ایمیزون اور گوگل کی کلید کیا ہے؟ محصول کی کامیابی ؟ ہر کوئی جواب جانتا ہے: ڈیٹا۔
فیس بک کی سوشل میڈیا سلطنت اور اسپاٹائف کے میوزک اسٹریمنگ کے کاروبار کو برقرار رکھنے کی وجہ؟ ڈیٹا
یہ سبھی کمپنیاں اپنے صارفین کی کثیر تعداد سے حاصل کردہ وسیع مقدار میں معلومات حاصل کرنے میں کامیاب ہوگئی ہیں - چاہے وہ ان کی تلاش کی عادات ہوں ، وہ اشاعتیں جو وہ شیئر کرتے ہیں ، وہ جن مصنوعات کو خریدتے ہیں ، یا وہ جس موسیقی کو سنتے ہیں - وہ اہم محصولات میں شامل ہیں۔ یہ صرف حقیقت نہیں ہے کہ یہ کمپنیاں لاکھوں (یا اربوں ، ان میں سے کچھ کمپنیوں کے معاملے میں) اعداد و شمار جمع کرنے میں کامیاب رہی ہیں۔ یہ ہے کہ وہ کمپنیاں اپنے صارفین کو بہتر طور پر سمجھنے اور اس کی مارکیٹنگ کے ل that اس ڈیٹا کو موثر طریقے سے استعمال کرنے میں کامیاب ہو گئیں۔ یہ سبھی کمپنیاں یہ کام کرنے کے لئے مصنوعی ذہانت (یا ، زیادہ درست ، گہری سیکھنے) کا استعمال کررہی ہیں۔
یقینا ، یہ نوٹ کرنا ضروری ہے کہ آپ کو ڈیٹا کو مسابقتی فائدہ میں تبدیل کرنے کے لئے ایمیزون یا گوگل جیسا غالب کاروباری ادارہ بننے کی ضرورت نہیں ہے۔ جب مصنوعی ذہانت تیزی سے اعلی درجے کی اور بڑے پیمانے پر اختیار کی جاتی ہے ، تو بہتر اعداد و شمار کی حکمت عملی تیار کرنے اور کسٹمر کو اپنانے کے ل win ، اور بہتر طور پر ان کے مقابلے کے مقابلے میں بہتر بنانے کے ل we ، ہم بہت سی کمپنیاں دیکھنا شروع کردیں گے۔ .
اعصابی نیٹ ورک ٹکنالوجی کی راہنمائی کرنے والے جیریمی فین کے مطابق ، آپ کے مقابلے کو شکست دینے کی کلید علمی طور پر ، بہتر اعداد و شمار رکھتا ہے - ضروری نہیں کہ اس سے زیادہ ہو ، لیکن وہ اعداد و شمار جو آپ کے حریف کے پاس نہیں ہیں۔ نظریہ میں ، ہر برانڈ اپنے منفرد اعداد و شمار کے اثاثوں کو تیار کرنے کی صلاحیت رکھتا ہے ، کیونکہ مقابلہ کرنے کے لئے ہر برانڈ کو قدرے مختلف ہونا پڑتا ہے۔ اس کا مطلب یہ ہے کہ کسی برانڈ کے صارفین اپنے مقابلہ سے بہت کم ، تھوڑا سا مختلف ہیں ، جس کا مطلب ہے کہ ان کے پاس ایک انوکھا زاویہ ہے جس کا وہ استعمال کرسکتے ہیں۔ آپ کے گاہک یا ممکنہ صارف پر حاصل ہونے والا ہر ڈیٹا آپ کو موثر مارکیٹنگ یا اشتہاری حکمت عملی تیار کرنے کے لئے استعمال کرنے والے معلومات کا ایک اور ٹکڑا ہے۔
