ہر جگہ ایمبیڈ کریں تجزیات: شہری ڈیٹا سائنسدان کو اہل بنانا

ٹیکوپیڈیا اسٹاف کے ذریعہ ، 25 اگست ، 2016

ٹیکا وے : میزبان ربیکا جوزوایاک نے ڈاکٹر رابن بلور ، ڈیز بلن فیلڈ اور ڈیوڈ سویونور کے ساتھ ایمبیڈڈ تجزیات اور شہری اعداد و شمار کے سائنسدانوں کے رجحان پر تبادلہ خیال کیا۔

ویڈیو دیکھنے کے ل You آپ کو اس پروگرام کے لئے اندراج کرنا ہوگا۔ ویڈیو دیکھنے کے لئے رجسٹر کریں۔

ربیکا جوزویق: خواتین و حضرات ، ہیلو اور ہاٹ ٹکنالوجی میں خوش آمدید۔ "ہر جگہ سرایت کریں: شہریوں کے ڈیٹا سائنسدان کو چالو کرنا" آج ہمارا موضوع ہے۔ میں آپ کے معمول کے میزبان کو بھر رہا ہوں ، یہ ربیکا جوزویق ہے جس نے ایرک کااناگ کو بھرنا ہے۔ ہاں ، یہ سال گرم ہے۔ خاص طور پر اصطلاح "ڈیٹا سائنسدان" پر بہت زیادہ توجہ دی جارہی ہے حالانکہ ہم انہیں "اعدادوشمار" یا "تجزیہ کار ماہر" جیسے بورنگ ناموں سے پکارتے تھے لیکن اسی طرح کی سرگرمیوں سے نمٹنے کے لئے یہ ایک سیکسی نیا نام ہے اور یہ ہے۔ بہت زیادہ توجہ جمع. وہ کام کے مقام پر رہنا انتہائی مطلوب ہیں ، جو تنظیم کے لئے فائدہ مند ہیں ، اور ہر ایک چاہتا ہے۔ لیکن وہ ہیں: 1) مہنگا ، 2) تلاش کرنا مشکل ہے۔ آپ جانتے ہو ، اعداد و شمار کے سائنسدانوں کی مہارت کی کمی کے بارے میں تو یہ سب ہی خبروں میں ہے ، ہاں ، لیکن پھر بھی وہ تنظیم کو زبردست قیمت پیش کرتے ہیں اور لوگ اس بات کا اندازہ لگانے کے لئے دعوے کرتے ہیں کہ بغیر پیسہ ڈراپ کیے بغیر اس قدر کو کیسے حاصل کیا جاسکتا ہے ، بولیں۔

لیکن خوشخبری یہ ہے کہ ہم آلے اور سافٹ ویئر کو سامنے آتے ہوئے دیکھ رہے ہیں جو اس کمی کو پورا کرنے کی طرح ہیں۔ ہمارے پاس آٹومیشن ، مشین لرننگ ، ایمبیڈڈ تجزیات ہیں ، جس کے بارے میں ہم آج کے بارے میں سیکھ رہے ہیں ، اور اس طرح اس نئی اصطلاح ، "شہری اعداد و شمار کے سائنسدان ،" کو جنم دیا گیا ہے اور اس کا کیا مطلب ہے؟ نہیں ، یہ آپ کا تربیت یافتہ ڈیٹا سائنسدان نہیں ہے ، یہ آپ کا کاروباری صارف ، آپ کا BI ماہر ، آئی ٹی کا کوئی فرد ، جس کا پس منظر ہو لیکن شاید ضروری نہیں کہ وہ مہارت حاصل کرے۔ لیکن یہ کیا کرتا ہے ، یہ ٹولز اور سوفٹویئر ، کیا یہ زیادہ سے زیادہ لوگوں کو ان سمارٹ حلوں تک رسائی فراہم کرتا ہے حالانکہ شاید وہ اس کوڈ کوڈنگ کو نہیں جانتے ہیں۔ لیکن جب آپ سب کو اس تجزیاتی سوچ تک تھوڑا سا مزید رسائی دیتے ہیں تو یہ مجموعی طور پر کارکردگی کو بہتر بنانے میں مدد ملتی ہے۔ ضروری نہیں کہ آپ کو تجسس کی ضرورت ہو کہ تجسس کی قسم ہو جو آپ کی کمپنی کے ل ins اچھی بصیرت کا باعث بن سکتی ہے۔

یہ بحث کرتے ہوئے کہ آج ہمارے ساتھ ہمارے اپنے رابن بلور ، بلور گروپ کے چیف تجزیہ کار ہیں ، خود ہی مہذب اعداد و شمار کے سائنسدانوں میں سے ایک ، ڈز بلانک فیلڈ نے فون کیا ، اور پھر ہمارے پاس ڈیل اسٹیٹسٹیکا سے ڈیوڈ سویونر آج ہمیں ایک پریزنٹیشن دے رہے ہیں۔ اور اس کے ساتھ ہی میں اسے رابن بلور کے حوالے کروں گا۔

رابن بور: ٹھیک ہے ، اس تعارف کا شکریہ۔ اس بارے میں میں ایک تاریخی تناظر میں سوچتا ہوں۔ لیونارڈو ڈا ونچی کے ڈیزائن میں سے ایک یہ ہے کہ ہم ایک طرح کے گلائڈر کے لئے ڈیزائن کر رہے ہیں جو آدمی اپنی پیٹھ پر رکھ سکتا ہے۔ مجھے نہیں معلوم کہ یہ واقعی کام کرے گی یا نہیں۔ میں اس میں داخل نہیں ہوتا ، مجھے کہنا پڑتا ہے۔ تاہم ، ڈا ونچی ، جب بھی میں ڈا ونچی کے بارے میں سوچتا ہوں ، میں اس کے بارے میں سوچتا ہوں کہ وہ اب تک موجود سب سے پُرجوش اور تجزیاتی لوگوں میں سے ایک ہے۔ اور یہ بات بالکل واضح ہے کہ اگر آپ صرف اس گلائڈر پر نظر ڈالیں کہ یہ پرندوں کے بازو کی بنیاد پر ڈیزائن کیا گیا ہے اور اس نے اسے بنانے کے لئے پرندوں کی پروازوں کا ایک طرح سے مطالعہ کیا ہے۔

اگر ہم تاریخی نقطہ نظر کو دیکھیں تو - میں نے حقیقت میں یہ دیکھا - تجزیات شاید ریاضی کا سب سے قدیم اطلاق ہے۔ ایسی مردم شماری ہیں جو کم سے کم بابل کے زمانے کی ہیں۔ ہم اس کے بارے میں جانتے ہیں کیونکہ وہاں بنیادی طور پر کچھ کینیفورم ٹیبلٹس ہیں جن میں اس طرح کا ڈیٹا ہوتا ہے۔ یہ معلوم نہیں ہے کہ اگر کوئی ایسی چیز تھی جو پہلے واپس گئی تھی۔ لیکن واضح بات یہ ہے کہ آپ کو لوگوں کی ایک بڑی آبادی والی تہذیب ملی ہے ، اس کے لئے حقیقت میں منصوبہ بندی کی ضرورت ہوتی ہے اور یہ جاننے کے قابل ہے کہ آپ کس کے لئے منصوبہ بنا رہے ہیں اور ان لوگوں کی ضروریات کیا ہیں۔

اور یہ اس نوعیت سے شروع ہوا ہے اور یہیں سے ہی کمپیوٹنگ کا آغاز ہوا کیونکہ ابتدائی کمپیوٹرز ، ابتدائی میکینیکل کمپیوٹر واقعتا were تھے ، میرے خیال میں پہلا مردم شماری ہولریتھ نے بنائی تھی ، جو آئی بی ایم بن گئی تھی ، مجھے یقین ہے۔ یہ سب آگے بڑھا ہے۔ ہوسکتا ہے کہ سن 1970 کی دہائی اور آج کے دور کے مابین کسی طرح کا وقفہ ہوا ہے ، جہاں بہت ساری دوسری ایپلی کیشنز اور تجزیات موجود ہیں ، آپ کہہ سکتے ہیں ، پیچھے کی نشست لی۔ ہاں ، تجزیات جاری تھا - یہ بڑی بڑی تنظیموں ، خاص طور پر بینکوں اور انشورنس کمپنیوں ، اور دراصل جنرل الیکٹرک اور ٹیلکو اور اس جیسی چیزوں میں ہو رہا تھا - لیکن یہ عام طور پر پورے کاروبار میں استعمال نہیں ہوتا تھا اور اب یہ عام طور پر عام طور پر استعمال ہونے لگا ہے۔ کاروبار اور اس نے واقعتا. کھیل بدلا ہے۔ پہلی چیز جس سے میں نے سوچا تھا کہ میں اس طرف توجہ مبذول کروں گا وہ ہے ڈیٹا اہرام ، جو مجھے خاص طور پر پسند ہے۔ اس کا مطلب ہے ، میں نے ان میں سے ایک 20 سال پہلے - کم از کم 20 سال قبل - تیار کرنے اور سمجھنے کی کوشش کی تھی ، حقیقت میں ، اس وقت میں BI اور کچھ ابتدائی ڈیٹا مائننگ کو سمجھنے کی کوشش کر رہا تھا جو کیا جارہا تھا۔ میں نے یہاں جو وضاحت کی ہے وہ اعداد و شمار کا خیال ہے اور اس کی مثالیں سگنلز ، پیمائش ، ریکارڈنگ ، واقعات ، لین دین ، ​​حساب کتاب ، جمع ، معلومات کے انفرادی نکات ہیں۔ آپ ان کے بارے میں معلومات کے انو کی حیثیت سے سوچ سکتے ہیں ، لیکن وہ انفرادی نکات ہیں۔ جیسے ہی سیاق و سباق ملتا ہے ، معلومات بن جاتی ہے۔ مربوط اعداد و شمار ، ساختہ ڈیٹا ، ڈیٹا بیس ، ڈیٹا کا تصور ، پلاٹر ، اسکیمرز اور نقشہ سازی - یہ سب میرے ذہن میں معلومات کے بطور اہل ہیں کیونکہ آپ نے جو کچھ کیا ہے وہ مل کر بہت ساری نوعیت کا ہے اور ڈیٹا پوائنٹ سے کہیں زیادہ کچھ پیدا کیا ہے ، کوئی ایسی چیز جس کی اصل شکل ہو ، ریاضی کی شکل ہو۔

اس کے اوپر ہمارے پاس علم ہے۔ ہم معلومات کی جانچ پڑتال کرکے ہم یہ سیکھ سکتے ہیں کہ مختلف نمونہ موجود ہیں اور ہم اصولوں ، پالیسیاں ، رہنما خطوط ، طریقہ کار وضع کرکے ان نمونوں کا فائدہ اٹھا سکتے ہیں اور پھر یہ علم کی شکل اختیار کرلیتا ہے۔ اور بہت سارے کمپیوٹر پروگرام ، جو کچھ بھی وہ کر رہے ہیں ، ایک قسم کا علم ہے ، کیونکہ وہ ڈیٹا کے خلاف کام کر رہے ہیں اور ان پر قواعد لاگو کر رہے ہیں۔ ہمارے پاس یہ تینوں پرت ہیں اور اس میں ایک بڑھتی ہوئی تطہیر ہے جو تہوں کے مابین چلتی ہے۔ اور اس آریگرام کے بائیں جانب آپ کو نیا اعداد و شمار داخل ہوتا ہوا دکھایا گیا ہے ، لہذا ان میں سے بہت ساری چیزیں جامد ہیں۔ اعداد و شمار جمع ہو رہے ہیں ، معلومات جمع ہو رہی ہے اور ممکنہ طور پر علم بڑھ رہا ہے۔ اوپری حص ،ہ میں ، ہمارے پاس "تفہیم" موجود ہے اور میں برقرار رکھوں گا ، حالانکہ یہ ایک فلسفیانہ دلیل ہے ، کہ تفہیم صرف انسانوں میں رہتی ہے۔ اگر میں اس بارے میں غلط ہوں تو پھر ہم سب کو کسی نہ کسی وقت کمپیوٹر سے تبدیل کردیا جائے گا۔ لیکن بحث کرنے کے بجائے ، میں اگلی سلائڈ پر جاؤں گا۔

