ಟೆಕ್ ಟಾಕ್: ಪ್ರೆಡಿಕ್ಟಿವ್ ಅನಲಿಟಿಕ್ಸ್ ಅಂದರೆ ಏನು ಗೊತ್ತಾ?
ಅನೇಕ ವಿಷಯಗಳನ್ನು ಕುರಿತ ದತ್ತಾಂಶ ಪ್ರತಿದಿನವೂ ಅಗಾಧ ಪ್ರಮಾಣದಲ್ಲಿ ಸೃಷ್ಟಿಯಾಗುತ್ತಿರುತ್ತದೆ. ಇದನ್ನೆಲ್ಲ ಬಳಸಿಕೊಂಡು ಭವಿಷ್ಯದಲ್ಲಿ ಏನಾಗಬಹುದೆಂದು ಹೇಳುವುದು ಸಾಧ್ಯವೇ?
ಅನಲಿಟಿಕ್ಸ್ ಅಂದರೆ ಏನು?
ಹಲವು ವಿಷಯಗಳನ್ನು ಕುರಿತ ದತ್ತಾಂಶ ಪ್ರತಿದಿನವೂ ನಮ್ಮ ಸುತ್ತ ಸೃಷ್ಟಿಯಾಗುತ್ತಿರುತ್ತದೆ, ಒಂದಲ್ಲ ಒಂದು ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಸಂಗ್ರಹವಾಗುತ್ತಿರುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಕಚೇರಿಯಿಂದ ಸೂಪರ್‌ಮಾರ್ಕೆಟಿಗೆ ಹೋಗಿ ಅಲ್ಲಿಂದ ಮನೆಗೆ ಬರುವ ಸನ್ನಿವೇಶವನ್ನು ಕಲ್ಪಿಸಿಕೊಳ್ಳಿ. ಕಚೇರಿಯಿಂದ ಹೊರಬರುವಾಗ ನಾವು ಎಷ್ಟು ಹೊತ್ತಿಗೆ ಹೊರಟೆವು ಎನ್ನುವ ಅಂಶ ಅಲ್ಲಿನ ಹಾಜರಾತಿ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ದಾಖಲಾಗುತ್ತದೆ. ಟ್ಯಾಕ್ಸಿಯಲ್ಲಿ ಎಲ್ಲಿಂದ ಎಲ್ಲಿಗೆ ಪ್ರಯಾಣಿಸಿದೆವು ಎನ್ನುವ ವಿಷಯ ಆ ಸಂಸ್ಥೆಯ ಸರ್ವರಿಗೆ ತಿಳಿಯುತ್ತದೆ. ಸೂಪರ್‌ಮಾರ್ಕೆಟಿನಲ್ಲಿ ಕೊಂಡ ವಸ್ತುಗಳ ವಿವರವನ್ನು ಅಲ್ಲಿನ ಬಿಲ್ಲಿಂಗ್ ವ್ಯವಸ್ಥೆ ನೆನಪಿಟ್ಟುಕೊಳ್ಳುತ್ತದೆ!
ALSO READ
ಇಷ್ಟೆಲ್ಲ ದತ್ತಾಂಶವನ್ನು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಬಳಸಿಕೊಳ್ಳುವ ಮೂಲಕ ಬಹಳಷ್ಟನ್ನು ಸಾಧಿಸಬಹುದು: ಟ್ಯಾಕ್ಸಿಗಳಿಗೆ ಯಾವ ಪ್ರದೇಶದಲ್ಲಿ ಹೆಚ್ಚು ಬೇಡಿಕೆಯಿದೆ ಎಂದು ತಿಳಿದರೆ ಆ ಸಂಸ್ಥೆ ಅಲ್ಲಿ ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ಟ್ಯಾಕ್ಸಿಗಳು ಲಭ್ಯವಿರುವಂತೆ ಮಾಡಬಹುದು. ಅಂಗಡಿಯಲ್ಲಿ ಯಾವಾಗ ಏನು ಮಾರಾಟವಾಗುತ್ತಿದೆ ಎಂದು ತಿಳಿದುಕೊಳ್ಳುವ ಮಾಲೀಕ ಸರಿಯಾದ ಸಮಯಕ್ಕೆ ಸರಿಯಾದ ವಸ್ತುಗಳನ್ನು ತರಿಸಿಡಲೂಬಹುದು!
