उद्योगातील अग्रगण्य कृत्रिम बुद्धिमत्ता कव्हर करण्यासाठी नवीनतम अद्यतने आणि विशेष सामग्री मिळविण्यासाठी दररोज आणि साप्ताहिक वृत्तपत्रांमध्ये सामील व्हा. अधिक जाणून घ्या
सर्व प्रकारच्या अनुप्रयोगांसह बर्‍याच वेगवेगळ्या व्यवसाय युनिट्सचे व्यवस्थापन करणे सोपे डेटा व्यवस्थापित करण्याचे कार्य नाही. डेटा विश्लेषणासह ही सर्व माहिती समजून घ्या अधिक आव्हानात्मक असू शकते.
आवडले ब्रॉडकॉम हे बर्‍याच सॉफ्टवेअर आणि हार्डवेअर कंपन्यांच्या अधिग्रहणातून वाढले आहे आणि कंपनीने भिन्न डेटा स्रोत आणि प्रणाली एकत्रित करण्याच्या आव्हानासह संघर्ष केला.
विशेषत: जेव्हा तंत्रज्ञानाच्या राक्षसाने २०२23 च्या उत्तरार्धात billion१ अब्ज डॉलर्सचे अधिग्रहण बंद केले तेव्हा त्याला एक प्रचंड डेटा एकत्रीकरण आव्हानाचा सामना करावा लागला. व्हीएमवेअर प्रोग्राम 1,800 भिन्न अ‍ॅप्स आणि आश्चर्यकारक एसकेयू 187,000 सह चालविला गेला. आपल्याकडे मिळणार्‍या बर्‍याच कंपन्यांसाठी, प्लेबुक परिचित असेल – प्रमुख डेटा व्यवस्थापन प्रणालीची अंमलबजावणी करणे, जटिल डेटा लेक्स तयार करणे आणि बर्‍याच वर्षांत हळूहळू त्यांना हद्दपार करताना सिस्टम भरण्यासाठी जटिल एकत्रीकरण तयार करणे.
ब्रॉडकॉमने लक्षणीय भिन्न दृष्टीकोन घेतला आहे. सद्य प्रणाली व्यवस्थापित करण्यासाठी जटिलतेचे स्तर जोडण्याऐवजी त्याने स्वच्छ मेनू पुसला. कंपनीने एकाधिक डेटा विश्लेषण साधने देखील एकत्रित केली आणि ते फक्त एका व्यासपीठावर एकत्र केले वादजे आता व्हीएमवेअरसह ब्रॉडकॉमच्या सर्व व्यवसाय युनिटमध्ये कार्यरत आहे.
सीआयओ, सीआयओने एका विशेष मुलाखतीत व्हेंचरबीटला सांगितले की, “व्हीएमवेअरने विनंत्यांमध्ये चांगला फरक केला होता.” “डेटा मॉडेलसाठी वैयक्तिक संसाधन व्यवस्थापन विमान एकत्रित करण्यासाठी आम्ही सर्वांकडे आधीच दुर्लक्ष केले आहे.”
डेव्हिडसनने स्पष्ट केले की डेटा मॉडेल डेटासाठी ब्रॉडकॉममधील सत्याचे स्रोत आहे. अहवाल आणि विश्लेषण सक्षम करण्यासाठी डेटा देखावा एकत्रित करणे आणि सुलभ करणे हे ध्येय आहे आणि सर्वात प्रभावी निर्णय घेणे.
ब्रॉडकॉमच्या एकीकरण दृष्टिकोनाने या प्रक्रियेत नंतर ते रूपांतरित करण्याऐवजी स्त्रोतातील डेटा साफ करण्यावर लक्ष केंद्रित केले. या तत्वज्ञानाने त्यांच्या एकत्रीकरणाच्या धोरणाचे नेतृत्व केले आहे.
कलात्मक प्रक्रियेमध्ये अनेक महत्त्वपूर्ण घटकांचा समावेश होता:
- ईआरपी युनिफिकेशनव्हीएमवेअरमध्ये सात ईआरपी संसाधन नियोजन प्लॅटफॉर्म होते. डेव्हिडसनने विनोद केला की आठवड्यातील प्रत्येक दिवस त्यांच्याकडे वेगळा होता. ब्रॉडकॉमने हे एक केले.
- एसकेयू युक्तिवाद: व्हीएमवेअर 187,000 एसकेयू – परंतु आता ते केवळ 500 पर्यंत पोहोचले आहे. या मूलगामी सरलीकरणाने असंख्य सुसंगतता समस्या, किंमती बदल आणि अन्यथा जटिल नकाशे काढण्यासाठी आवश्यक असलेल्या परिस्थितींचे समर्थन केले.
- मुख्य डेटाची पुनर्रचनावेगवेगळ्या सिस्टममध्ये जटिल भाषांतर स्तर तयार करण्याऐवजी ब्रॉडकॉमने एकच प्रमुख डेटा रचना लादली. यामुळे ग्राहक रेकॉर्ड, उत्पादन माहिती, खरेदी डेटा आणि पुरवठादार तपशीलांसाठी एक विश्वासार्ह स्त्रोत तयार केला.