جب میں نے اس طرف دیکھا تو ، دلچسپ بات ، یہ حالیہ کچھ ہے ، دلچسپ بات یہ تھی کہ یہ معلوم کرنا تھا کہ تجزیات اصل میں کیا ہے۔ اور بالآخر مختلف آریگرام تیار کرکے اور اس کی طرح نظر آنے والی باتوں کا اختتام کرکے ، میں اس نتیجے پر پہنچا ، حقیقت میں ، تجزیاتی ترقی واقعی محض سافٹ ویئر ڈویلپمنٹ ہے جس میں ریاضیاتی فارمولوں کی ایک بہت بڑی مقدار ہے۔ تجزیاتی ایکسپلوریشن سافٹ ویئر ڈویلپمنٹ سے اس لحاظ سے کچھ مختلف ہے کہ آپ واقعتا many بہت سارے ، بہت سے مختلف ماڈل لیں گے اور اعداد و شمار کے بارے میں نیا علم پیدا کرنے کے لئے ان کی تفتیش کریں گے۔ لیکن ایک بار جب آپ اس کو تیار کر لیتے ہیں تو ، اس پر یا تو اس پر عمل درآمد ہو جاتا ہے جس کے بارے میں میں غیر فعال فیصلے کی حمایت کے طور پر سوچتا ہوں ، جو صرف صارف کے لئے تنگ آچکی معلومات ہے۔ انٹرایکٹو فیصلے کی معاونت ، جو OLAP جیسی چیزیں ہیں ، جہاں صارف کو اعداد و شمار کا ایک منظم سیٹ دیا جاتا ہے جس میں وہ دستیاب مختلف ٹولز کا استعمال کرکے اپنے لئے چیزوں کی تفتیش کر سکتے ہیں۔ بہت ساری نظریں ایسی ہیں۔ اور پھر ہمارے پاس آٹومیشن ہے اگر آپ محض کچھ تجزیاتی بصیرت کو تبدیل کرسکتے ہیں جو آپ قواعد کے ایک سیٹ میں جمع ہو چکے ہیں جس پر عمل درآمد ہوسکتا ہے تو ، آپ کو لازمی طور پر کسی انسان کی شامل ہونے کی ضرورت نہیں ہے۔ جب میں نے یہ سب کچھ کیا تو میں نے اس کی طرح دیکھا۔ اور مجھ پر طرح طرح کی چیزیں ہونے لگیں۔ ایک بار سرگرمی کا علاقہ ، کیا ہم کہیں گے ، ایک بار جب اعداد و شمار کے ڈومین کو حقیقت میں کان ، اچھی طرح سے کان ، ہر ممکن سمت سے اچھی طرح سے تلاش کیا جاتا ہے ، آخر کار یہ صرف کرسٹالائزڈ BI ہوجاتا ہے۔ ایجاد کردہ علم وہ علم بننا شروع ہوتا ہے جو مختلف صارفین کو مختلف طریقوں سے آگاہ کرتا ہے ، اور امید کرتا ہے کہ وہ واقعتا the وہ کام انجام دینے کے ل their ان کی صلاحیت کو بڑھاتا ہے۔

ان چیزوں میں سے ایک جو میں نے محسوس کیا ہے اور میں نے تقریبا پانچ سالوں تک پیش گوئی کرنے والے تجزیات کو دیکھا ہے ، لیکن پیش گوئی کرنے والے تجزیات BI بن رہے ہیں ، اس لحاظ سے کہ یہ لوگوں کو کھانا کھلانے کے لئے محض مفید معلومات میں تبدیل ہو رہا ہے اور جیسا کہ میں پہلے ہی اشارہ کر چکا ہوں ، خودکار BI رپورٹنگ ، BI استحصال ، BI ، اس کے بہت مختلف درجات ہیں اور پیش گوئی والے تجزیات در حقیقت تینوں سمتوں میں جا رہے ہیں۔ اور جیسا کہ میں نے بتایا کہ تجزیاتی عمل اتنا مختلف نہیں ہے جو سافٹ ویئر ڈویلپمنٹ سے مختلف ہے ، جو تھوڑا سا مختلف مہارتوں والے مختلف لوگوں کے ذریعہ کیا جاتا ہے۔ مجھے لگتا ہے کہ مجھے اس بات پر زور دینا چاہئے کہ واقعی اچھے ڈیٹا سائنسدان بنانے کے لئے درکار مہارتوں کو حاصل کرنے میں برسوں لگیں۔ وہ آسانی سے حاصل نہیں ہوسکتے ہیں اور نہ ہی بہت بڑی تعداد میں لوگ یہ کام کرسکتے ہیں ، لیکن اس کی وجہ یہ ہے کہ اس میں ریاضی کو انتہائی نفیس سطح پر سمجھنا شامل ہے تاکہ یہ جاننے کے لئے کہ کیا صحیح ہے اور کیا صحیح نہیں ہے۔ تجزیات کی پیشرفت ، نئے علم کی دریافت ، تجزیاتی امپلانٹیشن ، یہ علم کو آپریشنل بنانے کے بارے میں ہے۔ یہ اس قسم کا پس منظر ہے جو میں پورے تجزیات کو دیکھتا ہوں۔ یہ ایک بہت بڑا علاقہ ہے اور اس میں بہت ساری ، بہت ساری جہتیں ہیں ، لیکن میں سمجھتا ہوں کہ عام بنانا ہر چیز پر لاگو ہوتا ہے۔

پھر کاروبار میں خلل پڑ رہا ہے ، جیسا کہ میں نے بتایا کہ متعدد تنظیمیں موجود ہیں ، دوا ساز کمپنیاں ایک اور ہیں ، ان کے ڈی این اے میں ان کے پاس تجزیات ہیں۔ لیکن بہت ساری تنظیمیں ایسی ہیں جو واقعتا یہ اپنے ڈی این اے میں نہیں رکھتے ہیں ، اور اب ان میں یہ صلاحیت موجود ہے ، اب یہ سافٹ ویئر اور ہارڈ ویئر پہلے کی نسبت کہیں زیادہ سستا ہے ، اب ان میں استحصال کرنے کی صلاحیت ہے۔ میں متعدد چیزیں کہوں گا۔ پہلی چیز یہ ہے کہ تجزیات بہت سی مثالوں میں یہ R&D ہے۔ ہوسکتا ہے کہ آپ صرف کسی مخصوص شعبے میں تجزیات کا استعمال کررہے ہوں اور ممکن ہے کہ یہ آپ کو ایک طرح سے سمجھا جا another یا کسی اور طرح سے اپنے صارفین کے احکامات کا تجزیہ کرکے مختلف نقطہ نظر سے ، دوسرے اعداد و شمار کے ساتھ اس میں شامل ہو۔ لیکن تجزیات دراصل یہ امکان پیدا کرتا ہے کہ مجموعی طور پر تنظیم کو دیکھیں اور کسی خاص سرگرمی کا تجزیہ کریں جو تنظیم اور سرگرمیوں کی پوری زنجیروں میں جاری ہے۔ لیکن ایک بار جب آپ واقعی اس علاقے میں چلے جاتے ہیں ، میں برقرار رکھوں گا کہ یہ تحقیق اور ترقی ہے۔ اور یہاں ایک سوال ہے کہ مجھ سے ایک دو بار پوچھا گیا ہے ، جس کا مطلب یہ ہے کہ ، "کمپنی کو تجزیات پر کتنا خرچ کرنا چاہئے؟" اور میرے خیال میں اس کا جواب فراہم کرنے کے بارے میں سوچنے کا بہترین طریقہ یہ ہے کہ تجزیات کو آر اینڈ ڈی سمجھنا ہے۔ ، اور صرف پوچھیں ، "اچھا آپ کاروبار کی کارکردگی کے شعبے میں R&D پر کتنا خرچ کریں گے؟"

اور وہ کاروبار جو تجزیات کے ساتھ نہیں ہیں ، بہت ساری چیزیں ہیں جن کے بارے میں وہ نہیں جانتے ہیں۔ سب سے پہلے ، وہ نہیں جانتے کہ یہ کیسے کرنا ہے۔ عام طور پر اگر وہ حقیقت میں ایک راستہ پر جا رہے ہیں یا تنظیم کے اندر کسی دوسرے تجزیات کو اپناتے ہیں - تو واقعتا ان کے پاس کسی صلاح و مشورے کے پاس جانے کے سوا کوئی آپشن نہیں ہوتا ہے جو ایسا کرنے میں ان کی مدد کرسکتا ہے کیونکہ ، یہ سب کے لئے ناممکن ہے یا واقعی بہت مشکل ہے کاروبار دراصل ڈیٹا سائنسدان کی خدمات حاصل کرتا ہے ، تلاش کرتا ہے ، کسی کو معاوضہ دیتا ہے ، اور واقعتا. ان پر اعتماد کرتا ہے جو آپ ان سے کرنا چاہتے ہیں۔ بہت مشکل زیادہ تر کاروبار نہیں جانتے کہ اس کام کو انجام دینے کے لئے عملے کو کس طرح سے ملازمت یا تعلیم دی جائے ، اور اس کی وجہ صرف یہ ہے کہ یہ ابھی ان کے ڈی این اے میں نہیں ہے ، لہذا یہ ان کے قدرتی کاروباری عمل کا حصہ نہیں ہے۔ یہ اگلے نقطہ پر کام کرتا ہے۔ وہ نہیں جانتے کہ اسے کاروباری عمل کیسے بنایا جائے۔ ایسا کرنے کا بہترین طریقہ یہ ہے کہ فارماسیوٹیکل کمپنیاں اور انشورنس کمپنیاں ، صرف دیکھیں ، اور کچھ نگہداشت صحت مرکز میں کی جانے والی کمپنیوں کی کاپی کرنا ہے ، جس انداز سے وہ تجزیات استعمال کرتے ہیں اور اس کی کاپی کرتے ہیں۔ کیونکہ یہ ایک کاروباری عمل ہے۔ نہیں جانتے کہ اسے کیسے پولیس بنایا جائے یا اس کا آڈٹ کیا جائے۔ یہ واقعی ، خاص طور پر اب بہت سی سافٹ ویئر کمپنیوں نے ایسی ایسی مصنوعات تیار کی ہیں جو تجزیات کی ایک بہت بڑی چیز کو خودکار کرتی ہیں۔ آڈیٹنگ کے بارے میں اہم بات اہم ہے ، جب آپ کے پاس کسی مشاورتی یا سائٹ پر موجود کسی شخص کو سمجھنے کے لئے اعتماد کیا جاسکتا ہے کہ کسی بھی تجزیاتی حساب کتاب کے نتائج کیا ہیں ، یہ آپ کو پسند کرنے کی ایک قسم ہے ، لیکن اگر آپ واقعی میں طاقتور تجزیاتی اوزار ڈال دیتے ہیں۔ ان لوگوں کے ہاتھ جو تجزیات کو صحیح طریقے سے نہیں سمجھتے ہیں ، ان کا امکان ہے کہ وہ اس نتیجے پر پہنچیں گے جو شاید درست نہیں ہوں گے۔ اور جیسا کہ میں نے کہا ، کمپنیاں نہیں جانتی ہیں کہ اس کے لئے بجٹ کس طرح لگانا ہے۔

یہ تجزیات کے ذائقے ہیں ، میں صرف ان کے ذریعے چلوں گا۔ شماریاتی تجزیات اور شماریاتی ماڈلنگ پیش گوئی کرنے والے تجزیات سے خاصی مختلف ہے ، جن میں سے بیشتر ویر فٹنگ ہیں۔ مشین لرننگ ان چیزوں سے مختلف ہے ، راستہ تجزیات اور ٹائم سیریز ، جو بنیادی طور پر اسٹیٹس اسٹریمز پر کی جاتی ہیں ایک بار پھر مختلف ہیں۔ گراف تجزیات ایک بار پھر مختلف ہیں ، اور ٹیکسٹ اینالٹکس اور سیمنٹک تجزیات ایک بار پھر مختلف ہیں۔ یہ صرف اس طرف اشارہ کر رہا ہے کہ یہ ایک بہت ہی کثیر الجہت چیز ہے۔ ایسا نہیں ہے ، آپ تجزیات کرنا شروع نہیں کرتے ہیں ، آپ اپنی پریشانیوں کو دیکھنا شروع کرتے ہیں اور تجزیات کے مختلف ٹولز اور مختلف ذائقوں کو تلاش کرتے ہیں جو ان کے مطابق ہوں گے۔ اور آخر کار ، نیٹ نیٹ۔ ہارڈ ویئر اور سوفٹویئر ارتقا کی وجہ سے ، میری رائے میں تجزیات ابتدائی دور میں ہیں۔ ابھی بہت کچھ باقی ہے ، ابھی آنے والا ہے اور ہم اسے آنے والے برسوں میں سامنے آتے ہوئے دیکھیں گے۔ میرے خیال میں میں اب گیند کو Dez پر منتقل کرسکتا ہوں۔

ڈیز بلین فیلڈ: ہاں ، روبین کی پیروی کرنے والے سخت اقدام کے بارے میں بات کریں۔ میں اپنے پسندیدہ زاویوں سے مختصر طور پر اس موضوع کو دیکھنے جا رہا ہوں ، جو انسان کا زاویہ ہے۔ ہماری روزمرہ کی زندگی میں بہت ساری تبدیلیاں رونما ہو رہی ہیں۔ ہماری روز مرہ کی زندگی میں سب سے بڑی رکاوٹ ، فی الحال میرے خیال میں ، صرف روزمرہ کا کام ہے۔ کام کی طرف رجوع کرنا اور جس کام کے لئے آپ کی خدمات حاصل کی گئی ہیں اسے کرنے کی کوشش کرنا ، اور بڑھتی ہوئی توقع جس سے آپ روزمرہ کے فرد سے ایک سپر ہیرو میں جا رہے ہو اور معلومات کی مقدار جو تنظیموں کے گرد گھوم رہی ہے اور بہت جلد خارج ہورہی ہے ، یہ ایک اہم چیلنج ہے اور زیادہ سے زیادہ ہمیں لوگوں کو بہتر اور بہتر ٹولز مہیا کرنے کی ضرورت ہے تاکہ وہ علم اور معلومات کے بہاؤ سے نمٹنے کے ل try کوشش کریں اور اس ل I میں نے سوچا کہ میں کوشش کروں گا اور اس کا لطف تھوڑا سا تفریحی زاویے سے حاصل کروں گا۔ . لیکن ، یہ ہمیشہ مجھ پر حملہ کرتا ہے کہ ہمیں یہ اعلی دماغ یا فلیش موباs کیسے ملتا ہے ، یہ ہمیں انسٹالیٹ کی حیثیت سے جس چیز کے بارے میں بات کرتے ہیں اس کی طرف لے جا رہے ہیں لیکن واقعتا جس کے بارے میں ہم بات کر رہے ہیں وہ لوگوں کو معلومات مہیا کرنا ہے ، اور انہیں اس کے ساتھ بات چیت کرنے اور اس طرح کرنے کی اجازت دینا کہ یہ فطری ہے اور یہ نارمل محسوس ہوتا ہے۔

