अपने फंसे हुए डेटा को अनलॉक करें: एज-टू-क्लाउड से अंतर्दृष्टि प्राप्त करें

डेटा साइलो के बारे में एक मिनट के लिए बात करते हैं। वास्तविक दुनिया साइलो, निश्चित रूप से, खेतों पर वे टावर हैं जिनका उपयोग भविष्य में उपयोग या बिक्री के लिए अनाज को स्टोर करने के लिए किया जाता है। वे विशाल इमारतें हैं जिनमें आमतौर पर केवल एक प्रकार का कच्चा माल होता है। साइलो अवधारणा आम तौर पर कच्चे डेटा के बड़े संग्रह का वर्णन करने के लिए एक रूपक के रूप में काम करती है जो अन्य कच्चे डेटा से अलग से संग्रहीत होती है।

सर्वर और डिवाइस अक्सर साइलो डेटा। अलग-अलग मशीनें डेटा स्टोर करती हैं, लेकिन जरूरी नहीं कि इसे अन्य उपकरणों के साथ साझा किया जाए। एप्लिकेशन डेटा उत्पन्न और संग्रहीत करते हैं, लेकिन केवल कुछ ही…हो सकता है…साझा किया जाए यदि एक अच्छी तरह से लिखित एपीआई (एप्लिकेशन प्रोग्रामिंग इंटरफ़ेस) का उपयोग किया जा रहा है। समय के साथ, संगठन खुद को बहुत सारे डेटा के साथ पाते हैं, लेकिन इसमें से अधिकांश अलग-अलग अलग-अलग साइलो में संग्रहीत होते हैं, कभी भी बड़े पूरे का हिस्सा नहीं होते हैं।

कैसे एज कंप्यूटिंग डेटा साइलो के लिए एकदम सही तूफान पैदा करती है

जब एंटरप्राइज़ नेटवर्किंग की बात आती है, विशेष रूप से एज-टू-क्लाउड, डेटा साइलो स्वाभाविक रूप से होते हैं। किनारे पर मौजूद प्रत्येक उपकरण डेटा का उत्पादन करता है, लेकिन उस डेटा का अधिकांश भाग डिवाइस पर, या बहुत कम से कम, उस किनारे के स्थान पर उपकरणों के समूह में रह सकता है। क्लाउड ऑपरेशंस के बारे में भी यही सच है। डेटा को कई अलग-अलग क्लाउड प्रदाताओं में बनाया और संग्रहीत किया जाता है, और जब वे कभी-कभी डेटा का आदान-प्रदान करते हैं, तो इसका अधिकांश भाग शेष उद्यम से अलग रहता है।

इसके अलावा: कैसे एज-टू-क्लाउड डिजिटल बदलाव के अगले चरण को आगे बढ़ा रहा है

लेकिन अंतर्दृष्टि और कार्रवाई योग्य रणनीतियाँ तब आती हैं जब उद्यम में सभी डेटा उपयुक्त उपयोगकर्ताओं और प्रणालियों के लिए सुलभ होते हैं। आइए एक उदाहरण देखें जो काल्पनिक घरेलू सामानों के रिटेलर, होम-बाय-होम पर हो सकता है, जिसकी हमने पहले चर्चा की थी।

होम-बाय-होम एक दीवार पर चढ़कर प्रकाश स्थिरता बेचता है जो इसे दीवार पर चिपकाने के लिए प्लास्टिक ब्रैकेट का उपयोग करता है। आमतौर पर, यह एक महान विक्रेता है। लेकिन हर साल मार्च और अप्रैल में कंपनी को रिटर्न की बाढ़ आ जाती है क्योंकि ब्रैकेट में दरार आ जाती है। रिटर्न मियामी से सिएटल तक पूरे देश से हैं। यह हमारा पहला डेटा सेट है, और यह खुद स्टोर्स को पता है।

कोष्ठक एक कारखाने में भागीदार कंपनी द्वारा बनाए गए हैं। आम तौर पर, फ़ैक्टरी 62 डिग्री फ़ारेनहाइट से ऊपर के तापमान पर काम करती है, लेकिन जनवरी और फरवरी में, फ़ैक्टरी के परिवेश का तापमान औसतन 57 डिग्री तक गिर जाता है। यह हमारे डेटा का दूसरा समूह है, कारखाने में तापमान।

