలా కాలంగా ఉన్న వేదిక. మరియు ఇది చాలా వినూత్నమైన ఉత్పత్తి. డేటా బ్లెండింగ్, మేము యాక్సెస్ చేయలేని డేటా సోర్స్ లేదు. మీరు ఆశించే అన్ని డేటా ఆవిష్కరణ మరియు విజువలైజేషన్ విషయాలు మా వద్ద ఉన్నాయి; మేము దీన్ని నిజ సమయంలో చేయవచ్చు. మరియు ఇది బహుశా కలిగి ఉంది - సాఫ్ట్‌వేర్ సాధనంలో 16,000 కి పైగా విశ్లేషణాత్మక విధులు ఉన్నాయని నేను భావిస్తున్నాను, తద్వారా నేను ఉపయోగించగలిగిన లేదా అర్థం చేసుకోగలిగిన దానికంటే ఎక్కువ గణితమే, కానీ మీకు అవసరమైతే అది ఉంటుంది.
వ్యాపార నిర్ణయం మరియు విశ్లేషణాత్మక వర్క్ఫ్లో రెండింటినీ మిళితం చేసే సామర్థ్యం మాకు నిజంగా ఉంది. మీరు ఇప్పుడే మించిపోతున్నారు, ఇక్కడ ఒక అల్గోరిథం ఉంది, ఇక్కడ వర్క్ఫ్లో ఉంది, కానీ మీరు ఎల్లప్పుడూ వ్యవహరించాల్సిన వ్యాపార నియమాలు ఉన్నాయి. మేము పాలనలో చాలా భద్రంగా ఉన్నాము. మేము చాలా ce షధ క్లయింట్లలో ఉపయోగించబడుతున్నాము, అందులో FDA మమ్మల్ని విశ్వసిస్తుంది. మీకు తెలుసా, పుడ్డింగ్‌లో మాకు నియంత్రణలు మరియు ఆడిట్ సామర్ధ్యం ఉన్నాయని రుజువు. చివరగా, మీకు తెలుసా, మేము ఓపెన్ మరియు ఫ్లెక్సిబుల్ మరియు ఎక్స్‌టెన్సిబుల్, కాబట్టి మీరు ఒక ప్లాట్‌ఫామ్‌ను సృష్టించాలి, అంటే మీ డేటా సైంటిస్టులు ఉత్పాదకంగా ఉండాలని మీరు కోరుకుంటారు, మీ పౌర డేటా శాస్త్రవేత్తలు ఉత్పాదకంగా ఉండాలని మీరు కోరుకుంటారు, మీరు చేయగలరు మీ సంస్థలోని కార్మికులకు ఈ విశ్లేషణాత్మక ఉత్పత్తిని అమలు చేయడానికి.
మేము దీనిని పరిశీలించినట్లయితే, ఇక్కడ కొన్ని విజువలైజేషన్లకు ఉదాహరణ. కానీ మీ విశ్లేషణాత్మక అవుట్‌పుట్‌ను వ్యాపార వినియోగదారులకు పంపిణీ చేయగలుగుతారు, కాబట్టి ఎడమవైపున ఉన్న మొదటి ఉదాహరణ, ఇది నెట్‌వర్క్ విశ్లేషణాత్మక రేఖాచిత్రం. మరియు బహుశా మీరు మోసపూరిత పరిశోధకురాలు, మరియు ఈ కనెక్షన్లు ఎలా తయారయ్యాయో మీకు తెలియదు, మరియు వారు వ్యక్తులు కావచ్చు, ఇవి ఎంటిటీలు కావచ్చు, ఇవి ఒప్పందాలు కావచ్చు, నిజంగా ఏదైనా కావచ్చు. కానీ మీరు దీన్ని మీ మౌస్‌తో మార్చవచ్చు మరియు నిజంగా అర్థం చేసుకోవడానికి దానితో సంభాషించవచ్చు - మీరు మోసపూరిత పరిశోధకులైతే, ఎవరితో దర్యాప్తు చేయాలనే ప్రాధాన్యత గల జాబితాను అర్థం చేసుకోవడానికి, సరియైనది, ఎందుకంటే మీరు అందరితో మాట్లాడలేరు, కాబట్టి మీకు ప్రాధాన్యత ఇవ్వడానికి.
మేము అక్కడ కుడి వైపున ఉన్న చిత్రాన్ని చూస్తే, maintenance హాజనిత నిర్వహణ డాష్‌బోర్డ్ కోసం, ఇది నిజంగా ఆసక్తికరమైన సమస్య. బహుశా మీరు విమానాశ్రయం యజమాని కావచ్చు మరియు మీకు ఈ బాడీ స్కానర్లు ఉన్నాయి. ఈ బాడీ స్కానర్లు, మీరు విమానాశ్రయానికి వెళితే, అక్కడ తొమ్మిది నెలల షెల్ఫ్ జీవితాన్ని కలిగి ఉన్న కొన్ని భాగాలు ఉన్నాయి. మరియు ఈ విషయాలు నిజంగా ఖరీదైనవి. నాకు బహుళ ఎంట్రీ పాయింట్లు, నా విమానాశ్రయంలో బహుళ స్కానర్లు ఉంటే, నంబర్ వన్ నేను ప్రతి గేట్ల వద్ద తగిన సిబ్బందిని కలిగి ఉన్నానని నిర్ధారించుకోవాలనుకుంటున్నాను మరియు స్కానర్‌లలో ఉన్న భాగాల కోసం, నేను వాటిని కూడా ఆర్డర్ చేయాలనుకోవడం లేదు ప్రారంభంలో, మరియు అది విచ్ఛిన్నం కావడానికి ముందు నేను వాటిని కలిగి ఉండాలనుకుంటున్నాను. మాకు సామర్థ్యం ఉంది, బహుశా మీరు విమానాశ్రయం కలిగి ఉంటే, ఈ విషయాలు ఎప్పుడు విరిగిపోతాయో మరియు సిబ్బంది స్థాయిని అంచనా వేస్తాయని to హించగలుగుతారు.
మేము దిగువ కుడి వైపు చూస్తే, మీరు ఉత్పాదక వాతావరణంలో ఉంటే, ఇది ఉత్పాదక ప్రవాహం యొక్క గ్రాఫికల్ ప్రాతినిధ్యం. మరియు చూడటం కొంచెం కష్టం, కానీ ఈ వివిధ ప్రాసెస్ రంగాలలో ఎరుపు మరియు ఆకుపచ్చ ట్రాఫిక్ లైట్లు ఉన్నాయి, కాబట్టి నేను ఇంజనీర్ అయితే, అక్కడ చాలా అధునాతన గణితం ఉంది, కాని నేను ఆ నిర్దిష్ట ప్రాసెస్ సెక్టార్లో డ్రిల్ చేసి చూడగలను పారామితులు మరియు ఇన్పుట్, అది నియంత్రణలో ఉండకపోవచ్చు. మేము మా పౌర డేటా శాస్త్రవేత్తను పరిశీలిస్తే, మా లక్ష్యం నిజంగా పౌర డేటా శాస్త్రవేత్తకు సులభతరం చేయడమే. మాకు విజార్డ్స్ మరియు టెంప్లేట్లు ఉన్నాయి, మరియు ఒక విషయం నిజంగా ఆసక్తికరంగా ఉందని నేను భావిస్తున్నాను, మనకు ఈ ఆటోమేటెడ్ డేటా హెల్త్ చెక్ నోడ్ ఉందా? మరియు నిజంగా ఇది ఏమి చేస్తుంది, ఇది అంతర్నిర్మిత స్మార్ట్‌లను కలిగి ఉంది.
నేను డేటా ప్రిపరేషన్ గురించి ప్రస్తావించాను - దీనికి గణనీయమైన సమయం పడుతుంది, అది డేటా అగ్రిగేషన్ మరియు దానిని సిద్ధం చేస్తుంది. కానీ నా వద్ద నా డేటా ఉందని అనుకుందాం, నేను ఈ డేటా హెల్త్ చెక్ నోడ్ ద్వారా దీన్ని అమలు చేయగలను, మరియు ఇది అస్థిరత, మరియు విపరీతత, మరియు అవుట్‌లెర్స్ కోసం తనిఖీ చేస్తుంది మరియు ఈ విషయాలన్నీ తప్పిపోయిన విలువలను నింపుతాయి మరియు ఇది నేను చాలా గణితాన్ని చేస్తుంది అర్థం కాలేదు, కాబట్టి నేను డిఫాల్ట్‌లను అంగీకరించగలను, లేదా నేను కొంచెం తెలివిగా ఉంటే, నేను వాటిని మార్చగలను. కానీ విషయం ఏమిటంటే, మేము ఆ ప్రక్రియను ఆటోమేట్ చేయాలనుకుంటున్నాము. ఈ విషయం శుద్ధి చేసిన డేటా సమితిలో 15 వేర్వేరు తనిఖీలు మరియు ఫలితాలను చేస్తుంది. మేము చేస్తున్నది ప్రజలకు ఈ వర్క్ఫ్లోలను సృష్టించడం సులభం చేస్తుంది.
