మూలం: ఫ్లికర్ / జేమ్స్ రాయల్-లాసన్
Takeaway:
హోస్ట్ ఎరిక్ కవనాగ్ డేటా శాస్త్రవేత్తలు మరియు పరిశ్రమలోని నాయకులతో వ్యాపారంలో విశ్లేషణల వాడకాన్ని చర్చిస్తారు.
ఎడిటర్స్ గమనిక: ఇది మా గత వెబ్‌కాస్ట్‌లలో ఒకదాని యొక్క ట్రాన్స్క్రిప్ట్. తదుపరి ఎపిసోడ్ త్వరగా వస్తుంది, నమోదు చేయడానికి ఇక్కడ క్లిక్ చేయండి.ఎరిక్ కవనాగ్: లేడీస్ అండ్ జెంటిల్మెన్, హలో మరియు టెక్వైజ్ యొక్క ఎపిసోడ్ 2 కు మరోసారి స్వాగతం. అవును, నిజమే, తెలివైన వ్యక్తులను పొందే సమయం ఇది! ఆ ప్రయత్నంలో మాకు సహాయపడటానికి ఈ రోజు నాకు చాలా తెలివైన వ్యక్తులు ఉన్నారు. నా పేరు ఎరిక్ కవనాగ్. ఈ మెరుపు-రౌండ్ సెషన్ కోసం నేను మీ హోస్ట్, మీ మోడరేటర్ అవుతాను. మాకు ఇక్కడ చాలా కంటెంట్ ఉంది, చేసారో. మాకు వ్యాపారంలో కొన్ని పెద్ద పేర్లు ఉన్నాయి, వారు మా స్థలంలో విశ్లేషకులుగా ఉన్నారు మరియు నలుగురు అత్యంత ఆసక్తికరమైన విక్రేతలు.కాబట్టి మేము ఈ రోజు కాల్‌లో చాలా మంచి చర్య తీసుకోబోతున్నాము. వాస్తవానికి, ప్రేక్షకులలో మీరు ప్రశ్నలు అడగడంలో ముఖ్యమైన పాత్ర పోషిస్తారు.
కాబట్టి మరోసారి, ఈ కార్యక్రమం టెక్వైజ్ మరియు ఈ రోజు అంశం "విశ్లేషణలు వ్యాపారాన్ని ఎలా మెరుగుపరుస్తాయి?" సహజంగానే, ఇది మీరు చేయగలిగే వివిధ రకాలైన విశ్లేషణలను అర్థం చేసుకోవడానికి ప్రయత్నించే ఒక హాట్ టాపిక్ మరియు ఇది మీ కార్యకలాపాలను ఎలా మెరుగుపరుస్తుంది ఎందుకంటే ఇది రోజు చివరిలో ఉంటుంది.
కాబట్టి మీరు అక్కడ నన్ను చూడవచ్చు, అది నిజంగా మీదే. డాక్టర్ కిర్క్ బోర్న్, జార్జ్ మాసన్ విశ్వవిద్యాలయం నుండి మంచి స్నేహితుడు. అతను విపరీతమైన అనుభవం కలిగిన డేటా సైంటిస్ట్, ఈ స్థలం మరియు డేటా మైనింగ్ మరియు పెద్ద డేటా మరియు అన్ని రకాల సరదా విషయాలలో చాలా లోతైన నైపుణ్యం. మరియు, వాస్తవానికి, బ్లూర్ గ్రూప్‌లో మా స్వంత డాక్టర్ రాబిన్ బ్లూర్, చీఫ్ అనలిస్ట్ ఉన్నారు. చాలా సంవత్సరాల క్రితం చాలా మంది యాక్చువరీగా శిక్షణ పొందారు. అతను గత అర్ధ దశాబ్ద కాలంగా ఈ మొత్తం పెద్ద డేటా స్థలం మరియు విశ్లేషణాత్మక స్థలంపై నిజంగా దృష్టి పెట్టాడు. మేము బ్లూర్ గ్రూప్‌ను ప్రారంభించి దాదాపు ఐదు సంవత్సరాలు అయ్యింది. కాబట్టి మీరు ఆనందించేటప్పుడు సమయం ఎగురుతుంది.
పెంటాహో యొక్క చీఫ్ ఆర్కిటెక్ట్ విల్ గోర్మాన్ నుండి కూడా మేము వినబోతున్నాం; స్టీవ్ విల్కేస్, వెబ్‌ఆక్షన్ యొక్క CCO; మార్క్ లాజిక్ వద్ద టెక్నికల్ డైరెక్టర్ ఫ్రాంక్ సాండర్స్; మరియు ట్రెజర్ డేటా డైరెక్టర్ హన్నా స్మాల్ట్రీ. నేను చెప్పినట్లుగా, ఇది చాలా కంటెంట్.
కాబట్టి మీ వ్యాపారానికి విశ్లేషణలు ఎలా సహాయపడతాయి? బాగా, ఇది మీ వ్యాపారానికి ఎంత స్పష్టంగా సహాయపడుతుంది? మీ సంస్థను మెరుగుపరిచే పనులను చేయడానికి విశ్లేషణలను ఉపయోగించే అన్ని రకాల మార్గాలు ఉన్నాయి.
కాబట్టి కార్యకలాపాలను క్రమబద్ధీకరించండి. మార్కెటింగ్ లేదా ఆదాయాన్ని పెంచడం లేదా అవకాశాలను గుర్తించడం వంటి వాటి గురించి మీరు ఎక్కువగా విననిది ఇది. కానీ మీ కార్యకలాపాలను క్రమబద్ధీకరించడం ఇది మీ సంస్థ కోసం మీరు చేయగలిగే నిజంగా శక్తివంతమైన విషయం, ఎందుకంటే మీరు ఏదైనా అవుట్సోర్స్ చేయగల ప్రదేశాలను మీరు గుర్తించవచ్చు లేదా మీరు ఒక నిర్దిష్ట ప్రక్రియకు డేటాను జోడించవచ్చు, ఉదాహరణకు. మరియు ఎవరైనా కాల్ చేయడానికి ఫోన్‌ను తీసుకోవాల్సిన అవసరం లేదు లేదా మరొకరికి అవసరం లేదు. మీరు మీ కార్యకలాపాలను క్రమబద్ధీకరించడానికి చాలా విభిన్న మార్గాలు ఉన్నాయి. మరియు ఇవన్నీ నిజంగా మీ ఖర్చును తగ్గించటానికి సహాయపడతాయి, సరియైనదా? ఇది కీలకం, ఇది ఖర్చును తగ్గిస్తుంది. కానీ ఇది మీ కస్టమర్లకు మెరుగైన సేవ చేయడానికి మిమ్మల్ని అనుమతిస్తుంది.
మరియు ప్రజలు ఎంత అసహనానికి గురయ్యారనే దాని గురించి మీరు ఆలోచిస్తే, మరియు ప్రజలు ఆన్‌లైన్‌లో ఎలా వ్యవహరిస్తారనే దానిపై నేను ప్రతిరోజూ చూస్తాను, మా ప్రదర్శనలతో, మేము ఉపయోగించే సేవా ప్రదాతలతో కూడా. ప్రజలకు ఉన్న సహనం, శ్రద్ధ విస్తరించడం, రోజు రోజుకు తక్కువ మరియు తక్కువ అవుతుంది. మరియు దాని అర్థం ఏమిటంటే, మీ కస్టమర్లను సంతృప్తి పరచడానికి మీరు సంస్థగా, వేగంగా మరియు వేగంగా స్పందించాలి.
కాబట్టి, ఉదాహరణకు, ఎవరైనా మీ వెబ్‌కాస్ట్ సైట్‌లో ఉంటే లేదా ఏదైనా వెతకడానికి ప్రయత్నిస్తుంటే, వారు నిరాశకు గురై వారు వెళ్లిపోతే, మీరు కస్టమర్‌ను కోల్పోయి ఉండవచ్చు. మరియు మీ ఉత్పత్తి లేదా సేవ కోసం మీరు ఎంత వసూలు చేస్తారు అనేదానిపై ఆధారపడి ఉంటుంది మరియు అది చాలా పెద్ద విషయం. కాబట్టి బాటమ్ లైన్ ఏమిటంటే, కార్యకలాపాలను క్రమబద్ధీకరించడం, విశ్లేషణలను వర్తింపజేయడానికి హాటెస్ట్ ప్రదేశాలలో ఒకటి. మరియు మీరు సంఖ్యలను చూడటం ద్వారా, డేటాను క్రంచ్ చేయడం ద్వారా, గుర్తించడం ద్వారా, ఉదాహరణకు, "హే, మా వెబ్‌సైట్ యొక్క ఈ పేజీలో మనం ఎందుకు చాలా మందిని కోల్పోతున్నాము?" "మేము ప్రస్తుతం ఈ ఫోన్ కాల్స్ ఎందుకు తీసుకుంటున్నాము?"
మరియు మీరు ఆ రకమైన విషయాలకు మరింత నిజ సమయంలో స్పందించగలిగేటప్పుడు, మీరు ఆలస్యం కాకముందే పరిస్థితిని అధిగమించడానికి మరియు దాని గురించి ఏదైనా చేయటానికి మంచి అవకాశాలు ఉంటాయి. ఎవరైనా ఏదో గురించి కలత చెందినప్పుడు, వారు అసంతృప్తిగా ఉన్నారు లేదా వారు ఏదైనా కనుగొనడానికి ప్రయత్నిస్తున్నారు, కాని వారు నిరాశ చెందుతారు; వారిని చేరుకోవడానికి, వాటిని పట్టుకోవటానికి, ఆ కస్టమర్‌తో సంభాషించడానికి మీకు అక్కడ అవకాశం లభించింది. సరైన డేటా లేదా మంచి కస్టమర్ చిత్రంతో మీరు సరైన మార్గంలో చేస్తే - ఈ కస్టమర్ ఎవరు, వారి లాభదాయకత ఏమిటి, వారి ప్రాధాన్యతలు ఏమిటి - మీరు నిజంగా దానిపై హ్యాండిల్ పొందగలిగితే, మీరు చేయబోతున్నారు మీ కస్టమర్లను పట్టుకోవడం మరియు క్రొత్త కస్టమర్లను పొందడం గొప్ప పని. మరియు దాని గురించి అదే.
అందువల్ల, నేను దానిని ఈ రోజు కాల్‌లో ఉన్న మా డేటా శాస్త్రవేత్తలలో ఒకరైన కిర్క్ బోర్న్‌కు అప్పగించబోతున్నాను. మరియు ఈ రోజుల్లో అవి చాలా అరుదు. మాకు కనీసం రెండు కాల్‌లు వచ్చాయి, కనుక ఇది పెద్ద విషయం. దానితో, కిర్క్, విశ్లేషణల గురించి మరియు వ్యాపారానికి ఇది ఎలా సహాయపడుతుందో గురించి మాట్లాడటానికి నేను దానిని మీకు అప్పగించబోతున్నాను. దానికి వెళ్ళు.
డాక్టర్ కిర్క్ బోర్న్: బాగా, చాలా ధన్యవాదాలు, ఎరిక్. మీరు నా మాట వినగలరా?
ఎరిక్: ఇది మంచిది, ముందుకు సాగండి.
డాక్టర్ కిర్క్: సరే, మంచిది. నేను ఐదు నిమిషాలు మాట్లాడితే నేను భాగస్వామ్యం చేయాలనుకుంటున్నాను, మరియు ప్రజలు నా వైపు చేతులు aving పుతున్నారు. కాబట్టి ప్రారంభ వ్యాఖ్యలు, ఎరిక్, మీరు ఈ అంశంతో నిజంగా ముడిపడి ఉన్నారని నేను రాబోయే కొద్ది నిమిషాల్లో క్లుప్తంగా మాట్లాడబోతున్నాను, ఇది డేటా కోసం పెద్ద డేటా మరియు విశ్లేషణల యొక్క మద్దతు, అక్కడ నిర్ణయాలకు మద్దతు ఇస్తుంది. కార్యాచరణ స్ట్రీమ్లైనింగ్ గురించి మీరు చేసిన వ్యాఖ్య, నాకు, ఇది కార్యాచరణ విశ్లేషణల యొక్క ఈ భావనలోకి వస్తుంది, దీనిలో మీరు సైన్స్ అప్లికేషన్, వ్యాపారం, సైబర్ భద్రత మరియు చట్ట అమలు మరియు ప్రపంచంలోని ప్రతి అనువర్తనంలో చూడవచ్చు. ప్రభుత్వం, ఆరోగ్య సంరక్షణ. మనకు డేటా ప్రవాహం ఉన్న ఎన్ని ప్రదేశాలు మరియు ఆ డేటా స్ట్రీమ్‌లో మనం చూసే సంఘటనలు మరియు హెచ్చరికలు మరియు ప్రవర్తనలకు ప్రతిస్పందనగా మేము ఒకరకమైన ప్రతిస్పందన లేదా నిర్ణయం తీసుకుంటున్నాము.
అందువల్ల నేను ఈ రోజు మాట్లాడటానికి ఇష్టపడే ఒక విషయం ఏమిటంటే, మీరు పెద్ద డేటా నుండి జ్ఞానం మరియు అంతర్దృష్టులను ఎలా సంగ్రహిస్తున్నారు, ఆ దశకు చేరుకోవడానికి మేము చర్యలు తీసుకోవటానికి నిర్ణయాలు తీసుకోవచ్చు. మరియు తరచుగా మేము దీని గురించి ఆటోమేషన్ కాన్ లో మాట్లాడుతాము. మరియు ఈ రోజు నేను ఆటోమేషన్‌ను మానవ విశ్లేషకుడితో లూప్‌లో కలపాలనుకుంటున్నాను. కాబట్టి దీని అర్థం నేను డేటా నుండి సేకరించే బెట్టింగ్, అర్హత, నిర్దిష్ట చర్యలను ధృవీకరించడం లేదా యంత్ర అభ్యాస నియమాల విషయంలో వ్యాపార విశ్లేషకుడు ఇక్కడ ఒక ముఖ్యమైన పాత్ర పోషిస్తున్నాను. మేము సేకరించిన వ్యాపార నియమాలను మరియు మమ్మల్ని హెచ్చరించే యంత్రాంగాలు చెల్లుబాటు అయ్యే స్థితికి చేరుకున్నట్లయితే, మేము దీన్ని స్వయంచాలక ప్రక్రియకు మార్చవచ్చు. ఎరిక్ గురించి మాట్లాడుతున్న కార్యాచరణను క్రమబద్ధీకరించాము.
కాబట్టి ఇక్కడ పదాలపై నాకు కొంచెం ఆట ఉంది, కాని ఇది మీ కోసం పనిచేస్తుంటే, నేను D2D ఛాలెంజ్ గురించి మాట్లాడాను. మరియు D2D, అన్ని కాన్స్ లో నిర్ణయాలు మాత్రమే కాకుండా, మేము ఈ స్లైడ్ యొక్క దిగువ భాగంలో చూస్తున్నాము, మీరు దీన్ని చూడగలరని ఆశిస్తున్నాము, ఆవిష్కరణలు చేయడం మరియు మా విశ్లేషణ పైప్లైన్ల నుండి ఆదాయ డాలర్లను పెంచడం.
కాబట్టి ఈ కాన్ లో, వాస్తవానికి నేను ఇక్కడ పని చేసే విక్రయదారుడి పాత్రను కలిగి ఉన్నాను; మీరు చేయాలనుకుంటున్న మొదటి విషయం ఏమిటంటే, మీ డేటాను వర్గీకరించడం, లక్షణాలను సంగ్రహించడం, మీ కస్టమర్ల లక్షణాలను సేకరించడం లేదా మీ స్థలంలో మీరు ట్రాక్ చేస్తున్న ఏ సంస్థ అయినా. బహుశా ఇది ఆరోగ్య విశ్లేషణ వాతావరణంలో రోగి కావచ్చు. మీరు ఒక రకమైన సైబర్ భద్రతా సమస్యను చూస్తున్నట్లయితే అది వెబ్ వినియోగదారు కావచ్చు. కానీ లక్షణాలను వర్గీకరించండి మరియు సంగ్రహించండి, ఆపై ఆ వ్యక్తి గురించి, ఆ ఎంటిటీ గురించి కొంత కాన్ సేకరించండి. ఆపై మీరు సృష్టించిన ఆ ముక్కలను సేకరించి వాటిని ఒక రకమైన సేకరణలో ఉంచండి, దాని నుండి మీరు యంత్ర అభ్యాస అల్గోరిథంలను వర్తింపజేయవచ్చు.
నేను ఈ విధంగా చెప్పడానికి కారణం, విమానాశ్రయంలో మీకు నిఘా కెమెరా ఉందని చెప్పండి. వీడియో కూడా అపారమైన, పెద్ద వాల్యూమ్ మరియు ఇది చాలా నిర్మాణాత్మకమైనది. కానీ మీరు వీడియో నిఘా, ముఖ బయోమెట్రిక్స్ నుండి సంగ్రహించవచ్చు మరియు నిఘా కెమెరాలలో వ్యక్తులను గుర్తించవచ్చు. కాబట్టి విమానాశ్రయంలో ఉదాహరణకు, మీరు నిర్దిష్ట వ్యక్తులను గుర్తించవచ్చు, ఒకే వ్యక్తిని బహుళ నిఘా కెమెరాల్లో గుర్తించడం ద్వారా మీరు వారిని విమానాశ్రయం ద్వారా ట్రాక్ చేయవచ్చు. మీరు నిజంగా మైనింగ్ మరియు ట్రాకింగ్ చేస్తున్న సంగ్రహించిన బయోమెట్రిక్ లక్షణాలు అసలు వివరణాత్మక వీడియో కాదు. మీరు ఆ వెలికితీతలను కలిగి ఉన్న తర్వాత, మీరు ఒక నిర్దిష్ట సందర్భంలో చర్య తీసుకోవాల్సిన అవసరం ఉందా లేదా ఏదైనా తప్పుగా జరిగిందా లేదా మీకు ఆఫర్ చేయడానికి అవకాశం ఉందా అనే దానిపై నిర్ణయాలు తీసుకోవడానికి మీరు యంత్ర అభ్యాస నియమాలను మరియు విశ్లేషణలను వర్తింపజేయవచ్చు. ఉదాహరణకు, మీరు విమానాశ్రయంలో ఒక స్టోర్ కలిగి ఉంటే మరియు ఆ కస్టమర్ మీ దారిలోకి వస్తున్నట్లు మీరు చూస్తే మరియు ఆ కస్టమర్ గురించి ఇతర సమాచారం నుండి మీకు తెలిస్తే, అతను డ్యూటీ-ఫ్రీ షాపులో వస్తువులను కొనడానికి నిజంగా ఆసక్తి కలిగి ఉండవచ్చు లేదా అలాంటిదే, ఆ ఆఫర్ చేయండి.
కాబట్టి క్యారెక్టరైజేషన్ మరియు పొటెన్షియలైజేషన్ ద్వారా నేను ఎలాంటి విషయాలు అర్థం చేసుకుంటాను? క్యారెక్టరైజేషన్ ద్వారా, మళ్ళీ, డేటాలోని లక్షణాలు మరియు లక్షణాలను సంగ్రహిస్తున్నాను. మరియు ఇది యంత్రాన్ని ఉత్పత్తి చేయవచ్చు, అప్పుడు దాని అల్గోరిథంలు వాస్తవానికి సంగ్రహించగలవు, ఉదాహరణకు, వీడియో లేదా సెంటిమెంట్ విశ్లేషణ నుండి బయోమెట్రిక్ సంతకాలు. మీరు ఆన్‌లైన్ సమీక్షలు లేదా సోషల్ మీడియా ద్వారా కస్టమర్ యొక్క మనోభావాలను సేకరించవచ్చు. వీటిలో కొన్ని మానవ ఉత్పత్తి కావచ్చు, తద్వారా మానవుడు, వ్యాపార విశ్లేషకుడు, తదుపరి స్లైడ్‌లో నేను చూపించే అదనపు లక్షణాలను సేకరించవచ్చు.
వీటిలో కొన్ని క్రౌడ్ సోర్స్ చేయవచ్చు. క్రౌడ్ సోర్స్ ద్వారా, మీరు దాని గురించి ఆలోచించడానికి చాలా రకాలు ఉన్నాయి. కానీ చాలా సరళంగా, ఉదాహరణకు, మీ వినియోగదారులు మీ వెబ్‌సైట్‌కు వస్తారు మరియు వారు శోధన పదాలు, కీలకపదాలను ఉంచారు మరియు వారు ఒక నిర్దిష్ట పేజీలో ముగుస్తుంది మరియు వాస్తవానికి ఆ పేజీలో సమయం గడుపుతారు. వారు ఆ పేజీలోని విషయాలను చూడటం, బ్రౌజ్ చేయడం, క్లిక్ చేయడం అని వారు అర్థం చేసుకుంటారు. మీకు ఏమి చెప్తుందంటే, వారు ప్రారంభంలోనే టైప్ చేసిన కీవర్డ్ ఆ పేజీ యొక్క డిస్క్రిప్టర్ ఎందుకంటే ఇది కస్టమర్ వారు ating హించిన పేజీలో దిగింది. అందువల్ల మీరు ఆ అదనపు సమాచారాన్ని జోడించవచ్చు, అంటే ఈ కీవర్డ్‌ని ఉపయోగించే కస్టమర్లు ఈ వెబ్‌పేజీని మా ఇన్ఫర్మేషన్ ఆర్కిటెక్చర్‌లో గుర్తించారు, ఆ కంటెంట్ ఆ కీవర్డ్‌కి సరిపోయే ప్రదేశంగా గుర్తించారు.