ಸಂಗ್ರಹಿಸಲಾಗಿರುವ ದತ್ತಾಂಶವನ್ನು ಸರಿಯಾಗಿ ಸಂಸ್ಕರಿಸಿ, ವಿಶ್ಲೇಷಿಸಿ, ಆ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಸರಿಯಾಗಿ ಅರ್ಥಮಾಡಿಕೊಂಡಾಗ ಮಾತ್ರ ಇದನ್ನೆಲ್ಲ ಮಾಡಬಹುದು. ಈ ಕೆಲಸಗಳಿಗೆ ಬಳಕೆಯಾಗುವ ತಂತ್ರಗಳನ್ನೇ ಒಟ್ಟಾರೆಯಾಗಿ ‘ಅನಲಿಟಿಕ್ಸ್’ ಎಂದು ಗುರುತಿಸಲಾಗುತ್ತದೆ.
ಈ ತಂತ್ರಗಳನ್ನು ಬಳಸಿ ದತ್ತಾಂಶವನ್ನು ವಿಶ್ಲೇಷಿಸುವುದರಿಂದ ನಮಗೆ ಹಲವು ಬಗೆಯ ಮಾಹಿತಿ ದೊರಕಬಲ್ಲದು. ಹಿಂದಿನ ವಿದ್ಯಮಾನಗಳ ದತ್ತಾಂಶವನ್ನು ವಿಶ್ಲೇಷಿಸಿ ಏನು ನಡೆದಿದೆ ಎಂದು ವಿವರಿಸುವುದು (ಉದಾ: ಹಿಂದಿನ ಹಬ್ಬದ ಋತುವಿನಲ್ಲಿ ಮಾರಾಟವಾದ ವಸ್ತುಗಳ ಪ್ರಮಾಣ) ಇದರಲ್ಲಿ ಒಂದು ವಿಧವಾದರೆ, ಮುಂದೆ ಏನು ನಡೆಯಬಹುದು ಎಂದು ಹೇಳಲು ಪ್ರಯತ್ನಿಸುವುದು (ಉದಾ: ಮುಂಬರುವ ಹಬ್ಬದ ಋತುವಿನಲ್ಲಿ ಆಗಬಹುದಾದ ಮಾರಾಟದ ಪ್ರಮಾಣ) ಇನ್ನೊಂದು ವಿಧ.
ಇಂತಹ ಯಾವುದೇ ವಿಧದ ಅನಲಿಟಿಕ್ಸ್ ಬಳಸಿ ಸಿದ್ಧಪಡಿಸಲಾದ ಮಾಹಿತಿಯನ್ನು ಸಂಸ್ಥೆಗಳ ವ್ಯವಹಾರದ ನಿರ್ಧಾರಗಳಲ್ಲಿ ಬಳಸುವುದು ಇದೀಗ ಸಾಮಾನ್ಯ ಸಂಗತಿಯಾಗಿದೆ. ಮಾರಾಟದ ಪ್ರಮಾಣವನ್ನು ಗಮನಿಸಿಕೊಳ್ಳುವುದು, ಖರ್ಚುವೆಚ್ಚದ ಮೇಲೆ ನಿಗಾವಹಿಸುವುದು, ಬೇಡಿಕೆ ಹಾಗೂ ಪೂರೈಕೆಗಳ ನಡುವೆ ಸಮನ್ವಯ ಸಾಧಿಸುವುದು - ಎಲ್ಲದರಲ್ಲೂ ಇದೀಗ ಅನಲಿಟಿಕ್ಸ್ ಕೈವಾಡ ಇದೆ.
ಪ್ರೆಡಿಕ್ಟಿವ್ ಅನಲಿಟಿಕ್ಸ್ ಅಂದರೆ ಏನು?