ఇక్కడే మేము డేటా శాస్త్రవేత్తలు మరియు పౌర డేటా శాస్త్రవేత్తల మధ్య సహకారం గురించి మాట్లాడుతున్నాము. మేము ఈ చిత్రాలను కుడి వైపున చూస్తే, ఈ డేటా ప్రిపరేషన్ వర్క్ఫ్లో చూస్తాము. మరియు ఇది చాలా అధునాతనమైనది, బహుశా ఇది మీ కంపెనీ యొక్క రహస్య సాస్, నాకు తెలియదు, కానీ మీ సంస్థలోని ఎవరైనా మన వద్ద ఉన్న ఈ ఒకటి లేదా అంతకంటే ఎక్కువ డేటా గోతులు యాక్సెస్ చేయగలరని మాకు తెలుసు. మాకు ఒక మార్గం కావాలి, నంబర్ వన్, వాటిని పట్టుకోండి మరియు వాటిని కలిసి కుట్టండి మరియు రెండవ సంఖ్య, మేము చేయాలనుకుంటున్న ప్రత్యేక ప్రాసెసింగ్ ఉండవచ్చు, ఇది మా డేటా హెల్త్ చెక్కుకు మించినది, మరియు ఇది మీ కంపెనీ రహస్య సాస్. నేను మా సంస్థలో ఈ వర్క్‌ఫ్లోను సృష్టించగలను మరియు ఇది నోడ్‌గా కూలిపోతుంది. బాణం క్రిందికి చూపడం మీరు చూస్తారు, ఇది కేవలం నోడ్, మరియు మేము ఈ సంస్థలో వంద విషయాలను కలిగి ఉండవచ్చు. ఆలోచన ఏమిటంటే, మనకు ఒక నిర్దిష్ట స్థలం గురించి కొంత తెలిసిన వ్యక్తులు ఉన్నారు, వారు వర్క్ఫ్లో సృష్టించగలరు మరియు మరొకరు దానిని తిరిగి ఉపయోగించుకోవచ్చు. మేము చక్రం యొక్క పున in సృష్టిని తగ్గించడానికి ప్రయత్నిస్తున్నాము.
మరియు విశ్లేషణాత్మక మోడలింగ్ వర్క్ఫ్లోతో మేము అదే పని చేయవచ్చు. కుడి వైపున ఉన్న ఈ సందర్భంలో, ఈ వర్క్ఫ్లో, 15 వేర్వేరు అల్గోరిథంలు ఉండవచ్చు, మరియు నేను పని కోసం ఉత్తమమైనదాన్ని ఎంచుకోవాలనుకుంటున్నాను. ఆ స్పైడర్ వెబ్‌లో ఏమి జరుగుతుందో అక్కడ పౌర డేటా శాస్త్రవేత్తగా నేను అర్థం చేసుకోవలసిన అవసరం లేదు, కానీ అది ఒక నోడ్‌లోకి కూలిపోతుంది మరియు బహుశా ఆ నోడ్ “క్రెడిట్ రిస్క్ స్కోర్‌ను లెక్కించండి” అని చెప్పవచ్చు. “అవకాశాన్ని లెక్కించండి శస్త్రచికిత్సా సైట్ సంక్రమణ, ”మీకు ఏమి ఉంది. "ఏదో ఒక మోసపూరిత లావాదేవీ యొక్క సంభావ్యతను లెక్కించండి." ఒక పౌరుడు డేటా శాస్త్రవేత్తగా, మరొకరు నిర్మించిన ఈ అధునాతన గణితాన్ని నేను ఉపయోగించగలను, బహుశా ఈ డేటా శాస్త్రవేత్తలలో ఒకరు నా సంస్థలో నిర్మించారు.
డేటా సైన్స్ కోణం నుండి, మీకు తెలుసా, నేను కోడ్ రాయడానికి ఇష్టపడే డేటా శాస్త్రవేత్తలతో మాట్లాడాను మరియు కోడ్ రాయడానికి ఇష్టపడని డేటా శాస్త్రవేత్తలతో మాట్లాడాను. మరియు ఇది మంచిది, కాబట్టి మాకు చాలా దృశ్య, గ్రాఫికల్ యూజర్ ఇంటర్ఫేస్ ఉంది. మేము మా డేటాను పట్టుకోవచ్చు, మన ఆటోమేటెడ్ డేటా హెల్త్ చెక్ చేయవచ్చు మరియు నేను కోడ్ రాయాలనుకుంటున్నాను. నేను పైథాన్‌ను ఇష్టపడుతున్నాను, నాకు R అంటే ఇష్టం, కానీ ఆలోచన ఏమిటంటే, ఈ డేటా శాస్త్రవేత్తలు, వారు తక్కువ సరఫరాలో ఉన్నారు మరియు వారు ఒక నిర్దిష్ట భాషలో కోడ్‌ను ఇష్టపడతారు. మీరు ఏ భాషలో కోడ్ చేయాలనుకుంటున్నారో మాకు ప్రత్యేకంగా ప్రాధాన్యత లేదు, కాబట్టి మీరు R చేయాలనుకుంటే, R చేయండి; మీరు పైథాన్ చేయాలనుకుంటే, పైథాన్ చేయండి. ఇది చాలా బాగుంది. మీరు మీ విశ్లేషణలను అజూర్‌కు పేల్చాలనుకుంటే, మీ విశ్లేషణలను క్లౌడ్‌కు పేల్చండి. అందువల్ల మీ డేటా శాస్త్రవేత్తలను వారు ఉత్పాదకతగా మార్చడానికి వశ్యత మరియు ఎంపికలను అందించడం ఇక్కడ లక్ష్యం.
ఇప్పుడు డేటా శాస్త్రవేత్తలు, వారు చాలా తెలివైన వ్యక్తులు, కానీ వారు ప్రతి విషయంలోనూ నిపుణులు కాకపోవచ్చు మరియు వారు చేయగలిగే వాటిలో కొంత అంతరాలు ఉండవచ్చు. మీరు పరిశ్రమలో చూస్తే, అక్కడ చాలా విభిన్న విశ్లేషణాత్మక మార్కెట్లు ఉన్నాయి. ఇది ఒక ఉదాహరణ, నేను ఇమేజ్ రికగ్నిషన్ చేయవలసి ఉంటుంది మరియు నాకు ఆ నైపుణ్యం లేదు, నేను అల్గోరిథమియాకు వెళ్లి ఇమేజ్ రికగ్నిషన్ అల్గోరిథం పొందవచ్చు. బహుశా నేను అపెర్విటాకు వెళ్లి చాలా ప్రత్యేకమైన ఆరోగ్య సంరక్షణ అల్గోరిథం పొందవచ్చు. బహుశా నేను అజూర్ మెషిన్ లెర్నింగ్ లైబ్రరీలో ఏదైనా ఉపయోగించాలనుకుంటున్నాను. నేను స్థానిక స్టాటిస్టికా ప్లాట్‌ఫామ్‌లో ఏదో ఉపయోగించాలనుకుంటున్నాను.
మళ్ళీ, ఇక్కడ ఆలోచన మేము గ్లోబల్ అనలిటిక్స్ కమ్యూనిటీని ప్రభావితం చేయాలనుకుంటున్నాము. ఎందుకంటే మీరు మీ నాలుగు గోడలలో అన్ని నైపుణ్యాలను కలిగి ఉండరు, కాబట్టి మేము సాఫ్ట్‌వేర్‌ను ఎలా సృష్టించగలం - మరియు ఇది మేము చేస్తున్నది - ఇది మీ డేటా శాస్త్రవేత్తలను వివిధ మార్కెట్ల నుండి అల్గోరిథంలను ఉపయోగించడానికి అనుమతిస్తుంది. మేము దీన్ని చాలా కాలంగా R మరియు పైథాన్‌లతో చేస్తున్నాము, అయితే ఇది అక్కడ ఉన్న ఈ అనువర్తన మార్కెట్‌లకు విస్తరిస్తోంది. దీని పైన మీరు ఇక్కడ చూసినట్లుగానే, మేము స్పార్క్‌లో H2O ని ఉపయోగిస్తున్నాము, కాబట్టి అక్కడ చాలా విశ్లేషణాత్మక అల్గోరిథంలు ఉన్నాయి. మీరు వీటిని మొదటి నుండి సృష్టించడంపై దృష్టి పెట్టవలసిన అవసరం లేదు, ఓపెన్ సోర్స్ కమ్యూనిటీలో నివసించే వీటిని తిరిగి ఉపయోగించుకుందాం మరియు ఈ వ్యక్తులు వీలైనంత ఉత్పాదకంగా ఉండాలని మేము కోరుకుంటున్నాము.
