લગભગ કોઈપણ વ્યવસાય તમને ખૂબ જ સારા કારણ સાથે કહેશે કે તેની સૌથી મહત્વપૂર્ણ સંપત્તિ તેના લોકો છે. લોકો વિના સેવા પ્રદાતા એ ખાલી ઓફિસ છે, ઉત્પાદક માત્ર નિષ્ક્રિય ભારે મશીનરી છે અને આરોગ્ય સિસ્ટમ ખાલી પથારીઓનો સંગ્રહ છે.
આ સત્ય બદલાવાનું નથી, પરંતુ તાજેતરના વર્ષોમાં તેના લોકોથી આગળ સંસ્થાના મૂલ્યનું ચિત્ર મૂળભૂત રીતે બદલાઈ રહ્યું છે. જ્યાં અલગ-અલગ સેક્ટરોએ એક સમયે તેમનું મૂલ્ય ક્યાં છે તેના અલગ-અલગ હિસાબો આપ્યા હશે, આજે મોટા ભાગના ક્ષેત્રોમાં ડેટા બીજી સૌથી મોટી સંપત્તિ બની રહી છે.
વધુ ડિજીટલાઇઝ્ડ ટૂલ્સ, ઇન્ફ્રાસ્ટ્રક્ચર અને પ્રક્રિયાઓ કે જેઓ વધુ ઉચ્ચ રીતે જોડાયેલા છે તેણે ડેટાનો વિસ્ફોટ કર્યો છે જે ગ્રાહકોમાં ઊંડી આંતરદૃષ્ટિ, વધુ કાર્યક્ષમ કામગીરી, ઉચ્ચ ગુણવત્તાની નવીનતા, ઝડપી નિર્ણય લેવાની અને આ ઉપરાંત વધુ પ્રદાન કરે છે. ડેટા, ટૂંકમાં, તમામ ચપળતા અને પ્રતિભાવને સક્ષમ કરવા માટે વચન આપવામાં આવ્યું છે જે વ્યવસાયોને વૃદ્ધિને ચલાવવા માટે જરૂરી છે.
માર્ટિન સમર્સ
સામાજિક લિંક્સ નેવિગેશન
એપ્લિકેશન, ડેટા અને AI પ્રેક્ટિસ લીડર, Kyndryl UK અને આયર્લેન્ડ.
કૃત્રિમ બુદ્ધિનું વચન
અલબત્ત, જેમ કે કોઈપણ CTO અથવા CIO ડેટાને સ્પર્ધાત્મક લાભમાં લેવાનું કામ કરે છે તે જાણે છે, કાચો ડેટા પોતે માત્ર વચનબદ્ધ, અનુમાનિત લાભ છે. ડેટામાં ઘાતાંકીય વૃદ્ધિ સરળતાથી-ઉપયોગી સ્વરૂપમાં આવતી નથી, ચોક્કસ કારણ કે તે દરેક જગ્યાએથી આવી રહી છે. કનેક્ટેડ ડિવાઇસ અને ફિઝિકલ સેન્સર, નાણાકીય વ્યવહારો અને વેબસાઈટ યુઝરની મુસાફરી, સોશિયલ મીડિયા ચેટર અને માર્કેટ ટ્રેન્ડ જેવા સ્ત્રોતો આ બધું જ વ્યવસાયોને મેનેજ કરવા માટે માહિતીનો એક વિશાળ, અસ્તવ્યસ્ત પ્રવાહ બહાર કાઢે છે.
તે અંધાધૂંધી ટેક્નોલોજીના નેતાઓને બે નોંધપાત્ર દબાણને જગલિંગ કરવા માટે છોડી દે છે. સૌપ્રથમ સ્ટોરેજની સર્પિલિંગ કિંમત છે. આ તમામ ડેટામાં મૂલ્ય એમ્બેડ થઈ શકે છે તે જાણવું એ શક્ય તેટલું વધુ આસપાસ રાખવાનું પ્રોત્સાહન આપે છે, જે – ખાસ કરીને વિડિયો અને ઑડિયો જેવા ભારે ફોર્મેટ સાથે – દર વર્ષે લાખોમાં સ્ટોરેજ બિલ તરફ દોરી શકે છે.
