کابل را به خاطر بسپار، معاملات تلفن و اینترنت ترکیبی که در صندوق های پستی ما فرود می آمد؟ این پیشنهادها برای تبدیل بسیار بهینه شده بودند و نوع پیشنهاد و قیمت ماهانه می تواند به طور قابل توجهی بین دو خانه مجاور یا حتی بین آپارتمان ها در یک ساختمان متفاوت باشد.
من این را می دانم زیرا قبلاً یک مهندس داده بودم و خطوط لوله داده استخراج-تبدیل بار (ETL) را برای این نوع بهینه سازی قیمت پیشنهادی می ساختم. بخشی از کار من شامل بازکردن فیدهای داده رمزگذاری شده، حذف سطرها یا ستون‌هایی با داده‌های از دست رفته، و نگاشت فیلدها به مدل‌های داده داخلی ما بود. سپس تیم آمار ما از داده های تمیز و به روز شده برای مدل سازی بهترین پیشنهاد برای هر خانواده استفاده می کند.
این تقریبا یک دهه پیش بود. اگر امروز آن فرآیند را در پیش بگیرید و آن را روی استروئیدها برای مجموعه داده های 100 برابر بزرگتر اجرا کنید، به مقیاسی خواهید رسید که امروزه سازمان های متوسط و بزرگ با آن سروکار دارند.
هر مرحله از فرآیند تجزیه و تحلیل داده ها برای ایجاد اختلال آماده است.
به عنوان مثال، یک تماس ویدئو کنفرانس می‌تواند فایل‌های گزارشی تولید کند که برای ذخیره کردن آنها به صدها جدول نیاز است. به دلیل ذخیره‌سازی نامحدود و منابع محاسباتی مقیاس‌پذیری که می‌توانید با قیمت مقرون‌به‌صرفه دریافت کنید، ابر روش انجام کسب‌وکار را اساساً تغییر داده است.
به عبارت ساده، این تفاوت بین پشته های قدیمی و مدرن است:
اعتبار تصویر: آشیش کاکران، Thomvest Ventures
چرا رهبران داده امروزی به پشته داده های مدرن علاقه مند هستند؟
تجزیه و تحلیل سلف سرویس
توسعه دهندگان شهروندی می خواهند به داشبوردهای تجاری مهم دسترسی داشته باشند. آنها می خواهند داشبوردهایی به طور خودکار به روز شوند که بر اساس داده های عملیاتی و مشتریان آنها ساخته شده باشد.
به عنوان مثال، تیم محصول می تواند از داده های استفاده از محصول در زمان واقعی و تمدید مشتری برای تصمیم گیری استفاده کند. ابر داده ها را واقعاً در دسترس همه قرار می دهد، اما در مقایسه با گزارش های قدیمی، ایستا، بر اساس تقاضا و داشبورد، نیاز به تجزیه و تحلیل سلف سرویس وجود دارد.