తరువాతి దశ, మా పౌరుడు డేటా శాస్త్రవేత్తలు మరియు మా డేటా శాస్త్రవేత్తలను కలిగి ఉన్న తర్వాత, నిజంగా మీరు ఎలా ప్రోత్సహిస్తారు మరియు మీరు ఈ ఉత్తమ పద్ధతులను పంపిణీ చేస్తారు? మా సాఫ్ట్‌వేర్‌లో మాకు సాంకేతికత ఉంది, అది ఎక్కడైనా విశ్లేషణలను పంపిణీ చేయడానికి మిమ్మల్ని అనుమతిస్తుంది. మరియు ఇది మోడల్ మేనేజ్‌మెంట్ వీక్షణలో ఎక్కువ, కానీ ఇకపై నేను నాలుగు గోడలు లేదా తుల్సా లేదా తైవాన్ లేదా కాలిఫోర్నియాలో ఒక నిర్దిష్ట సంస్థాపనకు కట్టుబడి ఉండను, లేదా మీకు ఏమి ఉంది. ఇది గ్లోబల్ ప్లాట్‌ఫారమ్, మరియు బహుళ సైట్‌ల ద్వారా దాని ఉపయోగంలో ఇది చాలా మంది కస్టమర్‌లను కలిగి ఉంది.
కాబట్టి నిజంగా, ముఖ్యమైన విషయాలు ఏమిటంటే, మీరు తైవాన్‌లో ఏదైనా చేస్తుంటే మరియు మీరు బ్రెజిల్‌లో ప్రతిరూపం చేయాలనుకుంటే, అది చాలా బాగుంది. అక్కడకు వెళ్లి, పునర్వినియోగపరచదగిన టెంప్లేట్‌లను పట్టుకోండి, మీకు కావలసిన వర్క్ఫ్లోలను పట్టుకోండి. ఇది ఆ ప్రమాణాలను మరియు పనులను చేసే సాధారణ మార్గాన్ని సృష్టించడానికి ప్రయత్నిస్తోంది, కాబట్టి మేము ప్రతిచోటా పూర్తిగా భిన్నంగా పనులు చేయడం లేదు. మరియు దీని యొక్క ఇతర ముఖ్య భాగం, నిజంగా మనం డేటా నివసించే గణితాన్ని తీసుకెళ్లాలనుకుంటున్నాము. కాలిఫోర్నియా మరియు తుల్సా మరియు తైవాన్ మరియు బ్రెజిల్ మధ్య మీరు డేటాను షఫుల్ చేయవలసిన అవసరం లేదు. గణితాన్ని డేటాకు తీసుకెళ్లడానికి మాకు అనుమతించే సాంకేతికత మాకు ఉంది, మరియు మేము ఆ విషయంపై మరొక హాట్ టెక్నాలజీ వెబ్‌కాస్ట్‌ను కలిగి ఉండబోతున్నాము.
కానీ మేము ఈ నిర్మాణాన్ని పిలుస్తాము మరియు ఇక్కడ స్నీక్ పీక్, నేటివ్ డిస్ట్రిబ్యూటెడ్ అనలిటిక్స్ ఆర్కిటెక్చర్. దీని వెనుక ఉన్న ముఖ్య ఆలోచన ఏమిటంటే, మనకు స్టాటిస్టికా అనే ప్లాట్‌ఫాం ఉంది మరియు నేను ఒక అణు వలె విశ్లేషణాత్మక వర్క్‌ఫ్లోను ఎగుమతి చేయగలను. నేను ఒక మోడల్ లేదా మొత్తం వర్క్ఫ్లో చేయగలను, కనుక ఇది పట్టింపు లేదు. కానీ నేను దీన్ని సృష్టించగలను మరియు లక్ష్య ప్లాట్‌ఫారమ్‌కు తగిన భాషలో ఎగుమతి చేయగలను. దీని ఎడమ వైపున, చాలా మంది దీన్ని చేస్తారు, కాని వారు సోర్స్ సిస్టమ్‌లో స్కోరింగ్ చేస్తారు. ఇది మంచిది, మేము స్కోరింగ్ చేయవచ్చు మరియు డేటాబేస్లో మోడల్ బిల్డింగ్ చేయవచ్చు, కాబట్టి ఇది ఆసక్తికరంగా ఉంటుంది.
ఆపై కుడి వైపున, మాకు బూమి ఉంది. ఇది సహచర సాంకేతికత, వీటన్నిటితో మేము పని చేస్తాము. కానీ మేము ఈ వర్క్ఫ్లోలను కూడా తీసుకోవచ్చు మరియు తప్పనిసరిగా ప్రపంచంలో ఎక్కడైనా రవాణా చేయవచ్చు. IP చిరునామా ఉన్న ఏదైనా. నేను పబ్లిక్ లేదా ప్రైవేట్ క్లౌడ్‌లో స్టాటిస్టికాను ఇన్‌స్టాల్ చేయవలసిన అవసరం లేదు. JVM ను అమలు చేయగల ఏదైనా, మేము ఈ విశ్లేషణాత్మక వర్క్‌ఫ్లోస్, డేటా ప్రిపరేషన్ వర్క్‌ఫ్లోస్ లేదా మోడళ్లను ఈ టార్గెట్ ప్లాట్‌ఫామ్‌లలో దేనినైనా అమలు చేయవచ్చు. ఇది నా పబ్లిక్ లేదా ప్రైవేట్ క్లౌడ్‌లో ఉన్నా, అది నా ట్రాక్టర్, నా కారు, నా ఇల్లు, నా లైట్ బల్బ్, నా ఇంటర్నెట్ విషయాలైనా, ప్రపంచంలో ఎక్కడైనా ఆ వర్క్ఫ్లోలను రవాణా చేయడానికి మిమ్మల్ని అనుమతించే సాంకేతికత మాకు ఉంది.
సమీక్షిద్దాం. మీకు తెలుసా, మాకు వ్యాపార వినియోగదారుల శ్రేణి ఉంది, కాబట్టి ఈ వ్యక్తులు, వారు సౌకర్యవంతంగా ఉండే ఫార్మాట్‌లో అవుట్‌పుట్‌ను వినియోగించుకోవడానికి సాంకేతిక పరిజ్ఞానం వారిని అనుమతిస్తుంది. మాకు పౌర డేటా శాస్త్రవేత్తలు ఉన్నారు, మరియు మేము చేయటానికి ప్రయత్నిస్తున్నది సహకారాన్ని మెరుగుపరచడం, వారిని జట్టులో భాగం చేయడం, సరియైనదేనా? అందువల్ల ప్రజలు చక్రంను తిరిగి ఆవిష్కరించడాన్ని ఆపాలని మేము కోరుకుంటున్నాము. మరియు మనకు ఈ డేటా శాస్త్రవేత్తలు ఉన్నారు, అక్కడ నైపుణ్యం అంతరం ఉండవచ్చు, కాని వారు కోరుకున్న భాషలో కోడ్ చేయవచ్చు, వారు విశ్లేషణాత్మక మార్కెట్ ప్రదేశాలకు వెళ్లి అక్కడ అల్గారిథమ్‌లను ఉపయోగించవచ్చు. కాబట్టి దీనితో, ప్రతిదీ దీనితో అద్భుతంగా ఉందని మీరు ఎలా అనుకోలేరు? ఇది ఖచ్చితంగా ఉంది, ఇది మేము చేస్తున్నది. మేము పునర్వినియోగ వర్క్ఫ్లోలను నిర్మిస్తున్నాము, మేము ప్రజలకు సూచనలు ఇస్తున్నాము, మేము వారికి లెగో బ్లాక్‌లను ఇస్తున్నాము, తద్వారా వారు ఈ శక్తివంతమైన కోటలను నిర్మించగలరు మరియు వారు ఏమి చేయాలనుకుంటున్నారు. మొత్తంగా చెప్పాలంటే, వ్యాపార వినియోగదారులు, పౌర డేటా శాస్త్రవేత్తలు, ప్రోగ్రామర్ డేటా శాస్త్రవేత్తల శ్రేణిని శక్తివంతం చేసే ఒక వేదిక మాకు ఉంది - మేము ఏ విధమైన IoT ఎడ్జ్ అనలిటిక్స్ వినియోగ కేసును పరిష్కరించగలము మరియు సామూహిక మేధస్సు యొక్క ఈ భావనను మేము ప్రారంభిస్తున్నాము. దానితో, మేము బహుశా ప్రశ్నల కోసం దీన్ని తెరుస్తాము.