అందువల్ల క్రౌడ్‌సోర్సింగ్ అనేది కొన్నిసార్లు ప్రజలు మరచిపోయే మరొక అంశం, మీ కస్టమర్ల బ్రెడ్‌క్రంబ్‌లను ట్రాక్ చేయడం, మాట్లాడటం; ఇది ఆన్‌లైన్ ఆస్తి లేదా నిజమైన ఆస్తి అయినా వారు తమ స్థలాన్ని ఎలా కదిలిస్తారు. ఆపై మేము చూస్తున్న విషయాల గురించి కస్టమర్ అదనపు సమాచారం తీసుకునే విధంగా వారు ఆ విధమైన మార్గాన్ని ఉపయోగించండి.
కాబట్టి మానవ-సృష్టించిన విషయాలు, లేదా యంత్రం ఉత్పత్తి చేయబడినవి, నిర్దిష్ట డేటా కణికలు లేదా ఎంటిటీలను ఉల్లేఖించడం లేదా ట్యాగ్ చేయడం వంటివి ఉన్నాయి. ఆ సంస్థలు హాస్పిటల్ నేపధ్యంలో రోగులు, కస్టమర్లు లేదా ఏమైనా. కాబట్టి వివిధ రకాల ట్యాగింగ్ మరియు ఉల్లేఖనాలు ఉన్నాయి. వాటిలో కొన్ని డేటా గురించి. ఇది వాటిలో ఒకటి, ఏ రకమైన సమాచారం, ఏ రకమైన సమాచారం, లక్షణాలు ఏమిటి, ఆకారాలు, బహుశా ures మరియు నమూనాలు, క్రమరాహిత్యం, అసాధారణత లేని ప్రవర్తనలు. ఆపై కొన్ని అర్థాలను సంగ్రహించండి, అనగా ఇది నాకు తెలిసిన ఇతర విషయాలతో ఎలా సంబంధం కలిగి ఉంటుంది లేదా ఈ కస్టమర్ ఎలక్ట్రానిక్స్ కస్టమర్. ఈ కస్టమర్ బట్టల కస్టమర్. లేదా ఈ కస్టమర్ సంగీతం కొనడానికి ఇష్టపడతారు.
కాబట్టి దాని గురించి కొన్ని అర్థాలను గుర్తించడం, సంగీతాన్ని ఇష్టపడే ఈ కస్టమర్లు వినోదాన్ని ఇష్టపడతారు. బహుశా మేము వారికి కొన్ని ఇతర వినోద ఆస్తిని అందించవచ్చు. కాబట్టి సెమాంటిక్స్ మరియు కొన్ని రుజువులను అర్థం చేసుకోవడం, ఇది ప్రాథమికంగా చెబుతోంది: ఇది ఎక్కడ నుండి వచ్చింది, ఈ వాదనను ఎవరు అందించారు, ఏ సమయం, ఏ తేదీ, ఏ పరిస్థితిలో?
కాబట్టి మీరు ఆ ఉల్లేఖనాలు మరియు లక్షణాలను కలిగి ఉన్న తర్వాత, దానికి తదుపరి దశను జోడించండి, ఇది కాన్, ఎవరు, ఎవరు, ఎప్పుడు, ఎక్కడ మరియు ఎందుకు దాని యొక్క విధమైన. వినియోగదారు ఎవరు? వారు వచ్చిన ఛానెల్ ఏమిటి? సమాచారం యొక్క మూలం ఏమిటి? ఈ ప్రత్యేకమైన సమాచారం లేదా డేటా ఉత్పత్తిలో మేము ఎలాంటి పునర్వినియోగాలను చూశాము? మరియు వ్యాపార ప్రక్రియలో ఇది ఒక విధమైన విలువ? ఆపై ఆ విషయాలను సేకరించి వాటిని నిర్వహించండి మరియు మీరు డేటాబేస్ను రూపొందించడంలో సహాయపడండి, మీరు ఆ విధంగా ఆలోచించాలనుకుంటే. ఇతర వ్యాపార విశ్లేషకుల ద్వారా లేదా స్వయంచాలక ప్రక్రియ ద్వారా వాటిని శోధించదగిన, పునర్వినియోగపరచదగినదిగా చేయండి, తదుపరిసారి నేను ఈ లక్షణాలను చూసినప్పుడు, సిస్టమ్ ఈ స్వయంచాలక చర్య తీసుకోవచ్చు. కాబట్టి మేము ఆ విధమైన కార్యాచరణ విశ్లేషణాత్మక సామర్థ్యాన్ని పొందుతాము, కాని మనం ఎక్కువ ఉపయోగకరమైన, సమగ్ర సమాచారాన్ని సేకరించి, ఆపై ఈ ఉపయోగ సందర్భాల కోసం దాన్ని క్యూరేట్ చేస్తాము.
మేము వ్యాపారానికి దిగుతాము. మేము డేటా అనలిటిక్స్ చేస్తాము. మేము ఆసక్తికరమైన నమూనాలు, ఆశ్చర్యకరమైనవి, వింతైన అవుట్‌లెర్స్, క్రమరాహిత్యాల కోసం చూస్తాము. మేము జనాభాలో కొత్త తరగతులు మరియు విభాగాల కోసం చూస్తున్నాము. మేము వివిధ సంస్థల మధ్య అనుబంధాలు మరియు సహసంబంధాలు మరియు లింక్‌ల కోసం చూస్తాము. ఆపై మన ఆవిష్కరణ, నిర్ణయం మరియు డాలర్ తయారీ ప్రక్రియను నడపడానికి మేము అన్నింటినీ ఉపయోగిస్తాము.
కాబట్టి మళ్ళీ, ఇక్కడ మనకు లభించిన చివరి డేటా స్లైడ్ కేవలం సారాంశం, వ్యాపార విశ్లేషకుడిని లూప్‌లో ఉంచడం, మళ్ళీ, మీరు ఆ మానవుడిని వెలికి తీయడం లేదు మరియు ఆ మానవుడిని అక్కడే ఉంచడం చాలా ముఖ్యం.
కాబట్టి ఈ లక్షణాలు, అవన్నీ యంత్రాలు లేదా మానవ విశ్లేషకులు లేదా క్రౌడ్‌సోర్సింగ్ ద్వారా అందించబడతాయి. మా మోడళ్ల కోసం మా శిక్షణా సమితులను మెరుగుపరచడానికి మరియు మరింత ఖచ్చితమైన అంచనా నమూనాలు, తక్కువ తప్పుడు పాజిటివ్‌లు మరియు ప్రతికూలతలు, మరింత సమర్థవంతమైన ప్రవర్తన, మా కస్టమర్లతో లేదా ఎవరైతే మరింత సమర్థవంతమైన జోక్యాలతో ముగుస్తుంది.
కాబట్టి, రోజు చివరిలో, మేము నిజంగా మానవ జ్ఞానం యొక్క ఈ శక్తితో యంత్ర అభ్యాసం మరియు పెద్ద డేటాను మిళితం చేస్తున్నాము, ఇక్కడే ఆ విధమైన ట్యాగింగ్ ఉల్లేఖన భాగం వస్తుంది. మరియు ఇది విజువలైజేషన్ మరియు విజువల్ అనలిటిక్స్-రకం ద్వారా దారితీస్తుంది సాధనాలు లేదా లీనమయ్యే డేటా పరిసరాలు లేదా క్రౌడ్‌సోర్సింగ్. మరియు, రోజు చివరిలో, ఇది నిజంగా చేస్తున్నది మన ఆవిష్కరణ, అంతర్దృష్టులు మరియు D2D ని ఉత్పత్తి చేస్తుంది. మరియు అవి నా వ్యాఖ్యలు, కాబట్టి విన్నందుకు ధన్యవాదాలు.
ఎరిక్: హే చాలా బాగుంది మరియు నన్ను ముందుకు సాగండి మరియు డాక్టర్ రాబిన్ బ్లూర్‌కు తన దృక్పథాన్ని ఇవ్వడానికి కీలను అప్పగించండి. అవును, కార్యకలాపాల భావనను క్రమబద్ధీకరించడం గురించి మీరు వ్యాఖ్యానించడాన్ని నేను వినాలనుకుంటున్నాను మరియు మీరు కార్యాచరణ విశ్లేషణల గురించి మాట్లాడుతున్నారు. ఇది చాలా క్షుణ్ణంగా అన్వేషించాల్సిన పెద్ద ప్రాంతం అని నేను అనుకుంటున్నాను. నేను ess హిస్తున్నాను, రాబిన్ ముందు త్వరగా, కిర్క్, నేను మిమ్మల్ని తిరిగి తీసుకువస్తాను. సంస్థలోని వివిధ ఆటగాళ్ళలో మీకు చాలా ముఖ్యమైన సహకారం అవసరం. మీరు ఆపరేషన్ ప్రజలతో మాట్లాడాలి; మీరు మీ సాంకేతిక వ్యక్తులను పొందాలి. కొన్నిసార్లు మీరు మీ మార్కెటింగ్ వ్యక్తులను లేదా మీ వెబ్ ఇంటర్ఫేస్ వ్యక్తులను పొందుతారు. ఇవి సాధారణంగా వేర్వేరు సమూహాలు. ప్రతి ఒక్కరూ తమ చర్మాన్ని ఆటలో ఎలా ఉంచుకోవాలో మీకు ఉత్తమమైన అభ్యాసాలు లేదా సూచనలు ఉన్నాయా?
డాక్టర్ కిర్క్: సరే, ఇది సహకారం యొక్క వ్యాపార సంస్కృతితో వస్తుంది. వాస్తవానికి, నేను మూడు సి యొక్క విశ్లేషణ సంస్కృతి గురించి మాట్లాడుతున్నాను. ఒకటి సృజనాత్మకత; మరొకటి ఉత్సుకత మరియు మూడవది సహకారం. కాబట్టి మీరు సృజనాత్మక, తీవ్రమైన వ్యక్తులను కోరుకుంటారు, కానీ మీరు కూడా ఈ వ్యక్తులను సహకరించాలి. మరియు ఇది నిజంగా పైనుండి మొదలవుతుంది, ఆ విధమైన సంస్కృతిని బహిరంగంగా పంచుకోవాలి మరియు వ్యాపారం యొక్క సాధారణ లక్ష్యాల కోసం కలిసి పనిచేయాలి.
ఎరిక్: ఇవన్నీ అర్ధమే. మరియు మీరు నిజంగా మంచి నాయకత్వాన్ని పొందాలి. కాబట్టి ముందుకు వెళ్లి డాక్టర్ బ్లూర్‌కు అప్పగించండి. రాబిన్, నేల మీదే.
డాక్టర్ రాబిన్ బ్లూర్: సరే. ఆ పరిచయానికి ధన్యవాదాలు, ఎరిక్. సరే, ఇవి బయటపడే మార్గం, ఈ ప్రదర్శనలు, ఎందుకంటే మాకు ఇద్దరు విశ్లేషకులు ఉన్నారు; ఇతర కుర్రాళ్ళు చేయని విశ్లేషకుడి ప్రదర్శనను నేను చూస్తాను. కిర్క్ ఏమి చెప్పబోతున్నాడో నాకు తెలుసు మరియు నేను పూర్తిగా భిన్నమైన కోణంలో వెళ్తాను, తద్వారా మనం అతివ్యాప్తి చెందము.
కాబట్టి నేను నిజంగా ఇక్కడ మాట్లాడుతున్నాను లేదా ఇక్కడ మాట్లాడాలనుకుంటున్నాను, డేటా విశ్లేషకుడి పాత్ర మరియు వ్యాపార విశ్లేషకుడి పాత్ర. నేను దానిని వర్ణించే విధానం, కొంతవరకు నాలుకతో చెంపదెబ్బ కొట్టడం, జెకిల్ మరియు హైడ్ విషయం. వ్యత్యాసం ప్రత్యేకంగా డేటా శాస్త్రవేత్తలు, సిద్ధాంతపరంగా, వారు ఏమి చేస్తున్నారో తెలుసు. వ్యాపార విశ్లేషకులు అలా కానప్పటికీ, గణితం పనిచేసే విధానం, ఏది నమ్మదగినది మరియు ఏది నమ్మదగినది కాదు.
కాబట్టి మనం దీన్ని చేస్తున్న కారణానికి దిగుదాం, డేటా విశ్లేషణ అకస్మాత్తుగా పెద్ద ఒప్పందంగా మారింది, వాస్తవానికి మనం చాలా పెద్ద మొత్తంలో డేటాను విశ్లేషించగలము మరియు సంస్థ వెలుపల నుండి డేటాను లాగవచ్చు; ఇది చెల్లిస్తుంది. నేను దీనిని చూసే విధానం - మరియు ఇది కేవలం ఒక కేసుగా మారుతోందని నేను అనుకుంటున్నాను, కాని ఇది ఖచ్చితంగా ఒక కేసు అని నేను అనుకుంటున్నాను - డేటా విశ్లేషణ నిజంగా వ్యాపారం R&D. డేటా విశ్లేషణతో మీరు నిజంగా ఒక విధంగా లేదా మరొక విధంగా చేస్తున్నది ఏమిటంటే, మీరు ఒక విధమైన వ్యాపార ప్రక్రియను ఒక రకంగా చూస్తున్నారా లేదా అది కస్టమర్‌తో పరస్పర చర్య కాదా, అది మీ రిటైల్ ఆపరేషన్, మీరు అమలు చేసే మార్గం మీ దుకాణాలు. సమస్య ఏమిటో నిజంగా పట్టింపు లేదు. మీరు ఇచ్చిన వ్యాపార ప్రక్రియను చూస్తున్నారు మరియు మీరు దాన్ని మెరుగుపరచడానికి ప్రయత్నిస్తున్నారు.
విజయవంతమైన పరిశోధన మరియు అభివృద్ధి యొక్క ఫలితం మార్పు ప్రక్రియ. మరియు మీరు తయారీ గురించి ఆలోచించవచ్చు, మీకు కావాలంటే, దీనికి సాధారణ ఉదాహరణగా. తయారీలో, ఉత్పాదక ప్రక్రియను మెరుగుపరచడానికి మరియు మెరుగుపరచడానికి ప్రజలు ప్రతి దాని గురించి సమాచారాన్ని సేకరిస్తారు. కానీ ఏమి జరిగిందో లేదా పెద్ద డేటాలో ఏమి జరుగుతుందో నేను భావిస్తున్నాను, ఇవన్నీ ఇప్పుడు అన్ని రకాల వ్యాపారాలకు ఎవరైనా ఆలోచించగలిగే విధంగా వర్తించబడుతున్నాయి. మీరు దాని గురించి డేటాను సేకరించగలిగితే చాలా చక్కని ఏదైనా వ్యాపార ప్రక్రియ పరీక్ష కోసం సిద్ధంగా ఉంది.
కనుక ఇది ఒక విషయం. మీరు కావాలనుకుంటే, అది డేటా విశ్లేషణ ప్రశ్నకు వెళుతుంది. డేటా విశ్లేషణలు వ్యాపారం కోసం ఏమి చేయగలవు? బాగా, ఇది వ్యాపారాన్ని పూర్తిగా మార్చగలదు.
ఈ ప్రత్యేక రేఖాచిత్రం నేను ఏ లోతులో వివరించబోతున్నాను, కానీ ఇది ఈ సంవత్సరం మొదటి ఆరు నెలలు మేము చేసిన పరిశోధన ప్రాజెక్ట్ యొక్క పరాకాష్టగా మేము తీసుకువచ్చిన రేఖాచిత్రం. ఇది పెద్ద డేటా నిర్మాణానికి ప్రాతినిధ్యం వహించే మార్గం. నేను తదుపరి స్లైడ్‌కు వెళ్లేముందు ఎత్తి చూపవలసిన విలువైన విషయాలు. ఇక్కడ రెండు డేటా ప్రవాహాలు ఉన్నాయి. ఒకటి రియల్ టైమ్ డేటా స్ట్రీమ్, ఇది రేఖాచిత్రం పైభాగంలో ఉంటుంది. మరొకటి రేఖాచిత్రం దిగువన వెళ్ళే నెమ్మదిగా డేటా స్ట్రీమ్.
రేఖాచిత్రం దిగువన చూడండి. మాకు హడూప్ డేటా రిజర్వాయర్‌గా వచ్చింది. మాకు వివిధ డేటాబేస్‌లు వచ్చాయి. మొత్తం కార్యకలాపాలు జరిగే మొత్తం డేటాను మేము అక్కడ పొందాము, వీటిలో ఎక్కువ భాగం విశ్లేషణాత్మక కార్యాచరణ.
నేను ఇక్కడ చేస్తున్న పాయింట్ మరియు నేను నిజంగా ఇక్కడ చేయాలనుకుంటున్నది సాంకేతికత కఠినమైనది. ఇది సులభం కాదు. ఇది అంత సులభం కాదు. ఇది ఆటకు క్రొత్తగా ఉన్న ఎవరైనా కలిసి ఉండగల విషయం కాదు. ఇది చాలా క్లిష్టమైనది. మరియు మీరు ఈ ప్రక్రియలన్నిటిలో నమ్మదగిన విశ్లేషణలు చేయడానికి వ్యాపారాన్ని సాధన చేయబోతున్నట్లయితే, అది ప్రత్యేకంగా త్వరగా జరగబోయే విషయం కాదు. మిశ్రమానికి చాలా సాంకేతిక పరిజ్ఞానం జోడించాల్సిన అవసరం ఉంది.
సరే. డేటా సైంటిస్ట్ అంటే ఏమిటి అనే ప్రశ్న, నేను డేటా సైంటిస్ట్ అని చెప్పుకోగలిగాను, ఎందుకంటే నేను కంప్యూటింగ్‌లో శిక్షణ పొందటానికి ముందే గణాంకాలలో శిక్షణ పొందాను. మరియు నేను కొంతకాలం ఒక యాక్చురియల్ ఉద్యోగం చేసాను, అందువల్ల ఒక వ్యాపారం నిర్వహించే విధానం, గణాంక విశ్లేషణ కూడా నడుస్తుంది. ఇది చిన్నవిషయం కాదు. మరియు మానవ వైపు మరియు సాంకేతిక వైపు రెండింటిలోనూ చాలా మంచి అభ్యాసం ఉంది.
కాబట్టి "డేటా సైంటిస్ట్ అంటే ఏమిటి" అనే ప్రశ్న అడగడంలో, నేను ఫ్రాంకెన్‌స్టైయిన్ పిక్చర్‌ను ఉంచాను ఎందుకంటే ఇది ఒకదానితో ఒకటి అల్లిన విషయాల కలయిక. ప్రాజెక్ట్ నిర్వహణ ఉంది. గణాంకాలలో లోతైన అవగాహన ఉంది. డొమైన్ వ్యాపార నైపుణ్యం ఉంది, ఇది డేటా సైంటిస్ట్ కంటే వ్యాపార విశ్లేషకుడి సమస్య. అనుభవం లేదా డేటా ఆర్కిటెక్చర్‌ను అర్థం చేసుకోవలసిన అవసరం ఉంది మరియు డేటా ఆర్కిటెక్ట్‌ను నిర్మించగలుగుతారు మరియు సాఫ్ట్‌వేర్ ఇంజనీరింగ్ ఉంది. మరో మాటలో చెప్పాలంటే, ఇది బహుశా ఒక జట్టు. ఇది బహుశా వ్యక్తి కాదు. మరియు ఇది బహుశా నిర్వహించాల్సిన విభాగం మరియు దాని సంస్థ గురించి చాలా విస్తృతంగా ఆలోచించాల్సిన అవసరం ఉంది.
యంత్ర అభ్యాసం యొక్క వాస్తవాన్ని మిశ్రమంలోకి విసిరివేయడం. యంత్ర అభ్యాసంలో ఉపయోగించే చాలా గణాంక పద్ధతులు దశాబ్దాలుగా తెలిసినవి కాబట్టి, యంత్ర అభ్యాసం కొత్తది కాదు. కొన్ని క్రొత్త విషయాలు ఉన్నాయి, నాడీ నెట్‌వర్క్‌లు చాలా క్రొత్తవి అని నా ఉద్దేశ్యం, అవి కేవలం 20 సంవత్సరాల వయస్సు మాత్రమే ఉన్నాయని నేను భావిస్తున్నాను, కాబట్టి వాటిలో కొన్ని క్రొత్తవి. యంత్ర అభ్యాసంలో సమస్య ఏమిటంటే దీన్ని చేయడానికి మాకు నిజంగా కంప్యూటర్ శక్తి లేదు. మరియు ఏమి జరిగిందో, మరేదైనా కాకుండా, కంప్యూటర్ శక్తి ఇప్పుడు అమలులో ఉంది. మరియు డేటా శాస్త్రవేత్తలు మోడలింగ్ పరిస్థితుల పరంగా, డేటాను మాదిరి చేసి, డేటా యొక్క లోతైన విశ్లేషణను రూపొందించడానికి మార్షల్ చేయడం ద్వారా మనం ఇంతకు ముందు చేసిన వాటిలో చాలా భయంకరంగా ఉంది. వాస్తవానికి, మేము కొన్ని సందర్భాల్లో కంప్యూటర్ శక్తిని విసిరివేయగలము. మెషీన్-లెర్నింగ్ అల్గారిథమ్‌లను ఎన్నుకోండి, డేటా వద్ద విసిరి, బయటకు వచ్చే వాటిని చూడండి. మరియు అది వ్యాపార విశ్లేషకుడు చేయగలిగేది, సరియైనదా? కానీ వ్యాపార విశ్లేషకుడు వారు ఏమి చేస్తున్నారో అర్థం చేసుకోవాలి. నా ఉద్దేశ్యం, ఇది నిజంగా అన్నిటికంటే ఎక్కువ సమస్య అని నేను భావిస్తున్నాను.