اور حقیقت میں ، اس نے فرش پر بیٹھے ایک چھوٹے بچے ، چھوٹے بچے ، کے یوٹیوب کی ویڈیو کی یاد تازہ کردی ہے اور یہ وہیں بیٹھا ہے ایک رکن کے ساتھ کھیل رہا ہے اور یہ چاروں طرف سے پھڑپھڑ رہا ہے ، چھینٹ رہا ہے ، نچوڑ رہا ہے ، اور نقشوں کو باہر منتقل کررہا ہے اور اسکرین کے ساتھ کھیل رہا ہے ، وہاں کے اعداد و شمار. اور پھر والدین آئی پیڈ کو لے کر جاتے ہیں اور بچوں کی گود میں ایک رسالہ ، ایک مطبوعہ میگزین رکھتے ہیں۔ اور اس بچے کی عمر دو سال سے زیادہ نہیں ہوگی۔ بچہ رسالے کی اسکرین سے کوشش کرنا اور سوائپ کرنا شروع کردیتا ہے ، اور چوٹکی مارتا ہے اور نچوڑتا ہے اور میگزین اس کا جواب نہیں دیتا ہے۔ بچہ اپنی انگلی اٹھا کر اس کی طرف دیکھتا ہے اور سوچتا ہے ، "حم ، مجھے نہیں لگتا کہ میری انگلی کا کام چل رہا ہے ،" اور وہ خود کو بازو میں گھساتا ہے اور سوچتا ہے ، "نہیں نہیں ، میری انگلی کا کام میں اپنے بازو کو محسوس کرسکتا ہوں اور وہ اچھا لگ رہا ہے ، "اور یہ انگلی کو شیک کردیتی ہے ، اور انگلی میں شیکن لگاتا ہے اور جواب دیتا ہے۔ جی ہاں. پھر یہ میگزین کے ساتھ ایک بار پھر بات چیت کرنے کی کوشش کرتا ہے ، اور کم اور دیکھو کہ یہ چوٹکی اور نچوڑ اور سکرول نہیں کرتا ہے۔ تب وہ میگزین کو لے جاتے ہیں اور رکن کو اس کی گود میں ڈال دیتے ہیں ، اور اچانک یہ چیز کام کر جاتی ہے۔ اور اسی طرح یہاں ایک بچہ ہے جو تجزیہ کار ٹول یا براہ راست اسٹریمنگ ٹول کو تفریح ​​کے ل use استعمال کرنے کی تربیت یافتہ ہے اور یہ کام نہیں کرسکتا ہے کہ میگزین کو کیسے کام کرنا چاہئے اور صفحات کو پلٹائیں۔

اور یہ اپنے آپ میں ایک دلچسپ تصور ہے۔ لیکن جب میں تنظیموں کے گرد گھومتے ہوئے علم ، اور جس طرح سے اعداد و شمار کے بہاؤ اور لوگوں کے برتاؤ کے بارے میں سوچتا ہوں تو ، میں اکثر اس تصور کے بارے میں سوچتا ہوں کہ لوگوں نے فلیش ہجوم بننا کیا سیکھا ہے ، جو ایک ایسا واقعہ ہے جہاں ، اور کون سا سوشل میڈیا بناتا ہے۔ یہ کرنا اور بھی آسان ہے ، اس طرح کا ایک نظریہ جو اس وقت اور تاریخ اور ایکشن ، یا ویڈیو پر اس مقام پر جاتا ہے اور یہ ناچ سیکھتا ہے ، یا اس رنگ کی ٹوپی پہن کر ایک بج کر شمال کی طرف اشارہ کرتا ہے۔ اور آپ اپنے نیٹ ورک کے ذریعہ اس کو آگے بڑھاتے ہیں ، اور مستقل طور پر ایک بہت سارے لوگ ، ان میں سے سینکڑوں ، ایک ہی جگہ پر ایک ہی وقت میں ایک ہی کام کرتے ہیں اور یہ واہ عنصر ہے ، جیسے ، "مقدس گائے ، وہ تھی واقعی متاثر کن! "لیکن حقیقت میں یہ واقعی ایک آسان نظریہ ہے ، اور ایک سادہ سا تصور جس کو ہمارے نیٹ ورکس کے ذریعہ آگے بڑھایا جارہا ہے اور ہمیں یہ نتیجہ ملتا ہے جو کہ ایک حیرت انگیز اور حیرت انگیز طور پر متاثر کن چیز ہے۔ اور جب آپ کسی تنظیم کے بارے میں سوچتے ہیں ، جس طرح سے ہم لوگوں کے ساتھ سلوک کرنا چاہتے ہیں اور جس طرح سے ہم انفارمیشن سسٹم اور صارفین کے ساتھ معاملہ کرنا چاہتے ہیں تو ، یہ اکثر اتنا آسان ہوتا ہے ، یہ ایک نظریہ یا تصور یا ثقافتی یا طرز عمل کی خصوصیت ہے جس کو ہم منظور کرنے کی کوشش کرتے ہیں ٹولز اور معلومات کے ذریعہ اور ان کو بااختیار بنانا۔

اور یہ سب کچھ اس ذہن کی روشنی میں ہے جو میں نے ڈھائی دہائیوں سے زیادہ عرصہ سے جاری رکھا ہے اور وہ یہ ہے کہ ، اگر آپ کے عملے کو اپنے کام کو کرنے کی ضرورت نہیں مل سکتی ہے تو ، اس کے اوزار یا معلومات ہوں ، وہ ہمیشہ پہیے کو دوبارہ تخلیق کریں گے۔ اور اس طرح یہ اب ایک بڑھتا ہوا چیلنج ہے ، جہاں ہمارے پاس بہت سارے علم اور بہت سی معلومات اور چیزیں بہت تیزی سے آگے بڑھ رہی ہیں ، کہ ہم لوگوں کو پہیے کی بحالی روکنا چاہتے ہیں۔ اور جب ہم اپنے کام کرنے والے ماحول کے بارے میں سوچتے ہیں ، لوگوں کے زاویے پر واپس آتے ہو، جو میری پسند میں سے ایک ہے ، میں حیرت زدہ رہ گیا جب ہم حیرت زدہ ہوئے کہ اچھ outcomeے اچھے نتائج کے ل environment موزوں ماحول نہیں ہیں ، یا ہم اس طرح کی چیزوں کو کھڑا کرتے ہیں۔ یہاں کی تصاویر ، اور اس میں زیادہ تبدیلی نہیں آئی ، صرف دیواروں کو نیچے کیا اور انہیں کھلی جگہ بنانے کا مقام دیا۔ لیکن اس کے وسط میں اپنے ارد گرد پیلے رنگ کے لوپ کے ساتھ ، وہاں دو افراد علم کا تبادلہ کرتے ہیں۔ اور پھر بھی ، اگر آپ باقی کمرے کو دیکھیں تو وہ سب وہاں پر بیٹھ رہے ہیں ، معلومات کو اسکرین میں ڈالتے ہوئے ، پوری طرح سے وہاں ٹکرا رہے ہیں۔ اور زیادہ تر ، حقیقت میں علم اور ڈیٹا کا تبادلہ نہیں کرنا ، اور اس کی وجوہات بہت ساری ہیں۔ لیکن وہاں پیلے رنگ کے دائرے میں بائیں جانب فرش کے وسط میں تعامل ، وہاں دو لوگوں نے چیٹنگ کرتے ہوئے ، علم کو تبدیل کرتے ہوئے ، اور شاید کچھ تلاش کرنے کی کوشش کرتے ہوئے یہ کہنے کی کوشش کی ، "کیا آپ جانتے ہیں کہ یہ رپورٹ کہاں ہے ، میں کہاں ہوں؟ یہ اعداد و شمار تلاش کرسکتے ہیں ، میں اس کام کو کرنے کے لئے کس ٹول کا استعمال کروں گا؟ “اور شاید اس سے کام نہیں آیا ہے تاکہ انہیں کچھ نہ ملا ، اور فرش پر گھومتے رہے ، کیوبیکل آفس کی جگہ کا اصول توڑ کر ذاتی طور پر کیا۔

اور ہمارے دفتر کے آس پاس ایسے ہی ماحول رہے ہیں جس پر ہم مذاق کرتے ہوئے مذاق کرتے ہیں ، لیکن حقیقت یہ ہے کہ وہ کافی طاقت ور اور موثر ہیں۔ اور میرے پسندیدہ میں سے ایک موبائل یا فکسڈ اینالٹکس پلیٹ فارم ہے جسے واٹر کولر کہتے ہیں ، جہاں لوگ وہاں اٹھ کھڑے ہوتے ہیں اور وہاں ادھر ادھر ادھر ادھر ادھر ادھر ادھر ادھر ادھر ادھر ادھر ادھر ادھر ادھر ادھر ادھر ادھر ادھر ادھر ادھر ادھر ادھر ادھر ادھر ادھر نظر آتے ہیں۔ جب آپ ان کے بارے میں سوچتے ہیں تو یہ بہت طاقتور تصورات ہیں۔ اور اگر آپ ان کا ترجمہ اپنے سسٹم اور ٹولز میں کرسکتے ہیں تو ، آپ کو حیرت انگیز نتیجہ ملتا ہے۔ اور ہمیں ہر وقت کا پسندیدہ انتخاب مل گیا ہے ، جو بنیادی طور پر دفتر کا سب سے طاقتور ڈیٹا ڈسٹری بیوشن مرکز ہے ، بصورت دیگر استقبالیہ ڈیسک کے نام سے جانا جاتا ہے۔ اور اگر آپ کو کچھ نہ مل سکے تو آپ کہاں جائیں گے؟ ٹھیک ہے آپ دفتر کے سامنے جاکر آپ استقبال کے لئے جاتے ہیں اور کہتے ہیں ، "کیا آپ جانتے ہیں کہ x ، y ، z کہاں ہے؟" اور میں کسی سے یہ کہنے کی ہمت کرتا ہوں کہ انہوں نے کم از کم ایک بار یہ کام نہیں کیا نوکری یا وقت میں ایک وقت جب انہیں کچھ نہیں مل سکتا ہے۔ اور آپ کو اپنے آپ سے پوچھنا ہے ، وہ ایسا کیوں ہے؟ یہ انٹرانیٹ یا کسی ٹول پر یا کہیں بھی ہونا چاہئے۔ اسے ڈھونڈنا آسان ہونا چاہئے۔

اور اسی طرح جب اعداد و شمار اور تجزیات اور ان ٹولز کی بات کی جاتی ہے جو ہم نے اپنے عملے کو اپنا کام کرنے کے لئے فراہم کیا ہے اور جس طرح سے انسان ملازمتوں کے ساتھ تعامل کرتے ہیں تو ، میں نے یہ تجزیہ کیا ہے کہ تجزیاتی ٹولز اور بڑے ڈیٹا پلیٹ فارم کے حالیہ ظہور سے پہلے ، یا "ڈیٹا پروسیسنگ" اس کے ساتھ ساتھ اسے پرانے اسکول میں بھی کہتے ہیں ، رپورٹنگ اور علم کی تقسیم متحرک یا باہمی تعاون یا کھلی باتوں سے بہت دور تھی ، اور جب آپ اس نظام کے بارے میں سوچتے ہیں جس سے ہم لوگوں کو اپنے نوکریوں کی توقع ہوتی ہے تو ، ہمارے پاس کلاسیکی تھا ، کیا لوگ اب میراث کو کہتے ہیں ، لیکن حقیقت یہ ہے کہ یہ صرف وراثت ہی ہے جس کو حاصل ہوا ہے اور یہ آج بھی یہاں ہے ، اور اس لئے یہ واقعی میراث نہیں ہے۔ لیکن روایتی HR سسٹم اور ERP سسٹم۔ ہیومن ریسورس مینجمنٹ ، انٹرپرائز ریسورس پلاننگ ، انٹرپرائز ڈیٹا منیجمنٹ ، اور سسٹم جن کا استعمال ہم کمپنی چلانے کے ل. انفارمیشن کو سنبھالنے کے لئے استعمال کرتے ہیں۔ اس نے ہمیشہ چکنا چور کردیا۔ اور اوپری سرے سے ، آسان پلیٹ فارم جیسے محکمانہ انٹرانیٹس ، بات چیت کرنے کی کوشش کرنا کہ چیزیں کہاں ہیں اور انہیں کیسے حاصل کیا جاسکتا ہے اور اس جگہ کے ارد گرد کے علم کے ساتھ کس طرح بات چیت کی جا سکتی ہے۔ ہم اسے اپنے انٹرانیٹ پر پاپ کرتے ہیں۔ یہ صرف اتنا ہی اچھا ہے جو لوگوں کو اس کو وہاں رکھنے کے لئے وقت اور کوشش کرتے ہیں ، ورنہ یہ صرف آپ کے دماغ میں رہ جاتا ہے۔ یا آپ کو کارپوریٹ SANs اور اس کے بیچ ہر چیز پر فوڈ چین کے نیچے ، پورے راستے میں بیٹھا ہوا ڈیٹا مل گیا ہے ، لہذا اس میں اسٹوریج ایریا نیٹ ورک فائلوں اور کوائف سے بھرا ہوا ہے ، لیکن کون جانتا ہے کہ اسے کہاں تلاش کرنا ہے۔