రాబిన్ బ్లూర్: బాగా ఓకే. నేను మొదట అనుకుంటున్నాను - నా ఉద్దేశ్యం, నిజాయితీగా ఉండటానికి, నేను ఇంతకు ముందు డెల్ స్టాటిస్టికా చేత వివరించబడ్డాను, మరియు నిజాయితీగా ఉండటానికి మీరు ప్రదర్శనలో మీరు తీసుకువచ్చారని నాకు తెలియని విషయాలపై నేను చాలా ఆశ్చర్యపోతున్నాను. . నేను ఒక విషయం చెప్పాలి, ఇది విశ్లేషణల స్వీకరణలో నాకు బగ్ బేర్ అయిన విషయం, అంటే, మీకు తెలుసా, సాధనాలను పొందడం అది కాదని మీకు తెలుసా? అక్కడ చాలా ఉపకరణాలు ఉన్నాయి, ఓపెన్ సోర్స్ సాధనాలు ఉన్నాయి మరియు మొదలైనవి ఉన్నాయి మరియు నేను పిలిచేవి, సెమీ ప్లాట్‌ఫారమ్‌లు ఉన్నాయి. కానీ మీకు ఉన్న వ్యత్యాసం నేను భావిస్తున్నాను, నేను ముఖ్యంగా వర్క్ఫ్లో కొన్నింటిని ఆకట్టుకున్నాను.
కానీ తేడా ఏమిటంటే మీరు ఎండ్ టు ఎండ్ అందిస్తున్నట్లు అనిపిస్తుంది. ఇది అనలిటిక్స్ అనేది ఒక అధునాతన వ్యాపార ప్రక్రియ వంటిది, ఇది డేటాను సంపాదించడంతో మొదలవుతుంది మరియు అది డేటా ఎంత పొరలుగా ఉందో బట్టి మొత్తం దశల వరుసల ద్వారా వెళుతుంది, ఆపై ఇది మొత్తం గణిత దాడుల యొక్క మొత్తం శ్రేణిలో విభజిస్తుంది. సమాచారం. ఆపై ఫలితాలు ఒక విధంగా లేదా మరొక విధంగా బయటపడతాయి మరియు అవి చర్యలు కావాలి. చాలా గొప్ప పని చేసిన చోట నేను చాలా ఎక్కువ విశ్లేషణలను కలిగి ఉన్నాను, కాని దానిని చర్య తీసుకోలేదు. మీకు కావాల్సినవి చాలా ఉన్నాయి. ఇది ఎంత సమగ్రమైనదో నాకు తెలియదు, కాని ఇది నేను than హించిన దానికంటే ఎక్కువ సమగ్రమైనది. నేను దానితో చాలా ఆకట్టుకున్నాను.
మీరు స్ప్రెడ్‌షీట్‌లపై వ్యాఖ్యానించాలని నేను కోరుకుంటున్నాను. మీరు ఇప్పటికే ఏదో చెప్పారు, కానీ నేను గుర్తించిన వాటిలో ఒకటి, మరియు నేను సంవత్సరాలుగా గుర్తించాను, కానీ ఇది మరింత స్పష్టంగా కనబడుతోంది, నీడ వ్యవస్థలు అయిన స్ప్రెడ్షీట్లు చాలా ఉన్నాయి మరియు నిజంగా నేను అనుకుంటున్నాను స్ప్రెడ్‌షీట్, నా ఉద్దేశ్యం, ఇది ప్రవేశపెట్టినప్పుడు ఇది ఒక అద్భుతమైన సాధనం మరియు ఇది చాలా రకాలుగా చాలా అద్భుతంగా ఉంది, కానీ ఇది సాధారణీకరించిన సాధనం, ఇది నిజంగా ప్రయోజనం కోసం సరిపోదు. ఇది ఖచ్చితంగా BI కాన్ లో చాలా మంచిది కాదు మరియు అనలిటిక్స్ కాన్ లో ఇది భయంకరంగా ఉందని నేను భావిస్తున్నాను. స్టాటిస్టికా కొట్టుకుపోయిందని, అధిక స్ప్రెడ్‌షీట్ వాడకం గురించి, లేదా మీరు దాని గురించి ఏదైనా వ్యాఖ్యానించాలనుకుంటున్నారా?
డేవిడ్ స్వీనోర్: అవును, మీకు తెలుసా, మీరు ప్రసిద్ధ స్ప్రెడ్‌షీట్ తప్పులను చూడవచ్చు. గూగుల్ లేదా మీరు ఉపయోగిస్తున్న ఏ సెర్చ్ ఇంజిన్ అయినా ఫలితాల ఫలితాలతో తిరిగి వస్తాయి. నేను ఎప్పుడూ స్ప్రెడ్‌షీట్‌లను భర్తీ చేస్తానని మీకు తెలియదు. అది మా ఉద్దేశ్యం కాదు, కానీ నేను వెళ్ళే చాలా సంస్థలు, ఈ స్ప్రెడ్‌షీట్ విజార్డ్స్ లేదా నిన్జాస్ లేదా మీరు వాటిని ఏమైనా పిలవాలనుకుంటున్నారు, కానీ వాటికి ఈ అధునాతన స్ప్రెడ్షీట్లు ఉన్నాయి మరియు మీరు ఆలోచించాలి, ఇవి జరిగినప్పుడు ఏమి జరుగుతుంది ప్రజలు లోట్టోను గెలుస్తారు మరియు వారు తిరిగి రారు? కాబట్టి మనం చేయటానికి ప్రయత్నిస్తున్నది ఏమిటంటే, స్ప్రెడ్షీట్లు ఉనికిలో ఉన్నాయని మాకు తెలుసు, అందువల్ల మేము వాటిని తీసుకోవచ్చు, కాని మనం చేయటానికి ప్రయత్నిస్తున్నది మీ వర్క్ఫ్లో యొక్క దృశ్యమాన ప్రాతినిధ్యాన్ని అభివృద్ధి చేయడమే అని నేను భావిస్తున్నాను, కనుక దీనిని అర్థం చేసుకోవచ్చు మరియు ఇతర వ్యక్తులతో పంచుకోవచ్చు . స్ప్రెడ్షీట్లు చాలా కష్టం, భాగస్వామ్యం చేయడం చాలా కష్టం. మరియు మీరు మీ స్ప్రెడ్‌షీట్‌ను నాకు పంపిన వెంటనే, నేను దాన్ని మార్చాను, ఇప్పుడు మేము సమకాలీకరించలేదు మరియు మాకు వేరే సమాధానాలు వస్తున్నాయి. మేము చేయటానికి ప్రయత్నిస్తున్నది దీని చుట్టూ కొన్ని కాపలాదారులను ఉంచడం మరియు విషయాలు మరింత సమర్థవంతంగా చేయడం. మరియు బహుళ డేటా సెట్‌లను కలపడంలో స్ప్రెడ్షీట్లు నిజంగా భయంకరమైనవి, మీకు తెలుసా? వారు అక్కడ పడిపోతారు. కానీ మేము వాటిని భర్తీ చేయబోవడం లేదు, మేము వారిని తీసుకుంటాము మరియు మేము మారడం ప్రారంభించే వ్యక్తులను కలిగి ఉన్నాము, ఎందుకంటే మనకు “ప్రమాదాన్ని లెక్కించండి” అని చెప్పే నోడ్ ఉంటే, అది స్ప్రెడ్‌షీట్ ఉపయోగిస్తున్న వ్యక్తి చేయడానికి ప్రయత్నిస్తుంది. కాబట్టి అవి పోయాయి.
రాబిన్ బ్లూర్: అవును, నా ఉద్దేశ్యం, నేను మీకు తెలుసా, నేను విషయాలను చూసే ఒక దృక్కోణంలో, సమాచారాన్ని సృష్టించడానికి స్ప్రెడ్షీట్లు గొప్పవని నేను చెప్తాను. జ్ఞాన ద్వీపాలను సృష్టించడానికి అవి చాలా గొప్పవి, కానీ అవి జ్ఞానాన్ని పంచుకోవటానికి చాలా చెడ్డవి. వారు ఏమైనా చేయటానికి యంత్రాంగం లేదు, మరియు మీరు ఒకరికి స్ప్రెడ్‌షీట్ పంపితే, వారు ఏమి చేస్తున్నారో వివరించే కథనం వలె మీరు దీన్ని చదవడం ఇష్టం లేదు. ఇది అక్కడ లేదు. ప్రదర్శన గురించి మరియు స్టాటిస్టికా యొక్క సామర్ధ్యాల గురించి నన్ను బాగా ఆకట్టుకున్న విషయం మీకు తెలుసా అని నేను అనుకుంటున్నాను, ఇది చాలా అజ్ఞేయవాదిగా అనిపిస్తుంది. కానీ ఈ థ్రెడ్ వర్క్ఫ్లో నడుస్తుంది. డేటా సముపార్జన నుండి నిర్దిష్ట BI అనువర్తనాలలో ఫలితాలను పొందుపరచడం లేదా అనువర్తనాలను అమలు చేయడం వరకు మీరు ఎండ్-టు-ఎండ్ వర్క్ఫ్లో చూడగలరని నేను right హిస్తున్నాను.