ಹಿಂದಿನ ದತ್ತಾಂಶವನ್ನು ಆಧಾರವಾಗಿಟ್ಟುಕೊಂಡು ಮುಂದೇನು ನಡೆಯಬಹುದು ಎಂದು ತಿಳಿಸುವ ಪ್ರಕ್ರಿಯೆಯೇ ‘ಪ್ರೆಡಿಕ್ಟಿವ್ ಅನಲಿಟಿಕ್ಸ್'. ಮುಂದಾಗುವುದನ್ನು ಮುಂಚಿತವಾಗಿಯೇ ಹೇಳಲು (ಪ್ರೆಡಿಕ್ಟ್) ಪ್ರಯತ್ನಿಸುವುದು ಇದರ ವೈಶಿಷ್ಟ್ಯ. ಹಿಂದಿನ ವಿದ್ಯಮಾನಗಳ ಕುರಿತ ದತ್ತಾಂಶವನ್ನು ವಿಶ್ಲೇಷಿಸಿ ನಡೆದದ್ದೇನು ಎಂದು ವಿವರಿಸುವ ‘ಡಿಸ್ಕ್ರಿಪ್ಟಿವ್ ಅನಲಿಟಿಕ್ಸ್'ಗಿಂತ ಇದು ಬಹಳವೇ ಭಿನ್ನ, ಹಾಗೂ ಹೆಚ್ಚು ಕ್ಲಿಷ್ಟ.
ಮೇಲೆ ಹೇಳಿದ ಹಾಗೆ ಕಳೆದ ವರ್ಷಗಳ ದತ್ತಾಂಶವನ್ನು ಆಧಾರವಾಗಿಟ್ಟುಕೊಂಡು ಈ ವರ್ಷ ಹಬ್ಬದ ಋತುವಿನಲ್ಲಿ ಎಷ್ಟು ವ್ಯಾಪಾರ ನಡೆಯಬಹುದೆಂದು ಊಹಿಸುವುದು ಪ್ರೆಡಿಕ್ಟಿವ್ ಅನಲಿಟಿಕ್ಸ್‌ನ ಉದಾಹರಣೆಗಳಲ್ಲೊಂದು. ಗ್ರಾಹಕನ ಕ್ರೆಡಿಟ್ ಸ್ಕೋರ್ ಆಧಾರದ ಮೇಲೆ ಸಾಲ ಮರುಪಾವತಿ ಸಾಧ್ಯತೆಯನ್ನು ಅಂದಾಜಿಸುವಲ್ಲೂ ಪ್ರೆಡಿಕ್ಟಿವ್ ಅನಲಿಟಿಕ್ಸ್ ನೆರವಾಗುತ್ತದೆ. ಅಂತಾರಾಷ್ಟ್ರೀಯ ವಿದ್ಯಮಾನಗಳಿಗೆ ಶೇರು ಮಾರುಕಟ್ಟೆ ಹೇಗೆ ಸ್ಪಂದಿಸಬಹುದು, ಯಾವ ಕಾಯಿಲೆಗಳ ಮೇಲೆ ಯಾವ ಔಷಧಗಳು ಹೇಗೆ ಪರಿಣಾಮ ಬೀರಬಹುದು ಎನ್ನುವಂತಹ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸುವುದಕ್ಕೂ ಪ್ರೆಡಿಕ್ಟಿವ್ ಅನಲಿಟಿಕ್ಸ್ ಬಳಕೆ ಸಾಧ್ಯ. ‘ಪ್ರೆಡಿಕ್ಟಿವ್ ತಂತ್ರಜ್ಞಾನ'ಗಳೆಂದೇ ಕರೆಸಿಕೊಳ್ಳುವ ಪ್ರೆಡಿಕ್ಟಿವ್ ಟೆಕ್ಸ್ಟ್, ಪ್ರೆಡಿಕ್ಟಿವ್ ಮೈಂಟೆನೆನ್ಸ್, ಪ್ರೆಡಿಕ್ಟಿವ್ ಹೆಲ್ತ್‌ಕೇರ್ ಮುಂತಾದ ಹಲವು ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಕೂಡ ಪ್ರೆಡಿಕ್ಟಿವ್ ಅನಲಿಟಿಕ್ಸ್ ಇದೀಗ ಬಳಕೆಯಾಗುತ್ತಿದೆ.