బాగా, ఇది ఇతర డేటా ద్వారా కాకుండా దాని డేటా నుండి వ్యాపారం గురించి మరింత తెలుసుకోవడం. ఐన్‌స్టీన్ అలా అనలేదు, నేను చెప్పాను. నేను అతని చిత్రాన్ని విశ్వసనీయత కోసం ఉంచాను. సాంకేతిక పరిజ్ఞానం, సరిగ్గా ఉపయోగించినట్లయితే, మరియు గణితం, సరిగ్గా ఉపయోగించినట్లయితే, ఏ వ్యక్తిగానైనా వ్యాపారాన్ని నడపగలిగే పరిస్థితి వాస్తవానికి అభివృద్ధి చెందడం ప్రారంభమైంది. మేము దీన్ని IBM తో చూశాము. అన్నింటిలో మొదటిది, ఇది చెస్‌లో ఉత్తమ వ్యక్తులను ఓడించగలదు, ఆపై అది జియోపార్డీలో ఉత్తమ వ్యక్తులను ఓడించగలదు; కానీ చివరికి మేము ఒక సంస్థను నడిపించడంలో ఉత్తమ వ్యక్తులను ఓడించగలుగుతాము. గణాంకాలు చివరికి విజయం సాధిస్తాయి. మరియు అది ఎలా జరగదని చూడటం కష్టం, ఇది ఇంకా జరగలేదు.
కాబట్టి నేను చెప్పేది, మరియు ఇది నా ప్రదర్శన యొక్క పూర్తి రకం, వ్యాపారం యొక్క ఈ రెండు సమస్యలు. మొదటిది, మీరు టెక్నాలజీని సరిగ్గా పొందగలరా? వాస్తవానికి దాని అధ్యక్షత వహించగలిగే మరియు వ్యాపారం కోసం ప్రయోజనాలను పొందగలిగే జట్టు కోసం మీరు సాంకేతిక పరిజ్ఞానాన్ని పని చేయగలరా? ఆపై రెండవది, మీరు ప్రజలను సరిగ్గా పొందగలరా? మరియు ఈ రెండూ సమస్యలు. మరియు అవి ఈ సమయంలో లేని సమస్యలు, అవి పరిష్కరించబడ్డాయి అని వారు చెప్పారు.
సరే ఎరిక్, నేను దానిని మీకు తిరిగి పంపుతాను. లేదా నేను దానిని విల్‌కు పంపించాలి.
ఎరిక్: అసలైన, అవును. ధన్యవాదాలు, విల్ గోర్మాన్. అవును, అక్కడ మీరు వెళ్తారు, విల్. కాబట్టి చూద్దాం. వెబ్‌ఎక్స్‌కు కీని ఇస్తాను. కాబట్టి మీరు ఏమి చేస్తున్నారు? పెంటాహో, స్పష్టంగా, మీరు కొంతకాలం ఉన్నారు మరియు మీరు ప్రారంభించిన ఓపెన్ సోర్స్ BI యొక్క రకమైనది. మీరు ఉపయోగించిన దానికంటే చాలా ఎక్కువ మీకు లభించింది, కాబట్టి ఈ రోజుల్లో మీరు విశ్లేషణల కోసం ఏమి పొందారో చూద్దాం.
విల్ గోర్మాన్: ఖచ్చితంగా. అందరికీ హాయ్! నా పేరు విల్ గోర్మాన్. నేను పెంటాహోలో చీఫ్ ఆర్కిటెక్ట్. మీ గురించి మా గురించి వినని వారి కోసం, పెంటాహో ఒక పెద్ద డేటా ఇంటిగ్రేషన్ మరియు అనలిటిక్స్ సంస్థ అని నేను పేర్కొన్నాను. మేము పది సంవత్సరాలు వ్యాపారంలో ఉన్నాము. మా ఉత్పత్తులు పెద్ద డేటా కమ్యూనిటీతో పక్కపక్కనే అభివృద్ధి చెందాయి, డేటా ఇంటిగ్రేషన్ మరియు అనలిటిక్స్ కోసం ఓపెన్-సోర్స్ ప్లాట్‌ఫామ్‌గా ప్రారంభించి, ఆ టెక్ చుట్టూ వాణిజ్య సంస్థలు ఏర్పడక ముందే హడూప్ మరియు నోఎస్‌క్యూల్ వంటి సాంకేతిక పరిజ్ఞానంతో ఆవిష్కరించబడ్డాయి. ఓపెన్ సోర్స్ చుట్టూ మా ఆవిష్కరణల ఫలితంగా ఇప్పుడు మనకు 1500 మంది వాణిజ్య కస్టమర్లు మరియు మరెన్నో ఉత్పత్తి నియామకాలు ఉన్నాయి.
మా ఆర్కిటెక్చర్ చాలా ఎంబెడబుల్ మరియు ఎక్స్‌టెన్సిబుల్, పెద్ద డేటా టెక్నాలజీ ముఖ్యంగా చాలా వేగంగా అభివృద్ధి చెందుతున్నందున అనువైనదిగా ఉండటానికి ఉద్దేశించినది. పెంటాహో మూడు ప్రధాన ఉత్పత్తి ప్రాంతాలను అందిస్తుంది, పెద్ద డేటా అనలిటిక్స్ వినియోగ కేసులను పరిష్కరించడానికి కలిసి పనిచేయడం.
మా ఆర్కిటెక్చర్ పరిధిలో మొదటి ఉత్పత్తి పెంటాహో డేటా ఇంటిగ్రేషన్, ఇది డేటా టెక్నాలజీ మరియు డేటా ఇంజనీర్ల వైపు దృష్టి సారించింది. ఈ ఉత్పత్తి పెద్ద డేటా పరిసరాలలో మరియు సాంప్రదాయ పరిసరాలలో డేటాను ఆర్కెస్ట్రేట్ చేయడానికి డేటా పైప్‌లైన్‌లు మరియు ప్రక్రియలను నిర్వచించడానికి దృశ్య, డ్రాగ్-అండ్-డ్రాప్ అనుభవాన్ని అందిస్తుంది. ఈ ఉత్పత్తి జావాలో నిర్మించిన తేలికైన, మెటాడేబేస్, డేటా-ఇంటిగ్రేషన్ ప్లాట్‌ఫారమ్ మరియు మ్యాప్‌రెడ్యూస్ లేదా యార్న్ లేదా స్టార్మ్ మరియు అనేక ఇతర బ్యాచ్ మరియు రియల్ టైమ్ ప్లాట్‌ఫామ్‌లలో ఒక ప్రక్రియగా అమలు చేయవచ్చు.
మా రెండవ ఉత్పత్తి ప్రాంతం దృశ్య విశ్లేషణల చుట్టూ ఉంది. ఈ సాంకేతిక పరిజ్ఞానంతో, సంస్థలు మరియు OEM లు ఆధునిక బ్రౌజర్‌లు మరియు టాబ్లెట్‌ల ద్వారా వ్యాపార విశ్లేషకులు మరియు వ్యాపార వినియోగదారులకు గొప్ప డ్రాగ్-అండ్-డ్రాప్ విజువలైజేషన్ మరియు విశ్లేషణ అనుభవాన్ని అందించగలవు, ఇది నివేదికలు మరియు డాష్‌బోర్డ్‌ల యొక్క తాత్కాలిక సృష్టిని అనుమతిస్తుంది. అలాగే పిక్సెల్-పర్ఫెక్ట్ డాష్‌బోర్డింగ్ మరియు నివేదికల ప్రదర్శన.
మా మూడవ ఉత్పత్తి ప్రాంతం డేటా శాస్త్రవేత్తలు, యంత్ర అభ్యాస అల్గోరిథంలను లక్ష్యంగా చేసుకున్న ప్రిడిక్టివ్ అనలిటిక్స్ పై దృష్టి పెడుతుంది. ముందు చెప్పినట్లుగా, న్యూరల్ నెట్‌వర్క్‌ల మాదిరిగా, డేటా ట్రాన్స్ఫర్మేషన్ వాతావరణంలో చేర్చవచ్చు, డేటా శాస్త్రవేత్తలు మోడలింగ్ నుండి ఉత్పత్తి వాతావరణానికి వెళ్ళడానికి వీలు కల్పిస్తుంది, అంచనా వేయడానికి ప్రాప్తిని ఇస్తుంది మరియు ఇది వ్యాపార ప్రక్రియలను చాలా త్వరగా, చాలా త్వరగా ప్రభావితం చేస్తుంది.
ఈ ఉత్పత్తులన్నీ ఒకే చురుకైన అనుభవంతో పటిష్టంగా కలిసిపోతాయి మరియు మా వ్యాపార వినియోగదారులకు వారి వ్యాపార సమస్యలను పరిష్కరించడానికి అవసరమైన వశ్యతను ఇస్తాయి. సాంప్రదాయ సాంకేతిక పరిజ్ఞానాలలో పెద్ద డేటా యొక్క త్వరగా అభివృద్ధి చెందుతున్న ప్రకృతి దృశ్యాన్ని మేము చూస్తున్నాము. పెద్ద డేటా స్థలంలో కొన్ని కంపెనీల నుండి EDW ముగింపు దశలో ఉందని మేము విన్నాము. వాస్తవానికి, మా ఎంటర్ప్రైజ్ కస్టమర్లలో మనం చూసేది ఏమిటంటే వారు ఇప్పటికే ఉన్న వ్యాపారం మరియు ఐటి ప్రాసెస్‌లలో పెద్ద డేటాను ప్రవేశపెట్టాలి మరియు ఆ ప్రక్రియలను భర్తీ చేయకూడదు.
ఈ సరళమైన రేఖాచిత్రం మనం తరచుగా చూసే ఆర్కిటెక్చర్ పాయింట్‌ను చూపిస్తుంది, ఇది డేటా ఇంటిగ్రేషన్ మరియు BI వినియోగ కేసులతో కూడిన EDW- డిప్లోయ్మెంట్ ఆర్కిటెక్చర్. ఇప్పుడు ఈ రేఖాచిత్రం పెద్ద డేటా నిర్మాణంలో రాబిన్ యొక్క స్లైడ్ మాదిరిగానే ఉంటుంది, ఇది నిజ-సమయ మరియు చారిత్రక డేటాను కలిగి ఉంటుంది. క్రొత్త డేటా వనరులు మరియు నిజ-సమయ అవసరాలు వెలువడినప్పుడు, పెద్ద డేటాను మొత్తం ఐటి నిర్మాణంలో అదనపు భాగంగా చూస్తాము. ఈ క్రొత్త డేటా వనరులలో యంత్రంతో ఉత్పత్తి చేయబడిన డేటా, నిర్మాణాత్మక డేటా, ప్రామాణిక వాల్యూమ్ మరియు వేగం మరియు పెద్ద డేటాలో మనం విన్న వివిధ రకాల అవసరాలు ఉన్నాయి; అవి సాంప్రదాయ EDW ప్రక్రియలకు సరిపోవు. ఈ డేటాను తీసుకోవడం, డేటా ప్రాసెసింగ్ మరియు విజువలైజేషన్‌ను సరళీకృతం చేయడానికి పెంటాహో హడూప్ మరియు నోఎస్‌క్యూల్‌తో కలిసి పనిచేస్తుంది, అలాగే ఈ డేటాను సాంప్రదాయ వనరులతో మిళితం చేసి వినియోగదారులకు వారి డేటా వాతావరణంలో పూర్తి వీక్షణను ఇస్తుంది. మేము దీన్ని పరిపాలనా పద్ధతిలో చేస్తాము, కాబట్టి వారి వ్యాపార శ్రేణికి ఐటి పూర్తి విశ్లేషణల పరిష్కారాన్ని అందిస్తుంది.
ముగింపులో, పెద్ద డేటా విశ్లేషణలు మరియు సమైక్యత చుట్టూ మా తత్వాన్ని హైలైట్ చేయాలనుకుంటున్నాను; ఈ సాంకేతికతలు ఒకే ఏకీకృత నిర్మాణంతో కలిసి పనిచేయడం మంచిదని మేము నమ్ముతున్నాము, లేకపోతే అనేక ఉపయోగ సందర్భాలను సాధ్యం కాదు. మా కస్టమర్ల డేటా పరిసరాలు పెద్ద డేటా, హడూప్ మరియు NoSQL కంటే ఎక్కువ. ఏదైనా డేటా ఫెయిర్ గేమ్. మరియు పెద్ద డేటా వనరులు అందుబాటులో ఉండాలి మరియు వ్యాపార విలువను ప్రభావితం చేయడానికి కలిసి పనిచేయాలి.
చివరగా, సంస్థలలో ఈ వ్యాపార సమస్యలను డేటా ద్వారా చాలా సమర్థవంతంగా పరిష్కరించడానికి, ఐటి మరియు వ్యాపార మార్గాలు పెద్ద డేటా విశ్లేషణలకు పరిపాలన, మిశ్రమ విధానంలో కలిసి పనిచేయవలసిన అవసరం ఉందని మేము నమ్ముతున్నాము. మాకు మాట్లాడటానికి సమయం ఇచ్చినందుకు చాలా ధన్యవాదాలు, ఎరిక్.
ఎరిక్: మీరు పందెం. లేదు, ఇది మంచి విషయం. మేము Q & As కి చేరుకున్నప్పుడు నేను మీ ఆర్కిటెక్చర్ యొక్క ఆ వైపుకు తిరిగి రావాలనుకుంటున్నాను. కాబట్టి మిగిలిన ప్రదర్శన ద్వారా చూద్దాం మరియు దాని కోసం చాలా ధన్యవాదాలు. మీరు అబ్బాయిలు ఖచ్చితంగా గత కొన్ని సంవత్సరాలుగా త్వరగా కదులుతున్నారు, నేను ఖచ్చితంగా చెప్పాలి.
కాబట్టి స్టీవ్, నేను ముందుకు వెళ్లి దానిని మీకు అప్పగించనివ్వండి. మరియు క్రింది బాణంపై అక్కడ క్లిక్ చేసి దాని కోసం వెళ్ళండి. కాబట్టి స్టీవ్, నేను మీకు కీలు ఇస్తున్నాను. స్టీవ్ విల్కేస్, మీ కీబోర్డ్‌లో ఉన్న అతి తక్కువ బాణంపై క్లిక్ చేయండి.
స్టీవ్ విల్కేస్: అక్కడ మేము వెళ్తాము.
ఎరిక్: అక్కడ మీరు వెళ్ళండి.
స్టీవ్: ఇది మీరు నాకు ఇచ్చిన గొప్ప పరిచయం.
ఎరిక్: అవును.
స్టీవ్: కాబట్టి నేను స్టీవ్ విల్కేస్. నేను వెబ్‌ఆక్షన్‌లో CCO. మేము గత కొన్ని సంవత్సరాలుగా మాత్రమే ఉన్నాము మరియు అప్పటి నుండి మేము ఖచ్చితంగా వేగంగా వెళ్తున్నాము. వెబ్‌ఆక్షన్ అనేది నిజ-సమయ పెద్ద డేటా అనలిటిక్స్ ప్లాట్‌ఫాం. ఎరిక్ ఇంతకు ముందు పేర్కొన్నది, రకమైనది, నిజ సమయం ఎంత ముఖ్యమైనది మరియు మీ అనువర్తనాలు ఎంత నిజ సమయం అవుతున్నాయి. మా ప్లాట్‌ఫాం నిజ-సమయ అనువర్తనాలను రూపొందించడానికి రూపొందించబడింది. మరియు తరువాతి తరం డేటా-ఆధారిత అనువర్తనాలను ఎనేబుల్ చెయ్యడానికి మరియు ఆ అనువర్తనాల నుండి ఉత్పత్తి చేయబడిన డేటా నుండి డాష్‌బోర్డులను రూపొందించడానికి ప్రజలను అనుమతించడానికి, కానీ నిజ సమయంలో దృష్టి పెట్టండి.
మా ప్లాట్‌ఫాం వాస్తవానికి పూర్తి ఎండ్-టు-ఎండ్ ప్లాట్‌ఫారమ్, డేటా సముపార్జన, డేటా ప్రాసెసింగ్ నుండి డేటా విజువలైజేషన్ వరకు ప్రతిదీ చేస్తుంది. మరియు మా సంస్థలోని పలు రకాల వ్యక్తులను నిజమైన నిజ-సమయ అనువర్తనాలను రూపొందించడానికి కలిసి పనిచేయడానికి వీలు కల్పిస్తుంది, వారు జరిగినప్పుడు వారి సంస్థలో జరుగుతున్న విషయాల గురించి వారికి అవగాహన ఇస్తుంది.
మరియు ఇది చాలా మంది ప్రజలు పెద్ద డేటాలో చూస్తున్నదానికంటే కొద్దిగా భిన్నంగా ఉంటుంది, తద్వారా సాంప్రదాయ విధానం - బాగా, సాంప్రదాయ గత రెండు సంవత్సరాలుగా - పెద్ద డేటాతో విధానం వివిధ వనరుల మొత్తం సమూహం నుండి సంగ్రహించడం మరియు అప్పుడు దాన్ని పెద్ద రిజర్వాయర్ లేదా సరస్సులో లేదా మీరు పిలవాలనుకునే దాన్ని పోగు చేయండి. మీరు దానిపై ప్రశ్నను అమలు చేయాల్సిన అవసరం వచ్చినప్పుడు దాన్ని ప్రాసెస్ చేయండి; పెద్ద ఎత్తున చారిత్రక విశ్లేషణను అమలు చేయడానికి లేదా పెద్ద మొత్తంలో డేటాను తాత్కాలికంగా ప్రశ్నించడానికి. ఇప్పుడు అది కొన్ని ఉపయోగ సందర్భాలలో పనిచేస్తుంది. మీరు మీ సంస్థలో చురుకుగా ఉండాలనుకుంటే, రోజు చివరిలో లేదా వారం చివరిలో ఏదో తప్పు జరిగినప్పుడు కనుగొనడం కంటే ఏమి జరుగుతుందో మీకు చెప్పాలనుకుంటే, మీరు నిజంగా కదలాలి నిజ సమయానికి.
మరియు అది కొద్దిగా విషయాలను మారుస్తుంది. ఇది ప్రాసెసింగ్‌ను మధ్యకు కదిలిస్తుంది. ఎంటర్ప్రైజ్లో నిరంతరం ఉత్పత్తి చేయబడుతున్న పెద్ద మొత్తంలో డేటా యొక్క ప్రవాహాలను మీరు సమర్థవంతంగా తీసుకుంటున్నారు మరియు మీరు దాన్ని పొందినప్పుడు దాన్ని ప్రాసెస్ చేస్తున్నారు. మరియు మీరు దాన్ని పొందుతున్నప్పుడు దాన్ని ప్రాసెస్ చేస్తున్నందున, మీరు ప్రతిదీ నిల్వ చేయవలసిన అవసరం లేదు. మీరు ముఖ్యమైన సమాచారం లేదా వాస్తవానికి జరిగిందని గుర్తుంచుకోవలసిన విషయాలను నిల్వ చేయవచ్చు. కాబట్టి మీరు రహదారిపైకి వెళ్లే వాహనాల GPS స్థానాన్ని ట్రాక్ చేస్తుంటే, అవి ప్రతి సెకను ఎక్కడ ఉన్నాయో మీరు నిజంగా పట్టించుకోరు, ప్రతి సెకనులో అవి ఎక్కడ ఉన్నాయో మీరు నిల్వ చేయవలసిన అవసరం లేదు. మీరు శ్రద్ధ వహించాలి, వారు ఈ స్థలాన్ని విడిచిపెట్టారా? వారు ఈ ప్రదేశానికి వచ్చారా? వారు ఫ్రీవేను నడిపించారా, లేదా?
