बड़ा डेटा हमारे जीवन का एक अभिन्न हिस्सा है

पिछले लेख में, मैंने इस बारे में बात की थी कि विशेष रूप से बिग डेटा, और एलएसआई उत्पादों में विशेष रूप से, आपको मौसम की भविष्यवाणी करने की अनुमति देता है, और यह इतना महत्वपूर्ण क्यों है। उस लेख के प्रकाशन के बाद से, एक दिलचस्प घटना हुई है जो विषय के महत्व की पुष्टि करती है। प्लांट बायोटेक्नोलॉजी में दुनिया के जाने-माने कंपनी मोनसैंटो ने सैन फ्रांसिस्को से 930 मिलियन डॉलर में क्लाइमेट कॉर्पोरेशन का अधिग्रहण किया, बाद वाला मौसम और जलवायु से संबंधित "बड़े डेटा" के विश्लेषण में लगा हुआ है। सीईओ मोनसेंटो के अनुसार: "जलवायु निगम डेटा प्रोसेसिंग के विज्ञान के माध्यम से कृषि को अधिक अवसर प्रदान करने पर ध्यान केंद्रित करता है।" लेकिन, निश्चित रूप से, "बड़ा डेटा" न केवल हमारे लिए वातावरण की स्थिति की भविष्यवाणी करने के लिए उपयोगी है, आइए एक जोड़े को और अधिक दिलचस्प अनुप्रयोगों को देखें।

हर साल, शरद ऋतु के अंत में - सर्दियों की शुरुआत, हम सभी कुछ विनम्रता के साथ अपरिहार्य फ्लू महामारी की शुरुआत की उम्मीद करते हैं। इस बीमारी के सापेक्ष "सुरक्षा" के बावजूद, यह अक्सर भारी जटिलताएं पैदा करने में सक्षम है, और डब्ल्यूएचओ के अनुसार दुनिया भर में पीड़ितों की वार्षिक संख्या 250 से 500 हजार लोगों से है।



इन्फ्लुएंजा वायरस परिवार Ortomyxoviridae से संबंधित है, जिसमें जेन इन्फ्लुएंजा ए, बी, सी शामिल हैं। इनमें से एक प्रकार के संबंध में विषाणु के आंतरिक प्रोटीन (एम 1 और एनपी) के एंटीजेनिक गुणों द्वारा निर्धारित किया जाता है। हेमाग्लगुटिनिन (एचए) और न्यूरोमिनिडेस (एनए) की सतह प्रोटीन के उपप्रकारों के अनुसार आगे विभाजन किया जाता है। वर्तमान में, हेमोग्लगुटिनिन के 16 उपप्रकार और न्यूरोमिनिडेस के 9 उपप्रकार ज्ञात हैं। एचए (एच 1, एच 2, एच 3) और एनए (एन 1, एन 2) के दो उपप्रकार वाले तीन उपप्रकार वाले वायरस महामारी मनुष्यों के लिए खतरनाक होते हैं। यह इन विशेषताओं है जो हमें वायरस के प्रसिद्ध "कोड नाम" देते हैं। यदि एक निश्चित वर्ष में इन्फ्लूएंजा वायरस "क्लासिक" एक से कुछ अलग था, तो वर्ष को नाम में भी जोड़ा जाता है (शायद हर कोई 2009 एच 1 एन 1 तनाव के कारण होने वाली महामारी को याद करता है)।


सामान्य तौर पर, डब्ल्यूएचओ एक वर्गीकरण का उपयोग करता है जिसमें इन्फ्लूएंजा वायरस को वर्गीकृत करने के लिए कई विशेषताएं शामिल होती हैं।

- एंटीजेनिक प्रकार: ए, बी और सी
- उत्पत्ति: सूअर का मांस, घोड़ा, चिकन, आदि।
- पहचान का भौगोलिक क्षेत्र: चीनी, डच, आदि।
- तनाव की संख्या: 7, 15, आदि।
- खोज का वर्ष: 56, 2009, आदि।
- हेमाग्लगुटिनिन और न्यूरोमिनिडेस के उप-प्रकार: एच 1 एन 1, एच 5 एन 1, आदि।