డేవిడ్ స్వీనోర్: అవును, ఖచ్చితంగా. మరియు అది ఎండ్-టు-ఎండ్ సామర్ధ్యాన్ని కలిగి ఉంది మరియు కొన్ని సంస్థలు దానిని పూర్తిగా ఉపయోగిస్తాయి, మరియు నేను ఈ రోజుల్లో ఏ కంపెనీ అయినా ఒక విక్రేత నుండి ప్రతిదీ కొనుగోలు చేయను. మాకు మిశ్రమం ఉంది. కొంతమంది ప్రతిదానికీ స్టాటిస్టికాను ఉపయోగిస్తారు మరియు కొంతమంది దీనిని మోడలింగ్ వర్క్ఫ్లో కోసం ఉపయోగిస్తారు, కొంతమంది డేటా ప్రిపరేషన్ వర్క్ఫ్లో కోసం ఉపయోగిస్తారు. కొంతమంది దీనిని ఇంజనీర్లకు వందలాది ఇంజనీరింగ్ నివేదికలను పంపిణీ చేయడానికి ఉపయోగిస్తారు. కాబట్టి మనకు మధ్యలో ప్రతిదీ ఉంది. మరియు ఇది నిజంగా ఎండ్-టు-ఎండ్ మరియు ఇది మీకు తెలుసు, అజ్ఞేయ వేదిక, అందులో మీరు R లేదా పైథాన్, అజూర్, అపెర్విటాలో ఉపయోగించాలనుకునే అల్గోరిథంలు ఉంటే, మీకు తెలిసిన, వాటిని వాడండి. ఇది చాలా బాగుంది, ఉత్పాదకంగా ఉండండి, మీకు తెలిసినదాన్ని ఉపయోగించుకోండి, మీకు సౌకర్యంగా ఉన్నదాన్ని ఉపయోగించుకోండి మరియు అవి నియంత్రించబడి, ఆడిట్ చేయదగినవి మరియు అన్ని రకాల విషయాలు ఉన్నాయని నిర్ధారించుకోవడానికి మాకు యంత్రాంగాలు ఉన్నాయి.
రాబిన్ బ్లూర్: నేను ముఖ్యంగా దాని యొక్క ఆ అంశాన్ని ఇష్టపడుతున్నాను. నా ఉద్దేశ్యం, అక్కడ ఉన్న సంపదతో మీరు చెప్పినదానికంటే మించి మాట్లాడగలరా అని నాకు తెలియదు. నా ఉద్దేశ్యం, నేను దీనిని చూశాను కాని నేను దానిని సమగ్రంగా చూడలేదు మరియు ఖచ్చితంగా మా లైబ్రరీలలో పైథాన్ లైబ్రరీలు చాలా ఉన్నాయి, కాని మీరు ఆ చిత్రానికి ఏదైనా జోడించగలరా? ఎందుకంటే ఇది చాలా ఆసక్తికరమైన విషయం అని నేను అనుకుంటున్నాను, మీకు నమ్మదగిన భాగాలు ఉంటాయనే ఆలోచన మీకు తెలుసు, ఎందుకంటే వాటిని సృష్టించిన వివిధ వ్యక్తులు మరియు మీరు డౌన్‌లోడ్ చేయగల వివిధ వ్యక్తులను మీకు తెలుసు. మీకు తెలుసా, మీరు దాని గురించి ఇప్పటికే చెప్పినదాన్ని మెరుగుపరచగలరా?
డేవిడ్ స్వీనోర్: అవును, కొన్ని అనువర్తన మార్కెట్ స్థలాలు, మీకు తెలుసా, అక్కడ ఉన్న అల్గోరిథం మార్కెట్ ప్రదేశాలు. ఉదాహరణకు, మీకు తెలుసా, అయోవా విశ్వవిద్యాలయంలో డాక్టర్ జాన్ క్రోమ్‌వెల్, అతను ict హించే ఒక నమూనాను అభివృద్ధి చేశాడు, అది నిజ సమయంలో ఉపయోగించబడుతుంది, అదే సమయంలో మేము ఆపరేషన్ చేయబడుతున్నాము, మీరు పొందబోతున్నట్లయితే మీకు స్కోరు ఇస్తుంది శస్త్రచికిత్స సైట్ సంక్రమణ. మరియు ఆ స్కోరు తగినంతగా ఉంటే వారు ఆపరేటింగ్ గదిలోనే జోక్యం చేసుకుంటారు. ఇది చాలా ఆసక్తికరంగా ఉంది. కాబట్టి అంత పెద్దది కాని మరొక ఆసుపత్రి ఉండవచ్చు. బాగా, అపెర్విటా అనలిటిక్స్ కోసం ఆరోగ్య అనువర్తన మార్కెట్. మీరు ఈ అనువర్తన మార్కెట్‌లలో చాలా వాటిలో ఒకదాన్ని కనుగొనవచ్చు, మీరు ఒకదాన్ని కనుగొని వాటిని తిరిగి ఉపయోగించుకోవచ్చు, మరియు లావాదేవీ మీ మధ్య మరియు ఎవరికి చెందినదో వారి మధ్య ఉంటుంది, కానీ మీరు ఒకదాన్ని కనుగొని వెళ్ళవచ్చు లేదా “ఇక్కడ ఉంది నాకు కావలసింది. ”ఈ ప్రపంచ సమాజాన్ని ఉపయోగించుకుంటున్నారని నేను భావిస్తున్నాను ఎందుకంటే ఈ రోజుల్లో అందరూ నిపుణులు, మరియు మీకు ప్రతిదీ తెలియదు. R మరియు పైథాన్ ఒక విషయం అని నేను అనుకుంటున్నాను, కానీ ఈ ఆలోచన, “నేను ఈ ఫంక్షన్ చేయాలనుకుంటున్నాను, ఈ అనువర్తన మార్కెట్ ప్రదేశాలలో ఒకదానిపై ఒక స్పెక్ ఉంచండి మరియు మీ కోసం ఎవరైనా అభివృద్ధి చేసుకోవాలి.” మరియు వారు డబ్బు ఆర్జించగలరు, నేను అనుకుంటున్నాను ఇది చాలా ఆసక్తికరమైనది మరియు పూర్తిగా ఓపెన్ సోర్స్ మోడల్ కంటే చాలా భిన్నమైనది.
రాబిన్ బ్లూర్: అయితే సరే. ఏదేమైనా, నేను బంతిని డెజ్‌కు పంపిస్తాను. మీరు లోపలికి ప్రవేశించాలనుకుంటున్నారా, డెజ్?
డెజ్ బ్లాంచ్ఫీల్డ్: ఖచ్చితంగా మరియు నేను స్ప్రెడ్‌షీట్ విషయంపై ఒక్క క్షణం మాత్రమే ఉండాలనుకుంటున్నాను, ఎందుకంటే మనం ఇక్కడ మాట్లాడుతున్న దాని యొక్క సరైన సారాంశాన్ని ఇది సంగ్రహించిందని నేను భావిస్తున్నాను. మరియు మీరు పాత స్ప్రెడ్‌షీట్‌లను వారి భౌతిక రూపంలో ఎలక్ట్రానిక్ రూపంలోకి మార్చడానికి సంబంధించి రాబిన్ అనే వ్యాఖ్య చేశారు. స్ప్రెడ్షీట్లు వాస్తవానికి అవి వరుసలు మరియు నిలువు వరుసలతో కూడిన కాగితపు షీట్‌లు మరియు మీరు మానవీయంగా విషయాలను వ్రాసుకోవాలనుకునే చోట మీకు ఆసక్తికరమైన విషయం జరిగింది, అప్పుడు మీరు శక్తిని పొందవచ్చు మరియు వాటిని లెక్కించవచ్చు. ఇది మీ తల పైభాగంలో లేదా ఇతర పరికరాలతో. కానీ చేతివ్రాత తప్పిదాలు లేదా డైస్లెక్సియాతో లోపాలు జారిపోయే అవకాశం మాకు ఉంది, మరియు ఇప్పుడు మేము దానిని అక్షరదోషాలతో భర్తీ చేసాము. ప్రమాదం ఏమిటంటే స్ప్రెడ్‌షీట్‌లతో రిస్క్ ప్రొఫైల్ వేగంగా మరియు పెద్దదిగా ఉంటుంది, కాని స్టాటిస్టికా వంటి సాధనాలు రిస్క్ పిరమిడ్‌ను విలోమం చేస్తాయి.