కాబట్టి మరింత ఎక్కువ డేటా ఉత్పత్తి అవుతున్నప్పుడు, మూడు Vs. ప్రతి రోజు ఎంత డేటా ఉత్పత్తి అవుతుందో వేగం ప్రాథమికంగా నిర్ణయిస్తుంది. ఉత్పత్తి చేయబడిన ఎక్కువ డేటా మీరు నిల్వ చేయవలసి ఉంటుంది. మరియు మీరు ఎంత ఎక్కువ నిల్వ చేయాలో, ప్రాసెస్ చేయడానికి ఎక్కువ సమయం పడుతుంది. మీరు దాన్ని పొందినప్పుడు దాన్ని ప్రాసెస్ చేయగలిగితే, మీరు నిజంగా పెద్ద ప్రయోజనాన్ని పొందుతారు మరియు మీరు దానికి ప్రతిస్పందించవచ్చు. తరువాత వాటిని వెతకడం కంటే విషయాలు జరుగుతున్నాయని మీకు చెప్పవచ్చు.
కాబట్టి మా ప్లాట్‌ఫాం అత్యంత స్కేలబుల్‌గా రూపొందించబడింది. ఇది మూడు ప్రధాన ముక్కలను కలిగి ఉంది - సముపార్జన ముక్క, ప్రాసెసింగ్ ముక్క మరియు తరువాత వేదిక యొక్క డెలివరీ విజువలైజేషన్ ముక్కలు. సముపార్జన వైపు, మేము వెబ్ లాగ్‌లు లేదా ఉత్పత్తి చేయబడుతున్న అన్ని ఇతర లాగ్‌లను కలిగి ఉన్న అనువర్తనాల వంటి యంత్ర-ఉత్పత్తి లాగ్ డేటాను చూడటం లేదు. మేము కూడా వెళ్లి డేటాబేస్ల నుండి డేటా క్యాప్చర్ మార్చవచ్చు. కాబట్టి ఇది ప్రాథమికంగా మమ్మల్ని అనుమతిస్తుంది, మేము సమర్పించే ETL వైపు మరియు సాంప్రదాయ ETL ను మీరు డేటాబేస్‌లకు వ్యతిరేకంగా ప్రశ్నలను అమలు చేయాలి. డేటాబేస్లో విషయాలు ఎప్పుడు జరుగుతాయో మాకు తెలియజేయవచ్చు. మేము దానిని మార్చాము మరియు మేము దానిని సంగ్రహించి ఆ సంఘటనలను స్వీకరిస్తాము. ఆపై TCP లేదా ACDP సాకెట్ల ద్వారా మీకు పంపబడే సామాజిక ఫీడ్‌లు మరియు ప్రత్యక్ష పరికర డేటా స్పష్టంగా ఉంది.
డేటాను పొందడానికి వివిధ మార్గాలు ఉన్నాయి. మరియు వాల్యూమ్ మరియు వేగం గురించి మాట్లాడుతుంటే, మేము రోజుకు బిలియన్ల సంఘటనల వాల్యూమ్‌లను చూస్తున్నాము, సరియైనదా? కనుక ఇది పెద్ద, పెద్ద మొత్తంలో డేటా వస్తోంది మరియు ప్రాసెస్ చేయాలి.
అది మా సర్వర్‌ల క్లస్టర్ ద్వారా ప్రాసెస్ చేయబడుతుంది. సర్వర్‌లన్నీ ఒకే నిర్మాణాన్ని కలిగి ఉంటాయి మరియు అన్నీ ఒకే విధమైన పనులను చేయగలవు. కానీ మీరు వాటిని విభిన్నమైన పనులకు కాన్ఫిగర్ చేయవచ్చు. మరియు సర్వర్‌లలో మాకు హై-స్పీడ్ క్వరీ ప్రాసెసింగ్ లేయర్ ఉంది, ఇది డేటాపై కొన్ని నిజ-సమయ విశ్లేషణలను చేయడానికి, డేటాను సుసంపన్నం చేయడానికి, ఈవెంట్ సహసంబంధాన్ని చేయడానికి, సమయ విండోస్‌లో జరిగే విషయాలను ట్రాక్ చేయడానికి, అంచనా వేయడానికి మిమ్మల్ని అనుమతిస్తుంది. డేటాలో కనిపించే నమూనాల ఆధారంగా విశ్లేషణలు. సాంప్రదాయ RDBMS, ఎంటర్ప్రైజ్ డేటా గిడ్డంగి, హడూప్, పెద్ద డేటా మౌలిక సదుపాయాలు - ఆ డేటాను వివిధ ప్రదేశాలలో నిల్వ చేయవచ్చు.
అదే లైవ్ డేటాను రియల్ టైమ్ డేటా-ఆధారిత అనువర్తనాలకు శక్తినివ్వడానికి కూడా ఉపయోగించవచ్చు. ఆ అనువర్తనాలు ఏమి జరుగుతుందో నిజ-సమయ వీక్షణను కలిగి ఉంటాయి మరియు ముఖ్యమైన విషయాలు జరిగినప్పుడు ప్రజలను కూడా అప్రమత్తం చేయవచ్చు. కాబట్టి రోజు చివరిలో లోపలికి వెళ్లి, అంతకు ముందు ఏదో చెడు జరిగిందని తెలుసుకోవడం కంటే, మేము దానిని గుర్తించిన రెండవసారి మీరు దాని గురించి అప్రమత్తం కావచ్చు మరియు అది ఏమిటో తెలుసుకోవడానికి నేరుగా పేజీకి డ్రా అవుతుంది సాగుతోంది.
కాబట్టి ఆసక్తికరమైన విషయాలు జరుగుతున్నప్పుడు చెప్పబడే వరకు డేటాను విశ్లేషించకుండా ఇది పూర్తిగా నమూనాను మారుస్తుంది. డేటా ఆధారిత అనువర్తనాలను రూపొందించడానికి మా ప్లాట్‌ఫారమ్ ఉపయోగించబడుతుంది. ఈ అనువర్తనాలను రూపొందిస్తున్నది ఇక్కడే. కస్టమర్ల కోసం, కస్టమర్లతో, రియల్ టైమ్ డేటా విశ్లేషణలో నిజమైన విలువను చూపించడానికి వివిధ భాగస్వాములతో. అందువల్ల, లేదా సైట్ అనువర్తనాలు చేసే వ్యక్తులు, ఉదాహరణకు, కస్టమర్ వినియోగాన్ని కాలక్రమేణా ట్రాక్ చేయగలుగుతారు మరియు సేవ యొక్క నాణ్యతను నెరవేరుస్తున్నారని, రియల్ టైమ్ మోసం లేదా మనీలాండరింగ్‌ను గుర్తించడానికి, బహుళ లాగిన్‌లను గుర్తించడానికి లేదా హాక్ ప్రయత్నాలు మరియు ఆ రకమైన భద్రతా సంఘటనలు, సెట్-టాప్ బాక్స్‌లు లేదా ఇతర పరికరాల వంటి వాటిని నిర్వహించడానికి, లోపాల కోసం నిజ సమయంలో వాటిని పర్యవేక్షించడానికి ATM యంత్రాలు, సంభవించిన వైఫల్యాలు, జరగవచ్చు, అంచనా విశ్లేషణ ఆధారంగా భవిష్యత్తులో జరుగుతాయి. మరియు ఎరిక్ ఇంతకు ముందు చెప్పిన కార్యకలాపాలను క్రమబద్ధీకరించే స్థితికి తిరిగి వెళుతుంది, ఏదో జరగబోతున్నప్పుడు గుర్తించగలిగేలా మరియు ఆ విషయాలను పరిష్కరించడానికి మీ వ్యాపారాన్ని నిర్వహించడం ద్వారా వాస్తవానికి ఏదైనా చేయటానికి ఎవరైనా పిలవకుండా, వాస్తవానికి చాలా ఖరీదైనది.
కస్టమర్ మీ స్టోర్‌లో ఉన్నప్పుడు కస్టమర్ ఏదైనా చేస్తున్నప్పుడు తెలుసుకోగలిగే మరొక భాగం వినియోగదారు విశ్లేషణలు. వనరుల వినియోగాన్ని నిజ సమయంలో పర్యవేక్షించగలిగేలా మరియు విషయాలు ఎక్కడ నడుస్తున్నాయో మార్చడానికి మరియు మరింత సమయానుసారంగా విషయాలు ఎప్పుడు విఫలమవుతాయో తెలుసుకోవటానికి మేనేజ్‌మెంట్‌కు డేటా పంపబడుతుంది.
కాబట్టి ఇది క్లుప్తంగా మా ఉత్పత్తులు మరియు Q & A సెషన్‌లో మేము ఈ విషయాలకు తిరిగి వస్తాము. ధన్యవాదాలు.
ఎరిక్: అవును, నిజమే. గొప్ప పని. సరే మంచిది. ఇప్పుడు మా మెరుపు రౌండ్లో తదుపరి స్టాప్, మేము మార్క్ లాజిక్ నుండి ఫ్రాంక్ సాండర్స్ను పిలిచాము. ఈ కుర్రాళ్ళ గురించి నాకు చాలా సంవత్సరాలు తెలుసు, చాలా ఆసక్తికరమైన డేటాబేస్ టెక్నాలజీ. కాబట్టి ఫ్రాంక్, నేను దానిని మీ వైపుకు తిప్పుతున్నాను. అందులో ఎక్కడైనా క్లిక్ చేయండి. మీ కీబోర్డ్‌లో క్రింది బాణాన్ని ఉపయోగించండి మరియు మీరు రేసులకు దూరంగా ఉంటారు. అక్కడికి వెల్లు.
ఫ్రాంక్ సాండర్స్: చాలా ధన్యవాదాలు, ఎరిక్. ఎరిక్ చెప్పినట్లుగా, నేను మార్క్ లాజిక్ అనే సంస్థతో ఉన్నాను. మరియు మార్క్లాజిక్ ఏమి చేస్తుంది అంటే మేము ఎంటర్ప్రైజ్ NoSQL డేటాబేస్ను అందిస్తాము. మరియు బహుశా, దీనికి సంబంధించి మేము టేబుల్‌కి తీసుకువచ్చే అతి ముఖ్యమైన సామర్ధ్యం ఏమిటంటే, ఈ సమాచారంలోని అన్ని అసమాన వనరులను వాస్తవంగా ఒకచోట చేర్చే సామర్ధ్యం, ఆ సమాచారాన్ని మీరు విశ్లేషించడానికి, శోధించడానికి మరియు ఉపయోగించుకోవటానికి సాంప్రదాయ రిలేషనల్ సిస్టమ్‌లతో అలవాటు పడింది, సరియైనదా?
సాంప్రదాయ డేటాబేస్ నిర్వహణ వ్యవస్థ, మీ భద్రత, మీ హెచ్‌ఏ, మీ డిఆర్, మీ బ్యాకప్ స్టోర్‌లో ఉన్నాయి, మీ ఆస్తి నుండి మీరు ఆశించే ఎంటర్ప్రైజ్ ఫీచర్లు అన్నీ ఈ విషయంలో మేము టేబుల్‌కి తీసుకువచ్చాము. లావాదేవీలు. అలాగే క్లౌడ్‌లో లేదా కమోడిటీ హార్డ్‌వేర్‌లో స్కేల్ చేయడానికి మిమ్మల్ని అనుమతించే డిజైన్, తద్వారా మీరు ఈ విధమైన నిర్మాణాన్ని మరియు విశ్లేషణలను నిర్వహించడానికి మీరు నిర్వహించబోయే సమాచారం యొక్క వాల్యూమ్ మరియు వేగాన్ని నిర్వహించవచ్చు. సమాచారం.
మరియు బహుశా, చాలా ముఖ్యమైన సామర్ధ్యం ఏమిటంటే, మేము స్కీమ్ అజ్ఞేయవాది. దీని అర్థం ఏమిటంటే, ఆచరణాత్మకంగా, మీరు మీ అనువర్తనాలను రూపొందించడం ప్రారంభించినప్పుడు లేదా మీరు ఆ సమాచారాన్ని కలిసి లాగడం ప్రారంభించినప్పుడు మీ డేటా ఎలా ఉంటుందో మీరు నిర్ణయించాల్సిన అవసరం లేదు. కానీ కాలక్రమేణా, మీరు క్రొత్త డేటా వనరులను పొందుపరచవచ్చు, అదనపు సమాచారాన్ని లాగండి, ఆపై పరపతి మరియు ప్రశ్నలను ఉపయోగించుకోవచ్చు మరియు మీరు డిజైన్‌ను ప్రారంభించినప్పటి నుండి అక్కడ ఉన్న దేనితోనైనా మీరు ఆ సమాచారాన్ని విశ్లేషించవచ్చు. సరే?
కాబట్టి మనం ఎలా చేయాలి? RDF ట్రిపుల్స్, జియోస్పేషియల్ డేటా, టెంపోరల్ డేటా, స్ట్రక్చర్డ్ డేటా మరియు విలువలు లేదా బైనరీలు అయినా వివిధ రకాల సమాచారాన్ని లోడ్ చేయడానికి మేము మిమ్మల్ని ఎలా ప్రారంభించాము. మరియు సమాధానం ఏమిటంటే, శోధన సాంకేతిక పరిజ్ఞానాన్ని పొందుపరచడానికి మేము మా సర్వర్‌ను భూమి నుండి నిర్మించాము, ఇది సమాచారాన్ని ఉంచడానికి మిమ్మల్ని అనుమతిస్తుంది మరియు ఆ సమాచారం స్వయంగా వివరిస్తుంది మరియు ఆ సమాచారం దాని మూలం లేదా ఆకృతితో సంబంధం లేకుండా ప్రశ్నించడానికి, తిరిగి పొందటానికి మరియు శోధించడానికి మిమ్మల్ని అనుమతిస్తుంది. .
మరియు ఆచరణాత్మకంగా దీని అర్థం ఏమిటంటే - మరియు మీరు విశ్లేషణ చేస్తున్నప్పుడు ఇది ఎందుకు ముఖ్యమైనది - విశ్లేషణలు మరియు సమాచారం సరిగ్గా సంభాషించబడినప్పుడు మరియు లక్ష్యంగా ఉన్నప్పుడు చాలా ముఖ్యమైనవి, సరియైనదేనా? కాబట్టి ఏ విధమైన విశ్లేషణలలోనైనా చాలా ముఖ్యమైన భాగం శోధన, మరియు ముఖ్య భాగం శోధన విశ్లేషణలు. మీరు నిజంగా మరొకటి లేకుండా ఒకదాన్ని కలిగి ఉండలేరు మరియు మీరు సాధించడానికి నిర్దేశించిన వాటిని విజయవంతంగా సాధించలేరు. రైట్?
ఈ విధమైన విశ్లేషణలకు శక్తినివ్వడానికి మార్క్‌లాజిక్‌ను ఉపయోగిస్తున్న ఉత్పత్తిలో మా వద్ద ఉన్న మూడున్నర వేర్వేరు వినియోగదారుల కేసుల గురించి నేను క్లుప్తంగా మాట్లాడబోతున్నాను. సరే. కాబట్టి అలాంటి మొదటి కస్టమర్ ఫెయిర్‌ఫాక్స్ కౌంటీ. మరియు ఫెయిర్‌ఫాక్స్ కౌంటీ వాస్తవానికి రెండు వేర్వేరు అనువర్తనాలను నిర్మించింది. ఒకటి అనుమతి మరియు ఆస్తి నిర్వహణ చుట్టూ ఉంది. మరియు మరొకటి, ఇది కొంచెం ఆసక్తికరంగా ఉంటుంది, ఫెయిర్‌ఫాక్స్ కౌంటీ పోలీసు ఈవెంట్స్ అప్లికేషన్. పోలీసు ఈవెంట్స్ అప్లికేషన్ వాస్తవానికి ఏమి చేస్తుంది అంటే అది పోలీసు రిపోర్టులు, పౌర నివేదికలు మరియు ఫిర్యాదులు, ట్వీట్లు, లైంగిక నేరస్థులు వంటి ఇతర సమాచారం మరియు ఇతర ఏజెన్సీలు మరియు మూలాల నుండి వారికి ప్రాప్యత ఉన్న ఇతర సమాచారం వంటి సమాచారాన్ని లాగుతుంది. అప్పుడు వారు దానిని దృశ్యమానం చేయడానికి మరియు పౌరులకు ప్రదర్శించడానికి వారిని అనుమతిస్తారు, తద్వారా వారు శోధనలు చేయవచ్చు మరియు వివిధ నేర కార్యకలాపాలు, పోలీసు కార్యకలాపాలు, ఒకే ఏకీకృత జియోస్పేషియల్ ఇండెక్స్ ద్వారా చూడవచ్చు, సరియైనదా? కాబట్టి మీరు "ఐదు మైళ్ళలో నేరాల రేటు ఎంత" లేదా "నా ప్రదేశానికి ఐదు మైళ్ళలో ఏ నేరాలు జరిగాయి?" వంటి ప్రశ్నలు అడగవచ్చు. సరే.
మాకు లభించిన మరొక వినియోగదారు, మాకు ఉన్న మరొక కస్టమర్ OECD. ఈ సంభాషణకు OECD ఎందుకు ముఖ్యమైనది, ఎందుకంటే ఫెయిర్‌ఫాక్స్ కౌంటీ కోసం సమాచారాన్ని ఎనేబుల్ చేసే పరంగా మేము ఎనేబుల్ చేసిన ప్రతిదానికీ అదనంగా; OECD లో సభ్యులుగా ఉన్న అన్ని దేశాల నుండి మీరు పొందే మొత్తం సమాచారం వారు ఆర్థిక కోణం నుండి నివేదిస్తారు. మేము నిజంగా ఒక లక్ష్యం డ్రిల్ ఉంచాము, సరియైనది. కాబట్టి మేము డెన్మార్క్ యొక్క దృశ్యాన్ని ప్రత్యేకంగా తీసుకుంటున్న ఎడమ వైపున మీరు చూడవచ్చు మరియు మీరు దాని పైన ఒక పూల రేకను చూడవచ్చు, అది వేర్వేరు అక్షాలతో రేట్ చేస్తుంది. రైట్? మరియు అన్నీ బాగానే ఉన్నాయి. OECD ఏమి చేసింది అంటే వారు ఒక అడుగు ముందుకు వెళ్ళారు.
ఈ అందమైన విజువలైజేషన్లతో పాటు, ఈ సమాచారమంతా కలిసి లాగడం, అవి నిజ సమయంలో మీ స్వంత మంచి జీవిత సూచికను సృష్టించడానికి మిమ్మల్ని అనుమతిస్తాయి, కుడివైపు, మీరు కుడి వైపున చూడవచ్చు. కాబట్టి మీ వద్ద ఉన్నది మీకు లేదా మీకు ఆదాయం, ఉద్యోగాలు, సమాజం, విద్య, పర్యావరణం, పౌర నిశ్చితార్థం, ఆరోగ్యం, జీవిత సంతృప్తి, భద్రత మరియు మీ పని ఎంత ముఖ్యమైనదో ర్యాంక్ వంటి పనులను చేయడానికి అనుమతించే స్లైడర్‌ల సమితి ఉంది. / జీవిత సమతుల్యత. మరియు మీరు ఆ సమాచారాన్ని వాస్తవంగా ఎలా ఇన్పుట్ చేస్తున్నారో మరియు ఆ వస్తువులను బరువుగా ఉంచుతున్నారనే దానిపై డైనమిక్‌గా ఆధారపడి, మార్క్ లాజిక్ దాని రియల్ టైమ్ ఇండెక్సింగ్ సామర్ధ్యం మరియు ప్రశ్న సామర్ధ్యాన్ని ఉపయోగిస్తుంది, వాస్తవానికి ఈ దేశాలలో ప్రతి ఒక్కటి ఎలా ర్యాంక్ చేయబడిందో మార్చడానికి మీ యొక్క మంచి ఆలోచనను మీకు ఇస్తుంది ఇచ్చిన దేశం ద్వారా దేశం లేదా మీ జీవనశైలి పటాలు. సరే?
నేను భాగస్వామ్యం చేయబోయే చివరి ఉదాహరణ మార్క్ మెయిల్. మార్క్ మెయిల్ నిజంగా ప్రదర్శించడానికి ప్రయత్నిస్తున్నది ఏమిటంటే, మేము ఈ సామర్థ్యాలను అందించగలము మరియు మీరు సంఖ్యాపరంగా వస్తున్న నిర్మాణాత్మక సమాచారం లేదా సమాచారం మీద మాత్రమే కాకుండా, వాస్తవానికి మరింత వదులుగా నిర్మాణాత్మకమైన, నిర్మాణాత్మకమైన సమాచారం మీద కూడా విశ్లేషణ చేయవచ్చు. లు వంటివి. మరియు మనం ఇక్కడ చూసినది ఏమిటంటే, వాస్తవానికి జియోలొకేషన్, ఎర్, కంపెనీ, స్టాక్స్ మరియు హడూప్ వంటి కాన్సెప్ట్స్ వంటి సమాచారాన్ని ఒక కాన్ లో పేర్కొనడం మరియు దానిని మ్యాప్‌లో విజువలైజ్ చేయడం మరియు ఆ వ్యక్తులు ఎవరు మరియు ఏమి చూడటం అంతటా జాబితా, పంపిన మరియు తేదీ. సాంప్రదాయకంగా నిర్మాణాత్మకంగా లేని, వదులుగా నిర్మాణాత్మకమైన విషయాలను మీరు చూస్తున్న చోట, కానీ ఆ సమాచారం నుండి కొంత నిర్మాణాత్మక విశ్లేషణను పొందగలుగుతారు, వాస్తవానికి దాన్ని ప్రయత్నించడానికి మరియు నిర్మాణానికి లేదా ప్రాసెస్ చేయడానికి ఎక్కువ పొడవుకు వెళ్ళకుండానే ఒక సమయం. మరియు అది అంతే.