ಪ್ರೆಡಿಕ್ಟಿವ್ ಅನಲಿಟಿಕ್ಸ್‌ನಲ್ಲಿ ಮಶೀನ್ ಲರ್ನಿಂಗ್‌ನ ಪಾತ್ರವೇನು?
ಯಾವುದೇ ವಿಷಯಕ್ಕೆ ಸಂಬಂಧಪಟ್ಟ ಅಗಾಧ ಪ್ರಮಾಣದ ಮಾಹಿತಿಯನ್ನು ವಿವರವಾಗಿ ವಿಶ್ಲೇಷಿಸಿದಾಗ ಮಾತ್ರವೇ ಅಲ್ಲಿ ಮುಂದೇನು ನಡೆಯಬಹುದು ಎನ್ನುವುದನ್ನು ಹೇಳಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ. ಇದಕ್ಕಾಗಿ ಪ್ರೆಡಿಕ್ಟಿವ್ ಅನಲಿಟಿಕ್ಸ್ ಕ್ಷೇತ್ರದಲ್ಲಿ ಮಶೀನ್ ಲರ್ನಿಂಗ್ ಆಲ್ಗರಿದಮ್‌ಗಳನ್ನು ಬಳಸಲಾಗುತ್ತದೆ. ಮುಂದೆ ನಡೆಯಬಹುದಾದದ್ದನ್ನು ಮುಂಚಿತವಾಗಿಯೇ ಹೇಳುವುದು ಹೇಗೆ ಎನ್ನುವುದನ್ನು ಯಂತ್ರಕ್ಕೆ ಹೇಳಿಕೊಡುವುದು ಇವುಗಳ ಕೆಲಸ.
ಹಿಂದೆ ನಡೆದ - ಈಗ ನಡೆಯುತ್ತಿರುವ ಘಟನೆಗಳ ಕುರಿತ ದತ್ತಾಂಶವನ್ನು ಯಂತ್ರಗಳು ತಮ್ಮ ಕಲಿಕೆಗೆ ಬಳಸುತ್ತವೆ, ಮತ್ತು ಅದರ ಆಧಾರದ ಮೇಲೆ ಮುಂದೆ ಏನು ನಡೆಯಬಹುದು ಎಂದು ಹೇಳಲು ಪ್ರಯತ್ನಿಸುತ್ತವೆ. ಉತ್ತಮ ಗುಣಮಟ್ಟದ, ದೊಡ್ಡ ಪ್ರಮಾಣದ ದತ್ತಾಂಶದೊಡನೆ ಈ ಕಲಿಕೆ ಸತತವಾಗಿ ನಡೆಯುತ್ತಿದ್ದರೆ ಮಾತ್ರವೇ ಪ್ರೆಡಿಕ್ಟಿವ್ ಅನಲಿಟಿಕ್ಸ್‌‌ನಿಂದ ದೊರಕುವ ಮಾಹಿತಿ ಹೆಚ್ಚು ನಿಖರವಾಗಿ ಇರಬಲ್ಲದು. ಕಲಿಕೆಗಾಗಿ ಬಳಸುವ ದತ್ತಾಂಶದ ಪ್ರಮಾಣ ಕಡಿಮೆಯಿದ್ದರೆ, ಅಥವಾ ಅದರ ಗುಣಮಟ್ಟ ತೃಪ್ತಿಕರವಾಗಿಲ್ಲದಿದ್ದರೆ ಪ್ರೆಡಿಕ್ಟಿವ್ ಅನಲಿಟಿಕ್ಸ್‌ನ ಫಲಿತಾಂಶಗಳು ತಪ್ಪಾಗಿರುವ ಸಾಧ್ಯತೆಯೇ ಹೆಚ್ಚು.