اس معلومات کو موثر طریقے سے استعمال کرنے کے ل first ، آپ کو پہلے فیصلہ کرنا ہوگا کہ آپ کا مقصد کیا ہے۔ کیا آپ مزید فروخت کی تلاش میں ہیں؟ کیا آپ دکانوں میں پیروں سے زیادہ ٹریفک حاصل کرنے کی کوشش کر رہے ہیں؟ کیا آپ کا مقصد ہے کہ آپ اپنی مصنوعات کے بارے میں اعلی مارکیٹ سے آگاہی حاصل کریں؟ ایک بار جب آپ یہ کام کر لیتے ہیں تو ، آپ ڈیٹا کو دیکھنے کے ل deep دیکھ سکتے ہیں کہ آیا یہ گہری سیکھنے کے ساتھ استعمال کرنے کے لئے صحیح شکل میں ہے یا نہیں۔ یہ ایسی چیز ہے جس کی وضاحت کرنا مشکل ہے ، لیکن بنیادی طور پر ، اعداد و شمار کو الگ الگ حالت میں رکھنا پڑتا ہے - یعنی یہ کہنے کے لئے ، اسے متعدد ذرائع سے آنا پڑتا ہے تاکہ اس سے مزید گہرائیے نتائج اخذ کیے جاسکیں۔ اس کا مطلب ہے کہ آپ کو واقعی صرف یہ جاننے کی ضرورت نہیں ہے کہ کتنے لوگوں نے کسی اسٹور کا دورہ کیا تھا ، لیکن اس کے بجائے جب ہر شخص اس کا دورہ کرتا تھا۔ اب آپ کو یہ دیکھنے کی ضرورت نہیں ہے کہ آپ نے کتنی فروخت کی ہے ، بلکہ یہ بھی بتانا ہوگا کہ ہر فروخت کیا تھی اور کس کو۔ ایک قدم مزید حاصل کرنے کے ل you ، آپ کو شناخت کرنا ہوگا کہ کسٹمر کے ساتھ آپ کے ساتھ لین دین کرنے سے پہلے آپ کے پاس کون سے ٹچ پوائنٹس تھے ، انہیں کون سے اشتہارات دکھائے گئے تھے ، اور یہ کہ کب اور کہاں تعامل ہوا ہے۔ ابھی تک اس قسم کا ڈیٹا اکٹھا نہیں کریں؟ ٹھیک ہے ، یہ آپ کی پہلی ہوم ورک اسائنمنٹ ہے۔
اس کا مطلب یہ ہے کہ آپ کے پاس پہلے سے کہیں زیادہ ڈیٹا ذخیرہ کرنے کی ضرورت ہوگی ، لیکن اچھی خبر یہ ہے کہ اسٹوریج سستا ہے۔ اس کے علاوہ ، اس معلومات کے بغیر ، آپ گہری سیکھنے کی طاقت سے فائدہ نہیں اٹھاسکیں گے اور اس نئی دنیا میں مقابلہ نہیں کرسکیں گے۔
فارچیون 1000 ایگزیکٹوز کا 2016 مطالعہ بے نقاب ان اعداد و شمار کے اقدامات کے نتیجے میں صرف 48.4 فیصد افراد نے پیمائش کے نتائج کی اطلاع دی - لیکن 80.7 فیصد نے محسوس کیا کہ یہ کوششیں ایک کامیابی اور ضروری ہیں۔ اس کا مطلب ہے کہ ہر کوئی جانتا ہے کہ انہیں بہتر سے بہتر کام کرنا ہے اور کوئی متبادل نہیں نظر آرہا ہے ، لیکن اس سے پہلے کہ پیمائش کے قابل فوائد حاصل کیے جائیں اس سے پہلے کچھ اور کرنا ضروری ہے۔