ఎరిక్: హే, ఓకే గుడ్. మరియు మాకు ఇంకొకటి వచ్చింది. మాకు చాలా ఆసక్తికరమైన సంస్థ ట్రెజర్ డేటా నుండి హన్నా స్మాల్ట్రీ వచ్చింది. మరియు ఇది చాలా గొప్ప కంటెంట్, చేసారో. ఇంత మంచి స్లైడ్‌లను మరియు మంచి వివరాలను తీసుకువచ్చినందుకు మీ అందరికీ చాలా ధన్యవాదాలు. కాబట్టి హన్నా, నేను మీకు కీలు ఇచ్చాను, ఎక్కడైనా క్లిక్ చేసి, మీ కీబోర్డ్‌లో క్రింది బాణాన్ని ఉపయోగించండి. తెలిసిందా. దాన్ని తీసివేయండి.
హన్నా స్మాల్ట్రీ: చాలా ధన్యవాదాలు, ఎరిక్. ఇది ట్రెజర్ డేటా నుండి హన్నా స్మాల్ట్రీ. నేను ట్రెజర్ డేటా ఉన్న దర్శకుడిని, కానీ టెక్ జర్నలిస్టుగా నాకు గతం ఉంది, అంటే నేను రెండు విషయాలను అభినందిస్తున్నాను. అన్నింటిలో మొదటిది, ఇవి సాంకేతిక పరిజ్ఞానం యొక్క విభిన్న వర్ణనల ద్వారా కూర్చోవడానికి చాలా పొడవుగా ఉంటాయి మరియు ఇవన్నీ కలిసి నడుస్తున్నట్లుగా అనిపించవచ్చు కాబట్టి నేను నిజంగా మా అవకలనపై దృష్టి పెట్టాలనుకుంటున్నాను. వాస్తవ ప్రపంచ అనువర్తనాలు నిజంగా ముఖ్యమైనవి కాబట్టి నా సహచరులందరూ వాటిని అందించడంలో గొప్పగా ఉన్నారని నేను అభినందిస్తున్నాను.
ట్రెజర్ డేటా కొత్త రకమైన పెద్ద డేటా సేవ. మేము సాఫ్ట్‌వేర్‌లో సేవ లేదా నిర్వహించే-సేవ నమూనాగా పూర్తిగా క్లౌడ్‌లో పంపిణీ చేయబడుతున్నాము. కాబట్టి డాక్టర్ బ్లూర్ యొక్క పాయింట్ ముందు, ఈ సాంకేతికత చాలా కష్టంగా ఉంటుంది మరియు లేచి నడుచుకోవడానికి చాలా సమయం పడుతుంది. ట్రెజర్ డేటాతో, మీరు హడూప్ వాతావరణంలో లేదా క్లౌడ్‌లోని సంక్లిష్టమైన ఆన్-ఆవరణ వాతావరణంలో పొందగలిగే ఈ రకమైన సామర్థ్యాలను చాలా త్వరగా పొందవచ్చు, ఇది ఈ కొత్త పెద్ద డేటా చొరవలకు నిజంగా సహాయపడుతుంది.
ఇప్పుడు మేము మా సేవ గురించి కొన్ని వేర్వేరు దశలలో మాట్లాడుతాము. స్ట్రీమింగ్ డేటాను సేకరించడానికి మేము చాలా ప్రత్యేకమైన సేకరణ సామర్థ్యాలను అందిస్తున్నాము, కాబట్టి ముఖ్యంగా ఈవెంట్ డేటా, ఇతర రకాల నిజ-సమయ డేటా. మేము ఆ డేటా రకాలను గురించి కొంచెం ఎక్కువగా మాట్లాడుతాము. ఇది మా సేవకు పెద్ద భేదం. మీరు పెద్ద డేటాలోకి ప్రవేశించినప్పుడు లేదా మీరు ఇప్పటికే దానిలో ఉంటే ఈ డేటాను సేకరించడం చిన్నవిషయం కాదని మీకు తెలుసు. ప్రతి నిమిషం 100 సెన్సార్ డేటా కలిగిన కారు గురించి మీరు ఆలోచించినప్పుడు, ప్రతి పది నిమిషాలకు ఆ 100 సెన్సార్లు డేటా కూడా, మీరు అక్కడ ఉన్న ఉత్పత్తుల మొత్తాన్ని సెన్సార్లతో గుణించడం ప్రారంభించినప్పుడు ఇది చాలా త్వరగా జతచేస్తుంది మరియు ఇది చాలా త్వరగా అవుతుంది నిర్వహించడం కష్టం. కాబట్టి మేము మిలియన్ల మంది కస్టమర్లతో మాట్లాడుతున్నాము, రోజుకు బిలియన్ల వరుస డేటాను కలిగి ఉన్న కస్టమర్లు ఉన్నారు. సంక్లిష్టమైన అమెజాన్ మౌలిక సదుపాయాలలో తమను తాము నిర్వహించడానికి మరియు నిర్వహించడానికి ప్రత్యామ్నాయంగా వారు దీన్ని చేస్తున్నారు లేదా దానిని వారి స్వంత వాతావరణంలోకి తీసుకురావడానికి కూడా ప్రయత్నిస్తారు.
మాకు మా స్వంత క్లౌడ్ నిల్వ వాతావరణం ఉంది. మేము దానిని నిర్వహిస్తాము. మేము దానిని పర్యవేక్షిస్తాము. మీ కోసం ట్యూనింగ్ చేస్తున్న వ్యక్తుల బృందం మాకు ఉంది. కాబట్టి డేటా ప్రవహిస్తుంది, ఇది మా నిర్వహించే నిల్వ వాతావరణంలోకి వెళుతుంది.
అప్పుడు మేము ప్రశ్న ఇంజిన్‌లను పొందుపరిచాము, తద్వారా మీ విశ్లేషకుడు లోపలికి వెళ్లి ప్రశ్నలను అమలు చేయవచ్చు మరియు డేటాకు వ్యతిరేకంగా కొన్ని ప్రారంభ డేటా ఆవిష్కరణ మరియు అన్వేషణ చేయవచ్చు. వాస్తవానికి ఇప్పుడు మనకు రెండు వేర్వేరు ప్రశ్న ఇంజన్లు ఉన్నాయి. మీ విశ్లేషకులు బహుశా తెలిసిన మరియు ఇష్టపడే SQL సింటాక్స్ ను ఉపయోగించవచ్చు, కొన్ని ప్రాథమిక డేటా ఆవిష్కరణ చేయడానికి, వినియోగదారు నిర్వచించిన విధులుగా ఉన్న మరికొన్ని సంక్లిష్ట విశ్లేషణలను చేయడానికి లేదా ఆ డేటాను సమగ్రంగా చేసి చిన్నదిగా చేయడానికి కూడా మీరు దీన్ని మీ ప్రస్తుత డేటా గిడ్డంగి వాతావరణంలోకి తీసుకురావచ్చు.
మీరు ఇప్పటికే ఉన్న మీ BI సాధనాలను కూడా కనెక్ట్ చేయవచ్చు, మీ పట్టిక, మా యొక్క పెద్ద భాగస్వామి; కానీ నిజంగా చాలా BI లు, విజువలైజేషన్ లేదా అనలిటిక్స్ సాధనాలు మా పరిశ్రమ ప్రామాణిక JDBC మరియు ODBC డ్రైవర్ల ద్వారా కనెక్ట్ చేయగలవు. కనుక ఇది మీకు ఈ పెద్ద డేటా సామర్థ్యాలను అందిస్తుంది. మీ ప్రశ్నల ఫలితాలను లేదా డేటా సెట్‌లను ఎప్పుడైనా ఉచితంగా ఎగుమతి చేయడానికి మీకు అనుమతి ఉంది, కాబట్టి మీరు ఆ డేటాను సులభంగా సమగ్రపరచవచ్చు. దీన్ని డేటా రిఫైనరీగా పరిగణించండి. సరస్సు కంటే రిఫైనరీగా నేను ఆలోచించాలనుకుంటున్నాను ఎందుకంటే మీరు దానితో నిజంగా పని చేయవచ్చు. మీరు వెళ్ళవచ్చు, విలువైన సమాచారాన్ని కనుగొని, ఆపై దాన్ని మీ వ్యాపార ప్రక్రియల్లోకి తీసుకురావచ్చు.
తదుపరి స్లయిడ్, మేము పెద్ద డేటా యొక్క మూడు Vs గురించి మాట్లాడుతాము - కొంతమంది నాలుగు లేదా ఐదు చెప్పారు. మా కస్టమర్లు వారి వద్ద వచ్చే డేటా యొక్క వాల్యూమ్ మరియు వేగంతో కష్టపడతారు. డేటా రకాలను గురించి ప్రత్యేకంగా తెలుసుకోవడానికి - క్లిక్‌స్ట్రీమ్, వెబ్ యాక్సెస్ లాగ్‌లు, మొబైల్ డేటా మాకు పెద్ద ప్రాంతం, మొబైల్ అప్లికేషన్ లాగ్‌లు, కస్టమ్ వెబ్ అనువర్తనాలు లేదా ఇతర అనువర్తనాల నుండి అప్లికేషన్ లాగ్‌లు, ఈవెంట్ లాగ్‌లు. మరియు ఎక్కువగా, సెన్సార్ డేటాతో వ్యవహరించే కస్టమర్లు మాకు చాలా మంది ఉన్నారు, కాబట్టి ధరించగలిగే పరికరాల నుండి, ఉత్పత్తుల నుండి, ఆటోమోటివ్ నుండి మరియు ఇతర రకాల యంత్ర డేటా. నేను పెద్ద డేటా చెప్పినప్పుడు, నేను మాట్లాడుతున్న పెద్ద డేటా రకం.
ఇప్పుడు, మీ కోసం కొన్ని వినియోగ సందర్భాలు - మేము చిల్లర, పెద్ద చిల్లరతో పని చేస్తాము. వారు ఆసియాలో బాగా తెలుసు. వారు ఇక్కడ US లో విస్తరిస్తున్నారు. మీరు దుకాణాలను చూడటం ప్రారంభిస్తారు; వాటిని తరచుగా ఆసియా ఐకెఇఎ అని పిలుస్తారు, కాబట్టి, సాధారణ డిజైన్. వారికి లాయల్టీ అనువర్తనం మరియు వెబ్‌సైట్ ఉన్నాయి. వాస్తవానికి, ట్రెజర్ డేటాను ఉపయోగించి, వారు ఆ లాయల్టీ అనువర్తనాన్ని చాలా త్వరగా అమలు చేయగలిగారు. మా సాఫ్ట్‌వేర్ మరియు మా సేవా నిర్మాణం కారణంగా మా కస్టమర్లు రోజులు లేదా వారాల్లోనే లేచి నడుస్తున్నారు మరియు ఆ సామర్ధ్యాలన్నింటినీ మీకు సేవగా అందించడానికి ప్రజలందరూ తెరవెనుక ఆ కృషిని చేస్తున్నారు.
కాబట్టి వారు ప్రవర్తనను చూసే మొబైల్ అప్లికేషన్ అనలిటిక్స్ కోసం, మా మొబైల్ లాయల్టీ అప్లికేషన్‌లో ప్రజలు ఏమి క్లిక్ చేస్తున్నారో వారు మా సేవను ఉపయోగిస్తారు. వారు వెబ్‌సైట్ క్లిక్‌లను చూస్తారు మరియు వారు మా ఇ-కామర్స్ మరియు POS డేటాతో మిళితం చేసి మరింత సమర్థవంతమైన ప్రమోషన్లను రూపొందించారు. వారు నిజంగా ప్రజలను దుకాణాలలోకి నడిపించాలని కోరుకున్నారు, ఎందుకంటే ప్రజలు దుకాణాలకు వెళ్ళినప్పుడు ఎక్కువ డబ్బు ఖర్చు చేస్తారని వారు కనుగొన్నారు మరియు నేను అలాంటివాడిని; వస్తువులను తీయటానికి, మీరు ఎక్కువ డబ్బు ఖర్చు చేస్తారు.
డిజిటల్ వీడియో గేమ్‌లలో మనం చూస్తున్న మరో ఉపయోగ సందర్భం, నమ్మశక్యం కాని చురుకుదనం. వారు తమ ఆటలో ఏమి జరుగుతుందో చూడాలని మరియు విడుదలైన గంటల్లోనే ఆ ఆటలో మార్పులు చేయాలని వారు కోరుకుంటారు. కాబట్టి వారికి, ఆ నిజ-సమయ వీక్షణ చాలా ముఖ్యమైనది. మేము ఇప్పుడే ఆటను విడుదల చేసాము, కాని ప్రతి ఒక్కరూ స్థాయి 2 లో పడిపోతున్నారని మేము మొదటి గంటలో గమనించాము; మేము దానిని ఎలా మార్చబోతున్నాము? వారు అదే రోజులో దాన్ని మార్చవచ్చు. కాబట్టి నిజ సమయం చాలా ముఖ్యం. వారు రోజుకు బిలియన్ల ఈవెంట్ లాగ్‌లను పొందుతారు. కానీ అది ఎలాంటి మొబైల్ అనువర్తనం కావచ్చు, అక్కడ ఎవరైనా దాన్ని ఎలా ఉపయోగిస్తున్నారనే దానిపై మీకు కొంత నిజ-సమయ వీక్షణ కావాలి.
చివరకు, మాకు ఒక పెద్ద ప్రాంతం మా ఉత్పత్తి ప్రవర్తన మరియు సెన్సార్ విశ్లేషణలు. కాబట్టి కార్లలో ఉన్న సెన్సార్ డేటాతో, ఇతర రకాల యంత్రాలు, యుటిలిటీలు, ధరించగలిగే పరికరాల్లో ఇది మాకు మరొక ప్రాంతం. ఒక ఉత్పత్తికి మార్పు యొక్క ప్రభావం ఏమిటో లేదా ప్రజలు ఉత్పత్తితో ఎలా వ్యవహరిస్తారనే దానిపై ఆసక్తి ఉన్న వ్యక్తులు త్వరగా తెలుసుకోవాలనుకునే పరిశోధన మరియు అభివృద్ధి బృందాలు మాకు ఉన్నాయి. మరియు మాకు చాలా ఎక్కువ ఉపయోగ సందర్భాలు ఉన్నాయి, అవి మీతో పంచుకోవడం మాకు సంతోషంగా ఉంది.
చివరకు, ఇది మీ వాతావరణానికి ఎలా సరిపోతుందో మీకు చూపించండి, ఆ డేటాను సేకరించే సామర్థ్యాన్ని మేము మళ్ళీ అందిస్తున్నాము. మాకు చాలా ప్రత్యేకమైన సేకరణ సాంకేతికత ఉంది. మరలా, నిజ-సమయ సేకరణ మీరు కష్టపడుతున్నది లేదా మీరు కష్టపడుతుందని if హించినట్లయితే, దయచేసి ట్రెజర్ డేటా సేవను చూడండి. స్ట్రీమింగ్ డేటాను సేకరించడానికి మేము నిజంగా సామర్థ్యాలను చేసాము. మీరు మీ డేటాను పెద్దమొత్తంలో లోడ్ చేయవచ్చు, నిల్వ చేయవచ్చు, మా ఎంబెడెడ్ ప్రశ్న ఇంజిన్‌లతో విశ్లేషించవచ్చు మరియు నేను చెప్పినట్లుగా, మీరు దానిని మీ డేటా గిడ్డంగికి ఎగుమతి చేయవచ్చు. మీ ప్రస్తుత ప్రక్రియలలో పెద్ద డేటాను ప్రవేశపెట్టవలసిన అవసరాన్ని విల్ పేర్కొన్నట్లు నేను భావిస్తున్నాను. కాబట్టి చుట్టూ తిరగండి లేదా క్రొత్త గొయ్యిని సృష్టించవద్దు, కానీ మీరు ఆ డేటాను ఎలా చిన్నదిగా చేసి, దానిని మీ డేటా గిడ్డంగిలోకి ఎలా తరలించాలి మరియు మీరు మీ BI, విజువలైజేషన్ మరియు అధునాతన విశ్లేషణ సాధనాలకు కనెక్ట్ చేయవచ్చు.
కానీ బహుశా, నేను మిమ్మల్ని వదిలివేయాలనుకునే ముఖ్య అంశాలు ఏమిటంటే, మేము నిర్వహించే సేవ, ఇది ఒక సేవగా సాఫ్ట్‌వేర్; ఇది చాలా తక్కువ ఖర్చుతో కూడుకున్నది. నెలకు కొన్ని వేల డాలర్లతో ప్రారంభమయ్యే నెలవారీ సభ్యత్వ సేవ మరియు మేము మిమ్మల్ని రోజులు లేదా వారాల వ్యవధిలో నడుపుతాము. కాబట్టి మీ స్వంత మౌలిక సదుపాయాలను నిర్మించడానికి మరియు ఆ వ్యక్తులను నియమించుకోవటానికి మరియు దానిని కనుగొని, మౌలిక సదుపాయాల కోసం ఆ సమయాన్ని వెచ్చించే నెలలు మరియు నెలల ఖర్చుతో పోల్చండి. మీరు ప్రయోగాలు చేస్తుంటే లేదా మీకు నిన్న ఏదైనా అవసరమైతే, మీరు ట్రెజర్ డేటాతో త్వరగా లేచి నడుస్తారు.
నేను మిమ్మల్ని మా వెబ్‌సైట్‌కు మరియు మా స్టార్టర్ సేవకు చూపుతున్నాను. మీరు ఆడటానికి ఇష్టపడే వ్యక్తి అయితే, దయచేసి మా స్టార్టర్ సేవను చూడండి. మీరు పొందవచ్చు, క్రెడిట్ కార్డ్ అవసరం లేదు, పేరు మరియు మీరు మా నమూనా డేటాతో ఆడవచ్చు, మీ స్వంత డేటాను లోడ్ చేసుకోవచ్చు మరియు మేము ఏమి మాట్లాడుతున్నామో అర్థం చేసుకోవచ్చు. కాబట్టి చాలా ధన్యవాదాలు. అలాగే, మా వెబ్‌సైట్‌ను తనిఖీ చేయండి. ఈ సంవత్సరం బిగ్ డేటాలో మాకు గార్ట్‌నర్ కూల్ వెండర్ అని పేరు పెట్టారు, దాని గురించి చాలా గర్వంగా ఉంది. మరియు మీరు ఆ నివేదిక యొక్క కాపీని మా వెబ్‌సైట్‌లో మరియు అనేక ఇతర విశ్లేషకుల శ్వేతపత్రాలలో ఉచితంగా పొందవచ్చు. కాబట్టి చాలా ధన్యవాదాలు.
ఎరిక్: సరే, చాలా ధన్యవాదాలు. ఇక్కడ ప్రశ్నలకు మాకు కొంత సమయం ఉంది, చేసారో. మేము కొంచెం సేపు వెళ్తాము, ఎందుకంటే ఇక్కడ కొంతమంది వ్యక్తులు ఉన్నారు. నాకు కొన్ని ప్రశ్నలు వచ్చాయని నాకు తెలుసు, కాబట్టి నన్ను ముందుకు వెళ్లి నియంత్రణను తిరిగి తీసుకుందాం, ఆపై నేను కొన్ని ప్రశ్నలు అడగబోతున్నాను. రాబిన్ మరియు కిర్క్, మీరు ఫిట్ గా కనిపించినట్లు డైవ్ చేయడానికి సంకోచించకండి.
కాబట్టి నేను ముందుకు వెళ్లి, పెంటాహో నుండి నేను తనిఖీ చేసిన ఈ మొదటి స్లైడ్‌లలో ఒకదానికి దూకుతాను. ఇక్కడ, నేను అభివృద్ధి చెందుతున్న ఈ పెద్ద డేటా ఆర్కిటెక్చర్‌ను ప్రేమిస్తున్నాను, ఈ రకమైన సంస్థలో ఎలా సరిపోతుందనే దాని గురించి మీరు మాట్లాడగలరా? ఎందుకంటే స్పష్టంగా, మీరు చాలా పెద్ద సంస్థలోకి, మధ్య-పరిమాణ సంస్థకు కూడా వెళతారు మరియు మీరు ఇప్పటికే ఈ అంశాలను కలిగి ఉన్న కొంతమంది వ్యక్తులను కలిగి ఉంటారు; ఇవన్నీ ఎలా కలిసిపోతాయి? అనువర్తనం ఎలా ఉంటుందో అదే విధంగా ఈ విషయాలన్నింటినీ కలిపి కుట్టడానికి మీకు సహాయపడుతుంది మరియు ఇంటర్ఫేస్ ఎలా ఉంటుంది?
విల్: గొప్ప ప్రశ్న. పాల్గొన్న వ్యక్తులను బట్టి ఇంటర్‌ఫేస్‌లు రకరకాలు. కానీ ఉదాహరణగా, మేము కథను చెప్పాలనుకుంటున్నాము - ప్యానెలిస్టులలో ఒకరు డేటా రిఫైనరీ వినియోగ కేసును ప్రస్తావించారు - కస్టమర్లలో ఇది చాలా ఉందని మేము చూస్తాము.