زیادہ کثرت سے ، ہم نے یہ بند ڈیٹا پلیٹ فارم یا بند سسٹم بنائے ہیں ، اور اس طرح لوگوں نے اسپریڈشیٹ اور پاور پوائینٹس کی پسند کی طرف لوٹ کر اس جگہ کے ارد گرد معلومات منتقل کیں۔ لیکن ایک دلچسپ چیز تھی جو میرے ذہن میں حال ہی میں رونما ہوئی ، اور وہ یہ تھا کہ موبائل آلات اور انٹرنیٹ عمومی طور پر اس خیال پر کام کرتے ہیں کہ حقیقت میں چیزیں بہتر ہوسکتی ہیں۔ اور بنیادی طور پر صارف کی جگہ میں۔ اور یہ ایک دلچسپ بات ہے کہ ہمیں روزمرہ کی زندگی میں انٹرنیٹ بینکاری جیسی چیزیں ملنا شروع ہوگئیں۔ ہمیں جسمانی طور پر ان کے ساتھ تعامل کے ل bank کسی بینک میں جانے کی ضرورت نہیں تھی ، ہم یہ فون کے ذریعہ کرسکتے ہیں۔ اصل میں یہ مشکل تھا لیکن پھر انٹرنیٹ آس پاس آیا اور ہمارے پاس ایک ویب سائٹ موجود تھی۔ آپ جانتے ہو ، اور حال ہی میں آپ واقعی میں کتنی بار اپنے بینک میں گئے ہیں؟ میں واقعی میں نہیں کر سکتا ، دوسرے دن بھی اس بارے میں میری گفتگو ہوئی تھی ، اور میں واقعی میں آخری بار یاد نہیں کرسکتا تھا جب میں اپنے بینک گیا تھا ، جس سے میں بہت حیران ہوا تھا ، میں نے سوچا تھا کہ مجھے یہ یاد کرنے کے قابل ہونا چاہئے ، لیکن یہ اتنا طویل تھا۔ اس سے پہلے جب میں وہاں گیا تھا تو مجھے حقیقت میں یہ یاد نہیں ہے۔ اور اس طرح اب ہمارے پاس یہ گیجٹ موبائل اور فون ، ٹیبلٹ اور لیپ ٹاپ کی شکل میں موجود ہیں ، ہمارے پاس نیٹ ورک اور آلات اور سسٹم تک رسائی ہے ، اور صارف کی جگہ جس نے ہمیں سیکھا ہے کہ چیزیں بہتر ہوسکتی ہیں ، لیکن اس لئے کہ صارفین کی جگہ میں تیزی سے بدلاؤ کا جو انٹرپرائز اور ماحول کے اندر زیادہ سستی اور برفانی تبدیلی رہا ہے ، ہم نے اس تبدیلی کو ہر روز کام کرنے والی زندگی میں ہمیشہ نہیں لیا ہے۔

اور مجھے اس بات پر مذاق اڑانا پسند ہے کہ آپ اسٹریک ڈیٹا کو ہارڈکوپی پر نہیں رہ سکتے ہیں۔ اس شبیہہ میں یہاں ایک شخص بیٹھا ہوا کچھ تجزیات دیکھ رہا ہے جو انجام دیا گیا ہے ، اور ایک خوبصورت گراف ہے جسے کسی نے تیار کیا ہے جس کو شاید ایک شماریات دان یا ایکوریچر کی حیثیت سے بہت زیادہ رقم دی جارہی ہے ، اور وہ وہاں بیٹھے اس کی کوشش کر رہے ہیں ہارڈکوپی کے بارے میں تجزیات اور اس کو دیکھتے ہوئے۔ لیکن میرے لئے خوفناک چیز یہ ہے: مثال کے طور پر ، یہ لوگ اس میٹنگ روم میں موجود ہیں اور میں اسے مثال کے طور پر استعمال کروں گا ، وہ اس ڈیٹا کے ساتھ بات چیت کر رہے ہیں جو اب تاریخی ہے۔ اور یہ اتنا ہی پرانا ہے جب سے یہ چیز تیار کی گئی تھی اور پھر چھاپی گئی تھی ، تو شاید یہ ایک ہفتہ پرانی رپورٹ ہے۔ اب وہ اتنے خراب ڈیٹا نہیں بلکہ پرانے ڈیٹا کے بارے میں فیصلے کر رہے ہیں ، جو ہمیشہ خراب ڈیٹا ہوسکتے ہیں۔ وہ آج کسی ایسی تاریخی تاریخ کی بنیاد پر فیصلہ دے رہے ہیں ، جو واقعی خراب جگہ ہے۔ ہم اس ہارڈ کاپی کو گولیاں اور فون کی پسند سے تبدیل کرنے میں کامیاب ہوگئے کیونکہ ہم نے صارف کی جگہ پر بہت تیزی سے کام کیا ، اور اب ہم نے اسے انٹرپرائز کی جگہ پر کام کیا ہے ، یہی اصل وقت بصیرت کا حقیقی وقت کی قدر ہے۔

اور ہم اس میں بہتر اور بہتر ہو رہے ہیں۔ اور اس نے مجھے اس مقام پر پہنچایا جو پہلے رابن نے اٹھایا تھا ، یہ شہری اعداد و شمار کے سائنسدان کا تصور تھا اور اس تصور کا آغاز تھا۔ میرے نزدیک ، شہری اعداد و شمار کا سائنس دان صرف باقاعدہ لوگ ہیں جن میں آئی پیڈ کی پسند کے بارے میں صحیح اوزار اور معلومات ہیں۔ ان کے پاس ریاضی کرنے کی ضرورت نہیں ہے ، انہیں الگورتھم کو جاننے کی ضرورت نہیں ہے ، انھیں الگورتھم اور حکمرانی کے اعداد و شمار کو کس طرح استعمال کرنا ہے اس کے بارے میں جاننے کی ضرورت نہیں ہے ، انہیں صرف انٹرفیس کو استعمال کرنے کا طریقہ جاننے کی ضرورت ہے۔ اور اس سے مجھے اپنے تعارف اور ایک چھوٹا بچہ جس میں آئی پیڈ بمقابلہ میگزین بمقابلہ ایک رکن کے ساتھ بیٹھا ہوا تصور لایا۔ چھوٹا بچہ بہت تیزی سے ، بدیہی طور پر یہ سیکھ سکتا ہے کہ آئی پیڈ کے انٹرفیس کو معلومات میں ڈوبنے اور اس کے ساتھ بات چیت کرنے کا طریقہ سیکھ سکتا ہے ، چاہے یہ گیم ، اسٹریمنگ میڈیا یا ویڈیو کے باوجود ہو۔ لیکن یہ میگزین بار اور صفحہ کے بعد صرف چمکتا ہوا صفحہ سے ایک ہی ردعمل یا بات چیت حاصل نہیں کرسکا ، جو اتنا کشش نہیں ہے ، خاص طور پر اگر آپ ایک چھوٹا بچہ ہے جو آئی پیڈ کے ساتھ بڑا ہوا ہے۔ ہمیشہ ، انسان آلے اور چیزوں کو چلانے کا طریقہ بہت تیزی سے دیکھ سکتا ہے اور سیکھ سکتا ہے اگر ہم انہیں فراہم کرتے ہیں ، اور اگر ہم انہیں موبائل ڈیوائسز اور خاص طور پر گولیوں اور اسمارٹ فونز جیسے انٹرفیس فراہم کرتے ہیں ، اور خاص طور پر اگر آپ بات چیت کرسکتے ہیں۔ ان سے رابطے میں ، انگلی کی حرکات کے ساتھ ، اچانک آپ کو شہری اعداد و شمار کے سائنس دان کا یہ تصور مل جاتا ہے۔

کوئی ایسا شخص جو ڈیٹا سائنس کو صحیح ٹولز کے ذریعہ لاگو کرسکتا ہے ، لیکن حقیقت میں بغیر اس کے اس کو جاننے کے لئے۔ اور میرے ذہن میں اس کی ایک بہت کچھ ، جیسا کہ میں نے کہا ہے ، صارفین کے اثر و رسوخ سے کارفرما ہے ، جو حرکت میں آگیا اور طلب و کاروبار میں تبدیل ہوگیا۔ واقعی میں فوری مثال کے ایک جوڑے. ہم ، ہم میں سے بہت سارے اپنے بلاگس اور ویب سائٹوں سے کام کرنا شروع کردیتے ہیں ، جیسے کہ بہت کم اشتہارات لگائے جاتے ہیں یا ٹریکنگ اور نقل و حرکت کو دیکھتے ہیں ، ہم گوگل تجزیات جیسے ٹولز کا استعمال کرتے ہیں اور ہم اس حقیقت سے جاگتے ہیں کہ ہمارے بلاگ اور چھوٹی ویب سائٹوں میں ، ہم وہاں کوڈ کے تھوڑے سے ٹکڑے ڈال سکتے ہیں اور گوگل ہمیں ویب سائٹ پر آنے والے کون ، کب اور کہاں اور کس طرح دیکھنے کے لئے اصل وقت کی بصیرت فراہم کرے گا۔ اور اصل وقت میں ہم واقعتا people لوگوں کو ویب سائٹ کو ہٹتے ، صفحوں کے ذریعے دیکھتے اور پھر مٹتے ہوئے دیکھ سکتے ہیں۔ اور یہ کافی حیران کن تھا۔ مجھے اب بھی ایسا کرنا پسند ہے ، جب میں لوگوں کو حقیقی وقت کے تجزیات کی وضاحت کرنے کی کوشش کرتا ہوں تو میں ان کو صرف گوگل انالٹکس کے ساتھ ویب سائٹ دکھانے کے لئے اسے گونگا کرتا ہوں ، اور حقیقت میں ویب سائٹ کو مارنے والے لوگوں کے ساتھ براہ راست تعامل دیکھتا ہوں اور ان سے پوچھتا ہوں ، "تصور کریں کہ آپ کو حقیقی وقت میں اپنے کاروبار میں اس طرح کی بصیرت ملی۔ "

ایک خوردہ مثال لیں ، اور ہوسکتا ہے کہ کوئی دواسازی ، مجھے لگتا ہے کہ آپ اسے امریکہ میں ایک منشیات کی دکان کہتے ہیں ، ایسی دواخانہ جہاں آپ چلتے ہو اور سر درد کی گولیاں سے لے کر سورج کریم اور ٹوپیاں تک سب کچھ خریدتے ہو۔ اس تنظیم کو ریئل ٹائم معلومات کے بغیر چلانے کی کوشش کرنا ایک خوفناک تصور ہے اب ہم جانتے ہیں کہ ہم کیا جانتے ہیں۔ مثال کے طور پر ، آپ پیدل ٹریفک کی پیمائش کرسکتے ہیں ، آپ اسکرین کے ایک سمت پر ایک مسکراتے چہرے کے ساتھ اسٹور کے آس پاس ڈیوائسز لگا سکتے ہیں کیونکہ آپ خوش ہیں ، اور دائیں طرف ناخوش سرخ اور درمیان میں کچھ مختلف سایہ ہیں۔ اور ان دنوں "ہیپی یا ناٹ" نامی ایک پلیٹ فارم موجود ہے ، جہاں آپ کسی دکان میں چلے جاتے ہیں اور آپ اپنے براہ راست گاہک کے تاثرات پر انحصار کرتے ہوئے ، خوشگوار چہرے یا غمزدہ چہرے کو جھونک سکتے ہیں۔ اور یہ حقیقی وقت کے ساتھ انٹرایکٹو ہوسکتا ہے۔ آپ براہ راست مانگ سے چلنے والی قیمتوں کا تعین کر سکتے ہیں۔ اگر وہاں کے بہت سارے لوگ ہیں تو ، آپ قیمتوں کو تھوڑا سا بڑھا سکتے ہیں ، اور آپ اسٹاک کی دستیابی کر سکتے ہیں اور لوگوں کو بتا سکتے ہیں ، مثال کے طور پر - ایئر لائنز ، لوگوں کو بتائے گی کہ اب ویب سائٹ پر کتنی سیٹیں دستیاب ہیں جب آپ فلائٹ کی بکنگ کر رہے ہو ، آپ صرف تصادفی طور پر ڈائل نہیں کریں گے اور امید کرتے ہیں کہ آپ مڑ کر پرواز حاصل کرسکیں گے۔ براہ راست ایچ آر ڈیٹا ، آپ بتاسکتے ہیں کہ لوگ کب کلاک کر رہے ہیں اور کب کلاک کر رہے ہیں۔ خریداری ، اگر آپ خریداری میں ہیں اور آپ کو براہ راست اعداد و شمار مل گئے ہیں تو ، آپ اپنا اگلا بوجھ خریدنے کے ل to امریکی ڈالر کی قیمت کے مقابلہ میں ایک گھنٹہ انتظار کرنا اور ہیج کی طرح کام کرسکتے ہیں اور چیزوں کا ٹرک بوجھ بناتے ہیں۔

