एलेक्स वेल्श . द्वारा , वाइस प्रेसिडेंट, एनालिटिक्स प्रैक्टिस, एफेसॉफ्ट
क्या आप चुनेंगे कि छुट्टी पर कहाँ जाना है यदि आप किसी यात्रा वेब साइट पर केवल 10 से 20 प्रतिशत समीक्षाओं और सूचनाओं तक ही पहुँच पाते हैं? यदि आप ऐसा करते हैं, तो आपके पास शायद एक अविस्मरणीय यात्रा होगी, लेकिन उन कारणों से जो शायद आपको पसंद न हों। फिर भी, सरकारी संगठन और व्यवसाय-निर्माण से लेकर बीमा कंपनियों तक, और स्वास्थ्य सेवा से लेकर बैंकिंग तक- इसी तर्ज पर निर्णय ले रहे हैं। और, वे वर्षों से ऐसा कर रहे हैं। वे अपने असंरचित डेटा को अनदेखा करते हुए संरचित डेटा से प्राप्त होने वाली आसान जानकारी को देखते हैं, जिसके बारे में डेलॉइट का मानना है कि वैश्विक स्तर पर उत्पन्न सामग्री का 80 से 90 प्रतिशत हिस्सा हो सकता है, जिससे असंरचित डेटा अप्रयुक्त मूल्य का एक जबरदस्त स्रोत बन जाता है।
सौभाग्य से, एआई (आर्टिफिशियल इंटेलिजेंस) और मशीन लर्निंग में प्रगति अब वीडियो और ऑडियो फाइलों, ई-मेल, लॉग, सोशल मीडिया पोस्ट और यहां तक कि सूचनाओं से प्राप्त असंरचित डेटा की बड़ी मात्रा में छानबीन करना और अर्थ खोजना संभव और सस्ती बनाती है। इंटरनेट ऑफ थिंग्स (IoT) उपकरणों से। यह सभी डेटा भारी लाभ ला सकता है, जैसे कि जब मैन्युअल रूप से गहन और अक्सर अत्यधिक दोहराव वाले कार्यों को स्वचालित करने के लिए उपयोग किया जाता है। एक कार्य, उदाहरण के लिए, लाल झंडों से सावधान रहना है:विशिष्ट मानदंड या व्यवहार जो इंगित कर सकते हैं कि कुछ गड़बड़ है और सुधारात्मक कार्रवाई जल्दी से की जानी चाहिए। आइए विभिन्न उद्योगों के कुछ मामलों को देखें।
ऐसे बीमा दावे के बारे में जो सतह पर ठीक दिखाई देता है, लेकिन जांच के योग्य है, या नौकरी आवेदक जो जानकारी छुपा सकता है? अत्यधिक खराब होने वाले फ़ार्मास्यूटिकल उत्पादों के शिपमेंट के बारे में क्या है जो उनकी यात्रा के एक हिस्से के लिए रेफ्रिजरेटेड नहीं हो सकते हैं, या एक अनुबंध जो किसी देश के कानूनों का उल्लंघन हो सकता है या किसी अन्य कंपनी के साथ मौजूदा समझौते को तोड़ सकता है? महत्वपूर्ण बात यह है कि एक लाल झंडा उन मुद्दों को इंगित करता है, जिन्हें अगर अनियंत्रित छोड़ दिया जाता है, तो बहुत नुकसान हो सकता है।
आर्टिफिशियल इंटेलिजेंस बड़े पैमाने पर डेटा की भूख है
एआई और मशीन लर्निंग कैसे अधिक कुशल और प्रभावी डेटा विश्लेषण को सक्षम करते हैं? इसे डेटा फीड करके। मशीन लर्निंग मॉडल को अच्छे और बुरे लेनदेन का उदाहरण देकर, यह खुद को दो प्रकारों के बीच अंतर करना सिखाता है। और, मशीन लर्निंग मॉडल जितना अधिक डेटा प्रोसेस करता है, उतना ही अधिक यह उन पाठों को पुष्ट करता है, सटीकता को बढ़ाता है।
इसलिए, हालांकि एआई और मशीन लर्निंग काफी प्रगति कर रहे हैं, व्यवसायों और अन्य संगठनों को पकड़ने की जरूरत है। इसे इस तरह से सोचें:डेटा ईंधन की तरह है। बुद्धिमानी से निर्णय लेने के लिए हमें अपनी सोच को शक्ति प्रदान करने के लिए इसकी आवश्यकता है। लेकिन, हमने सभी आसान सामान, संरचित डेटा का खनन किया है जो अच्छे और साफ-सुथरे पैकेज में आता है। लेकिन, यह वह जगह है जहां ईंधन सादृश्य टूट जाता है:भले ही गैस का एक और गैलन हमें एक और 20 से 30 मील की दूरी पर ड्राइव करने देता है, हम जितना अधिक डेटा डालते हैं, वह हमें बेहतर और अधिक सटीक निर्णय लेने में सक्षम बनाता है-न कि केवल 20 से 30 -विषम मील के लायक—और उन्हें और भी तेज़ बनाने के लिए।