మేము మాట్లాడే మా కస్టమర్ ఉదాహరణలలో ఒకటి పేట్రోనిక్స్, ఇక్కడ వారికి సాంప్రదాయ EDW డేటా మార్ట్ వాతావరణం ఉంది. వారు ప్రత్యేకంగా హడూప్, క్లౌడెరాను మరియు వివిధ వినియోగదారు అనుభవాలతో పరిచయం చేస్తున్నారు. కాబట్టి మొదట ఇంజనీరింగ్ అనుభవం ఉంది, కాబట్టి మీరు ఈ విషయాలన్నింటినీ ఎలా తీర్చిదిద్దుతారు? హడూప్ పర్యావరణం మరియు EDW మధ్య జిగురును మీరు ఎలా సృష్టిస్తారు?
ఆపై మేము మాట్లాడిన వ్యాపార వినియోగదారు అనుభవం మీకు ఉంది, అక్కడ అనేక BI సాధనాలు ఉన్నాయి, సరియైనదా? పెంటాహోలో మరింత పొందుపరచదగిన OEM BI సాధనం ఉంది, అయితే టేబులో మరియు ఎక్సెల్ వంటి గొప్పవి అక్కడ ఉన్నాయి, ఉదాహరణకు, ప్రజలు డేటాను అన్వేషించాలనుకుంటున్నారు. కానీ సాధారణంగా, డేటా నిర్వహించబడుతుందని మేము నిర్ధారించుకోవాలనుకుంటున్నాము, సరియైనదా? చర్చల్లోని ప్రశ్నలలో ఒకటి, సింగిల్-వెర్షన్ అనుభవం గురించి, మీరు దాన్ని ఎలా నిర్వహిస్తారు మరియు పెంటాహో డేటా ఇంటిగ్రేషన్ వంటి సాంకేతికత లేకుండా ఆ డేటాను గాజు మీద కాకుండా ఐటి పరిసరాలలో కలపడానికి. కనుక ఇది నిజంగా డేటాను రక్షిస్తుంది మరియు నియంత్రిస్తుంది మరియు వ్యాపార విశ్లేషకుడు మరియు వ్యాపార వినియోగదారులకు ఒకే అనుభవాన్ని అనుమతిస్తుంది.
ఎరిక్: సరే, మంచిది. ఇది చాలా క్లిష్టంగా, కష్టమైన ప్రశ్నకు మంచి సమాధానం. మరియు నేను ప్రతి ప్రెజెంటర్లకు ప్రశ్న అడగనివ్వండి, ఆపై రాబిన్ మరియు కిర్క్ మీరు కూడా దూకాలని అనుకుంటే. కాబట్టి వెబ్‌ఆక్షన్ కోసం ఈ స్లైడ్ను ముందుకు తీసుకెళ్లాలనుకుంటున్నాను, ఇది నిజంగా చాలా ఆసక్తికరమైన సంస్థ అని నేను అనుకుంటున్నాను. అసలైన, సహ వ్యవస్థాపకులలో ఒకరైన సామి అక్బే నాకు తెలుసు. కొన్ని సంవత్సరాల క్రితం అతనితో మాట్లాడి, "హే మనిషి, మీరు ఏమి చేస్తున్నారు? మీరు ఏమి చేస్తున్నారు? మీరు ఏదో పని చేయాల్సి ఉందని నాకు తెలుసు." మరియు వాస్తవానికి, అతను. అతను ఇక్కడ కవర్ల క్రింద వెబ్‌ఆక్షన్‌లో పని చేస్తున్నాడు.
మీ కోసం ఒక ప్రశ్న వచ్చింది, స్టీవ్, కాబట్టి డేటా ప్రక్షాళన గురించి నేను మీకు తెలియజేస్తాను, సరియైనదా? ఈ నిజ-సమయ సామర్ధ్యం యొక్క ఈ భాగాల గురించి మీరు మాట్లాడగలరా? డేటా ప్రక్షాళన లేదా డేటా నాణ్యత వంటి సమస్యలతో మీరు ఎలా వ్యవహరిస్తారు లేదా అది కూడా ఎలా పని చేస్తుంది?
స్టీవ్: కాబట్టి ఇది మీ ఫీడ్‌లను మీరు ఎక్కడ నుండి పొందుతున్నారనే దానిపై ఆధారపడి ఉంటుంది. సాధారణంగా, మీరు డేటా క్యాప్చర్‌ను మార్చినప్పుడు డేటాబేస్ నుండి మీ ఫీడ్‌లను పొందుతుంటే, మళ్ళీ, డేటా ఎలా నమోదు చేయబడిందనే దానిపై ఆధారపడి ఉంటుంది. మీరు బహుళ వనరుల నుండి మీ డేటాను పొందుతున్నప్పుడు లేదా ప్రజలు దీన్ని మాన్యువల్‌గా ఎంటర్ చేస్తున్నప్పుడు డేటా ప్రక్షాళన నిజంగా సమస్యగా మారుతుంది లేదా మీరు రకమైన ఏకపక్షాలను కలిగి ఉంటే, మీరు వాటిని ప్రయత్నించండి మరియు బయటకు తీయాలి. మరియు అది ఖచ్చితంగా ప్రక్రియలో భాగం కావచ్చు, అయినప్పటికీ ఆ రకం నిజమైన, రకమైన, హై-స్పీడ్ రియల్ టైమ్ ప్రాసెసింగ్‌కు రుణాలు ఇవ్వదు. డేటా ప్రక్షాళన, సాధారణంగా, ఖరీదైన ప్రక్రియ.
కాబట్టి స్టోర్ సైట్‌లోని వాస్తవం తర్వాత అది చేయవచ్చు. ప్లాట్‌ఫారమ్ నిజంగా మంచి విషయం, సహసంబంధం, కాబట్టి సహసంబంధం మరియు డేటా యొక్క సుసంపన్నం. మీరు నిజ సమయంలో, ఇన్‌కమింగ్ డేటాను పరస్పరం అనుసంధానించవచ్చు మరియు ఇది ఒక నిర్దిష్ట నమూనాతో సరిపోతుందో లేదో తనిఖీ చేయవచ్చు లేదా ఇది డేటాబేస్ లేదా హడూప్ లేదా మరేదైనా స్టోర్ నుండి తిరిగి పొందబడిన డేటాతో సరిపోతుందో లేదో తనిఖీ చేయవచ్చు. కాబట్టి మీరు దీన్ని చారిత్రక డేటాతో పరస్పరం అనుసంధానించవచ్చు, మీరు చేయగలిగేది ఒక విషయం.
మీరు చేయగలిగే మరొక విషయం ఏమిటంటే, ప్రాథమికంగా ఆ డేటాపై విశ్లేషణ చేయండి మరియు ఇది కొన్ని అవసరమైన నమూనాలతో సరిపోతుందో లేదో చూడండి. మరియు ఇది మీరు నిజ సమయంలో కూడా చేయగల విషయం. కానీ సాంప్రదాయక డేటా ప్రక్షాళన, ఇక్కడ మీరు కంపెనీ పేర్లను సరిదిద్దుతున్నారు లేదా మీరు చిరునామాలను మరియు ఆ రకమైన అన్ని విషయాలను సరిదిద్దుతున్నారు, అవి బహుశా మూలం లేదా రకమైన తర్వాత చేయాలి, ఇది చాలా ఖరీదైనది మరియు మీరు ప్రార్థిస్తారు వారు నిజ సమయంలో చేయరు.
ఎరిక్: అవును. మరియు మీరు అబ్బాయిలు నిజంగా విషయాల యొక్క నిజ-సమయ స్వభావాన్ని పరిష్కరించడానికి ప్రయత్నిస్తున్నారు, కానీ ప్రజలను కూడా సమయానికి తీసుకుంటారు. మరియు మేము మాట్లాడాము, సరియైనది, నేను ఈ గంట ఎగువన ప్రస్తావించాను, ఈ మొత్తం అవకాశాల విండో మరియు మీరు నిజంగా కంపెనీల వద్ద నిర్దిష్ట అనువర్తనాలను లక్ష్యంగా చేసుకుంటున్నారు, ఇక్కడ మీరు సాధారణ మార్గంలో వెళ్ళని డేటాను కలిసి లాగవచ్చు, ఈ ప్రత్యామ్నాయ మార్గంలో వెళ్లి అలా చేయండి మీరు కస్టమర్లను ఉంచగలిగే తక్కువ జాప్యంలో. ఉదాహరణకు, మీరు ప్రజలను సంతృప్తికరంగా ఉంచవచ్చు మరియు ఇది ఆసక్తికరంగా ఉంటుంది, మీరు ఏమి చేస్తున్నారనే దాని గురించి నేను సామితో సుదీర్ఘంగా మాట్లాడినప్పుడు, అతను చాలా మంచి విషయం చెప్పాడు. అతను చెప్పాడు, మీరు చాలా కొత్త వెబ్ ఆధారిత అనువర్తనాలను పరిశీలిస్తే; బిట్లీ లేదా ఈ ఇతర అనువర్తనాలలో కొన్నింటిని చూద్దాం; మైక్రోసాఫ్ట్ వర్డ్ వంటి మైక్రోసాఫ్ట్ నుండి మేము చూసిన పాత అనువర్తనాల కంటే అవి చాలా భిన్నంగా ఉంటాయి.
సాఫ్ట్‌వేర్ పరిణామం గురించి మాట్లాడటానికి నేను తరచూ మైక్రోసాఫ్ట్‌ను కొరడా దెబ్బలాంటివాడిని మరియు ప్రత్యేకంగా వర్డ్‌ను ఉపయోగిస్తాను. ఎందుకంటే మైక్రోసాఫ్ట్ వర్డ్ వర్డ్ ప్రాసెసింగ్ ప్రోగ్రామ్‌గా ప్రారంభమైంది. వర్డ్ పర్ఫెక్ట్‌ను గుర్తుంచుకునే వారిలో నేను ఒకడిని. రివీల్ కీలు లేదా రివీల్ కోడ్ చేయగలగడం నాకు బాగా నచ్చింది, ప్రాథమికంగా, అక్కడ మీరు అసలు కోడ్‌ను చూడగలరు. మీ బుల్లెట్ జాబితా తప్పు అయితే మీరు దాన్ని శుభ్రం చేయవచ్చు, మీరు దాన్ని శుభ్రం చేయవచ్చు. సరే, వర్డ్ మిమ్మల్ని అలా చేయనివ్వదు. మీరు చేసే ప్రతి పేజీలో వర్డ్ కోడ్ పర్వతాన్ని పొందుపరుస్తుందని నేను మీకు చెప్పగలను. ఎవరైనా నన్ను నమ్మకపోతే, మైక్రోసాఫ్ట్ వర్డ్‌కు వెళ్లి, "హలో వరల్డ్" అని టైప్ చేసి, ఆపై "ఎగుమతిగా" లేదా "ఇలా సేవ్ చేయి" చేయండి .html. ఆ పత్రాన్ని ఎడిటర్‌లో తెరవండి మరియు అది కేవలం రెండు పదాల కోసం నాలుగు పేజీల కోడ్‌ల పొడవు ఉంటుంది.
కాబట్టి మీరు అబ్బాయిలు, ఇది చాలా ఆసక్తికరంగా ఉందని నేను అనుకున్నాను మరియు మేము దాని గురించి మాట్లాడిన సమయం. మరియు మీరు అబ్బాయిలు దృష్టి సారించే చోట, మీరు ఆటను మార్చగలిగే శీఘ్ర సమయంలో డేటాను కలిసి లాగడానికి క్రాస్-ప్లాట్‌ఫాం లేదా క్రాస్ ఎంటర్ప్రైజ్ లేదా క్రాస్-డొమైన్ అవకాశాలు అని పిలవడాన్ని గుర్తించడం సరియైనదేనా?
స్టీవ్: అవును, ఖచ్చితంగా. మీ కస్టమర్లు చేసే ముందు లేదా వారు నిజంగానే ముందు, నిజంగా సమస్యగా మారడానికి ముందు జరుగుతున్న విషయాల గురించి మీరు నిజంగా తెలుసుకోవాలనుకుంటున్నారా? ఉదాహరణగా సెట్-టాప్ బాక్స్‌లు. కేబుల్ పెట్టెలు, అవి టెలిమెట్రీని అన్ని సమయాలలో విడుదల చేస్తాయి, టెలిమెట్రీ యొక్క లోడ్లు మరియు లోడ్లు. మరియు బాక్స్ యొక్క ఆరోగ్యం మాత్రమే కాదు, కానీ మీరు చూస్తున్నది మరియు ఆ రకమైన అంశాలు, సరియైనదేనా? బాక్స్ విఫలమయ్యే వరకు మీరు వేచి ఉండి, ఆపై మీరు మీ కేబుల్ ప్రొవైడర్‌ను పిలుస్తారు మరియు వారు "సరే, నవంబర్ మొత్తం నెలలో ఉదయం 6 గంటల నుండి రాత్రి 11 గంటల మధ్య మీ వద్దకు వస్తాము." ఇది మంచి కస్టమర్ అనుభవం కాదు.
వారు ఆ టెలిమెట్రీని నిజ సమయంలో విశ్లేషించగలిగితే, వారు వచ్చే వారం ఆధారిత చారిత్రక నమూనాలలో ఈ పెట్టెలు విఫలమయ్యే అవకాశం ఉందని మాకు తెలుసు. అందువల్ల మా కేబుల్ మరమ్మతు వ్యక్తిని విఫలమయ్యే ముందు ఈ వ్యక్తి ఇంటి వద్దకు వెళ్ళమని మేము షెడ్యూల్ చేస్తాము. శాంటా క్రజ్ నుండి సన్నీవేల్ వరకు అతనిని కలిగి ఉండకుండా మాకు సరిపోయే విధంగా మేము దీన్ని చేస్తాము. మేము అన్నింటినీ చక్కని క్రమంలో, ట్రావెలింగ్ సేల్స్ మాన్ నమూనాతో షెడ్యూల్ చేస్తాము, తద్వారా మేము మా వ్యాపారాన్ని ఆప్టిమైజ్ చేయవచ్చు. అందువల్ల వినియోగదారుడు సంతోషంగా ఉన్నాడు ఎందుకంటే వారికి విఫలమైన కేబుల్ బాక్స్ లేదు. మరియు కేబుల్ ప్రొవైడర్ సంతోషంగా ఉంది ఎందుకంటే వారు ఇప్పుడే విషయాలను క్రమబద్ధీకరించారు మరియు వారు అన్ని చోట్ల ప్రజలకు అవసరం లేదు. ఇది చాలా శీఘ్ర ఉదాహరణ.టన్నులు మరియు టన్నుల ఉదాహరణలు ఉన్నాయి, అవి జరిగేటప్పుడు విషయాల గురించి తెలుసుకోవడం, అవి జరగడానికి ముందు, కంపెనీలకు అదృష్టాన్ని ఆదా చేయగలవు మరియు నిజంగా, వారి కస్టమర్ సంబంధాలను నిజంగా మెరుగుపరుస్తాయి.
ఎరిక్: అవును, సరియైనది. దాని గురించి సందేహం లేదు. మనం ముందుకు వెళ్లి మార్క్‌లాజిక్‌కు వెళ్దాం. నేను ఇంతకు ముందే చెప్పినట్లుగా, ఈ కుర్రాళ్ళ గురించి నాకు కొంతకాలంగా తెలుసు, అందువల్ల నేను మిమ్మల్ని ఫ్రాంక్‌లోకి తీసుకువస్తాను. మీ అనువర్తనాన్ని రూపొందించే విషయంలో మీరు పెద్ద డేటా కదలిక కంటే చాలా ముందున్నారు, ఇది నిజంగా డేటాబేస్. కానీ దాన్ని నిర్మించడం మరియు మీరు శోధన యొక్క ప్రాముఖ్యత గురించి మాట్లాడారు.
కాబట్టి స్థలాన్ని అనుసరించిన చాలా మందికి తెలుసు, అక్కడ ఉన్న NoSQL సాధనాలు చాలావరకు మూడవ పార్టీల ద్వారా అయినా లేదా వారు తమ స్వంతంగా చేయటానికి ప్రయత్నిస్తున్నా శోధన సామర్థ్యాలపై బోల్ట్ అవుతున్నాయి. కానీ ఆ శోధన ఇప్పటికే అందులో పొందుపరచబడి, మాట్లాడటానికి కాల్చినది, నిజంగా పెద్ద విషయం. ఎందుకంటే మీరు దాని గురించి ఆలోచిస్తే, మీకు SQL లేకపోతే, మీరు లోపలికి వెళ్లి డేటాను ఎలా శోధిస్తారు? ఆ డేటా వనరు నుండి మీరు ఎలా లాగుతారు? మరియు సమాధానం మీరు వెతుకుతున్న డేటాను పొందడానికి సాధారణంగా శోధనను ఉపయోగించడం, సరియైనదేనా?
కాబట్టి ఈ విభిన్న వనరుల నుండి డేటాను లాగడానికి మరియు ఆ డేటాను నిల్వ చేయడానికి మరియు ఈ విధమైన హైబ్రిడ్ వాతావరణాన్ని నిజంగా సులభతరం చేయగలిగేటప్పుడు మీ కోసం ఇది ఒక ముఖ్యమైన భేదాలలో ఒకటి అని నేను భావిస్తున్నాను. శోధన సామర్ధ్యం మీకు పెద్ద విషయమని నేను అనుకుంటున్నాను, సరియైనదా?
ఫ్రాంక్: అవును, ఖచ్చితంగా. వాస్తవానికి, అన్ని డేటా ఎలా ఉంటుందో మీకు తెలియకపోతే సమస్యను స్థిరంగా పరిష్కరించే ఏకైక మార్గం ఇదే, సరియైనదేనా? మీరు అన్ని అవకాశాలను imagine హించలేకపోతే, మీకు కావలసిన మొత్తం సమాచారాన్ని మీరు గుర్తించగలరని, మీరు దానిని స్థిరంగా గుర్తించగలరని మరియు మీ డేటా మోడల్ మరియు మీ డేటా సెట్‌లను మీరు ఎలా అభివృద్ధి చేశారనే దానితో సంబంధం లేకుండా దాన్ని గుర్తించగలరని నిర్ధారించుకోవడానికి ఏకైక మార్గం ఆ డేటాను ప్రశ్నించడానికి వారిని అనుమతించే సాధారణ సాధనాలను మీరు ప్రజలకు ఇచ్చారని నిర్ధారించుకోండి. మరియు దీన్ని చేయటానికి సులభమైన, అత్యంత స్పష్టమైన మార్గం శోధన నమూనా ద్వారా, సరియైనదేనా? శోధనలో అదే విధానం ద్వారా మేము విలోమ సూచికను సృష్టించాము. మీరు నిజంగా వాటిని పరిశీలించగలిగే ఎంట్రీలు ఉన్నాయి, ఆపై మీరు వెతుకుతున్న సమాచారాన్ని వాస్తవంగా కలిగి ఉన్న రికార్డులు మరియు పత్రాలు మరియు అడ్డు వరుసలను కనుగొని, దానిని కస్టమర్‌కు తిరిగి ఇవ్వండి మరియు వారు సరిపోయేటట్లు చూసేటప్పుడు వాటిని ప్రాసెస్ చేయడానికి అనుమతించండి.
ఎరిక్: అవును మరియు మేము దీని గురించి చాలా మాట్లాడాము, కాని మీరు ఈ రకాన్ని త్రవ్వటానికి నాకు మంచి అవకాశాన్ని ఇస్తున్నారు - ఈ సమీకరణం యొక్క మొత్తం శోధన మరియు ఆవిష్కరణ వైపు. మొదట, ఇది చాలా సరదాగా ఉంటుంది. ఆ విషయాన్ని ఇష్టపడే ఎవరికైనా, ఇది సరదా భాగం, సరియైనదేనా? కానీ సమీకరణం యొక్క మరొక వైపు లేదా నాణెం యొక్క మరొక వైపు, నేను చెప్పాలి, ఇది నిజంగా పునరావృత ప్రక్రియ. మరియు మీరు చేయగలగాలి - ఇక్కడ నేను కొన్ని మార్కెటింగ్ భాషను ఉపయోగిస్తాను - డేటాతో ఆ సంభాషణ ఉందా? మరో మాటలో చెప్పాలంటే, మీరు పరికల్పనను పరీక్షించగలగాలి, దానితో ఆడుకోండి మరియు అది ఎలా పనిచేస్తుందో చూడాలి. బహుశా అది అక్కడ ఉండకపోవచ్చు, వేరేదాన్ని పరీక్షించండి మరియు నిరంతరం విషయాలను మార్చండి మరియు మళ్ళించండి మరియు శోధించండి మరియు పరిశోధన చేయండి మరియు విషయాల గురించి ఆలోచించండి. మరియు ఇది ఒక ప్రక్రియ. మరియు మీకు పెద్ద అడ్డంకులు ఉంటే, దీర్ఘ లాటెన్సీలు లేదా కష్టమైన వినియోగదారు ఇంటర్ఫేస్ అని అర్ధం లేదా మీరు ఐటిని అడగాలి; అది మొత్తం విశ్లేషణాత్మక అనుభవాన్ని చంపుతుంది, సరియైనదా?