जैसा कि आप देख सकते हैं, इन्फ्लूएंजा वायरस एक दूसरे से बहुत अलग हैं, और यहां तक ​​कि एक महामारी के दौरान, वे बदल सकते हैं, एक व्यक्ति से दूसरे व्यक्ति में प्रेषित कर सकते हैं। यह अनुमान लगाना आसान है कि यह वह जगह है जहां हमारे परिचित बड़े डेटा खेल में आते हैं: राष्ट्रीय स्वास्थ्य संगठनों द्वारा संचित रोग के आँकड़े वास्तव में व्यापक और विस्तृत हैं, और महामारी का प्रभावी ढंग से मुकाबला करने के लिए, आपको इन आंकड़ों का शीघ्र विश्लेषण करने में सक्षम होने की आवश्यकता है।

रोग नियंत्रण और रोकथाम के लिए अमेरिकी केंद्रों के कर्मचारी इन आंकड़ों का विश्लेषण करते हैं, यह निर्धारित करने के लिए विभिन्न उपकरणों का उपयोग करके कि कौन से उपभेदों के वायरस से संयुक्त राज्य अमेरिका को खतरा होगा, और इसके आधार पर एक वैक्सीन बनाते हैं। इस भविष्यवाणी की सटीकता भी निर्धारित करती है कि टीकाकरण कितना प्रभावी होगा, कितने लोग बीमार होंगे, और कितने स्वस्थ रहेंगे। उदाहरण के लिए, 2012/2013 में, मुख्य तनाव H3N2 इन्फ्लूएंजा ए था, लेकिन इन्फ्लूएंजा बी और एच 1 एन 1 इन्फ्लूएंजा ए के छोटे फॉग भी देखे गए थे।



प्रमुख वायरस का निर्धारण करने के अलावा, सीडीसी (केंद्रों के लिए कम) वायरस के प्रसार और आबादी पर इसके संभावित प्रभाव को ट्रैक करने के लिए डेटा का विश्लेषण करता है। ऐसा करने के लिए, विशाल डेटा सेट का विश्लेषण किया जाता है, जिसमें पिछले महामारी, टीकाकरण, जनसंख्या डेटा और यहां तक ​​कि मौसम पूर्वानुमान के बारे में जानकारी शामिल है। इस कार्य के परिणाम इस बात की भविष्यवाणियां हैं कि, सबसे पहले, वायरस के प्रभाव की उम्मीद की जाती है, महामारी कितनी मजबूत होगी, और यह कितनी देर तक चलेगी। यह टीके की पर्याप्त मात्रा का उत्पादन करने में मदद करता है, इसके उत्पादन और टीकाकरण के समय के साथ "अनुमान" और सही ढंग से वितरित करने के लिए। यह सीधे इन पूर्वानुमानों पर निर्भर करता है: इस वर्ष वैक्सीन का उपयोग कितना प्रभावी होगा।

जैसा कि मौसम के पूर्वानुमान के मामले में, इस मामले में, Apache Hadoop के रूप में इस तरह का एक टूल खुद को प्रभावी ढंग से दिखाता है, जिसके काम में तेजी लाने के लिए LSI के पास Nytro लाइन का हार्डवेयर समाधान है, जिसे आप हमारी वेबसाइट पर अधिक जान सकते हैं।

इन्फ्लूएंजा के संबंध में मौसम की भविष्यवाणी और भविष्यवाणियों में एक बात समान है: लोगों का जीवन इन भविष्यवाणियों की सटीकता पर निर्भर करता है। दुर्भाग्य से, बहुत सारे क्षेत्र हैं जहां जीवन और स्वास्थ्य दांव पर हैं। क्या कोई ऐसा महत्वपूर्ण क्षेत्र नहीं है जिसमें बिग डेटा फिर भी बड़ी भूमिका निभाता हो? वास्तव में, उनमें से बहुत से हैं, मैं कपड़ों और फैशन उद्योग में बड़े डेटा के बहुत अप्रत्याशित अनुप्रयोग के बारे में बात करूंगा।

दुनिया भर के कई देशों में अगस्त का मतलब न केवल गर्मियों का अंत है, बल्कि स्कूलों में कक्षाओं की शुरुआत भी है। अपने माता-पिता के साथ कई राष्ट्रीयताओं के छात्र स्टेशनरी, स्कूल की आपूर्ति और अक्सर स्कूल की वर्दी खरीदने के लिए दुकानों पर जाते हैं। हमारे माता-पिता के समय, दुकानों में पसंद इतनी बढ़िया नहीं थी, इसलिए कई छात्रों ने एक ही जैकेट और कोट पहना था।