నేను తరచూ ఈ చిత్రాన్ని ఒక వ్యక్తిగా, పైభాగంలో ఉన్న ఒక కర్ర బొమ్మ యొక్క వైట్‌బోర్డుపై గీస్తాను, ఆపై వాటి యొక్క దిగువ భాగాన్ని, ఆ వైట్‌బోర్డ్ దిగువన వాటిలో పదింటిని imagine హించుకుందాం, మరియు నేను ఒక గీస్తాను పిరమిడ్ ఇక్కడ పిరమిడ్ యొక్క బిందువు ఒకే వ్యక్తి వద్ద మరియు పిరమిడ్ యొక్క పాదం ప్రజల సేకరణ. ఎగువన ఉన్న ఒక వ్యక్తి స్ప్రెడ్‌షీట్ పొరపాటు చేసి, పది మందితో పంచుకుంటే, ఇప్పుడు మనకు లోపం యొక్క పది కాపీలు వచ్చాయనే ఆలోచనను visual హించుకోవడానికి నేను దీనిని ఉపయోగిస్తాను. మీ మాక్రోలతో చాలా జాగ్రత్తగా ఉండండి మరియు మీరు దానికి వెళ్ళబోతున్నట్లయితే మీ విజువల్ బేసిక్‌తో చాలా జాగ్రత్తగా ఉండండి. ఎందుకంటే మేము స్ప్రెడ్‌షీట్‌ల వంటి ఎలక్ట్రానిక్ సాధనాలను నిర్మించినప్పుడు ఇది చాలా శక్తివంతమైనది, కానీ ఇది మంచి మరియు చెడు మార్గంలో కూడా శక్తివంతమైనది.
స్టాటిస్టికా వంటి సాధనాలు ఆ రిస్క్ ప్రొఫైల్‌ను విలోమం చేసే సామర్థ్యాన్ని తీసుకువస్తాయని నేను భావిస్తున్నాను మరియు మీరు ఇప్పుడు మీకు వ్యక్తిగత వ్యక్తికి అందుబాటులో ఉన్న చాలా సాధనాలను పొందగలిగిన స్థితికి చేరుకోవచ్చు మరియు అవి పైభాగంలో ఉన్న చాలా సాధనాల నుండి వెళుతున్నప్పుడు పిరమిడ్ మరియు తరువాత దిగువకు పిరమిడ్ యొక్క పాయింట్ విలోమంగా ఉన్న అసలు సాధనం, మనకు ఆ సాధనాలను మరియు ఆ అల్గారిథమ్‌లను నిర్మిస్తున్న వ్యక్తుల బృందాన్ని పొందినట్లయితే. మరియు డేటా సైంటిస్ట్ వారి డేటాపై రిగ్రెషనల్ అనలిటిక్స్లో నిపుణుడు కానవసరం లేదు. వారు సాధనాన్ని ఉపయోగించగలుగుతారు, కానీ మీకు ఐదు లేదా ఆరుగురు గణాంకవేత్తలు మరియు ఒక యాక్చువరీ మరియు ఒక డేటా సైంటిస్ట్ మరియు కొంతమంది గణిత శాస్త్రవేత్తలు ఆ సాధనంపై పని చేయవచ్చు, ఆ మాడ్యూల్, ఆ అల్గోరిథం, ఆ ప్లగ్-ఇన్ మరియు స్ప్రెడ్‌షీట్ పరిభాషలో, కాబట్టి మీరు ఉపయోగించగల ప్రతి స్ప్రెడ్‌షీట్ వాస్తవానికి మాక్రోలను పరీక్షించిన, విజువల్ బేసిక్‌ను పరీక్షించిన, అల్గోరిథంలు పని చేసినట్లు నిర్ధారించుకున్న నిపుణులచే వ్రాయబడిందని imagine హించుకోండి, కాబట్టి మీరు దాన్ని పొందినప్పుడు మీరు డేటాను పాప్ చేయవచ్చు కానీ మీరు దానిని విచ్ఛిన్నం చేయలేరు అందువల్ల నియంత్రించడం మంచిది.
నేను చాలా అనలిటిక్స్ సాధనాలు చేస్తున్నానని అనుకుంటున్నాను. ఆ దశకు వస్తున్నట్లు నేను ess హిస్తున్నాను, మీరు ఇప్పుడు దాన్ని ఫీల్డ్‌లో చూస్తున్నారా, స్ప్రెడ్‌షీట్‌ల నుండి లోపాలు మరియు పొరపాట్లు మరియు ప్రమాదాన్ని పెంచగల సామర్థ్యాన్ని మీరు చూస్తున్నారా, మీరు మీతో నిర్మించే సాధనాలు ఉన్న చోటికి ప్లాట్‌ఫారమ్‌లు ఇప్పుడు, డేటా డిస్కవరీ నిజ సమయంలో ఖచ్చితమైనవి మరియు మాడ్యూల్స్ మరియు అల్గారిథమ్‌లను నిర్మిస్తున్న వ్యక్తులు ఆ రిస్క్ ప్రొఫైల్‌ను తీసివేస్తున్నారా లేదా తగ్గిస్తున్నారా? కస్టమర్ సేవ దానిని నిజమైన అర్థంలో చూస్తుందా లేదా అది జరుగుతోందని మీరు భావిస్తున్నారా మరియు వారు దానిని గ్రహించలేదా?
డేవిడ్ స్వీనోర్: మీకు తెలుసా, దీనికి సమాధానం ఇవ్వడానికి రెండు మార్గాలు ఉన్నాయని నేను భావిస్తున్నాను. కానీ మనం చూస్తున్నది ఏ సంస్థలోనైనా మీకు తెలుసు, మరియు నేను భావిస్తున్నాను, విశ్లేషణలు కార్పొరేట్ పెట్టుబడి కోణం నుండి వెనుకబడి ఉండవచ్చు, డేటా గిడ్డంగులు మరియు CRM తో మేము ఏమి చేసామో. కానీ మనం చూస్తున్నది, కాబట్టి, సంస్థను మార్చడానికి, ఆ సంస్థాగత జడత్వాన్ని అధిగమించడానికి చాలా సమయం పడుతుంది. కానీ మనం చూస్తున్నది ప్రజలు వారి స్ప్రెడ్‌షీట్‌లను తీసుకోవడం, వారి వర్క్ఫ్లోలను తీసుకోవడం మరియు నేను భద్రత మరియు పరిపాలన గురించి ప్రస్తావించాను, “సరే, బహుశా నాకు స్ప్రెడ్‌షీట్ ఉంది,” “సరే, నేను దీన్ని లాక్ చేయగలను మరియు నేను దానిని నియంత్రించగలను.” మరియు మేము చాలా సంస్థలను చూస్తాము, బహుశా అవి అక్కడే ప్రారంభమవుతాయి. అది మార్చబడితే, వర్క్ఫ్లో ఉంది మరియు నేను వెళ్తాను, మొదటి స్థానంలో ఉన్నప్పటికీ, దాన్ని ఎవరు మార్చారు? వారు ఎందుకు మార్చారు. వారు దానిని మార్చినప్పుడు. మీ వర్క్ఫ్లో మీరు నిర్వచించదలిచిన ఎన్ని పార్టీలు, ఒకటి, రెండు, మూడు ధృవీకరించబడి, ధృవీకరించబడకపోతే నేను ఈ కొత్త స్ప్రెడ్‌షీట్‌ను ఉత్పత్తిలో పెట్టబోతున్నాను కాబట్టి నేను వర్క్‌ఫ్లోను కూడా ఏర్పాటు చేయగలను. ప్రజలు తీసుకోవటం మొదలుపెడుతున్నారని నేను అనుకుంటున్నాను, మరియు సంస్థలు అక్కడ శిశువు అడుగులు వేయడం ప్రారంభించాయి, కాని మనం చాలా దూరం వెళ్ళాలని సూచిస్తున్నాను.
డెజ్ బ్లాంచ్ఫీల్డ్: వాస్తవానికి మరియు మీరు అక్కడ భద్రతా నియంత్రణలు మరియు పరిపాలన రెండింటిలోనూ నిర్మించబడ్డారని నేను భావిస్తున్నాను, అప్పుడు పనిభారం స్వయంచాలకంగా మరియు అన్నింటినీ చీఫ్ రిస్క్ ఆఫీసర్ వరకు మ్యాప్ చేయగలదు, ఇది ఇప్పుడు ఒక విషయం. ఆ సాధనాలు మరియు వ్యవస్థలు ఎలా ప్రాప్యత చేయబడుతున్నాయో మరియు వారితో ఎవరు ఏమి చేస్తున్నారో మీరు నియంత్రించడం ప్రారంభించవచ్చు, కనుక ఇది చాలా శక్తివంతమైనది. దీనిలోకి వచ్చే ఇతర విషయాలు ఏమిటంటే, మీరు అందించే సాధనాల రకాలు, నా కోసం, మనం మాట్లాడుతున్న సాంప్రదాయ స్ప్రెడ్‌షీట్‌ల కంటే మానవ ప్రవర్తనకు రుణాలు ఇస్తాను, అందులో నాకు ప్రజలు నిండిన గది ఉంటే అదే డాష్‌బోర్డ్ మరియు అదే డేటాకు ప్రాప్యతతో వారు వాస్తవానికి వేరే వీక్షణను పొందగలరు మరియు ఫలితంగా, అదే సమాచారం నుండి కొద్దిగా భిన్నమైన అంతర్దృష్టులను పొందుతారు, అది వారి అవసరాలకు సరిపోతుంది కాబట్టి వారు సహకరించగలరు. ఒకే పవర్‌పాయింట్‌తో ఒకే సమావేశానికి వెళ్లడానికి మరియు అదే స్ప్రెడ్‌షీట్‌లన్నింటికీ ఒకే స్థిరమైన డేటాతో కాకుండా, వ్యాపారం మరియు నిర్ణయం తీసుకునే ప్రక్రియతో మనకు మరింత మానవ దృక్పథం మరియు పరస్పర చర్య ఉంటుంది.