IT ખર્ચનું વધતું વજન પોતે જ બીજા મોટા દબાણને વધારે છે: બિઝનેસ ડેટાના ઘોંઘાટમાં મૂલ્ય શોધવાની આસપાસ વધતી અપેક્ષાઓ. ખાસ કરીને, વ્યવસાયો એઆઈને જમાવીને આધુનિક વ્યાપાર ડેટાની જબરજસ્ત પ્રકૃતિને પ્રતિસાદ આપવા માંગે છે, તેની સાથે વર્કફ્લો શોધવાનું લક્ષ્ય રાખે છે જે વધારાના કોમ્પ્યુટેશનલ સંસાધનો ઉમેરીને ડેટા વોલ્યુમ સાથે એકીકૃત રીતે (માનવ-સંચાલિત પ્રક્રિયાઓથી વિપરીત) સ્કેલ કરી શકે છે.
જો કે, આ એક વિરોધાભાસ તરફ દોરી જાય છે: જ્યારે ઉભરતા AI ટૂલ્સમાં ચોક્કસપણે સ્કેલ પર ડેટા સાથે વ્યવહાર કરવાની અને તેને મૂલ્યવાન બનાવવાની ક્ષમતા હોય છે, તે ટૂલ્સ નિયમ તરીકે માત્ર તેટલા જ સારા હોય છે જેટલા તેઓ આપવામાં આવે છે. ખરાબ, અપ્રસ્તુત અથવા ખોટો ડેટા, બિનસહાયક અથવા વિરોધાભાસી ફોર્મેટ અથવા સ્થાનોમાં સંગ્રહિત, AI-સંચાલિત મૂલ્ય જે વ્યવસાયો અપેક્ષા રાખે છે તે પહોંચાડશે નહીં. બિઝનેસ ડેટા પડકારોનો AI જવાબ પ્રથમ સ્થાને તેમના ડેટાને ગોઠવવા અને મેનેજ કરવા માટે વ્યવસાયો અનુભવે છે તેવા કેટલાક પડકારોને ઉકેલવા પર આધાર રાખે છે.
શું મહત્વનું છે તે સમજવું
એઆઈ સોલ્યુશનના આઉટપુટની ગુણવત્તા તમે તેને ફીડ કરો છો તે ડેટાની ગુણવત્તા દ્વારા મર્યાદિત છે તે વિચાર એઆઈ ટેક્નોલોજીમાં તાજેતરની તેજી થોડા વર્ષો પહેલા શરૂ થઈ ત્યારથી એક સામાન્ય નિવેદન છે. IT ઉદ્યોગમાં ‘ગાર્બેજ ઇન, ગાર્બેજ આઉટ’ એ કહેવત લાંબા સમયથી છે અને તે આજે પણ સાચી છે.
જો કે, તે એક ખુલ્લો પ્રશ્ન છોડી દે છે કે ‘સારા’ ડેટા વાસ્તવમાં કેવો દેખાય છે તે વ્યવસાયો માટે AI નો ઉપયોગ કરવા માંગતા તે વૃદ્ધિ-સક્ષમ લાભો શોધવા માટે જે તે વચન આપે છે. આને જોવાની એક રીત એ છે કે તે મૂળભૂત હકીકત પર પાછા જવાનું છે કે વ્યવસાયમાં સૌથી મૂલ્યવાન વસ્તુ તેના લોકો છે, અને તેથી ડેટાએ તે લોકો માટે કામ કરવું પડશે જેમને તેની જરૂર છે.