زیادہ تر اعداد و شمار کے اقدامات میں ایک سادہ جزو چھوٹ جاتا ہے: گہری تعلیم۔ یہ ایک بہت ہی غلط فہمی کا موضوع ہے ، جس کی وضاحت کاگنیٹوز فین نے 'ایک جدید ترین مشین مشین سیکھنے کی ہے جو انسان جیسی بصیرت پیدا کرنے کی صلاحیت رکھتی ہے۔' بڑے اعداد و شمار سے نتائج حاصل کرنے کی گہری سیکھنے کی قابلیت اب نہ صرف مسابقتی وجوہات کی بناء پر ضروری ہے ، بلکہ بڑے اعداد و شمار میں پچھلی سرمایہ کاری کو بھی معاوضہ ادا کرنا ہے۔ افسوس کی بات ہے ، سروے کرنے والوں میں سے 39.3٪ پھر بھی کہا کہ ان کی تنظیموں میں انٹرپرائز بگ ڈیٹا حکمت عملی کا فقدان ہے ، یا اگر کوئی وجود رکھتا ہے تو اس سے بے خبر تھے۔ ان کمپنیوں کے پاس چڑھنے کے لئے ایک لمبی پہاڑی ہے۔ دراصل ، زیادہ تر ڈیٹا سے چلنے والے پیشہ ور افراد ہم سے آگے کھڑی چڑھتے ہیں۔ 'چیلنج کا ایک حصہ یہ ہے کہ انڈسٹری خود اعداد و شمار کے آس پاس نالائق ہے۔ ہم اب سے پندرہ سال پیچھے نظر ڈالیں گے کہ ہم کیا کر رہے ہیں اور کہتے ہیں ، 'کیا یہ پیارا نہیں تھا؟' ، 'ایک عالمی میڈیا ایجنسی کے پروگرام برائے میڈیا کے ایک ڈائریکٹر نے حالیہ انٹرویو کے لئے کہا۔ ونٹر بیری گروپ IAB کا مطالعہ .
بڑے اعداد و شمار ، ڈیٹا تجزیات ، اور مصنوعی ذہانت میں بہت زیادہ ہاتھ ملتے ہیں۔ مصنوعی ذہانت - اور ، توسیع کے ذریعہ ، گہری سیکھنے کے لئے - اس کے اعداد و شمار ، ریامز اور ریامس کی ضرورت ہوتی ہے۔ آپ کے تنظیم کے ل deep گہری سیکھنے کا ایک ہی طریقہ کارگر ثابت ہوسکتا ہے اگر آپ کے پاس مستقل معلومات کی فراہمی ہو۔ ' اس معلومات سے آراستہ ، گہری سیکھنے اور عصبی نیٹ ورک الگورتھم اور حکمت عملی تشکیل دے سکتے ہیں جو آپ کے برانڈ کے لئے منفرد ہیں۔ اس طرح یہ یقینی بناتا ہے کہ یہ برانڈ مسابقتی اور جدید رہتا ہے۔ جیسے بے ہوش نشاندھی کرنا ، 'صارفین کے سلوک کو زیادہ واضح طور پر بیان کرنے اور سمجھنے کی صلاحیت پہلے سے کہیں زیادہ مکمل ہے ، اور اس طرح کا ڈیٹا اگلے چند سالوں میں AI مارکیٹنگ کے اوزار کو اور بھی موثر بنائے گا۔'
اس مقام پر ، تمام برانڈز کو ڈیٹا کی ایک مضبوط حکمت عملی کی ضرورت ہے۔ ذرا میسی اور جے سی پینی جیسے برانڈز پر نگاہ ڈالیں ، جو ایمیزون اور ای بے جیسے ای کامرس جنات کے ڈیٹا سنٹرک نقطہ نظر کے نتیجے میں جدوجہد کر رہے ہیں۔ صحیح حکمت عملی رکھنے اور ، جیسا کہ اہم بات یہ ہے کہ ، آپ کے ڈیٹا سے زیادہ سے زیادہ فائدہ اٹھانے کے لئے صحیح ٹولز ، یہی وہ چیز ہے جو آپ کی کمپنی کو مسابقتی اور کامیاب رکھنے میں معاون ہوگی۔