جب میں لوگوں کو گوگل تجزیات دکھاتا ہوں اور میں اس نوعیت کی کہانی کو پیش کرتا ہوں ، اس ایوریکا لمحے ، اس "ا-ہا!" لمحے ، یہ لائٹ بلب ان کے ذہن میں چلا جاتا ہے جیسے ، "ہمم ، میں بہت ساری جگہیں دیکھ سکتا ہوں جہاں میں یہ کرسکتا ہوں۔ . اگر میرے پاس ٹولز موجود ہوتے اور صرف میرے پاس اس علم تک رسائی ہوتی۔ "اور ہم اسے اب سوشل میڈیا میں دیکھ رہے ہیں۔ کوئی بھی جو پریمی سوشل میڈیا صارف کے علاوہ اپنے ناشتہ کی صرف تصاویر دکھانے کے علاوہ ہے ، وہ یہ دیکھنا چاہتا ہے کہ وہ کتنی پسندیدگی حاصل کر رہا ہے اور وہ کتنا ٹریفک حاصل کر رہا ہے اور کتنے دوست حاصل کر رہا ہے ، اور وہ اس کے ساتھ ایسا کرتے ہیں تجزیاتی ٹول کے بطور ، ٹویٹر پسند کرتا ہے۔ آپ آلے کو استعمال کرنے کے لئے ٹویٹر ڈاٹ کام پر جاسکتے ہیں ، لیکن آپ گوگل ٹویٹر اینالٹیکٹس ڈاٹ کام پر ٹائپ کرتے ہیں ، یا اوپر دائیں بٹن پر کلیک کرتے ہیں اور مینو کو نیچے کھینچتے ہیں اور کرتے ہیں ، آپ کو یہ خوبصورت ، رواں گراف ملتے ہیں جو آپ کو بتاتے ہیں کہ کتنے ہیں ٹویٹس جو آپ خود کر رہے ہیں اور ان کے ساتھ کتنے تعامل ہیں۔ اور صرف آپ کے ذاتی سوشل میڈیا پر اصل وقتی تجزیات۔ سوچئے کہ اگر ہمارے پاس گوگل تجزیات اور فیس بک اور لنکڈ اور ٹویٹر ، ای بے کے اعدادوشمار آپ کے پاس آرہے ہیں ، لیکن آپ کے کام کے ماحول میں ہیں۔

اب ہمیں اپنی انگلی پر براہ راست ویب اور موبائل مل گیا ہے ، یہ ایک طاقت کا تصور بن جاتا ہے۔ اور اس طرح یہ مجھے اپنے اختتام کی طرف راغب کرتا ہے ، اور یہ ہے کہ میں نے ہمیشہ یہ پتہ چلا ہے کہ جو تنظیمیں ٹولز اور ٹکنالوجی کو جلدی سے فائدہ اٹھاتی ہیں ، وہ اپنے حریفوں پر اتنا اہم فائدہ حاصل کرتی ہیں کہ حریف شاید کبھی بھی ان کا مقابلہ نہیں کرسکتے ہیں۔ اور ہم یہ دیکھ رہے ہیں کہ اب شہری ڈیٹا سائنسدان کے تنازعہ کے ساتھ۔ اگر ہم لوگوں کو مہارت کے ساتھ ، اس علم کے ساتھ لے جا سکتے ہیں جس کے لئے ہم نے ان کی خدمات حاصل کیں ، اور ہم انہیں صحیح ٹولز دے سکتے ہیں ، خاص طور پر اصل وقت کا ڈیٹا دیکھنے اور ڈیٹا کو دریافت کرنے کی صلاحیت اور یہ جان سکتے ہیں کہ مکعب کے چکر لگائے بغیر کہاں ہے۔ اور لوگوں سے کچھ تقابلی تجزیات کرنے کے لئے واٹر کولر پر کھڑے ہوکر یا اونچی آواز میں سوالات پوچھیں یا جاکر استقبالیہ پوچھیں جہاں انڈیکس ہے۔ اگر وہ یہ کام اپنی انگلی پر کرسکتے ہیں اور وہ اسے اپنے ساتھ ہونے والی ملاقاتوں میں لے جاسکتے ہیں اور ہارڈکوپی کے بجائے حقیقی وقت میں اسکرینوں سے چمکتے بورڈ روم میں بیٹھ سکتے ہیں ، اچانک ہم نے اپنے عملے کو بااختیار بنا دیا جس کی ضرورت نہیں ہے۔ ڈیٹا سائنسدانوں ، لیکن حقیقت میں ڈیٹا سائنس کو استعمال کرنے اور تنظیموں کے لئے حیرت انگیز نتائج نکالنے کے لئے۔ اور مجھے لگتا ہے کہ اب یہ واقعی نقطہ ہم گزر چکے ہیں جہاں صارفین کو انٹرپرائز میں چلایا جاتا ہے ، چیلنج یہ ہے کہ ہم اس انٹرپرائز کو کیسے مہیا کرتے ہیں ، اور یہی وہ موضوع ہے جس کا میں آج کی گفتگو کا اندازہ لگاتا ہوں۔ اور اس کے ساتھ ، میں اپنے ٹکڑے کو سمیٹنے جا رہا ہوں اور یہ سننے کے لئے کہ ہم اس کو کیسے حل کرسکتے ہیں۔ ڈیوڈ ، آپ کے حوالے

ڈیوڈ سویونر: ٹھیک ہے ، بہت زیادہ لوگوں کا شکریہ ، اور آپ کا شکریہ رابن۔ آپ جانتے ہو ، رابن ، میں آپ کے اصل اندازے سے متفق ہوں۔ تجزیاتی عمل ، یہ واقعی سافٹ ویئر ڈویلپمنٹ سے مختلف نہیں ہے۔ میرا خیال ہے کہ کسی تنظیم کے اندر چیلنج بالکل واقعتا is ہے ، آپ جانتے ہو ، شاید چیزوں کی اس طرح وضاحت نہیں کی جا سکتی ہے ، شاید اس میں کوئی ریسرچ جز ہے اور اس میں تخلیقی جزو بھی ہے۔ اور ڈیز ، آپ جانتے ہیں ، میں آپ سے اتفاق کرتا ہوں ، پہیے کو بہت کم کرنا ہے ، اور آپ کو معلوم ہے کہ ، آج کوئی ایسی تنظیم نہیں ہے جس میں آج جاتا ہوں ، آپ سوال کرتے ہیں ، ٹھیک ہے ، آپ اسے اس طرح کیوں کررہے ہیں؟ کاروبار اس طرح کیوں چلتا ہے؟ اور سوال کرنا آسان ہے ، اور بہت ساری بار جب آپ کسی تنظیم میں ہوتے ہیں تو ، اسے تبدیل کرنا مشکل ہوتا ہے۔ میں مشابہت ، چیزوں کی کھپت کو پسند کرتا ہوں۔ اور اس کے بعد جب میں ہوائی اڈ to پر جاؤں اور اپنی نشست تبدیل کرنا چاہوں تو - میں یہ اپنے سیل فون پر کرتا ہوں۔ مجھے بوتھ پر ایجنٹ کے پاس جانے کی ضرورت نہیں ہے ، اور اس نشست کو دیکھتے ہوئے اپنی نشست کو تفویض کرنے کے ل to 15 منٹ تک مونوکروم مانیٹر پر کچھ ٹائپ کرتے ہیں۔ میں صرف اسے اپنے فون پر کرنا پسند کرتا ہوں ، اور اس ل an یہ ایک دلچسپ ترقی ہے۔

آج ، ہم اجتماعی ذہانت کے بارے میں تھوڑی سی بات کرنے جارہے ہیں۔ ان لوگوں کے لئے جو آگاہ نہیں ہیں ، اسٹیٹیسیکا ایک اہم تجزیاتی پلیٹ فارم ہے ، جو قریب 30 سالوں سے جاری ہے۔ اگر آپ تجزیہ کار صنعت میں کسی بھی اشاعت کو دیکھتے ہیں تو ، یہ ہمیشہ سب سے زیادہ بدیہی اور جدید تجزیاتی سوفٹ ویئر پیکج کو استعمال کرنے میں آسانی سے سامنے آتا ہے۔ لہذا ہم نے گذشتہ کچھ سال اجتماعی ذہانت کے نام سے ایک تصور پر کام کرتے ہوئے گذارے ہیں اور ہم اسے اگلی سطح پر لے جا رہے ہیں۔ میں یہ گفتگو اس کے ساتھ شروع کرنا چاہتا تھا: آپ کی تنظیم میں کام کیسے ہوتا ہے؟

اور یہاں دو تصاویر ہیں۔ بائیں طرف والی ایک تصویر 1960 کی دہائی کی ہے ، اور میں نے اپنے کیریئر کا آغاز 1960 کی دہائی میں نہیں کیا تھا ، لیکن دائیں طرف کی تصویر یہ ہے کہ - یہ ایک سیمک کنڈکٹر فیکٹری ہے جہاں میں نے کام کرنا شروع کیا۔ اور میں نے اس بلیک بلڈنگ میں ، اوپر بائیں طرف سیاہ چھت اوپر کام کیا۔ لیکن انہوں نے نیم کنڈکٹر چیزیں بنائیں۔ یہ گوگل امیجز کی حالیہ تصویر ہے۔ لیکن جب آپ بائیں طرف 1960 کی دہائی کی تصویر پر جائیں تو یہ بہت دلچسپ ہے۔ آپ کے پاس یہ لوگ ایک قطار میں بیٹھے ہیں ، اور آپ جانتے ہیں ، انٹیگریٹڈ سرکٹس اور سیمی کنڈکٹرس بنا رہے ہیں۔ لیکن وہاں ایک معیاری کاری ہے ، چیزوں کو کرنے کا ایک معیاری طریقہ ہے ، اور ایک اچھی طرح سے طے شدہ عمل تھا۔ آپ جانتے ہو ، شاید چونکہ یہ لوگ سب کھلے ماحول میں بیٹھے ہیں ، شاید اس میں کچھ تعاون ہوا ہو۔ مجھے لگتا ہے کہ ہم علمی افرادی قوت میں اس کا تھوڑا سا کھو چکے ہیں۔

جب میں اس عمارت میں اوپر بائیں طرف بیٹھا تھا ، اگر میں کسی کے ساتھ تعاون کرنا چاہتا ہوں تو ، یہ کھلا نہیں تھا۔ یہ دفاتر تھے ، شاید کچھ ٹیم دور دراز تھی ، یا شاید مجھے اس کیمپس میں ٹریک کرنا پڑا تھا۔ یہ 25 منٹ کی واک تھی ، اور مجھے دور دراز کی عمارت میں کسی سے بات کرنی ہوگی۔ میرے خیال میں ہم نے راستے میں کچھ کھو دیا ہے۔ اور اسی طرح ، آپ جانتے ہو ، میری بھی یہی سوچ تھی ، لوگ کیوں کرتے ہیں - کتنے لوگ آپ کی تنظیم میں پہیے کی بحالی کرتے رہتے ہیں؟ میرے خیال میں ، آپ جانتے ہو ، مجموعی طور پر تنظیموں نے 1990 اور 2000 کی دہائی میں CRM اور ڈیٹا گودام کے ساتھ اچھا کام کیا تھا ، اور ایک حد تک BI بھی۔ کسی وجہ سے ، تجزیات میں تھوڑا سا پیچھے رہ گیا ہے۔ ڈیٹا گودام ، اور معیاری بنانے ، اور آپ کے ڈیٹا کو معمول پر لانے ، اور یہ سب کچھ ، اور CRM میں نمایاں سرمایہ کاری ہوئی ، لیکن تجزیات کسی وجہ سے پیچھے رہ گئے۔ اور میں حیران ہوں کیوں؟ ہوسکتا ہے کہ کوئی تخلیقی ہو - ہوسکتا ہے کہ آپ کے عمل کی وضاحت نہیں ہوسکتی ہے ، ہوسکتا ہے آپ کو پتہ ہی نہیں ہو گا کہ آپ اپنے کاروبار میں چیزوں کو تبدیل کرنے کے لئے کون سا فیصلہ یا درست رخ موڑنے کی کوشش کر رہے ہیں۔ جب ہم آج تنظیموں میں جاتے ہیں تو ، بہت سارے لوگ اسپریڈشیٹ میں بہت دستی طور پر چیزیں کرتے ہیں۔

اور آپ جانتے ہو ، میں نے آج صبح ایک اسٹیٹ دیکھا ، میرے خیال میں اس نے کہا کہ 80 ، 90 فیصد اسپریڈشیٹ میں غلطیاں ہیں ، اور ان میں سے کچھ بہت اہم ہوسکتی ہیں۔ وہیل میں سے ایک کی طرح ، جہاں جے پی مورگن چیس نے اسپریڈشیٹ کی غلطیوں کی وجہ سے اربوں اور اربوں ڈالر کا نقصان کیا۔ اس لئے میرے پاس یہ بنیاد ہے جو میرے خیال میں ہے ، چیزوں کو انجام دینے کے ل there ایک بہتر طریقہ ہونا پڑے گا۔ اور جیسا کہ ہم نے بتایا ، ہمارے پاس یہ ڈیٹا سائنس دان ہیں۔ یہ لڑکے مہنگے ہیں ، اور ان کی تلاش مشکل ہے۔ اور کبھی کبھی وہ تھوڑا سا عجیب بتھ ہوتے ہیں۔ لیکن میرے خیال میں ، آپ جانتے ہیں ، اگر مجھے ڈیٹا سائنسدان کیا ہے کا خلاصہ بنانا ہوتا تو شاید یہ کوئی ہے جو ڈیٹا کو سمجھتا ہے۔ میرے خیال میں یہ کوئی ہے جو ریاضی کو سمجھتا ہے ، کوئی ایسا شخص جو مسئلہ کو سمجھتا ہو۔ اور واقعتا، ، کوئی بھی جو نتائج کو بتا سکتا ہے۔ اور اگر آپ ڈیٹا سائنسدان ہیں تو ، آپ ان دنوں بہت خوش قسمت ہیں ، کیوں کہ پچھلے کچھ سالوں میں آپ کی تنخواہ شاید دوگنی ہوگئی ہے۔