- करार आणि बचतीचे एकत्रीकरणनिर्णायक घटक म्हणजे सीरियल क्रमांक आणि बचतीच्या ऑर्डर दरम्यान एक अरुंद एकत्रीकरण. हे सुनिश्चित करते की जेव्हा ग्राहक प्रोग्राम खरेदी करतात तेव्हा कराराच्या अटींमधून वास्तविक वापर आणि फायदे पर्यंत एक स्पष्ट ओळ असते.
परिणाम एक मोठ्या प्रमाणात सरलीकृत रचना होती ज्याने जटिल डेटा रूपांतरित करण्याची आवश्यकता दूर केली.
मोठ्या प्रमाणावर संस्थेचे दृष्टी सक्षम करण्यासाठी डेटा विश्लेषण एकत्रित करणे
युनिफाइड आणि क्लीन डेटा सोर्स हा ब्रॉडकॉम डेटाचा आधार आहे.
त्यानंतर, डेव्हिडसनने सांगितले की त्यांच्या कंपनीने एका व्यासपीठावर डेटा विश्लेषण एकत्रित करणे आणि एकत्रित करणे देखील निवडले. प्रचंड डेटा फिंगरप्रिंटद्वारे उर्जा विश्लेषणासाठी, तिने बर्‍याच पर्यायांचे मूल्यांकन केल्यानंतर ब्रॉडकॉम इनकॉर्टाची निवड केली. सध्या, ब्रॉडकॉममध्ये 17,000 हून अधिक अंतर्गत वापरकर्ते आहेत जे ऑपरेशनल डेटाच्या 200 पेक्षा जास्त टेराबाइटपेक्षा जास्त विश्लेषणासाठी एन्कोर्टावर अवलंबून आहेत.
“कोणत्याही मायक्रोसॉफ्ट पॉवर बीआय, स्नोफ्लेक, झांज पहा – तेथे मोठ्या संख्येने वापरकर्ता इंटरफेस (यूआयएस) आहेत, परंतु ते सर्व सामान घेऊन येतात,” डेव्हिडसन म्हणाले. “हे एका बाजूपासून संपूर्ण पक्षाकडे कधीच नसते जिथे मला एक लवचिक वापरकर्ता इंटरफेस आणि हजारो अंतिम वापरकर्त्यांसाठी स्वत: ची सेवा आणि वापरण्याच्या दृष्टीने आणि एकाधिक डेटा नकाशे मिळण्याची क्षमता मिळते.”
ब्रॉडकॉममधील विविध व्यवसाय युनिट्स, ज्यापैकी प्रत्येकाकडे बाजारात जाण्याचे मॉडेल आणि डेटा आवश्यकत आहेत, त्यांना एक मोठे आव्हान आहे. डेव्हिडसनने एनॉर्टाची क्षमता अधोरेखित केली आणि डेटा स्रोत व्यवस्थापित करण्याची आणि दुवा साधण्याची क्षमता हायलाइट केली. सोप्या भाषेत सांगायचे तर, एन्कोर्टा लवचिकता म्हणजे डेटा प्रवेश विभाजित करणे आणि गेम बदल म्हणून स्वत: ची सेवा -सर्व्हिस विश्लेषणे सक्षम करणे.
डेव्हिडसनने स्पष्ट केले की, “मला किरकोळ सक्षम करणे तसेच बिंदू एकत्र जोडणे आणि वापरकर्त्याचे प्रमाण व्यवस्थापित करणे आवश्यक आहे.”
एआय आणि ऑटोटॅलिशन इकोोर्टा च्या क्षमता डेटा विश्लेषित करते
ब्रॉडकॉमला आता नवीनतम इनकोर्टा उत्पादन अद्यतनांचा भाग म्हणून कृत्रिम बुद्धिमत्ता अद्यतने आणि ऑटोमेशनच्या मालिकेचा फायदा घेण्यासाठी नियुक्त केले गेले आहे.
ओकोर्टा सीईओ आणि जोखीम असलेल्या ओसामा एल्कॅडी यांनी स्पष्ट केले की संस्था नेहमीच डेटा प्रवेश सुधारण्यासाठी शोधत असतात. या गरजा पूर्ण करण्यासाठी, ब्रॉडकॉम आणि इतर ग्राहकांना प्रदान करणारे इनकॉर्टा नेक्सस, प्रसूतीची शक्यता प्रदान करते.
नेक्सससह, डेटा क्लीन्जिंग, बिल्डिंग मॉडेल्स आणि कनेक्टिंग मशीन लर्निंग (एमएल) ला जनरल एआय यासारख्या कार्यांसाठी वापरकर्ते प्रगत नैसर्गिक भाषा प्रक्रिया (एनएलपी) चा फायदा घेऊ शकतात. मॅन्युअल डेटा तयार करण्याच्या ओझ्याशिवाय किंवा जटिल डॅशबोर्डच्या निर्मितीशिवाय, आवश्यक डेटामध्ये द्रुत आणि सहजपणे प्रवेश करण्याची क्षमता वापरुन ब्रॉडकॉम सक्षम करणे हे ध्येय आहे.