અમે મોટી સંસ્થાઓ સાથે કામ કરવાના અનુભવથી જાણીએ છીએ કે તેમની ડેટા વ્યૂહરચનાઓને પરિવર્તિત કરવા માટે, સામાન્ય રીતે, રેકોર્ડ પરના તમામ ડેટાનો અડધો ભાગ અવાજ છે. તે ડુપ્લિકેટ માહિતી, જૂની માહિતી અથવા માહિતી હોઈ શકે છે જેને પ્રથમ સ્થાને સંગ્રહિત કરવાની ક્યારેય જરૂર નથી. સંસ્થાની માહિતીનો બીજો ક્વાર્ટર વાસ્તવિક એપ્લિકેશનના ઉપયોગને બદલે પેપર ટ્રેલ્સ માટે જરૂરી હશે: માહિતીનો ટુકડો જે પ્રવાસ પર છે તે જાણવું ઑડિટ માટે મહત્વપૂર્ણ છે, પરંતુ અંતિમ વપરાશકર્તા માટે નહીં.
અને પછી, બાકીનો તમામ ડેટા જે સંબંધિત અને જરૂરી છે તે સમાન દરજ્જાના નથી. ઉદાહરણ તરીકે, ગ્રાહકના અપૂર્ણ ઓર્ડરની વિગતો તાત્કાલિક ઉપલબ્ધ હોવી જરૂરી છે, પરંતુ એક દાયકા પહેલાના ઇન્વૉઇસેસ ખર્ચ અને ઊર્જા બચાવવા માટે ધીમી-થી-એક્સેસ કોલ્ડ સ્ટોરેજમાં મૂકી શકાય છે.
અમે બધા સંભવતઃ એવી પરિસ્થિતિઓમાં છીએ કે જ્યાં અમને કામ પર જરૂરી માહિતી મેળવવાનો અર્થ એ છે કે બિનઉપયોગી અથવા બિનજરૂરી ફાઇલો અને રેકોર્ડ્સના સ્તરોમાંથી કોમ્બિંગ કરવું. જો કોઈ વ્યવસાય કર્મચારીઓ અથવા ગ્રાહકોને તે ડેટાને વધુ અસરકારક રીતે ઍક્સેસ કરવા માટે સશક્તિકરણ કરવા માટે ચેટબોટ જેવા AI સોલ્યુશનનો ઉપયોગ કરવા માંગે છે, તો તે અંતર્ગત પડકાર દૂર થતો નથી: પછી ભલે તે પરંપરાગત ડેટાબેઝ પર કાર્યરત હોય અથવા અસંગઠિત મીડિયા ડેટાના તળાવ પર, એઆઈ સોલ્યુશનને ફક્ત તે જ ઍક્સેસની જરૂર છે જે ખરેખર મહત્વનું છે.
તેથી, પ્રથમ પગલું એ સુનિશ્ચિત કરવાનું છે કે ડેટા સંબંધિત છે અને માનવીય દ્રષ્ટિકોણથી સારી રીતે સંચાલિત છે.
વ્યવસાય જે ઉપયોગી ડેટા જનરેટ કરે છે તે લઘુમતીમાં હોઈ શકે છે, પરંતુ તે કોઈપણ રીતે નાનો નથી – અને તે ગતિએ વધતો રહેશે. સ્કેલેબલ એઆઈ સોલ્યુશન્સ તે ડેટામાંથી મૂલ્ય મેળવવા માટે મહત્વપૂર્ણ હશે, પરંતુ પ્રક્રિયા સંસ્થાની ડેટા વ્યૂહરચના માટે પરિવર્તનશીલ અભિગમ સાથે શરૂ થાય છે જે સફળતા માટે પાયો મૂકે છે.
અમે શ્રેષ્ઠ કર્મચારી મેનેજમેન્ટ સોફ્ટવેરની યાદી આપીએ છીએ.
આ લેખ TechRadarPro ની નિષ્ણાત આંતરદૃષ્ટિ ચેનલના ભાગ રૂપે બનાવવામાં આવ્યો હતો જ્યાં અમે આજે ટેક્નોલોજી ઉદ્યોગમાં શ્રેષ્ઠ અને તેજસ્વી દિમાગ દર્શાવીએ છીએ. અહીં વ્યક્ત કરાયેલા મંતવ્યો લેખકના છે અને જરૂરી નથી કે તે TechRadarPro અથવા Future plcના હોય. જો તમને યોગદાન આપવામાં રસ હોય તો અહીં વધુ જાણો: https://www..com/news/submit-your-story-to–pro