لیکن سچ کہا جائے ، بہت ساری تنظیمیں ، ان کے پاس یہ ڈیٹا سائنسدان نہیں ہیں ، لیکن آپ کی تنظیم میں ہوشیار لوگ ہیں۔ آپ کے پاس ایک تنظیم ہے ، آپ کے پاس بہت زیادہ ہوشیار لوگ ہیں ، اور وہ اسپریڈشیٹ استعمال کرتے ہیں۔ آپ جانتے ہو ، اعداد و شمار اور ریاضی ان کا بنیادی کام نہیں ہے ، لیکن وہ کاروبار کو آگے بڑھانے کے لئے ڈیٹا کا استعمال کرتے ہیں۔ واقعی ، ہم جس چیلنج سے خطاب کر رہے ہیں وہ یہ ہے کہ ، اگر آپ کو اعداد و شمار کے سائنسدان یا اعدادوشمار یا دو یا دو خوش قسمت ہیں تو آپ ان کو کیسے لے سکتے ہیں ، اور آپ لوگوں اور لوگوں کے مابین باہمی تعاون کو کیسے بہتر بناسکتے ہیں۔ آپ کی تنظیم کے اندر دوسرے افراد؟ اگر ہم اس طرح سے دیکھیں کہ ہماری تنظیم کس طرح تیار ہے ، تو میں شروع کرنے جا رہا ہوں ، اور میں دائیں سے بائیں جاؤں گا۔ اور میں جانتا ہوں کہ یہ پیچھے کی طرف ہے ، لیکن ہمارے پاس کاروباری صارفین کی یہ لائن ہے۔

یہ آپ کے علمی کارکنوں کی بہت بڑی آبادی ہے ، اور ان لوگوں کے ل you ، آپ کو اپنی کاروباری درخواستوں کی لائن میں تجزیات کو سرایت کرنے کی ضرورت ہے۔ شاید وہ کال سینٹر اسکرین یا کسی اور چیز پر تجزیاتی آؤٹ پٹ دیکھ رہے ہیں ، اور یہ انہیں کسی صارف کو دینے کے لئے اگلی بہترین پیش کش بتا رہا ہے۔ ہوسکتا ہے کہ یہ ویب پورٹل پر صارف یا سپلائی کرنے والا ہو ، اور یہ انہیں فوری طور پر کریڈٹ دیتا ہے ، یا اس جیسی چیزیں۔ لیکن خیال یہ ہے کہ ، وہ تجزیات استعمال کررہے ہیں۔ اگر ہم وسط میں جاتے ہیں تو ، یہ علم کے کارکن ہیں۔ یہ وہ لوگ ہیں جو آج اسپریڈشیٹ کے ساتھ کام کر رہے ہیں ، لیکن اسپریڈشیٹ غلطی کا شکار ہیں اور کسی وقت ان کا گیس ختم ہوجاتا ہے۔ یہ شہری اعداد و شمار کے سائنس دان ، جیسا کہ ہم ان کو کہتے ہیں ، آپ جانتے ہو ، ہم ان کے ل what کیا کرنے کی کوشش کر رہے ہیں وہ واقعی آٹومیشن کی سطح میں اضافہ ہے۔

اور آپ نے تجزیات کے ساتھ سنا ہے کہ 80 سے 90 فیصد کام ڈیٹا پری پیپ میں ہوتا ہے ، اور یہ اصل ریاضی کی بات نہیں ہے ، لیکن یہ ڈیٹا پریپ ہے۔ ہم خود کار طریقے سے یہ کوشش کر رہے ہیں کہ آیا آپ یہ کرتے ہیں ، اور ہمارے پاس وزرڈز اور ٹیمپلیٹس اور دوبارہ قابل استعمال چیزیں ہیں اور آپ کو واقعی اپنے ماحول میں بنیادی ڈھانچے کے بارے میں جاننے کی ضرورت نہیں ہے۔ اور پھر اگر ہم دور دراز کو دیکھیں تو ہمارے پاس یہ ڈیٹا سائنسدان موجود ہیں۔ اور جیسا کہ میں نے بتایا ، ان کی فراہمی بہت کم ہے۔ اور جو ہم ان کو زیادہ پیداواری بنانے کی کوشش کر رہے ہیں ، وہ ان چیزوں کو بنانے کی اجازت دیتا ہے جو یہ شہری ڈیٹا سائنسدان کر سکتے ہیں۔ اس کو لیگو بلاک کی طرح سوچئے ، لہذا یہ ڈیٹا سائنسدان دوبارہ قابل استعمال اثاثہ تشکیل دے سکتے ہیں جو شہری ڈیٹا سائنس دان استعمال کرسکتے ہیں۔ اسے ایک بار بنائیں ، لہذا ہمیں پہیے کو دوبارہ لگانے کی ضرورت نہیں ہے۔

اور پھر ، یہ لوگ اس بارے میں پریشان ہوسکتے ہیں کہ کیا ہم ڈیٹا بیس میں کام کرسکتے ہیں ، اور آپ کی کمپنی نے جو ٹکنالوجی سرمایہ کاری کی ہے اس سے فائدہ اٹھاتے ہیں۔ آپ جانتے ہو ، اس دن اور عمر میں پوری دنیا میں اعداد و شمار کو بدلنا اور اس میں کوئی فرق نہیں پڑتا ہے۔ لہذا اگر ہم اعدادو شمار پر نگاہ ڈالیں ، جیسا کہ میں نے ذکر کیا ہے ، یہ ایک ایسا پلیٹ فارم ہے جو کافی دن سے چل رہا ہے۔ اور یہ ایک بہت ہی جدید مصنوع ہے۔ ڈیٹا بلینڈنگ ، ایسا ڈیٹا سورس نہیں ہوا جس تک ہم رسائی نہیں کرسکتے ہیں۔ ہمارے پاس تمام اعداد و شمار کی دریافت اور تصوizationر کی چیزیں ہیں جن کی آپ امید کریں گے۔ ہم اسے حقیقی وقت میں کرسکتے ہیں۔ اور شاید اس میں ہے - میرے خیال میں سافٹ ویئر کے آلے میں 16،000 سے زیادہ تجزیاتی افعال موجود ہیں ، لہذا اس سے کہیں زیادہ ریاضی ہے جو میں کبھی استعمال کر سکتا ہوں یا نہیں سمجھ سکتا ہوں ، لیکن اگر آپ کو ضرورت ہو تو وہ وہاں ہے۔

ہمارے پاس واقعی ایک کاروباری فیصلہ لینے کے ل business کاروباری قواعد اور تجزیاتی ورک فلو دونوں کو اکٹھا کرنے کی صلاحیت ہے۔ آپ انصاف سے آگے جارہے ہیں ، یہاں ایک الگورتھم ہے ، یہاں ایک ورک فلو ہے ، لیکن آپ کے پاس کاروباری قواعد ہیں جن کے ساتھ آپ ہمیشہ نپٹتے ہیں۔ ہم گورننس میں بہت محفوظ ہیں۔ ہم بہت سارے ادویہ ساز کلائنٹ میں استعمال ہوتے ہیں ، اس میں ایف ڈی اے ہم پر اعتماد کرتا ہے۔ آپ جانتے ہو ، کھیر میں صرف اس بات کا ثبوت ہے کہ ہمارے پاس ان کے قبول کرنے کی قابو اور آڈٹ کی اہلیت موجود ہے۔ اور پھر ، آخر میں ، آپ جانتے ہو ، ہم کھلے اور لچکدار اور قابل توسیع ہیں ، لہذا آپ کو ایک ایسا پلیٹ فارم بنانے کی ضرورت ہے جو آپ اپنے ڈیٹا سائنسدانوں کو نتیجہ خیز بنائے ، آپ اپنے شہری اعداد و شمار کے سائنسدانوں کو پیداواری بنانا چاہتے ہو ، آپ قابل ہونا چاہتے ہیں ان تجزیاتی آؤٹ پٹ کو اپنی تنظیم کے کارکنوں میں تعینات کرنا۔

اگر ہم اس پر ایک نگاہ ڈالیں ، تو یہاں کچھ نظارے کی مثال ہے۔ لیکن آپ کے تجزیاتی آؤٹ پٹ کو کاروباری صارفین کو تقسیم کرنے میں کامیاب رہنا ، لہذا بائیں طرف کی پہلی مثال ، یہ ایک نیٹ ورک تجزیاتی آریھ ہے۔ اور شاید آپ دھوکہ دہی کے تفتیش کار ہیں ، اور آپ نہیں جانتے کہ یہ روابط کیسے بنے ہیں ، اور یہ لوگ ہوسکتے ہیں ، یہ ادارے ہوسکتے ہیں ، یہ معاہدے ہوسکتے ہیں ، واقعی کچھ بھی۔ لیکن آپ اسے اپنے ماؤس سے جوڑ توڑ کر واقعی طور پر سمجھنے کے ل interact اس کے ساتھ بات چیت کرسکتے ہیں - اگر آپ دھوکہ دہی کے تفتیش کار ہیں تو ، تفتیش کرنے والے کی ترجیحی فہرست کو سمجھنے کے لئے ، ٹھیک ہے ، کیونکہ آپ سب سے بات نہیں کرسکتے ہیں ، لہذا آپ کے پاس ترجیح دینے کے لئے.

اگر ہم پیش گوئی کرنے والے دیکھ بھال والے ڈیش بورڈ کے لئے دائیں طرف کی شبیہہ کو دیکھیں ، تو یہ واقعی ایک دلچسپ مسئلہ ہے۔ شاید آپ ہوائی اڈے کے مالک ہوں اور آپ کے پاس ان جسمانی اسکینرز موجود ہوں۔ یہ جسمانی اسکینر ، اگر آپ کسی ہوائی اڈے پر جاتے ہیں تو ، وہاں پر کچھ ایسے اجزاء موجود ہوتے ہیں جن میں نو مہینے کی شیلف زندگی ہوتی ہے۔ اور یہ چیزیں واقعی ، واقعی مہنگی ہیں۔ اگر میرے پاس ایک سے زیادہ انٹری پوائنٹس ، میرے ہوائی اڈے میں ایک سے زیادہ اسکینر ہیں ، نمبر ایک میں یہ یقینی بنانا چاہتا ہوں کہ میں ہر ایک دروازے پر مناسب طریقے سے عملہ رکھتا ہوں ، اور اسکینرز میں موجود حصوں کے لئے ، میں ان کو بھی آرڈر نہیں دینا چاہتا ہوں۔ جلدی ، اور میں ان کے ٹوٹنے سے پہلے ان کو حاصل کرنا چاہتا ہوں۔ ہمارے پاس صلاحیت ہے ، ہوسکتا ہے کہ اگر آپ ہوائی اڈے کے مالک ہوں ، تو یہ پیش گوئی کر سکیں کہ یہ چیزیں کب ٹوٹ پڑے گی اور عملے کی سطح کی پیش گوئی کرے گی۔

اگر ہم نچلے دائیں طرف دیکھیں تو ، یہ اگر آپ مینوفیکچرنگ ماحول میں ہو تو ، یہ مینوفیکچرنگ کے بہاؤ کی تصویری نمائندگی ہے۔ اور یہ دیکھنا قدرے مشکل ہے ، لیکن عمل کے ان مختلف شعبوں پر سرخ اور سبز ٹریفک لائٹس موجود ہیں ، اور اسی طرح اگر میں انجینئر ہوں تو وہاں بہت ہی نفیس ریاضی وہاں جارہی ہے ، لیکن میں اس خاص عمل کے شعبے میں جا کر دیکھ سکتا ہوں۔ پیرامیٹرز ، اور ان پٹ ، جو شاید اس کے قابو سے باہر ہو جائیں۔ اگر ہم اپنے شہری ڈیٹا سائنسدان پر نگاہ ڈالیں تو ، ہمارا مقصد واقعی شہری ڈیٹا سائنس دان کے لئے آسان بنانا ہے۔ ہمارے پاس وزرڈز اور ٹیمپلیٹس ہیں ، اور ایک چیز جو میں سمجھتا ہوں کہ واقعی دلچسپ ہے ، کیا ہمارے پاس یہ خودکار ڈیٹا ہیلتھ چیک نوڈ ہے؟ اور واقعتا یہ کیا کرتا ہے ، اس میں بلٹ میں اسمارٹ ہیں۔

میں نے ڈیٹا پریپ کا تذکرہ کیا - اس میں کافی وقت لگتا ہے ، یہ دونوں اعداد و شمار کو جمع کرنے اور اس کی تیاری کے لئے ہیں۔ لیکن فرض کریں کہ میرے پاس میرے پاس ڈیٹا موجود ہے ، میں اس کو اس ڈیٹا ہیلتھ چیک نوڈ کے ذریعہ چلا سکتا ہوں ، اور اس میں انواریشن ، کم ویران ، اور غیرملکی چیزوں کی جانچ پڑتال کی جاتی ہے ، اور یہ سب چیزیں ، یہ گمشدہ اقدار میں بھرتی ہیں اور اس میں ریاضی کی بہتات ہوتی ہے۔ مجھے سمجھ نہیں آتی ہے ، لہذا میں یا تو پہلے سے طے شدہ چیزوں کو قبول کرسکتا ہوں ، یا اگر میں تھوڑا سا زیادہ ہوشیار ہوں تو ، میں ان کو تبدیل کرسکتا ہوں۔ لیکن بات یہ ہے کہ ہم اس عمل کو خود کار بنانا چاہتے ہیں۔ یہ کام صاف شدہ ڈیٹا سیٹ پر تقریبا 15 مختلف چیک اور نتائج کرتا ہے۔ ہم جو کام کررہے ہیں اس سے لوگوں کے لئے یہ ورک فلوز تخلیق کرنے میں آسانی ہو رہی ہے۔