कोई भी डेटा सेट दूसरे से जुड़ा नहीं है। लेकिन जैसा कि हमने कुछ समय पहले कुछ गहराई में पता लगाया था, प्लास्टिक उत्पादन की कुछ प्रक्रियाएँ 59 डिग्री या उससे कम तापमान में विफल होने लगती हैं। किसी कारखाने में डेटा सेट को दुकानों से रिटर्न के आंकड़ों के साथ सहसंबंधित किए बिना, कंपनी यह जानने में सक्षम नहीं होगी कि थोड़ा कूलर कारखाना घटिया ब्रैकेट का उत्पादन कर रहा था, जो पूरे देश में विफल हो रहे थे।

लेकिन सभी डेटा को कैप्चर करने और विश्लेषण (और एआई-आधारित सहसंबंध और बिग डेटा प्रोसेसिंग) के लिए डेटा सेट उपलब्ध कराने से अंतर्दृष्टि संभव हो जाती है। इस मामले में, क्योंकि होम-बाय-होम ने डिजिटल ट्रांसफ़ॉर्मेशन को अपने डीएनए का हिस्सा बनाया, कंपनी फ़ैक्टरी तापमान और रिटर्न के बीच संबंध बनाने में सक्षम थी, और अब उन लाइटिंग फिक्स्चर को खरीदने वाले ग्राहक बहुत कम विफलताओं का अनुभव करते हैं। 

आपका डेटा हर जगह है, लेकिन क्या यह कार्रवाई योग्य है?

यह एज-टू-क्लाउड डेटा एकत्र करने की क्षमता का सिर्फ एक उदाहरण है। यहाँ कुछ प्रमुख विचार हैं जो सभी परस्पर जुड़े हुए हैं। 

आपका डेटा हर जगह है: लगभग हर कंप्यूटर, सर्वर, इंटरनेट-ऑफ-थिंग्स डिवाइस, फोन, फैक्ट्री सिस्टम, ब्रांच ऑफिस सिस्टम, कैश रजिस्टर, वाहन, सॉफ्टवेयर-ए-ए-सर्विस ऐप और नेटवर्क मैनेजमेंट सिस्टम लगातार डेटा जेनरेट कर रहे हैं। इसमें से कुछ को शुद्ध कर दिया जाता है क्योंकि नया डेटा उत्पन्न होता है। इसमें से कुछ का निर्माण तब तक होता है जब तक अति प्रयोग के कारण भंडारण उपकरण बंद नहीं हो जाते। इसमें से कुछ आपके प्रत्येक लॉगिन खाते के लिए क्लाउड सेवाओं में उपलब्ध है।

आपका डेटा पृथक है: इनमें से अधिकांश सिस्टम एक दूसरे से बात नहीं करते हैं। वास्तव में, डेटा प्रबंधन अक्सर यह पता लगाने का रूप ले लेता है कि अधिक एकत्र किए जाने के लिए जगह बनाने के लिए किस डेटा को हटाया जा सकता है। जबकि कुछ प्रणालियों में डेटा विनिमय के लिए एपीआई होते हैं, अधिकांश अप्रयुक्त होते हैं (और कुछ अत्यधिक उपयोग किए जाते हैं)। कुछ स्थानीय व्यवसायों के बारे में शिकायत करते समय, मेरे पिताजी वाक्यांश का उपयोग करना पसंद करते थे, "बायाँ हाथ नहीं जानता कि दाहिना हाथ क्या कर रहा है।" जब डेटा अलग किया जाता है, तो एक संगठन ऐसा ही होता है।

कई इनपुटों को सहसंबंधित करते समय अंतर्दृष्टि आती है: हालांकि एक एकल डेटासेट को व्यापक विश्लेषण के अधीन करना और अंतर्दृष्टि के साथ आना संभव है, जब आप एक स्रोत से डेटा को अन्य स्रोतों से डेटा से संबंधित कर सकते हैं, तो आपको रुझान देखने की अधिक संभावना है। हमने पहले दिखाया था कि फैक्ट्री के फर्श के तापमान का देश भर के स्टोरों में रिटर्न की मात्रा से दूर, लेकिन औसत दर्जे का संबंध है। 