फिर भी, इतने लंबे समय तक हमारे डेटा का एक बड़ा हिस्सा, हमारा असंरचित डेटा, अप्रयुक्त रहा है क्योंकि यह बहुत महंगा था और इसे एक्सेस करना और संसाधित करना बहुत कठिन था। और, हालांकि अब ऐसा नहीं है क्योंकि असंरचित डेटा एकत्र करने और विश्लेषण करने के लिए नई तकनीक उपलब्ध हो जाती है, व्यवसाय और अन्य संगठनों के कई लोगों ने इन प्रगति को अनदेखा कर दिया है।
स्मार्ट मनी कहां है
इंटरनेशनल डेटा कॉरपोरेशन (IDC) ने भविष्यवाणी की है कि 2020 तक ऐसे संगठन जो संरचित और असंरचित डेटा दोनों का विश्लेषण करते हैं - यानी सभी प्रासंगिक डेटा - और कार्रवाई योग्य जानकारी प्रदान करते हैं, अपने प्रतिस्पर्धियों पर उत्पादकता लाभ में अतिरिक्त $ 430 बिलियन प्राप्त करेंगे जो ऐसा डेटा विश्लेषण नहीं करते हैं। और, इसे समझने वाले व्यवसाय 2020 तक इंतजार नहीं कर रहे हैं। जर्मनी में स्थित एक बहुराष्ट्रीय बीमा कंपनी में एक कार्यकारी असंरचित डेटा को अपने सबसे बड़े जोखिम के रूप में संदर्भित करता है। वे इसमें शामिल संख्याओं को समझते हैं, और यह सुनिश्चित करने के लिए काम कर रहे हैं कि वे बीमा पॉलिसियों को लिखकर सुरक्षित नहीं हैं जो उन्हें उन देनदारियों के लिए उजागर करती हैं जिनसे वे बच सकते थे।
बिग डेटा, एआई और मशीन लर्निंग की संयुक्त शक्ति अधिक जटिल चुनौतियों से संबंधित जानकारी को संसाधित करना आसान बना सकती है। उदाहरण के लिए, बैंक और अन्य संगठन पहले से असंसाधित, असंरचित डेटा का खनन करके धोखाधड़ी, कर चोरी, मनी लॉन्ड्रिंग और अन्य योजनाओं का अधिक सटीक और अधिक तेज़ी से पता लगा सकते हैं। यह उन्हें धोखाधड़ी और दुरुपयोग के मामलों को पकड़ने और बंद करने में सक्षम बनाता है, साथ ही कई झूठी सकारात्मकताओं से बचने में सक्षम बनाता है जो केवल संरचित डेटा पर निर्भर होने पर हो सकते हैं। देशों या कंपनियों के बीच अनुबंध और कई डेटा स्रोतों सहित व्यापार वित्त समझौतों को भी यह निर्धारित करने के लिए तैयार किया जा सकता है कि क्या धोखाधड़ी या असमानता मौजूद है, चाहे वे जानबूझकर हों या नहीं।
इसके अलावा, एआई और मशीन लर्निंग बैंकों और अन्य प्रकार के व्यवसायों को स्वचालित रूप से अपने ग्राहक को जानें (केवाईसी) प्रक्रियाओं के माध्यम से अपने ग्राहकों की पहचान को बेहतर ढंग से पहचानने और सत्यापित करने में मदद कर सकते हैं। इस तरह की प्रक्रियाएं उन्हें मनी लॉन्ड्रिंग गतिविधियों के लिए जानबूझकर या अनजाने में इस्तेमाल होने से रोकने में मदद कर सकती हैं और साथ ही रिश्वतखोरी और अन्य प्रकार के भ्रष्टाचार को होने से रोकने में मदद कर सकती हैं। केवाईसी प्रक्रियाएं व्यवसायों को अपने ग्राहकों के वित्तीय लेन-देन और जरूरतों को बेहतर ढंग से समझने में सक्षम बनाती हैं, साथ ही उन्हें जोखिम का अधिक विवेकपूर्ण प्रबंधन करने में मदद करती हैं। अन्य लाभों में नए ग्राहकों को शामिल करते समय राजस्व में तेजी लाना, केवाईसी को एक और लागत नहीं बल्कि इसके बजाय, लाभ का स्रोत बनाना शामिल है।
AI और मशीन लर्निंग आपकी प्रतिस्पर्धात्मकता बढ़ा सकते हैं
एआई और मशीन लर्निंग के माध्यम से प्राप्त सभी लाभों के साथ- और संरचित और असंरचित डेटा को संसाधित करने के लिए उपयोग की जाने वाली तकनीक में प्रगति के साथ- यह अधिक व्यवसायों और संगठनों के लिए उपलब्ध जानकारी के सबसे बड़े स्रोत का लाभ उठाने का समय है:उनका अपना असंरचित डेटा।
लेखक के बारे में
एलेक्स वेल्श एफेसॉफ्ट के वैश्विक विश्लेषिकी अभ्यास का नेतृत्व करता है। वह एक अनुभवी बिक्री निदेशक, परियोजना प्रबंधक और उद्यमी हैं, जो ग्राहकों की मिशन-महत्वपूर्ण समस्याओं को नवीन लागत प्रभावी प्रौद्योगिकी समाधानों के साथ हल करने के जुनून के साथ हैं।