یہیں سے ہم ڈیٹا سائنسدانوں اور شہریوں کے ڈیٹا سائنسدانوں کے مابین باہمی اشتراک کے بارے میں بات کر رہے ہیں۔ اگر ہم ان تصاویر کو دائیں طرف دیکھیں تو ہمیں یہ ڈیٹا پری ورک فلو نظر آتا ہے۔ اور شاید یہ بہت نفیس ہے ، شاید یہ آپ کی کمپنی کی خفیہ چٹنی ہے ، مجھے نہیں معلوم ، لیکن ہم جانتے ہیں کہ آپ کی تنظیم میں کوئی بھی شخص ہمارے پاس موجود ایک یا زیادہ ڈیٹا سائلوس تک رسائی حاصل کرسکتا ہے۔ ہمیں ایک نمبر کی ضرورت ہے ، انھیں پکڑو اور ان کو ایک ساتھ سلائی کرو اور دوسرا نمبر ، شاید وہاں کوئی خاص پروسیسنگ ہے جو ہم کرنا چاہتے ہیں ، یہ ہمارے ڈیٹا کی صحت سے متعلق جانچ سے باہر ہے ، اور یہ آپ کی کمپنی کی خفیہ چٹنی ہے۔ میں اس ورک فلو کو اپنی تنظیم میں تخلیق کرسکتا ہوں ، اور یہ نوڈ کے طور پر گر جاتا ہے۔ آپ تیر کو نیچے کی طرف اشارہ کرتے ہوئے دیکھیں گے ، یہ صرف ایک نوڈ ہے ، اور ہمارے پاس تنظیم میں سو چیزیں ہوسکتی ہیں۔ خیال یہ ہے کہ ، ہمارے پاس ایسے لوگ ہیں جو کسی خاص جگہ کے بارے میں کچھ جانتے ہیں ، وہ ایک ورک فلو تیار کرسکتے ہیں ، اور کوئی دوسرا اس کو دوبارہ استعمال کرسکتا ہے۔ ہم پہیے کی نوآبادکاری کو کم سے کم کرنے کی کوشش کر رہے ہیں۔

اور ہم وہی کام تجزیاتی ماڈلنگ ورک فلو کے ساتھ کرسکتے ہیں۔ اس معاملے میں ، دائیں طرف ، یہ کام کا بہاؤ ، ہوسکتا ہے کہ وہاں 15 مختلف الگورتھم ہوں ، اور میں اس کام کے ل. بہترین انتخاب کرنا چاہتا ہوں۔ اور مجھے شہری اعداد و شمار کے سائنس دان کی حیثیت سے یہ سمجھنے کی ضرورت نہیں ہے کہ وہاں مکڑی کے جھنجھوڑے میں کیا ہورہا ہے ، لیکن یہ صرف ایک نوڈ میں گر جاتا ہے ، اور ہوسکتا ہے کہ نوڈ محض یہ کہے ، "کریڈٹ رسک اسکور کا حساب لگائیں۔" "موقع کا حساب لگائیں۔ کسی جراحی سائٹ کے انفیکشن سے متعلق ، ”آپ کے پاس کیا ہے۔ "کسی چیز کے دھوکہ دہی سے متعلق لین دین ہونے کے امکانات کا حساب لگائیں۔" بطور شہری اعداد و شمار کے سائنس دان ، میں یہ انتہائی پیچیدہ ریاضی کا استعمال کرسکتا ہوں جسے کسی اور نے بنایا ہے ، ہوسکتا ہے کہ ان میں سے کسی ڈیٹا سائنسدانوں نے میری تنظیم میں تشکیل دیا ہو۔

ڈیٹا سائنس کے نقطہ نظر سے ، آپ جانتے ہو ، میں نے ڈیٹا سائنس دانوں سے بات کی ہے جو کوڈ لکھنا پسند کرتے ہیں ، اور میں نے ان ڈیٹا سائنس دانوں سے بات کی ہے جن کو کوڈ لکھنے سے نفرت ہے۔ اور یہ ٹھیک ہے ، لہذا ہمارے پاس بہت ہی بصری ، گرافیکل یوزر انٹرفیس ہے۔ ہم اپنا ڈیٹا پکڑ سکتے ہیں ، ہم اپنا خودکار ڈیٹا ہیلتھ چیک کرسکتے ہیں ، اور شاید میں کوڈ لکھنا چاہتا ہوں۔ مجھے ازگر پسند ہے ، میں آر کو پسند کرتا ہوں ، لیکن خیال یہ ہے کہ ، یہ ڈیٹا سائنسدان ہیں ، ان کی فراہمی بہت کم ہے ، اور وہ کسی خاص زبان میں کوڈ پسند کرتے ہیں۔ ہمیں خاص طور پر یہ ترجیح نہیں ہے کہ آپ کس زبان میں کوڈ کرنا چاہتے ہیں ، لہذا اگر آپ R کرنا چاہتے ہیں تو ، R کریں؛ اگر آپ ازگر کرنا چاہتے ہیں تو ، ازگر کریں۔ یہ بہت اچھا ہے۔ اگر آپ اپنے تجزیات کو Azure پر پھٹانا چاہتے ہیں تو اپنے تجزیات کو بادل پر پھٹا دیں۔ اور اس ل the مقصد یہ ہے کہ آپ اپنے ڈیٹا سائنسدانوں کو اتنا ہی نتیجہ خیز بنائیں کہ لچکدار اور اختیارات پیش کریں۔

اب ڈیٹا سائنسدان ، وہ بہت ذہین لوگ ہیں ، لیکن ہوسکتا ہے کہ وہ ہر چیز میں ماہر نہیں ہوں ، اور ہوسکتا ہے کہ وہ کیا کرسکتے ہیں اس میں کچھ خامی موجود ہوں۔ اور اگر آپ انڈسٹری میں نظر ڈالیں تو ، بہت سارے تجزیاتی بازاریں موجود ہیں جو وہاں موجود ہیں۔ یہ ایک مثال ہے ، شاید مجھے تصویری پہچان کرنے کی ضرورت ہے اور میرے پاس یہ مہارت نہیں ہے ، شاید میں الگوریتھمیا چلا جاؤں اور امیج کی پہچان الگورتھم حاصل کروں۔ ہوسکتا ہے کہ میں ایپریٹا کے پاس جاؤں اور ایک بہت ہی خاص نگہداشت الگورتھم حاصل کروں۔ ہوسکتا ہے کہ میں Azure مشین لرننگ لائبریری میں کچھ استعمال کرنا چاہتا ہوں۔ ہوسکتا ہے کہ میں اسٹیٹیسیکا کے مقامی پلیٹ فارم میں کچھ استعمال کرنا چاہتا ہوں۔

ایک بار پھر ، یہاں خیال یہ ہے کہ ہم عالمی تجزیاتی برادری کو فائدہ اٹھانا چاہتے ہیں۔ چونکہ آپ اپنی چار دیواری کے اندر ساری مہارت حاصل کرنے کی ضرورت نہیں رکھتے ہیں ، لہذا ہم سافٹ ویئر کیسے تیار کرسکتے ہیں - اور یہ وہی ہے جو ہم کررہے ہیں - جو آپ کے ڈیٹا سائنسدانوں کو مختلف بازاروں سے الگورتھم استعمال کرنے کی اجازت دیتا ہے۔ ہم ایک طویل عرصے سے آر اور ازگر کے ساتھ یہ کام کر رہے ہیں ، لیکن یہ بات ان ایپ مارکیٹوں تک ہے جو وہاں موجود ہیں۔ اور جو آپ یہاں دیکھتے ہیں اس کی چوٹی پر ، ہم اسپارک پر H2O استعمال کررہے ہیں ، لہذا وہاں بہت سارے تجزیاتی الگورتھم ہیں۔ آپ کو شروع سے ہی ان کی تخلیق پر توجہ دینے کی ضرورت نہیں ہے ، آئیے اوپن سورس کمیونٹی میں رہنے والوں کو دوبارہ استعمال کریں ، اور ہم چاہتے ہیں کہ یہ لوگ زیادہ سے زیادہ پیداواری بنیں۔

اگلا مرحلہ ، ہمارے پاس ہمارے شہری ڈیٹا سائنسدانوں اور ہمارے ڈیٹا سائنسدانوں کے ہونے کے بعد ، واقعتا یہ ہے کہ آپ کس طرح فروغ دیتے ہیں اور آپ ان بہترین طریقوں کو تقسیم کرتے ہیں؟ ہمارے پاس ہمارے سافٹ ویر میں ایسی ٹکنالوجی موجود ہے جو آپ کو کہیں بھی تجزیات تقسیم کرنے کی سہولت فراہم کرتی ہے۔ اور یہ ماڈل کے نظم و نسق کا زیادہ نظریہ ہے ، لیکن اب میں چار دیواری یا تُلسا یا تائیوان یا کیلیفورنیا میں آپ کے پاس ، یا چاروں دیواروں کا پابند نہیں ہوں۔ یہ ایک عالمی پلیٹ فارم ہے ، اور ہمارے پاس بہت سے ، بہت سے صارفین ہیں جو اسے متعدد سائٹوں کے ذریعہ استعمال میں لایا جاتا ہے۔

اور اسی طرح واقعی ، اہم چیزیں یہ ہیں کہ ، اگر آپ تائیوان میں کچھ کر رہے ہیں اور آپ برازیل میں اس کی نقل تیار کرنا چاہتے ہیں تو ، بہت اچھی بات ہے۔ وہاں جاو ، دوبارہ پریوست ٹیمپلیٹس کو پکڑو ، اپنی مطلوبہ ورک فلو کو پکڑو۔ یہ ان معیارات ، اور کام کرنے کا عام طریقہ پیدا کرنے کی کوشش کر رہا ہے ، لہذا ہم ہر جگہ چیزیں بالکل مختلف نہیں کر رہے ہیں۔ اور اس کا دوسرا کلیدی جزو ، کیا واقعی ہم اس ریاضی کو لے جانا چاہتے ہیں جہاں ڈیٹا رہتا ہے۔ آپ کو معلوم ہے ، کیلیفورنیا اور تلسا اور تائیوان اور برازیل کے درمیان آپ کو اعداد و شمار میں تبدیلی کی ضرورت نہیں ہے۔ ہمارے پاس ٹکنالوجی ہے جو ہمیں ریاضی کو ڈیٹا تک لے جانے کی اجازت دیتی ہے ، اور ہمارے پاس اس موضوع پر ایک اور ہاٹ ٹکنالوجی کا ویب کاسٹ ہونے والا ہے۔

لیکن ہم اس فن تعمیر کو کہتے ہیں ، اور یہاں ایک چپکے جھانکتے ہیں ، آبائی تقسیم سے متعلق تجزیات کا فن۔ اس کے پیچھے کلیدی خیال یہ ہے کہ ہمارے پاس ایک پلیٹ فارم ، اسٹیٹسٹیکا ہے ، اور میں تجزیاتی ورک فلو کو بطور ایٹم برآمد کرسکتا ہوں۔ اور میں ایک ماڈل ، یا ایک مکمل ورک فلو کرسکتا ہوں ، تاکہ اس سے کوئی فرق نہیں پڑتا ہے۔ لیکن میں اسے تشکیل دے سکتا ہوں ، اور اسے ہدف کے پلیٹ فارم کے لئے موزوں زبان میں برآمد کرسکتا ہوں۔ اس کے بائیں طرف ، بہت سارے لوگ ایسا کرتے ہیں ، لیکن وہ منبع نظام میں اسکور کرتے ہیں۔ یہ ٹھیک ہے ، ہم اسکورنگ کرسکتے ہیں اور ہم ڈیٹا بیس میں ماڈل بلڈنگ کرسکتے ہیں ، لہذا یہ دلچسپ بات ہے۔

اور پھر دائیں طرف ، ہمارے پاس بومی ہے۔ یہ ایک ساتھی ٹیکنالوجی ہے ، ہم ان سب کے ساتھ مل کر کام کرتے ہیں۔ لیکن ہم یہ ورک فلو بھی لے سکتے ہیں ، اور لازمی طور پر اسے دنیا میں کہیں بھی لے جا سکتے ہیں۔ کوئی بھی ایسی چیز جس کا IP ایڈریس ہو۔ اور مجھے پبلک یا پرائیویٹ کلاؤڈ پر اسٹیٹیسیکا انسٹال کرنے کی ضرورت نہیں ہے۔ کوئی بھی چیز جو جے وی ایم چلا سکتی ہے ، ہم ان تجزیاتی ورک فلوز ، ڈیٹا پریپ ورک فلوز ، یا ان میں سے کسی بھی ٹارگٹ پلیٹ فارم پر صرف ماڈل چلا سکتے ہیں۔ چاہے وہ میرے عوامی یا نجی بادل میں ہو ، خواہ وہ میرے ٹریکٹر میں ہو ، میری کار ، میرا گھر ، میرا لائٹ بلب ، میرا انٹرنیٹ کا سامان ، ہمارے پاس ایسی ٹکنالوجی موجود ہے جو آپ کو ان کام کے بہاؤ کو دنیا میں کہیں بھی لے جانے کی سہولت فراہم کرتی ہے۔