కాబట్టి ఈ రకమైన వశ్యతను కలిగి ఉండటం మరియు శోధనలను ఉపయోగించడం చాలా ముఖ్యం. మీరు ఇక్కడ చిత్రీకరించిన విధానాన్ని నేను ఇష్టపడుతున్నాను ఎందుకంటే మేము వేర్వేరు, విధమైన, భావనలు లేదా కీల చుట్టూ వెతుకుతున్నట్లయితే, మీరు కోరుకుంటే, కీ విలువలు మరియు అవి వేర్వేరు కొలతలు. మీ విశ్లేషకుడికి ఉపయోగకరమైన అంశాలను కనుగొనటానికి వీలుగా మీరు ఆ అంశాలను కలపాలి మరియు సరిపోల్చగలరు.
ఫ్రాంక్: అవును, ఖచ్చితంగా. నా ఉద్దేశ్యం, సోపానక్రమం కూడా ఒక ముఖ్యమైన విషయం, సరియైనదా? కాబట్టి మీరు టైటిల్, కుడి, లేదా ఒక నిర్దిష్ట పదం లేదా విలువ వంటి వాటిని చేర్చినప్పుడు, మీరు నిజంగా సరైనదాన్ని సూచించవచ్చు. కాబట్టి మీరు వ్యాసం యొక్క శీర్షిక కోసం చూస్తున్నట్లయితే, మీకు పుస్తకాల శీర్షికలు రావడం లేదు, సరియైనదా? లేదా మీరు బ్లాగ్ పోస్ట్‌ల శీర్షికలను పొందడం లేదు. వాటి మధ్య మరియు సమాచారం యొక్క సోపానక్రమం ద్వారా వేరు చేయగల సామర్థ్యం కూడా ముఖ్యం.
మీరు ముందు అభివృద్ధిని ఎత్తి చూపారు, ఖచ్చితంగా, సరియైనదా? మా కస్టమర్లకు కొన్ని గంటల్లో కొత్త డేటా వనరులను లాగడం, వారితో పనిచేయడం ప్రారంభించండి, అవి ఉపయోగకరంగా ఉన్నాయో లేదో అంచనా వేయండి మరియు తరువాత వాటిని ఏకీకృతం చేయడం కొనసాగించండి లేదా వాటిని పక్కదారి పట్టించడం చాలా విలువైనది. మీరు దీన్ని మరింత సాంప్రదాయ అనువర్తన అభివృద్ధి విధానంతో పోల్చినప్పుడు, మీరు ఏమి చేయాలో మీరు ఏమి చేయాలనుకుంటున్నారో, డేటాను సోర్స్ చేయాలనుకుంటున్నారో, మీ ప్రస్తుత డేటా మోడల్‌లో మీరు ఎలా సరిపోతారో గుర్తించాలి. మోడల్, ఆ డేటా మోడల్‌ను విలీనం చేయడానికి మార్చండి మరియు తరువాత అభివృద్ధిని ప్రారంభించండి, సరియైనదా? మేము దానిని మా తలపైకి తిప్పి, దానిని మా వద్దకు తీసుకురండి అని చెప్పండి, దానితో అభివృద్ధిని ప్రారంభించడానికి మిమ్మల్ని అనుమతించండి, ఆపై మీరు దానిని ఉంచాలనుకుంటున్నారా లేదా అనేదానిపై నిర్ణయం తీసుకోండి లేదా అది విలువైనదేనా కాదా అని వెంటనే నిర్ణయించుకోండి.
ఎరిక్: అవును, ఇది చాలా మంచి విషయం. ఇది మంచి విషయం. కాబట్టి నేను ముందుకు వెళ్లి మా నాల్గవ ప్రెజెంటర్ అయిన ట్రెజర్ డేటాను తీసుకురండి. నేను ఈ కుర్రాళ్ళను ప్రేమిస్తున్నాను. నాకు వారి గురించి పెద్దగా తెలియదు కాబట్టి నేను ఒక రకంగా తన్నడం. ఆపై హన్నా మా వద్దకు వచ్చి వారు ఏమి చేస్తున్నారో మాకు చెప్పారు. మరియు హన్నా ప్రస్తావించారు, ఆమె ఒక మీడియా వ్యక్తి మరియు ఆమె చీకటి వైపుకు వెళ్ళింది.
హన్నా: నేను చేసాను, నేను ఫిరాయించాను.
ఎరిక్: మీడియా ప్రపంచంలో మనకు నచ్చినది మీకు తెలుసు కాబట్టి అది సరే. కాబట్టి ఒక మీడియా వ్యక్తి విక్రేత వైపుకు వెళ్ళినప్పుడు ఇది ఎల్లప్పుడూ మంచిది, ఎందుకంటే మీరు అర్థం చేసుకున్నారు, హే, ఈ విషయం ఉచ్చరించడం అంత సులభం కాదు మరియు ఈ ఉత్పత్తి ఏమి చేస్తుందో దానికి వ్యతిరేకంగా ఈ ఉత్పత్తి ఏమి చేస్తుందో వెబ్‌సైట్ నుండి తెలుసుకోవడం కష్టం. మరియు మీరు అబ్బాయిలు మాట్లాడుతున్నది నిజంగా చాలా ఆసక్తికరంగా ఉంది. ఇప్పుడు, మీరు క్లౌడ్-నిర్వహించే సేవ. కాబట్టి ఎవరైనా ఉపయోగించాలనుకునే ఏదైనా డేటా మీ క్లౌడ్‌లోకి అప్‌లోడ్ చేస్తే అది సరైనదేనా? ఆపై మీరు ETL లేదా CDC, క్లౌడ్ వరకు అదనపు డేటా, అది ఎలా పనిచేస్తుంది?
హన్నా: సరే, అవును. కాబట్టి నాకు ఒక ముఖ్యమైన వ్యత్యాసం ఉంది. మా కస్టమర్లు మమ్మల్ని కలిగి ఉన్న చాలా డేటా, పెద్ద డేటా ఇప్పటికే ఫైర్‌వాల్ వెలుపల ఉంది - మొబైల్ డేటా, ఉత్పత్తుల్లో ఉన్న సెన్సార్ డేటా. కాబట్టి మేము తరచుగా తాత్కాలిక స్టేజింగ్ ప్రాంతంగా ఉపయోగిస్తాము. అందువల్ల ఒక వెబ్‌సైట్, మొబైల్ అప్లికేషన్, దానిలో చాలా సెన్సార్లతో కూడిన ఉత్పత్తి - మా క్లౌడ్ వాతావరణంలోకి ప్రవహించేంతవరకు డేటా తరచుగా మా సేవలోకి రాదు.
ఇప్పుడు మీరు మా వాతావరణంలో ఆ పెద్ద డేటాను సుసంపన్నం చేయాలనుకుంటే, దాన్ని మెరుగుపరచడానికి మీరు ఖచ్చితంగా కొన్ని అప్లికేషన్ డేటాను లేదా కొంత కస్టమర్ డేటాను అప్‌లోడ్ చేయవచ్చు మరియు క్లౌడ్‌లో నేరుగా ఎక్కువ విశ్లేషణలను చేయవచ్చు. ఫైర్‌వాల్ వెలుపల ఉన్న డేటాను సేకరించి, ఒకే స్థలానికి తీసుకురావడం మా విలువలో చాలా ఉంది. కాబట్టి మీరు మీ ఫైర్‌వాల్ వెనుకకు తీసుకురావాలని మరియు మీ అధునాతన విశ్లేషణలను ఎక్కువ చేయాలని లేదా మీ ప్రస్తుత BI లేదా అనలిటిక్స్ వాతావరణంలోకి తీసుకురావాలని అనుకున్నా, ఇది మంచి స్టేజింగ్ పాయింట్. మీరు మీ డేటా గిడ్డంగిలో రోజుకు ఒక బిలియన్ వరుసలను తీసుకురావాలనుకోవడం లేదు కాబట్టి, ఇది తక్కువ ఖర్చుతో కూడుకున్నది కాదు. మీరు దానిని ఎక్కడో నిల్వ చేసి, అప్‌లోడ్ బ్యాచ్ చేయాలనుకుంటే అది కూడా కష్టం.
కాబట్టి ఫైర్‌వాల్ వెలుపల ఉన్న డేటాను సేకరించే మొదటి స్థానం మేము తరచుగా.
ఎరిక్: అవును, ఇది చాలా మంచి విషయం. ఎందుకంటే చాలా కంపెనీలు తమ యాజమాన్య కస్టమర్ డేటాను తీసుకోవడం, క్లౌడ్‌లో ఉంచడం మరియు మొత్తం ప్రక్రియను నిర్వహించడం గురించి భయపడతాయి.
హన్నా: అవును.
ఎరిక్: మరియు మీరు మాట్లాడుతున్నది నిజంగా మీరు సూచించినట్లుగా, మొబైల్ డేటా మరియు సామాజిక డేటా వంటి మూడవ పార్టీ డేటా మరియు అన్ని రకాల సరదా విషయాల యొక్క భారీ డ్యూటీ సంఖ్యలను క్రంచ్ చేయడానికి ప్రజలను వనరులను పొందడం. ఇది చాలా ఆసక్తికరంగా ఉంది.
హన్నా: అవును, ఖచ్చితంగా. మరియు డేటా వారు ఇప్పటికే వెలుపల ఉన్నందున వారు ఉత్పత్తుల గురించి భయపడతారు. కాబట్టి అవును, దానిని తీసుకురావడానికి ముందు, మరియు ఆ రిఫైనరీ పదాన్ని నేను నిజంగా ఇష్టపడుతున్నాను, నేను చెప్పినట్లుగా, సరస్సుకి వ్యతిరేకంగా. కాబట్టి మీరు కొన్ని ప్రాథమిక రిఫైనరీ చేయగలరా? లోతైన విశ్లేషణ కోసం మంచి అంశాలను తీసివేసి, ఫైర్‌వాల్ వెనుక మీ ఇతర వ్యవస్థలు మరియు ప్రక్రియల్లోకి తీసుకురండి. కాబట్టి ఇది నిజంగా అన్ని డేటా శాస్త్రవేత్తలు చేయగలదు, ఈ కొత్త పెద్ద డేటా యొక్క నిజ-సమయ డేటా అన్వేషణ.
ఎరిక్: అవును, అది నిజం. సరే, నేను ముందుకు వెళ్లి మా విశ్లేషకులను తీసుకుందాం మరియు మేము రివర్స్ ఆర్డర్‌లో తిరిగి వెళ్తాము. నేను మీతో ప్రారంభిస్తాను, రాబిన్, ట్రెజర్ డేటాకు సంబంధించి, మరికొన్నింటి కోసం మేము కిర్క్‌కు వెళ్తాము. ఆపై రాబిన్‌కు తిరిగి వెళ్లి, కిర్క్‌కు తిరిగి వెళ్లండి.
డేటా రిఫైనరీ, రాబిన్, హన్నా ఇక్కడ మాట్లాడుతున్నారని మీకు తెలుసు. నేను ఆ భావనను ప్రేమిస్తున్నాను. కొంతమంది మాత్రమే దాని గురించి మాట్లాడటం నేను విన్నాను, కాని మీరు ఖచ్చితంగా ఇంతకు ముందే ప్రస్తావించారని నేను అనుకుంటున్నాను. మరియు ఇది నిజంగా మీ డేటాకు ఏమి జరుగుతుందో మాట్లాడుతుంది. ఎందుకంటే, ఒక రిఫైనరీ, మీరు చమురు శుద్ధి కర్మాగారాల గురించి ఆలోచిస్తే, అది ప్రాథమికంగా దాని మూల స్థాయికి స్వేదనం చేస్తుంది. నేను దీన్ని కొంతకాలం అధ్యయనం చేసాను మరియు ఇది చాలా ప్రాథమికమైనది, కానీ దానిలోకి వెళ్ళే ఇంజనీరింగ్ సరిగ్గా ఉండాలి లేదా మీకు కావలసిన విషయాలు మీకు లభించవు. కనుక ఇది గొప్ప సారూప్యత అని నేను అనుకుంటున్నాను. ట్రెజర్ డేటా క్లౌడ్ సర్వీస్ యొక్క ఈ మొత్తం భావన గురించి మీరు ఏమనుకుంటున్నారు, ఇంటిలో వస్తువులను తీసుకురాకుండా కొన్ని నిర్దిష్ట విశ్లేషణాత్మక అవసరాలను పరిష్కరించడంలో మీకు సహాయపడుతుంది.
రాబిన్: బాగా, నా ఉద్దేశ్యం, అది ఎంత సౌకర్యవంతంగా ఉంటుందో పరిస్థితులను బట్టి. వాస్తవానికి ఇప్పటికే ప్రాసెస్ చేయబడిన ఎవరైనా మీకు మీరే పొందకపోతే ఇప్పటికే మిమ్మల్ని ఆట కంటే ముందు ఉంచుతారు. అలాంటి వాటికి ఇది మొదటి టేకావే. ఎవరైనా ఏదైనా సమీకరించినట్లయితే, వారు దాన్ని చేసారు, ఇది మార్కెట్‌లో నిరూపించబడింది మరియు అందువల్ల కొంత విలువ విలువలో ఉంది, అలాగే, పని ఇప్పటికే దానిలోకి వెళ్లిపోయింది. డేటాను శుద్ధి చేయడం ఇంతకుముందు కంటే చాలా పెద్ద సమస్య అవుతుంది అనే సాధారణ వాస్తవం కూడా ఉంది. నా ఉద్దేశ్యం, ఇది గురించి మాట్లాడలేదు, ఏమైనప్పటికీ, నా అభిప్రాయం ప్రకారం, అది ఎంత ఉండాలో దాని గురించి మాట్లాడలేదు. డేటా యొక్క పరిమాణం పెరిగింది మరియు మూలాల సంఖ్య మరియు ఆ మూలాల యొక్క వైవిధ్యం చాలా గణనీయంగా పెరిగాయి. మరియు డేటా యొక్క విశ్వసనీయత అది శుభ్రంగా ఉందో లేదో, వారు డేటాను అయోమయానికి గురిచేయాలి, డేటా యొక్క పరిపాలన పరంగా పెరిగే అన్ని రకాల సమస్యలు.
కాబట్టి మీరు దానిపై విశ్వసనీయమైన విశ్లేషణ చేయగలిగే ముందు, మీ డేటా మురికిగా ఉంటే, మీ ఫలితాలు ఏదో ఒక విధంగా లేదా మరొక విధంగా వక్రీకరించబడతాయి. కనుక ఇది పరిష్కరించాల్సిన విషయం, దాని గురించి తెలుసుకోవాలి. మరియు అందించే త్రిభుజం, నేను చూడగలిగినంతవరకు, దానికి సహాయపడటానికి చాలా ఆచరణీయమైన సేవ.
ఎరిక్: అవును, నిజమే. సరే, నన్ను ముందుకు సాగండి మరియు కిర్క్‌ను త్వరగా ఇక్కడ సమీకరణంలోకి తీసుకురండి. నేను ఈ ఇతర స్లైడ్‌లలో ఒకదాన్ని పరిశీలించాలనుకున్నాను మరియు కిర్క్, మీ విషయాల గురించి మీ అభిప్రాయాన్ని పొందండి. కాబట్టి ఈ మార్క్లాజిక్ స్లైడ్‌కి తిరిగి వెళ్దాం. మరియు మార్గం ద్వారా, కిర్క్ ఈ లింక్‌ను మీరు చూడకపోతే, అతని క్లాస్ డిస్కవరీ స్లైడ్‌లలో కొన్నింటికి అందించారు ఎందుకంటే ఇది చాలా ఆసక్తికరమైన అంశం. నేను ఒక క్షణం క్రితం దీని గురించి మాట్లాడుతున్నప్పుడు, కిర్క్, నా మనస్సు వెనుక భాగంలో ఇది ఒక రకమైన కాచుట అని నేను అనుకుంటున్నాను. హాజరైన వారిలో ఒకరు అడిగిన ఈ మొత్తం ప్రశ్న మీరు క్రొత్త తరగతులను కనుగొనడం గురించి ఎలా వెళ్తారు. నేను ఈ అంశాన్ని ప్రేమిస్తున్నాను ఎందుకంటే ఇది నిజంగా విషయాలను వర్గీకరించడానికి కష్టంగా ఉంటుంది, ఎందుకంటే అంశాలను వర్గీకరించడానికి నాకు ఎప్పుడూ కష్టమే. నేను ఇష్టపడుతున్నాను, "ఓహ్, దేవా, నేను ఐదు వర్గాలలో సరిపోతాను, నేను ఎక్కడ ఉంచగలను?" కాబట్టి నేను దేనినీ వర్గీకరించడానికి ఇష్టపడను, సరియైనదా?
అందుకే నేను శోధనను ప్రేమిస్తున్నాను, ఎందుకంటే మీరు దీన్ని వర్గీకరించాల్సిన అవసరం లేదు, మీరు దాన్ని ఫోల్డర్‌లో ఉంచాల్సిన అవసరం లేదు. దాని కోసం శోధించండి మరియు మీకు ఎలా శోధించాలో తెలిస్తే మీరు దాన్ని కనుగొంటారు. మీరు సెగ్మెంట్ చేయడానికి ప్రయత్నిస్తున్న ప్రక్రియలో ఉంటే, అది ప్రాథమికంగా వర్గీకరణ అంటే, ఇది విభజన; క్రొత్త తరగతులను కనుగొనడం, ఇది ఒక ఆసక్తికరమైన విషయం. మీరు శోధన మరియు సెమాంటిక్స్ మరియు సోపానక్రమం యొక్క శక్తితో మాట్లాడగలరా, ఉదాహరణకు, మార్క్ లాజిక్ గురించి మరియు కొత్త తరగతులను కనుగొనడంలో పోషించే పాత్ర గురించి ఫ్రాంక్ మాట్లాడుతున్నప్పుడు, దాని గురించి మీరు ఏమనుకుంటున్నారు?
కిర్క్: సరే, మొదట, మీరు నా మనస్సు చదువుతున్నారని నేను చెప్తాను. ఎందుకంటే మీరు మాట్లాడటానికి ముందే నేను ఒక ప్రశ్న గురించి ఆలోచిస్తున్నాను, ఇక్కడ మార్క్లాజిక్ సమర్పించిన ఈ సెమాంటిక్ ముక్క. మరియు మీరు నా స్లైడ్‌కు తిరిగి వస్తే, మీరు దీన్ని చేయనవసరం లేదు, కానీ ఈ మధ్యాహ్నం నేను సమర్పించిన దానిపై స్లైడ్ ఐదుకు తిరిగి వెళ్లండి; డేటాను సంగ్రహించాల్సిన అవసరం ఉందని నేను ఈ సెమాంటిక్స్ గురించి మాట్లాడాను.
కాబట్టి శోధన యొక్క ఈ మొత్తం ఆలోచన, అక్కడ మీరు వెళ్ళండి. నేను దానిని గట్టిగా నమ్ముతున్నాను మరియు పెద్ద డేటాతో, ఇంటర్నెట్ యొక్క సారూప్యతను తీసుకుంటానని నేను ఎప్పుడూ నమ్ముతున్నాను, నా ఉద్దేశ్యం, కేవలం వెబ్, అంటే వెబ్ బ్రౌజర్‌లో ప్రపంచ జ్ఞానం మరియు సమాచారం మరియు డేటాను కలిగి ఉండటం ఒక విషయం. పెద్ద సెర్చ్ ఇంజిన్ కంపెనీలలో ఒకటిగా మనకు అందించగలిగే విధంగా శోధించదగిన మరియు తిరిగి పొందగలిగేలా చేయడానికి, అక్కడే ఆవిష్కరణ యొక్క నిజమైన శక్తి ఉంటుంది. శోధన పదాలను అనుసంధానించడం వలన, మీరు వినియోగదారు ఉదాహరణ ప్రాంతాలను నిర్దిష్ట డేటా కణికకు, నిర్దిష్ట వెబ్‌పేజీకి క్రమబద్ధీకరించండి, మీరు వెబ్ ఉదాహరణ లేదా నిర్దిష్ట పత్రాన్ని ఆలోచించాలనుకుంటే మీరు డాక్యుమెంట్ లైబ్రరీ గురించి మాట్లాడుతుంటే. లేదా మీ స్థలం అయితే నిర్దిష్ట కస్టమర్ రకం విభాగం.
మరియు సెమాంటిక్స్ మీకు పద శోధన పైన ఆ విధమైన జ్ఞాన పొరను ఇస్తుంది. మీరు ఒక నిర్దిష్ట రకం విషయం కోసం శోధిస్తుంటే, అలాంటి వాటి యొక్క తరగతి సభ్యుడు ఇతర విషయాలతో ఒక నిర్దిష్ట సంబంధాన్ని కలిగి ఉంటాడని అర్థం చేసుకోవడం. ఆ విధమైన సంబంధ సమాచారాన్ని కూడా చేర్చండి మరియు మీరు వెతుకుతున్న దానికి సమానమైన విషయాలను కనుగొనడానికి ఇది తరగతి సోపానక్రమం సమాచారం. లేదా కొన్నిసార్లు మీరు వెతుకుతున్న దానికి ఖచ్చితమైన వ్యతిరేకత కూడా ఉంటుంది, ఎందుకంటే ఇది ఒక విధంగా మీకు అదనపు అవగాహనను ఇస్తుంది. బాగా, దీనికి విరుద్ధంగా ఉండవచ్చు.