సంస్థలలో ప్రవర్తన మరియు సంస్కృతిలో మార్పును మీరు చూస్తున్నారా, ఇప్పుడు వారు మీ సాధనాలను ఎక్కడ చూస్తారో, అక్కడ గదిలో ఐదుగురు వ్యక్తులు ఒకే స్ప్రెడ్‌షీట్‌ను చూడటం వంటిది కాదు, దానిని మాటలతో మాట్లాడటానికి మరియు దానిపై గమనికలు చేయడానికి ప్రయత్నిస్తున్నారు , కానీ ఇప్పుడు వారు వాస్తవానికి డాష్‌బోర్డులు మరియు సాధనాలతో నిజ సమయంలో, విజువలైజేషన్ మరియు విశ్లేషణలతో వారి వేలికొనలకు సంభాషిస్తున్నారు మరియు సంభాషణలు మరియు పరస్పర చర్యలపై పూర్తిగా భిన్నమైన ప్రవాహాన్ని పొందుతున్నారు, సమావేశాలలో మాత్రమే కాకుండా సంస్థ చుట్టూ సాధారణ సహకారంతో? ఎందుకంటే వారు దీన్ని నిజ సమయంలో చేయగలరు, ఎందుకంటే వారు ప్రశ్నలు అడగవచ్చు మరియు నిజమైన సమాధానం పొందవచ్చు. ప్రస్తుతానికి మీరు చూస్తున్న ధోరణి లేదా ఇది ఇంకా జరగలేదా?
డేవిడ్ స్వీనోర్: లేదు, ఇది ఖచ్చితంగా ఆ మార్గంలోనే ప్రారంభమైందని నేను భావిస్తున్నాను మరియు చాలా ఆసక్తికరమైన విషయం ఏమిటంటే, మేము ఒక కర్మాగారం యొక్క ఉదాహరణను తీసుకుంటే, మీకు తెలుసా. ఆ కర్మాగారంలో ఒక నిర్దిష్ట ప్రక్రియ రంగాన్ని కలిగి ఉన్న ఎవరైనా వారు ఈ డేటాను ఒక నిర్దిష్ట మార్గంలో చూడాలని మరియు సంభాషించాలనుకుంటున్నారు. మరియు బహుశా, అన్ని ప్రక్రియలను పట్టించుకోకుండా, దిగువన ఉన్నది, బహుశా నేను ప్రతిదానిని చూడాలనుకుంటున్నాను. మనం చూస్తున్నది, నంబర్ వన్, ప్రజలు తమ సంస్థలలో సాధారణ విజువలైజేషన్లు లేదా ప్రామాణిక విజువలైజేషన్లను ఉపయోగించడం ప్రారంభిస్తున్నారని నేను అనుకుంటున్నాను, కాని ఇది వారు ఉన్న పాత్రకు అనుగుణంగా ఉంటుంది. నేను ప్రాసెస్ ఇంజనీర్ అయితే, బహుశా ఇది సరఫరా గొలుసు కోణం నుండి చూసే వ్యక్తి కంటే చాలా భిన్నమైన అభిప్రాయం, మరియు అది చాలా బాగుంది అని నేను అనుకుంటున్నాను ఎందుకంటే ఇది అనుకూలంగా ఉండాలి మరియు మీ పనిని పూర్తి చేయాల్సిన అవసరం ఉన్న లెన్స్ ద్వారా చూడాలి.
డెజ్ బ్లాంచ్ఫీల్డ్: స్మార్ట్ మరియు ఖచ్చితమైన నిర్ణయాలు తీసుకోవటానికి నిర్ణయాత్మక ప్రక్రియ సమయం, వారీగా మరియు వేగం తగ్గుతుందని నేను ess హిస్తున్నాను, కాదా? ఎందుకంటే మీకు రియల్ టైమ్ అనలిటిక్స్, రియల్ టైమ్ డాష్‌బోర్డ్‌లు లభిస్తే, మీ వేలికొనలకు స్టాటిస్టికా సాధనాలను మీరు కలిగి ఉంటే, మీరు వెళ్లి ఏదో గురించి ఎవరినైనా అడగడానికి అంతస్తులో పరుగెత్తాల్సిన అవసరం లేదు. హార్డ్ కాపీలో. మీరు రకమైన సహకరించవచ్చు, సంభాషించవచ్చు మరియు వాస్తవానికి ఎగిరి నిర్ణయాలు తీసుకోవచ్చు మరియు ఆ ఫలితాన్ని వెంటనే పొందవచ్చు. కొన్ని కంపెనీలు నిజంగా ఇంకా గ్రహించలేదని నేను అనుకుంటున్నాను, కాని అవి చేసినప్పుడు ఈ యురేకా క్షణం అవుతుంది, అవును, మనం ఇంకా మన క్యూబికల్స్‌లో ఉండి ఇంట్లో పని చేయవచ్చు, కాని మనం పరస్పర చర్య చేయవచ్చు మరియు సహకరించవచ్చు మరియు ఆ నిర్ణయాలు మేము సహకరించినప్పుడు తక్షణమే ఫలితాలకు మారుతుంది. చూడండి, మీరు ఇప్పటివరకు చెప్పేది వినడం చాలా అద్భుతంగా ఉందని నేను భావిస్తున్నాను మరియు అది ఎక్కడికి వెళుతుందో చూడాలని నేను నిజంగా ఎదురు చూస్తున్నాను. Q & A లో మాకు చాలా ప్రశ్నలు వచ్చాయని నాకు తెలుసు, అందువల్ల వాటిలో కొన్నింటిని అమలు చేయడానికి నేను రెబెక్కాకు తిరిగి వెళ్తాను, అందువల్ల మేము మీకు వీలైనంత త్వరగా వాటిని చేరుకోవచ్చు. చాలా ధన్యవాదాలు.
రెబెకా జోజ్వియాక్: ధన్యవాదాలు డెజ్, మరియు అవును డేవ్, ప్రేక్షకుల నుండి మాకు చాలా తక్కువ ప్రశ్నలు ఉన్నాయి. మరియు మీ అంతర్దృష్టులకు డెజ్ మరియు రాబిన్లకు కూడా ధన్యవాదాలు. ఈ ప్రత్యేక పాల్గొనేవారు గంట ఎగువన పడిపోవాల్సి ఉందని నాకు తెలుసు, కానీ ఆమె ఒక రకమైన అడగడం, సమాచార వ్యవస్థల విభాగాలు ఉపకరణాలను అందించడంలో సౌకర్యవంతంగా ఉండటానికి బదులు అధునాతన డేటా నియంత్రణలకు ఎక్కువ ప్రాధాన్యతనిస్తున్నట్లు మీరు చూస్తున్నారా? జ్ఞాన కార్మికులు? నా ఉద్దేశ్యం, అదే - ముందుకు సాగండి.
డేవిడ్ స్వీనోర్: అవును, ఇది సంస్థపై ఆధారపడి ఉంటుందని నేను భావిస్తున్నాను. నేను ఒక బ్యాంకు, భీమా సంస్థ, మార్కెటింగ్ సంస్థకు వ్యతిరేకంగా వారికి వేర్వేరు ప్రాధాన్యతలు మరియు పనుల మార్గాలు ఉండవచ్చు. ఇది మీరు చూస్తున్న పరిశ్రమ మరియు పనితీరుపై ఆధారపడి ఉంటుందని నేను చెప్పాల్సి ఉంటుందని నేను ess హిస్తున్నాను. వేర్వేరు పరిశ్రమలు వేర్వేరు దృష్టి మరియు ప్రాముఖ్యతను కలిగి ఉంటాయి.
రెబెకా జోజ్వియాక్: సరే మంచిది, అర్ధమే. ఆపై మరొక హాజరైన వ్యక్తి తెలుసుకోవాలనుకున్నాడు, స్టాటిస్టికా వెనుక ఇంజిన్ ఏమిటి? ఇది సి ++ లేదా మీ స్వంత విషయమా?