विकसित उपभोक्तावाद के हमारे युग में, चुनाव बहुत व्यापक हो गया है। विशाल मेगामॉल और छोटे सुपरमार्केट, विशेष स्टोर और ऑनलाइन पोर्टल - यह सब काफी पसंद की ओर जाता है। यदि आप इसमें विभिन्न प्रकार की शैलियों, सामग्रियों, शैलियों, निर्माताओं और आकारों को जोड़ते हैं - तो यह उन समस्याओं को स्पष्ट करता है जो विशिष्ट खुदरा विक्रेताओं को सामना करना पड़ता है।

उत्पादन श्रृंखला में सभी प्रतिभागी अपने काम में बिग डेटा पर भरोसा करते हैं। यह सब पदार्थ के उत्पादकों के साथ शुरू होता है। वे पिछले साल के आदेशों, प्रतियोगियों की पेशकश, फैशन के रुझान, कच्चे माल के बाजार और उत्पादन लागत का विश्लेषण करते हैं। इन कारकों में से किसी को भी ट्रैक करना एक सरल कार्य है, लेकिन जैसे-जैसे संबंधित कारकों की संख्या बढ़ती है, विश्लेषण की जटिलता कई बार बढ़ जाती है। 2012 की अपनी एक रिपोर्ट में गार्टनर के विश्लेषकों ने इस बात पर जोर दिया कि बिग डेटा के सामने मुख्य समस्याएं ठीक हैं जहां उन्हें दो या अधिक डेटा स्रोतों के बीच बातचीत का विश्लेषण करने की आवश्यकता है।

उत्पादन श्रृंखला में अगले भागीदार बड़े कपड़े निर्माता हैं। यह वे हैं जो बाजार में रुझान निर्धारित करते हैं, इसलिए वे जिन कार्यों का सामना करते हैं वे और भी कठिन हैं। वे प्रोडक्शन प्लान बनाने के लिए बिग डेटा टूल्स का इस्तेमाल करते हैं। ऐतिहासिक बिक्री डेटा, मौसम पूर्वानुमान, जनसांख्यिकीय और आर्थिक डेटा जैसी जानकारी का विश्लेषण करते हुए, वे अपने कपड़ों के लिए सही रंग, शैली, मॉडल और मूल्य फ्रेम चुनते हैं।

उपभोक्ता इस लाइन में अंतिम हैं। वे कपड़े खरीदने वाले हैं। उसी समय, सब कुछ जो हैंगर पर लटका हुआ है और स्टोर अलमारियों (साथ ही ऑनलाइन बिक्री के लिए रखा जा रहा है) पर चुना गया था और छह महीने से 9 महीने पहले ऑर्डर किया गया था। उदाहरण के तौर पर अमेरिकी बाजार के सबसे बड़े खुदरा विक्रेता कोहल को ही लें। वे यह जानने के लिए कि मौसम के पूर्वानुमानों को किस मौसम में बेचा जाएगा, और कहां - - गर्म जैकेट, आर्थिक स्थिति और प्रतियोगी डेटा, मूल्य निर्धारण नीतियों को सही ढंग से तैयार करने के लिए, जनसांख्यिकीय डेटा को बेहतर ढंग से लोगों की जरूरतों और आकार चार्ट का आकलन करने के लिए खाते के पूर्वानुमान में लेने की आवश्यकता है। ये पूर्वानुमान जितने सटीक हैं, उतने ही कम माल की बिक्री पर बड़ी छूट के साथ बेचा जाएगा, और उच्चतर कंपनी का लाभ होगा।



बेशक, कंपनी का लाभ मानव जीवन के साथ अक्षम्य है, लेकिन यहां तक ​​कि बिग डेटा खुद को सफलता के लिए आवश्यक सबसे महत्वपूर्ण और सबसे मूल्यवान उपकरण दिखाता है। LSI उन कंपनियों में से एक है जो ऐसे समाधान पेश कर सकती हैं जो वास्तव में बड़े डेटा के साथ काम को गति और सरल बनाते हैं।