डेटाच्या पहिल्या मानसिकतेसह कृत्रिम बुद्धिमत्तेचा वापर
मूलभूत डेटा गुणवत्तेच्या समस्येवर प्रक्रिया न करता बर्‍याच संस्था जनरल एआयच्या अंमलबजावणीकडे जात असताना, ब्रॉडकॉम अधिक मोजलेला दृष्टीकोन घेते – डेटा एकत्रीकरणावर प्रथम लक्ष केंद्रित करून.
“आम्ही करू शकणारी सर्वात वाईट गोष्ट म्हणजे कृत्रिम बुद्धिमत्तेचा फायदा घेणे आणि चुकीचा डेटा मिळवणे, विशेषत: आर्थिक स्टेटमेन्ट्स आणि रिमोट मापनसह, अचूकता खूप महत्वाची आहे.” “जर आपण ऑफर करता सर्व कचरा असेल तर आपण जे काही कराल ते खरोखरच चुकीचे उत्तर मिळेल.”
नेक्ससच्या इन्कोर्टा सह, ब्रॉडकॉम काळजीपूर्वक एआय लागू करीत आहे कारण हे स्पष्ट मूल्य जोडते – प्रामुख्याने डेटामध्ये प्रवेश करण्यासाठी लोकशाही स्थितीत.
“एस्केपसह कृत्रिम बुद्धिमत्तेच्या गोष्टींचे संपूर्ण लक्ष्य म्हणजे डेटा पारदर्शकता आणि डेटामध्ये सुलभ प्रवेश, आपले स्वतःचे माहिती पॅनेल तयार करण्याची किंवा डेटा तयार करण्यासाठी कठोर परिश्रम न करता,” डेव्हिडसनने स्पष्ट केले.
संस्थेच्या डेटाच्या नेत्यांसाठी याचा अर्थ काय आहे?
डेटा जटिलतेच्या आव्हानांचा सामना करणार्‍या संस्थांसाठी – अधिग्रहण, सेंद्रिय वाढ किंवा डिजिटल ट्रान्सफॉर्मेशन उपक्रमांमधून – ब्रॉडकॉमचा दृष्टिकोन बरेच धडे देते:
- जटिल डेटा लेक्सच्या आवश्यकतेबद्दल प्रश्न: डेटाची जटिलता अपरिहार्य बाब म्हणून स्वीकारण्याऐवजी स्त्रोताचे मूलगामी सरलीकरण अधिक प्रभावी असू शकते की नाही याचा विचार करा.
- मूलभूत प्रणालींमध्ये मानकीकरणाने लवचिकता ओलांडलीत्यासाठी कठीण निर्णय आवश्यक असले तरी, एकाच रेकॉर्ड सिस्टमची उपस्थिती एकाधिक प्लॅटफॉर्म समर्थनातून एकत्रीकरणाची कमी डोकेदुखी तयार करते.
- सेल्फ -सर्व्हिस विश्लेषणास हँडरेल आवश्यक आहेत: ब्रॉडकॉमचे यश काळजीपूर्वक व्यवस्थापित करीत असलेल्या काळजीपूर्वक चौकटीत वापरकर्त्यांना स्वातंत्र्य देण्यामुळे आणि देखभाल ओझे निर्माण करणारे अमर्यादित स्वातंत्र्य नाही.
- कृत्रिम बुद्धिमत्ता अनुप्रयोगास प्रथम डेटा शिस्त आवश्यक आहे: प्रगत कृत्रिम बुद्धिमत्तेची अंमलबजावणी करण्यापूर्वी, आपला मूलभूत डेटा अचूक आणि प्रवेशयोग्य आणि चांगली संस्था असल्याचे सुनिश्चित करा.
“गोष्टी सोपी करणे कठीण आहे आणि गोष्टी खरोखर गुंतागुंतीच्या बनविणे सोपे आहे. म्हणून आम्ही कठीण गोष्टी करण्याचा प्रयत्न करतो आणि त्यांना सोपे बनवतो.”
तंत्रज्ञानाच्या दृश्यात, हे बर्‍याचदा पूरक समस्यांचे निराकरण करण्याच्या उद्देशाने नवीन साधनांसह तयार केले जाते, ब्रॉडकॉमचा कठोर सरलीकरणाचा दृष्टीकोन विलीनीकरण आणि विलीनीकरणाच्या कामकाजाच्या संस्थांना एक खात्रीशीर पर्याय प्रदान करतो. प्रथम डेटा साफ करण्यासाठी कठीण काम करून, त्यांनी एक आधार तयार केला जो भविष्यातील वाढ स्थापित करण्याऐवजी सक्षम करेल.
Source link