డేవిడ్ స్వీనోర్: 30 ఏళ్లుగా ఇది నాతో ముందే అభివృద్ధి చేయబడిందని, ఇది నా కాలానికి ముందే అభివృద్ధి చేయబడిందని నాకు తెలియదు, కాని విశ్లేషణాత్మక అల్గోరిథంల యొక్క ప్రధాన లైబ్రరీ ఉంది, అవి నడుస్తున్న స్టాటిస్టికా అల్గోరిథంలు. మేము ఇక్కడ R ను కూడా నడపగలమని, మేము పైథాన్‌ను నడపగలమని, మేము అజూర్‌కు పేలవచ్చు, మేము H2O వద్ద స్పార్క్‌లో పరుగెత్తగలమని మీరు ఇక్కడ చూశారు, కాబట్టి నేను ఆ ప్రశ్నకు సమాధానం చెప్పాల్సి ఉంటుందని నేను ess హిస్తున్నాను, ఇది వివిధ రకాల ఇంజన్లు. మరియు మీరు ఎంచుకున్న అల్గోరిథం మీద ఆధారపడి, ఇది ఒక గణాంకం అయితే ఇది ఇలా నడుస్తుంది, మీరు H2O మరియు స్పార్క్‌లో ఒకదాన్ని ఎంచుకుంటే, అది దాన్ని ఉపయోగిస్తుంది మరియు ఇది వాటిలో చాలా రకాలు.
రెబెకా జోజ్వియాక్: సరే మంచిది. మరొక హాజరైన రకమైన ఈ స్లైడ్‌ను ప్రత్యేకంగా చూపిస్తూ, తెలుసుకోవాలనుకుంటున్నారు, రకమైనది, ఏ పునర్వినియోగ టెంప్లేట్‌లను ఉపయోగించాలో పౌరుడు డేటా శాస్త్రవేత్తకు ఎలా తెలుసు? నేను దాని నుండి విస్తృత ప్రశ్నను చేస్తానని gu హిస్తున్నాను. అంటే, లైన్-ఆఫ్-బిజినెస్ యూజర్లు లేదా బిజినెస్ ఎనలిస్టులు వచ్చినప్పుడు మరియు వారు ఈ సాధనాలను ఉపయోగించాలనుకున్నప్పుడు మీరు ఏమి చూస్తున్నారు, వారు తీసుకొని నడుస్తున్నప్పుడు ఎంత సులభం?
డేవిడ్ స్వీనోర్: నేను దానికి సమాధానం ఇస్తానని gu హిస్తున్నాను మరియు మీరు ఉపయోగించగలిగితే, మీకు విండోస్ గురించి తెలిసి ఉంటే, ఇది విండోస్ ఆధారిత ప్లాట్‌ఫాం, కాబట్టి నేను ఈ స్క్రీన్‌షాట్‌ల పైభాగాన్ని కత్తిరించాను, కాని దీనికి విండోస్ రిబ్బన్ వచ్చింది. ఏ వర్క్ఫ్లో ఉపయోగించాలో వారికి ఎలా తెలుసు? ఇది విండోస్ ఎక్స్‌ప్లోరర్ లాగా ఉంది, కాబట్టి చెట్టు నిర్మాణం ఉంది మరియు మీరు దీన్ని కాన్ఫిగర్ చేసి సెటప్ చేయవచ్చు, అయితే మీ సంస్థ దీన్ని సెటప్ చేయాలనుకుంటుంది. కానీ అది కావచ్చు, మీరు ఈ ఫోల్డర్‌లను కలిగి ఉంటారు మరియు మీరు ఈ ఫోల్డర్‌లలో ఈ పునర్వినియోగ టెంప్లేట్‌లను ఉంచారు. మీ కంపెనీ అవలంబించే నామకరణం బహుశా ఉందని నేను భావిస్తున్నాను, ఇక్కడ “రిస్క్ ప్రొఫైల్‌ను లెక్కించండి” అని చెప్పండి, ఇక్కడ “ఈ మూలాల నుండి డేటాను పొందండి” మరియు మీకు కావలసిన వాటికి మీరు పేరు పెట్టండి. ఇది కేవలం ఉచిత ఫోల్డర్, మీరు గమనికలను మీ కాన్వాస్‌పైకి లాగండి. కాబట్టి, చాలా సులభం.
రెబెకా జోజ్వియాక్: సరే మంచిది. తదుపరిసారి డెమో కావచ్చు. అప్పుడు మరొక హాజరైన రకమైనది వస్తుంది, మరియు మీరు మరియు రాబిన్ మరియు డెజ్ సరికాని విషయాల గురించి, ముఖ్యంగా స్ప్రెడ్‌షీట్‌లో మాట్లాడుతున్నారు, కాని చెత్త / చెత్త బయటకు పోయింది, మరియు అది వచ్చినప్పుడు మరింత క్లిష్టంగా ఉన్నట్లు అతను చూస్తాడు విశ్లేషణలకు. డేటాను దుర్వినియోగం చేయడం నిజంగా కొన్ని దురదృష్టకర నిర్ణయాలకు దారితీస్తుందని మీకు తెలుసు. మరింత సురక్షితమైన అల్గోరిథంల అభివృద్ధిపై మీ అభిప్రాయాలు ఏమిటో అతను ఆశ్చర్యపోతున్నాడు, నేను ess హిస్తున్నాను, అతను ఈ పదాన్ని ఉపయోగిస్తాడు, విశ్లేషణల యొక్క “అతిగా” ఉపయోగించడం. మీకు తెలుసా, ఎవరో వస్తారు, వారు నిజంగా ఉత్సాహంగా ఉంటారు, వారు ఈ అధునాతన విశ్లేషణలను చేయాలనుకుంటున్నారు, వారు ఈ అధునాతన అల్గారిథమ్‌లను అమలు చేయాలనుకుంటున్నారు, కాని వారికి ఖచ్చితంగా తెలియదు. కాబట్టి దాని నుండి రక్షణ కోసం మీరు ఏమి చేస్తారు?
డేవిడ్ స్వీనోర్: అవును, కాబట్టి నేను దీనికి ఉత్తమంగా సమాధానం ఇస్తానని gu హిస్తున్నాను, కాని ప్రతిదీ ప్రజలు, ప్రక్రియ మరియు సాంకేతిక పరిజ్ఞానానికి దిగుతుందని నేను భావిస్తున్నాను. వ్యక్తులను ప్రారంభించడంలో సహాయపడే సాంకేతికత మా వద్ద ఉంది మరియు మీరు మీ సంస్థలో ఉంచాలనుకునే ఏ ప్రక్రియనైనా ప్రారంభించడంలో సహాయపడుతుంది. ఒకరికి కూపన్‌ను ఇచ్చే ఉదాహరణలో, అది అంత క్లిష్టమైనది కాదు, మరియు అది డిజిటల్ అయితే అది నిజంగా ఖర్చు కాదు, బహుశా ఒక స్థాయి భద్రతా నియంత్రణలు ఉండవచ్చు మరియు మనం పట్టించుకోకపోవచ్చు. నేను సర్జికల్ సైట్ ఇన్ఫెక్షన్లను అంచనా వేస్తుంటే, నేను దాని గురించి కొంచెం జాగ్రత్తగా ఉండాలనుకుంటున్నాను. లేదా నేను quality షధ నాణ్యత మరియు భద్రత మరియు అలాంటి వాటిని అంచనా వేస్తుంటే, నేను దాని గురించి కొంచెం జాగ్రత్తగా ఉండాలనుకుంటున్నాను. మీరు చెప్పేది నిజం, చెత్త / చెత్త చెదరగొట్టడం, కాబట్టి మేము చేయటానికి ప్రయత్నిస్తున్నది మీ సంస్థ అవలంబించాలనుకునే ఏ ప్రక్రియకైనా అనుగుణంగా రూపొందించడానికి మిమ్మల్ని అనుమతించే వేదికను అందించడం.
రెబెకా జోజ్వియాక్: సరే మంచిది. నాకు మరికొన్ని ప్రశ్నలు ఉన్నాయి, కాని మేము గంటకు కొంచెం మించిపోయామని నాకు తెలుసు మరియు నేను మా సమర్పకులకు చెప్పాలనుకుంటున్నాను, అది అద్భుతంగా ఉంది. మరియు మేము డెల్ స్టాటిస్టికా నుండి చాలా డేవ్ స్వీనర్‌కు ధన్యవాదాలు చెప్పాలనుకుంటున్నాము. వాస్తవానికి, డాక్టర్ రాబిన్ బ్లూర్ మరియు డెజ్ బ్లాంచ్ఫీల్డ్, ఈ రోజు విశ్లేషకులుగా ఉన్నందుకు ధన్యవాదాలు. మేము డెల్ స్టాటిస్టికాతో వచ్చే నెలలో మరో వెబ్‌కాస్ట్ చేయబోతున్నాం. ఈ విషయం గురించి డేవ్ రకమైన సూచనలు నాకు తెలుసు. ఇది అంచు వద్ద ఉన్న విశ్లేషణల గురించి, మరొక మనోహరమైన అంశం, మరియు ఆ వెబ్‌కాస్ట్‌లో చాలా బలవంతపు ఉపయోగ సందర్భాలు చర్చించబడతాయని నాకు తెలుసు. ఈ రోజు మీరు చూసినవి మీకు నచ్చితే, వచ్చే నెలలో తిరిగి రండి. మరియు దానితో, చేసారో, నేను మీకు వీడ్కోలు చెప్పాను. చాలా కృతజ్ఞతలు. వీడ్కోలు.