ఎరిక్: అవును.
కిర్క్: కాబట్టి దీన్ని నిజంగా అర్థం చేసుకోండి. దీనికి విరుద్ధమైనదాన్ని నేను చూడగలను. కాబట్టి సెమాంటిక్ లేయర్ అనేది ఒక విలువైన భాగం, ఇది తరచుగా తప్పిపోతుంది మరియు ఈ కాన్ లో ఇక్కడకు రావడం ఆసక్తికరంగా ఉంది. ఎందుకంటే నేను డేటాబేస్, డేటా మైనింగ్, డేటా నుండి నేర్చుకోవడం, డేటా సైన్స్, మీరు ఒక దశాబ్దం పాటు పిలవాలనుకునే గ్రాడ్యుయేట్ కోర్సును నేర్పించాను; మరియు ఈ సెమిస్టర్-లాంగ్ కోర్సులో నా యూనిట్లలో ఒకటి సెమాంటిక్స్ మరియు ఆన్టాలజీ. మరియు తరచూ నా విద్యార్థులు నన్ను ఇలా చూస్తారు, దీని గురించి మనం మాట్లాడుతున్న దానితో ఏమి సంబంధం ఉంది? చివరికి, ఆ డేటాను ఒక విధమైన జ్ఞాన చట్రంలో ఉంచడం మనకు అర్థమైందని నేను అనుకుంటున్నాను. కాబట్టి, ఉదాహరణకు, నేను ఒక నిర్దిష్ట కస్టమర్ ప్రవర్తన గురించి సమాచారం కోసం చూస్తున్నాను, ఆ ప్రవర్తన సంభవిస్తుందని అర్థం చేసుకోవడం, క్రీడా కార్యక్రమంలో ప్రజలు కొనుగోలు చేసేది అదే. నా కస్టమర్లకు నేను వారి సోషల్ మీడియాలో - లేదా - గమనించినప్పుడు నేను ఎలాంటి ఉత్పత్తులను అందిస్తాను, వారు ఫుట్‌బాల్, బేస్ బాల్, హాకీ, ప్రపంచ కప్ వంటి క్రీడా కార్యక్రమాలకు వెళుతున్నారని వారు చెప్తారు.
సరే, కాబట్టి క్రీడా కార్యక్రమం. కాబట్టి వారు బేస్ బాల్ ఆటకు వెళుతున్నారని వారు చెబుతారు. సరే, బేస్ బాల్ ఒక క్రీడా కార్యక్రమం అని నేను అర్థం చేసుకున్నాను. ఇది సాధారణంగా సామాజికమని నేను అర్థం చేసుకున్నాను మరియు మీరు ప్రజలతో వెళ్లండి. ఇది సాధారణంగా బహిరంగ ప్రదేశంలో ఉందని నేను అర్థం చేసుకున్నాను. నా ఉద్దేశ్యం, ఆ అన్ని సంభావిత లక్షణాలను అర్థం చేసుకోవడం, ఇది కస్టమర్ యొక్క విధమైన, మరింత శక్తివంతమైన, విధమైన, విభజనను మరియు మీరు వారికి ఇస్తున్న అనుభవాన్ని వ్యక్తిగతీకరించడానికి వీలు కల్పిస్తుంది, ఉదాహరణకు, వారు మీతో సంభాషించేటప్పుడు వారు స్టేడియంలో కూర్చున్నప్పుడు మొబైల్ అనువర్తనం ద్వారా స్థలం.
కాబట్టి ఆ రకమైన అంశాలు డేటాకు ఎక్కువ శక్తిని మరియు ఆవిష్కరణ సామర్థ్యాన్ని తెస్తాయి, ఆ విధమైన డేటా కణికలను వాటి అర్థ ప్రదేశం ద్వారా ఇండెక్సింగ్ చేయాలనే ఇండెక్సింగ్ ఆలోచన మరియు జ్ఞాన స్థలం నిజంగా చాలా ముఖ్యమైనది. ఈ రోజు బయటకు వచ్చిన నేను నిజంగా ఆకట్టుకున్నాను. నేను మాట్లాడటం ఒక ప్రాథమిక విషయం అని అనుకుంటున్నాను.
ఎరిక్: అవును, ఇది ఖచ్చితంగా ఉంది. ఆవిష్కరణ ప్రక్రియలో ఇది చాలా ముఖ్యమైనది, వర్గీకరణ ప్రక్రియలో ఇది చాలా ముఖ్యమైనది. మరియు మీరు దాని గురించి ఆలోచిస్తే, జావా తరగతులలో పనిచేస్తుంది. ఇది ఆబ్జెక్ట్ ఓరియెంటెడ్, నేను ess హిస్తున్నాను, ఎక్కువ లేదా తక్కువ, మీరు ప్రోగ్రామింగ్ యొక్క రూపాన్ని చెప్పవచ్చు మరియు తరగతుల్లో జావా పనిచేస్తుంది. కాబట్టి మీరు నిజంగా సాఫ్ట్‌వేర్‌ను డిజైన్ చేస్తుంటే, క్రొత్త తరగతులను కనుగొనడానికి ప్రయత్నించే ఈ మొత్తం భావన మీరు అందించడానికి ప్రయత్నిస్తున్న కార్యాచరణ పరంగా చాలా ముఖ్యమైన విషయం. ఎందుకంటే ఈ కొత్త అడవి, ఉన్ని ప్రపంచంలో మీరు చాలా ఎక్కువ జావాను కలిగి ఉన్న ఈ విభిన్న అనువర్తనాలలో, కంప్యూటర్‌తో ఏదైనా చేయటానికి, ఏ రకమైన బిట్ అయినా పొందడానికి 87,000 మార్గాలు లేదా అంతకంటే ఎక్కువ ఉన్నాయని మీకు తెలుసు. కార్యాచరణ పూర్తయింది.
"ఓహ్, మీరు NoSQL ఉపయోగించి డేటా గిడ్డంగిని నిర్మించవచ్చు" అని ప్రజలు చెప్పినప్పుడు నా నడుస్తున్న జోకులలో ఒకటి. నేను ఇష్టపడుతున్నాను, "అవును, అది నిజం, మీరు మైక్రోసాఫ్ట్ వర్డ్ ఉపయోగించి డేటా గిడ్డంగిని కూడా నిర్మించవచ్చు." ఇది ఉత్తమమైన ఆలోచన కాదు, ఇది చాలా బాగా పని చేయదు, కానీ మీరు దీన్ని నిజంగా చేయవచ్చు. కాబట్టి మీరు ఏదైనా చేయటానికి ఉత్తమమైన మార్గాన్ని కనుగొనవలసి ఉంటుంది.
ముందుకి వెళ్ళు.
కిర్క్: దానికి నేను స్పందిస్తాను. మీరు చెప్పే వరకు నా మనస్సులోకి రాని జావా క్లాస్ ఉదాహరణను మీరు ప్రస్తావించడం ఆసక్తికరంగా ఉంది. జావా మరియు తరగతుల యొక్క ఒక అంశం మరియు ఆ విధమైన ఆబ్జెక్ట్ ఓరియంటేషన్ ఏమిటంటే నిర్దిష్ట తరగతులకు కట్టుబడి ఉండే పద్ధతులు ఉన్నాయి. మరియు ఇది నిజంగా నా ప్రెజెంటేషన్‌లో నేను ప్రయత్నిస్తున్న ఒక రకమైనది మరియు మీరు ఈ డేటా కణికలను అర్థం చేసుకున్న తర్వాత - ఈ నాలెడ్జ్ నగ్గెట్స్, ఈ ట్యాగ్‌లు, ఈ ఉల్లేఖనాలు మరియు ఈ సెమాంటిక్ లేబుల్స్ - అప్పుడు మీరు దానికి ఒక పద్ధతిని బంధించవచ్చు. వారు ప్రాథమికంగా ఈ ప్రతిచర్యను లేదా ఈ ప్రతిస్పందనను కలిగి ఉంటారు మరియు మీ సిస్టమ్ ఈ విధమైన స్వయంచాలక, క్రియాశీల ప్రతిస్పందనను మేము తదుపరిసారి డేటా స్ట్రీమ్‌లో చూసినప్పుడు అందిస్తాము.
కాబట్టి నిర్దిష్ట తరగతికి చర్యలు మరియు పద్ధతులను బంధించే భావన నిజంగా స్వయంచాలక నిజ-సమయ విశ్లేషణల యొక్క శక్తులలో ఒకటి. మరియు నేను మీరు ఏదో ఒక విధమైన హిట్ అనుకుంటున్నాను.
ఎరిక్: మంచిది, మంచిది, మంచిది. బాగా, ఇది మంచి విషయం. కాబట్టి చూద్దాం, విల్, నేను దానిని మీకు తిరిగి ఇవ్వాలనుకుంటున్నాను మరియు ప్రేక్షకుల నుండి మీతో ఒక ప్రశ్నను విసిరేస్తాను. మేము ఇక్కడ ఉన్నవారిలో కొంతమందిని కూడా పొందాము. మరియు చేసారో, ఈ మంచి ప్రశ్నలలో కొన్ని గొప్ప భావనలను పొందాలనుకుంటున్నాము.
అందువల్ల, "వ్యాపార మేధస్సు కారణం మరియు ప్రభావాన్ని ఎలా వేరు చేస్తుందో నేను నిజంగా చూడటం లేదు" అని చెప్పే ప్రేక్షకుల సంఖ్య నుండి ఒక ప్రశ్నను మీతో విసిరేస్తాను. మరో మాటలో చెప్పాలంటే, పరిశీలించదగిన సమాచారం ఆధారంగా వ్యవస్థలు నిర్ణయాలు తీసుకుంటున్నప్పుడు, ప్రపంచం గురించి మరింత తెలుసుకోవడానికి అవి కొత్త మోడళ్లను ఎలా అభివృద్ధి చేస్తాయి? ఇది ఒక ఆసక్తికరమైన విషయం కాబట్టి నేను ఇక్కడ ఒక కారణం-మరియు-ప్రభావ సహసంబంధం, మూల కారణ విశ్లేషణను వింటున్నాను మరియు ఇది సాంప్రదాయ BI కి విరుద్ధంగా మీరు అబ్బాయిలు మాట్లాడే విశ్లేషణలలో ఆ విధమైన ఉన్నత-స్థాయి అంశాలు. కేవలం రకమైన రిపోర్టింగ్ మరియు ఏమి జరిగిందో అర్థం చేసుకోవడం. వాస్తవానికి, మీ మొత్తం దిశ, ఇక్కడ మీ స్లైడ్ను చూస్తే, ఆ నిర్ణయాలు తీసుకునే దిశగా లేదా కనీసం ఆ సిఫార్సులు చేసే దిశగా ఆ అంచనా సామర్ధ్యం వైపు కదులుతోంది, సరియైనదా? కాబట్టి ఆలోచన ఏమిటంటే, మీరు ఏమి జరుగుతుందో దాని యొక్క మొత్తం శ్రేణికి సేవ చేయడానికి ప్రయత్నిస్తున్నారు మరియు కుడివైపున ఉన్న విశ్లేషణాత్మక లక్ష్య భాగంలో కీ, నిజమైన మేజిక్ ఉందని మీరు అర్థం చేసుకున్నారు.
విల్: ఖచ్చితంగా.డేటా సైన్స్, నేను ముందు చెప్పినట్లుగా, డేటా సైంటిస్ట్ యొక్క అవసరాలతో స్లైడ్ను చూశాము అనే అర్థంలో, ఆ ప్రశ్న భవిష్యత్తులో కొంతవరకు చూస్తుందని నేను భావిస్తున్నాను; ఎవరైనా ఉండడం చాలా సవాలుగా ఉన్న పాత్ర. వారికి గణాంకాలు మరియు విజ్ఞాన శాస్త్రం గురించి గొప్ప జ్ఞానం ఉండాలి. మీ గణిత జ్ఞానాన్ని డొమైన్‌లకు వర్తింపచేయడానికి మీకు డొమైన్ పరిజ్ఞానం ఉండాలి. కాబట్టి ఈ రోజు మనం చూస్తున్నది ఏమిటంటే, వ్యాపార వినియోగదారుడు ఎక్సెల్ లో లాగవచ్చు మరియు వారి భవిష్యత్తును స్వయంచాలకంగా అంచనా వేయగల ఈ అంచనా సాధనాలు లేవు.
ఈ దశలో సాంకేతిక పరిజ్ఞానంలో అధునాతన జ్ఞానం అవసరం. ఇప్పుడు భవిష్యత్తులో ఏదో ఒక రోజు, ఈ వ్యవస్థలలో కొన్ని, ఈ స్కేల్-అవుట్ వ్యవస్థలు సెంటియెంట్‌గా మారతాయి మరియు కొన్ని అడవి విషయాలను చేయడం ప్రారంభించవచ్చు. కానీ ఈ దశలో నేను చెబుతాను, ఈ మోడళ్లను కాకుండా మోడళ్లను నిర్మించడం కొనసాగించడానికి మీరు ఇంకా మధ్యలో ఒక డేటా సైంటిస్ట్ ఉండాలి. డేటా మైనింగ్ చుట్టూ ఉన్న ఈ models హాజనిత నమూనాలు డేటా శాస్త్రవేత్త చేత బాగా ట్యూన్ చేయబడ్డాయి మరియు నిర్మించబడ్డాయి. నా ఉద్దేశ్యం మీకు తెలిస్తే అవి స్వంతంగా ఉత్పత్తి చేయబడవు.
ఎరిక్: అవును, ఖచ్చితంగా. ఇది ఖచ్చితంగా సరైనది. మరియు నా పంక్తులలో ఒకటి "యంత్రాలు అబద్ధం చెప్పలేదు, కనీసం ఇంకా లేదు."
విల్: ఇంకా కాదు, ఖచ్చితంగా.
ఎరిక్: నేను ఒక వ్యాసం చదివాను - దీని గురించి నేను ఏదో రాయాలి - విశ్వవిద్యాలయంలో జరిగిన కొన్ని ప్రయోగాల గురించి వారు ఈ కంప్యూటర్ ప్రోగ్రామ్‌లు అబద్ధం నేర్చుకున్నారని వారు చెప్పారు, కాని నేను మీకు చెప్పాలి, నేను నిజంగా నమ్మను . మేము దీనిపై కొంత పరిశోధన చేస్తాము.
చివరి వ్యాఖ్య కోసం, కాబట్టి రాబిన్ ఈ వెబ్‌ఆక్షన్ ప్లాట్‌ఫామ్‌ను పరిశీలించడానికి మిమ్మల్ని తిరిగి తీసుకువస్తాను, ఎందుకంటే ఇది చాలా ఆసక్తికరంగా ఉంది. మొత్తం స్థలం గురించి నేను ఇష్టపడేది ఏమిటంటే, మీరు చాలా భిన్నమైన దృక్పథాలను మరియు వివిధ అమ్మకందారులచే తీసుకున్న వివిధ కోణాలను చాలా నిర్దిష్ట అవసరాలను తీర్చడం. మరియు మా ప్రదర్శన కోసం నేను ఈ ఫార్మాట్‌ను ప్రేమిస్తున్నాను ఎందుకంటే మాకు నాలుగు ఆసక్తికరమైన విక్రేతలు వచ్చారు, స్పష్టంగా, నిజంగా ఒకరికొకరు కాలి మీద అడుగు పెట్టడం లేదు. ఎందుకంటే మనమందరం ఒకే మొత్తంలో వేర్వేరు బిట్స్ మరియు ముక్కలను చేస్తున్నాము, ఇది విశ్లేషణలను ఉపయోగించడం, అంశాలను పూర్తి చేయడం.
కానీ నేను ఈ నిర్దిష్ట ప్లాట్‌ఫాం మరియు వాటి నిర్మాణంపై మీ దృక్పథాన్ని పొందాలనుకుంటున్నాను. వారు పనులను ఎలా చేయబోతున్నారు. నేను చాలా బలవంతం చేస్తున్నాను. మీరు ఏమనుకుంటున్నారు?
రాబిన్: సరే, నా ఉద్దేశ్యం, ఇది స్ట్రీమింగ్ డేటా నుండి చాలా వేగంగా ఫలితాలను సూచిస్తుంది మరియు శోధనగా, మీరు దాని కోసం వాస్తుశిల్పిని కలిగి ఉండాలి. నా ఉద్దేశ్యం, మీరు ఏదైనా చేయడంలో తప్పించుకోలేరు, te త్సాహిక, మాకు అలాంటి ఏవైనా లభించినందున. ఇది చాలా ఆసక్తికరంగా ఉందని నేను విన్నాను మరియు మేము గతంలో చూసిన వాటిలో ఒకటి అని నేను అనుకుంటున్నాను; నా ఉద్దేశ్యం ఏమిటంటే, మీరు మరియు నేను, మా దవడ గత రెండు సంవత్సరాలుగా మరింతగా పడిపోతున్నాము, ఎందుకంటే మరింత ఎక్కువ విషయాలు వెలువడుతున్నాయి, అది అసాధారణమైన వేగవంతమైనది, అసాధారణమైన స్మార్ట్ మరియు చాలా చక్కని అపూర్వమైనది.
ఇది స్పష్టంగా, వెబ్‌యాక్షన్, ఇది మొదటి రోడియో కాదు, కాబట్టి మాట్లాడటం. వాస్తవానికి ఇది కొంతవరకు పేర్లను తీసుకుంటుంది. కాబట్టి నేను చూడలేదు కాని వాస్తుశిల్పం చాలా మారిందని మనం ఆశ్చర్యపోవాల్సిన అవసరం ఉంది, కాని అది ఖచ్చితంగా.
ఎరిక్: సరే, నేను మీకు చెప్తాను. మేము ఇక్కడ ఘన 82 నిమిషాల ద్వారా కాల్చాము. నా ఉద్దేశ్యం, మొత్తం సమయం వింటున్న వారందరికీ ధన్యవాదాలు. మీకు సమాధానం ఇవ్వని ఏవైనా ప్రశ్నలు ఉంటే, సిగ్గుపడకండి, నిజంగా మీదే. మన నుండి ఎక్కడో ఒకచోట పడుకోవాలి. ఈ రోజు మా సమర్పకులకు, డాక్టర్ కిర్క్ బోర్న్ మరియు డాక్టర్ రాబిన్ బ్లూర్‌లకు పెద్ద, పెద్ద ధన్యవాదాలు.
కిర్క్, భవిష్యత్తులో వెబ్‌కాస్ట్‌లో మీతో కొన్ని అర్థ విషయాలను మరింత అన్వేషించాలనుకుంటున్నాను. ఎందుకంటే మనం ఇప్పుడు చాలా కొత్త మరియు ఆసక్తికరమైన దశ ప్రారంభంలో ఉన్నామని నేను అనుకుంటున్నాను. ప్రజలు కలిగి ఉన్న చాలా ఆలోచనలను మనం ప్రభావితం చేయగలుగుతున్నాము మరియు వాటిని చాలా తేలికగా జరిగేలా చేయగలుగుతాము, ఎందుకంటే సాఫ్ట్‌వేర్ తక్కువ ఖర్చుతో కూడుకున్నది, నేను చెప్పాలి. ఇది మరింత ఉపయోగకరంగా మారుతోంది మరియు ఈ విభిన్న వనరుల నుండి మేము ఈ డేటాను పొందుతున్నాము. రాబోయే కొన్నేళ్లలో ఇది చాలా ఆసక్తికరంగా మరియు మనోహరమైన ప్రయాణంగా ఉంటుందని నేను భావిస్తున్నాను, ఈ విషయం ఏమి చేయగలదో మరియు మా వ్యాపారాలను ఎలా మెరుగుపరుస్తుందో మేము నిజంగా త్రవ్విస్తాము.
టెకోపీడియాకు మరియు మా స్పాన్సర్‌లకు - పెంటాహో, వెబ్‌ఆక్షన్, మార్క్లాజిక్ మరియు ట్రెజర్ డేటాకు చాలా పెద్ద ధన్యవాదాలు. మరియు చేసారో, వావ్, దానితో మేము ముగించబోతున్నాము, కానీ మీ సమయం మరియు శ్రద్ధకు చాలా ధన్యవాదాలు. తదుపరి ప్రదర్శన కోసం మేము మిమ్మల్ని ఒకటిన్నర నెలల్లో పట్టుకుంటాము. వాస్తవానికి, బ్రీఫింగ్ గది కొనసాగుతూనే ఉంటుంది; రేడియో కొనసాగుతూనే ఉంటుంది; మా అన్ని ఇతర వెబ్‌కాస్ట్ సిరీస్‌లు రాకింగ్ మరియు రోలింగ్, ఫొల్క్స్. చాలా ధన్యవాదాలు. మేము మిమ్మల్ని తదుపరిసారి పట్టుకుంటాము. వీడ్కోలు.