ऐसा करने के लिए, वह सभी डेटा आपके उद्यम में सुलभ होना चाहिए: लेकिन वे सहसंबंध और अवलोकन तभी संभव हैं जब विश्लेषक (मानव और एआई दोनों) डेटा के कई स्रोतों तक पहुंच प्राप्त कर सकते हैं यह जानने के लिए कि यह सभी कहानियां क्या बताती हैं।

डेटा को प्रयोग करने योग्य बनाना और उसे इंटेलिजेंस में बदलना

चुनौती तब उस सभी डेटा को प्रयोग करने योग्य बना रही है, इसे काट रही है, और फिर इसे कार्रवाई योग्य बुद्धिमत्ता में संसाधित कर रही है। ऐसा करने के लिए, चार बातों पर विचार करने की आवश्यकता है।

पहला है यात्रा. डेटा में इन सभी एज डिवाइसों, क्लाउड सेवाओं, सर्वरों से स्थानांतरित करने के लिए एक तंत्र होना चाहिए, और क्या नहीं कहीं पर इस पर कार्रवाई की जा सकती है, या एकत्रित. "डेटा लेक" और "डेटा वेयरहाउस" जैसे शब्द डेटा एकत्रीकरण की इस अवधारणा का वर्णन करते हैं, भले ही डेटा का वास्तविक भंडारण काफी बिखरा हुआ हो। 

इसके अलावा: बिग-बॉक्स रिटेलर के इस परिदृश्य में एज-टू-क्लाउड द्वारा संचालित डिजिटल परिवर्तन जीवन में आता है

इन दो मुद्दों, डेटा के भंडारण और डेटा के संचलन दोनों पर विचार करने की आवश्यकता है सुरक्षा और शासन. डेटा इन मोशन और डेटा रेस्ट को अनाधिकृत उपयोग से संरक्षित करने की आवश्यकता है, जबकि एक ही समय में वह सभी डेटा विश्लेषकों और उपकरणों के लिए उपलब्ध है जो डेटा को अवसरों के लिए माइन कर सकते हैं। इसी तरह, डेटा शासन एक मुद्दा हो सकता है, क्योंकि एक भौगोलिक स्थान में उत्पन्न डेटा में सरकारी या कराधान के मुद्दे हो सकते हैं, इसे एक नए स्थान पर ले जाया जा सकता है।

और अंत में, विचार करने योग्य चौथा कारक है विश्लेषण. इसे ऐसे तरीके से संग्रहीत किया जाना चाहिए जो विश्लेषण के लिए सुलभ हो, पर्याप्त रूप से अद्यतन किया गया हो, ठीक से सूचीबद्ध किया गया हो, और देखभाल के साथ क्यूरेट किया गया हो।

डेटा आधुनिकीकरण के लिए एक सौम्य परिचय

मनुष्य जिज्ञासु प्राणी हैं। हम वास्तविक जीवन में जो बनाते हैं, हम अक्सर अपने डिजिटल दुनिया में पुन: पेश करते हैं। हम में से कई लोगों के घर और कार्यस्थल अव्यवस्थित हैं क्योंकि हमें कभी भी हर वस्तु के लिए सही भंडारण स्थान नहीं मिला है। दुख की बात है कि हम डेटा का प्रबंधन कैसे करते हैं, यह अक्सर सच होता है। 

जैसा कि हमने पहले चर्चा की, हमने इसमें से बहुत कुछ खामोश कर दिया है। लेकिन यहां तक ​​कि जब हम उस सभी डेटा को एक केंद्रीय डेटा झील में खींच लेते हैं, तब भी हमारे पास इसे खोजने, क्रमबद्ध करने और छानने का सबसे अच्छा तरीका नहीं होता है। डेटा आधुनिकीकरण बड़े डेटा, मशीन लर्निंग, एआई और यहां तक ​​कि इन-मेमोरी डेटाबेस जैसे आधुनिक अग्रिमों का उपयोग करने के लिए हम डेटा को कैसे स्टोर और पुनर्प्राप्त करते हैं, इसे अपडेट करने के बारे में है।

डेटा आधुनिकीकरण और डिजिटल परिवर्तन के आईटी बज़-वाक्यांश साथ-साथ चलते हैं। ऐसा इसलिए है क्योंकि एक डिजिटल परिवर्तन तब तक नहीं हो सकता जब तक कि डेटा को संग्रहीत करने और पुनर्प्राप्त करने की कार्यप्रणाली शीर्ष (अक्सर la शीर्ष) संगठनात्मक आईटी प्राथमिकता। इसे डेटा-फर्स्ट रणनीति कहा जाता है और यह आपके व्यवसाय के लिए पर्याप्त पुरस्कार प्राप्त कर सकता है।

देखिए, यह रही बात। यदि आपका डेटा बंधा हुआ है और फंसा हुआ है, तो आप इसका प्रभावी ढंग से उपयोग नहीं कर सकते। यदि आप और आपकी टीम हमेशा आपके लिए आवश्यक डेटा खोजने की कोशिश कर रहे हैं, या इसे कभी नहीं देख रहे हैं, तो नवाचार को कुचल दिया जाएगा। लेकिन उस डेटा को मुक्त करें, और यह नए अवसरों को खोलता है।

इतना ही नहीं, खराब प्रबंधित डेटा आपके पेशेवर आईटी कर्मचारियों के लिए एक टाइम सिंक हो सकता है। नवाचार के माध्यम से संगठन को आगे बढ़ाने के लिए काम करने के बजाय, वे इन सभी विभिन्न प्रणालियों, डेटाबेस और इंटरफेस के प्रबंधन में समय व्यतीत कर रहे हैं, और उन सभी अलग-अलग तरीकों से समस्या निवारण कर रहे हैं जिनसे वे टूट सकते हैं।

अपने डेटा को आधुनिक बनाने का मतलब न केवल यह है कि आप कुछ नया कर सकते हैं, बल्कि इसका मतलब यह भी है कि आप प्रतिक्रिया करने के बजाय सोचने के लिए अपना समय खाली कर सकते हैं। यह आपको अधिक एप्लिकेशन और सुविधाओं को परिनियोजित करने का समय भी प्रदान करता है जो आपके व्यवसाय के लिए नए क्षितिज खोल सकते हैं।

अपने डेटा में छिपे मूल्य और कार्रवाई योग्य इनसाइट्स का पता लगाएं

डेटा आधुनिकीकरण की प्रक्रिया और डेटा-प्रथम रणनीति को अपनाना चुनौतीपूर्ण हो सकता है। क्लाउड सर्विसेज और एआई जैसी तकनीकें मदद कर सकती हैं। क्लाउड सेवाएं ऑन-डिमांड, स्केल-जैसी-आवश्यक अवसंरचना प्रदान करके मदद कर सकती हैं जो अधिक से अधिक डेटा के रूप में विकसित हो सकती हैं। एआई उपकरण प्रदान करके मदद कर सकता है जो उस सभी डेटा की छानबीन कर सकता है और सुसंगत रूप से व्यवस्थित कर सकता है, इसलिए आपके विशेषज्ञ और लाइन-ऑफ-बिजनेस प्रबंधक कार्रवाई कर सकते हैं।

लेकिन अधिकांश आईटी टीमों के लिए यह अभी भी एक बड़ी चुनौती है। आमतौर पर, IT उस सभी डेटा को साइलो में सेट नहीं करता है। यह स्वाभाविक रूप से होता है क्योंकि अधिक से अधिक सिस्टम स्थापित होते हैं और लोगों की सूची में अधिक से अधिक टू-डू आइटम डाले जाते हैं।

यहीं पर HPE GreenLake और इसके प्रतिस्पर्धियों जैसी प्रबंधन और अवसंरचना सेवाएं मदद कर सकती हैं। ग्रीनलेक एक भुगतान-प्रति-उपयोग मॉडल प्रदान करता है, इसलिए आपको समय से पहले क्षमता उपयोग का "अतिथि" करने की आवश्यकता नहीं है। क्रॉस-एप्लिकेशन और क्रॉस-सर्विस डैशबोर्ड और पेशेवर समर्थन की एक विस्तृत श्रृंखला के साथ, एचपीई ग्रीनलेक आपके डेटा को डेटा फ़र्स्ट रणनीति में हर जगह चुनौती देने में आपकी मदद कर सकता है।