آئیے جائزہ لیں۔ آپ جانتے ہو ، ہمارے پاس کاروباری صارفین کی لکیر ہے ، لہذا یہ لوگ ، ہمارے پاس ٹکنالوجی ہے جس کی مدد سے وہ ایسی شکل میں آؤٹ پٹ استعمال کرسکتے ہیں جس سے وہ راضی ہوں۔ ہمارے پاس شہری اعداد و شمار کے سائنسدان ہیں ، اور ہم جو تعاون کرنے کی کوشش کر رہے ہیں وہ تعاون کو بہتر بنانا ، انہیں ٹیم کا حصہ بنانا ہے ، ٹھیک ہے؟ اور اسی طرح ہم چاہتے ہیں کہ لوگ پہیے کو بحال کرنا بند کریں۔ اور ہمارے پاس یہ ڈیٹا سائنس دان ہیں ، وہاں مہارت کا فرق ہوسکتا ہے ، لیکن وہ اپنی زبان میں کوڈ کرسکتے ہیں ، وہ تجزیاتی بازاروں میں جاسکتے ہیں اور وہاں الگورتھم استعمال کرسکتے ہیں۔ اور اسی طرح ، آپ یہ کیسے نہیں سوچ سکتے ہیں کہ اس سے سب کچھ حیرت انگیز ہے؟ یہ کامل ہے ، یہ ہم کر رہے ہیں۔ ہم دوبارہ پریوست ورک ورک فلوز بنا رہے ہیں ، ہم لوگوں کو ہدایات دے رہے ہیں ، ہم انہیں لیگو بلاکس دے رہے ہیں تاکہ وہ ان طاقتور قلعوں کو بناسکیں اور جو کچھ وہ کرنا چاہتے ہیں۔ اس کا خلاصہ یہ ہے کہ ہمارے پاس ایک ایسا پلیٹ فارم ہے جو کاروباری صارفین ، شہریوں کے ڈیٹا سائنسدانوں ، پروگرامر ڈیٹا سائنسدانوں کو بااختیار بناتا ہے ، ہمارے پاس ہے - ہم کسی بھی طرح کے آئی او ٹی ایجریٹ تجزیاتی استعمال کے معاملے کو حل کر سکتے ہیں ، اور ہم اجتماعی ذہانت کے اس تصور کو چالو کررہے ہیں۔ اس کے ساتھ ، مجھے لگتا ہے کہ ہم شاید اسے سوالوں کے ل. کھول دیں گے۔

رابن بلور: ٹھیک ہے ٹھیک ہے۔ مجھے لگتا ہے کہ پہلا - میرا مطلب ہے ، سچ پوچھنا ، میرا مطلب یہ ہے کہ اس سے پہلے مجھے ڈیل اسٹیٹسٹیکا نے بریفنگ دی ہے ، اور سچ کہوں تو میں واقعی میں ان چیزوں پر حیرت زدہ ہوں جن کے بارے میں مجھے نہیں معلوم تھا کہ آپ نے پریزنٹیشن میں پرورش کی ہے۔ . اور مجھے یہ کہنا پڑتا ہے کہ ایک چیز ، یہ ایسی چیز ہے جو تجزیات کو اپنانے میں میرے لئے ایک چھوٹی سی بات رہی ہے ، کیا آپ کو معلوم ہے ، اوزار لینا یہ نہیں ہے ، آپ جانتے ہیں؟ وہاں بہت سارے ٹولز موجود ہیں ، اوپن سورس ٹولز موجود ہیں ، اور اسی طرح بہت ساری چیزیں ، اور مختلف ہیں ، جسے میں کال کروں گا ، نیم پلیٹ فارمز۔ لیکن میرے خیال میں جو فرق آپ کے پاس ہے ، میں خاص طور پر کچھ کام کے فلو سے متاثر ہوا تھا۔

لیکن فرق یہ ہے کہ آپ انجام کو آخر تک فراہم کرتے ہیں۔ یہ ایسا ہی ہے جیسا کہ تجزیات ایک نفیس کاروباری عمل ہے جو اعداد و شمار کے حصول کے ساتھ شروع ہوتا ہے اور پھر اس پر انحصار کرتا ہے کہ اعداد و شمار کتنے خطرناک ہیں اور اس کے بعد یہ ریاضی کے مختلف حملوں کی ایک پوری سیریز میں جلوہ گر ہوسکتا ہے۔ ڈیٹا اور پھر نتائج ایک طرح سے سامنے آتے ہیں اور ان پر عمل کرنے کی ضرورت ہے۔ یہاں بہت سارے تجزیات موجود ہیں جہاں میں بہت سارے کام کرچکا تھا لیکن اس پر عمل کرنے کی کوئی ضرورت نہیں ہے۔ اور ایسا لگتا ہے کہ آپ کے پاس ضرورت کی ایک خوفناک چیز ہے۔ میں نہیں جانتا کہ یہ کتنا جامع ہے ، لیکن یہ میری توقع سے زیادہ جامع ہے۔ میں اس سے حیرت انگیز طور پر متاثر ہوں۔

میں چاہوں گا کہ آپ اسپریڈشیٹ پر تبصرہ کریں۔ آپ نے پہلے ہی کچھ کہا ہے ، لیکن ان چیزوں میں سے ایک جو میں نے نوٹ کیا ہے ، اور میں نے گذشتہ برسوں میں نوٹ کیا ہے ، لیکن یہ زیادہ سے زیادہ واضح ہوچکا ہے ، یہ ہے کہ وہاں بہت سارے اسپریڈشیٹ ہیں جو شیڈو سسٹم ہیں اور واقعتا میں میرے خیال میں اسپریڈشیٹ ، میرا مطلب ہے ، جب یہ متعارف کرایا گیا تھا تو یہ ایک حیرت انگیز ٹول تھا اور جب سے بہت سے مختلف طریقوں سے یہ حیرت انگیز رہا ہے ، لیکن یہ ایک عام اوزار ہے ، یہ واقعی مقصد کے قابل نہیں ہے۔ یہ یقینی طور پر BI تناظر میں بہت اچھا نہیں ہے اور مجھے لگتا ہے کہ تجزیاتی سیاق و سباق میں یہ بہت ہی خوفناک ہے۔ اور میں نے حیرت سے پوچھا کہ کیا آپ کے پاس کچھ تبصرہ کرنا ہے ، آئیے بتائیں ، مثال کے طور پر ، جہاں آپ کو معلوم ہے ، اسٹیٹسٹیکا نے ضرورت سے زیادہ اسپریڈشیٹ کا استعمال کیا ہے ، یا اس بارے میں کوئی تبصرہ کرنا چاہیں گے؟

ڈیوڈ سویونر: ہاں مجھے لگتا ہے کہ ، آپ کو معلوم ہے ، آپ مشہور اسپریڈشیٹ غلطیوں کو دیکھ سکتے ہیں۔ گوگل یا جو بھی سرچ انجن آپ استعمال کر رہے ہیں وہ نتائج کے ساتھ آئے گا۔ مجھے نہیں لگتا ، آپ جانتے ہیں ، ہم کبھی بھی اسپریڈشیٹ کو تبدیل کردیں گے۔ یہ ہمارا ارادہ نہیں ، بلکہ بہت ساری تنظیمیں ہیں جن میں میں جاتا ہوں ، ان میں سے ایک اسپریڈشیٹ وزرڈز یا ننجا یا کچھ بھی ہے جسے آپ ان کو فون کرنا چاہتے ہیں ، لیکن ان کے پاس یہ انتہائی نفیس اسپریڈشیٹ ہیں اور آپ کو سوچنا ہوگا ، جب یہ ہوتا ہے تو لوگ لوٹو جیت جاتے ہیں اور وہ واپس نہیں آتے؟ اور اس کے ساتھ ہم جو کرنے کی کوشش کر رہے ہیں وہ یہ ہے کہ ، ہم جانتے ہیں کہ اسپریڈشیٹ موجود ہوں گی تاکہ ہم ان کو ایجسٹ کرسکیں ، لیکن میرا خیال ہے کہ ہم جو کوشش کر رہے ہیں وہ آپ کے ورک فلو کی بینائی نمائندگی تیار کرنا ہے تاکہ اسے سمجھا جاسکے اور دوسرے لوگوں کے ساتھ بھی شیئر کیا جاسکے۔ . اسپریڈشیٹ بہت مشکل ہیں ، اشتراک کرنا بہت مشکل ہے۔ اور جیسے ہی آپ اپنی اسپریڈشیٹ مجھ پر منتقل کریں گے ، میں نے اسے تبدیل کردیا ہے ، اور اب ہم مطابقت پذیر ہوگئے ہیں اور ہمیں مختلف جواب مل رہے ہیں۔ ہم جو کچھ کرنے کی کوشش کر رہے ہیں وہ یہ ہے کہ اس کے آس پاس کچھ گارڈیل لگائیں اور چیزوں کو قدرے موثر بنائیں۔ اور اسپریڈشیٹ متعدد ڈیٹا سیٹ کو ایک ساتھ جوڑ کر واقعی خوفناک ہوتی ہیں ، کیا آپ جانتے ہیں؟ وہ وہاں گر پڑے۔ لیکن ہم ان کی جگہ نہیں لے رہے ہیں ، ہم ان کو کھا رہے ہیں اور ہمارے پاس ایسے لوگ ہیں جو منتقل ہونا شروع کر رہے ہیں کیونکہ اگر ہمارے پاس نوڈ ہے جس میں لکھا گیا ہے کہ "خطرے کا حساب لگائیں" یہی وہ شخص ہے جو اسپریڈشیٹ استعمال کرنے کی کوشش کر رہا ہے۔ تو وہ ختم ہوگئے۔

رابن بلور: ہاں ، میرا مطلب ہے ، میں یہ کہوں گا ، آپ جانتے ہو ، میں نے ایک ایسے نظریے سے جو چیزوں کو دیکھتا ہوں ، میں یہ کہوں گا کہ اسپریڈشیٹ معلومات بنانے کے ل great بہترین ہیں۔ وہ جزیرے علم کے بنانے کے ل. بھی زبردست ہیں ، لیکن علم کو بانٹنے کے لئے وہ واقعی خراب ہیں۔ ان کے پاس ایسا کرنے کا کوئی طریقہ کار نہیں ہے ، اور اگر آپ کسی کو اسپریڈشیٹ کسی کے پاس دیتے ہیں تو ، ایسا نہیں ہے کہ آپ اسے پڑھ سکتے ہو جیسے یہ مضمون ہے جس میں بتایا گیا ہے کہ وہ کیا کر رہے ہیں۔ یہ ابھی نہیں ہے۔ میرے خیال میں ، آپ جانتے ہو ، جس چیز نے مجھے پریزنٹیشن اور اسٹیٹیکٹا کی صلاحیتوں کے بارے میں سب سے زیادہ متاثر کیا ، ایسا لگتا ہے کہ یہ ناقابل یقین حد تک انجنوسٹک ہے۔ لیکن اس کا یہ دھاگہ اس کام کے فلو سے جاری ہے۔ کیا میں یہ سمجھنے میں حق بجانب ہوں کہ آپ کام کے فلو کو اختتام سے آخر تک دیکھ سکتے ہیں ، آپ جانتے ہو ، اعداد و شمار کے حصول سے لے کر خاص طور پر بی آئی ایپلی کیشنز یا اس سے بھی چل رہی ایپلی کیشنز میں سرایت کے نتائج تک؟

ڈیوڈ سویونر: ہاں ، بالکل اور اس میں اختتام سے آخر تک کی صلاحیت موجود ہے اور کچھ تنظیمیں اس کو پوری طرح استعمال کرتی ہیں ، اور میں ان خیالوں میں نہیں ہوں کہ آج کل کوئی بھی کمپنی ایک وینڈر سے سب کچھ خریدتی ہے۔ ہمارا مرکب ہے۔ کچھ لوگ ہر چیز کے لئے اسٹٹیسیکا کا استعمال کرتے ہیں اور کچھ لوگ اسے ماڈلنگ ورک فلو کے لئے استعمال کرتے ہیں ، کچھ لوگ اسے ڈیٹا پری ورک ورک فلو کے لئے استعمال کرتے ہیں۔ کچھ لوگ انجینئروں کو سیکڑوں انجینئرنگ رپورٹس تقسیم کرنے کے لئے اس کا استعمال کرتے ہیں۔ اور اس طرح ہمارے درمیان سب کچھ ہے۔ اور یہ واقعی اختتام آخر ہے اور یہ آپ کو معلوم ہے کہ ، ایک انجنوسٹک پلیٹ فارم ہے ، اگر اس میں اگر الگورتھم موجود ہے جسے آپ آر یا ازگر ، آزور ، اپرویٹا میں ، جو بھی ، آپ جانتے ہو ، استعمال کریں۔ یہ بہت اچھا ہے ، نتیجہ خیز بنیں ، جو آپ جانتے ہو اس کا استعمال کریں ، جس چیز سے آپ کو راحت ہو اسے استعمال کریں اور ہمارے پاس اس بات کو یقینی بنانے کے لئے میکانزم موجود ہے کہ ان کو کنٹرول کیا جائے اور قابل آڈٹ ہو اور اس طرح کی ہر چیز کو یقینی بنایا جا سکے۔

رابن بلور: مجھے خاص طور پر اس کا پہلو پسند ہے۔ جس کا مطلب بولوں: مجھے نہیں معلوم کہ آپ جو کچھ کہہ رہے ہو اس سے آگے آپ کچھ بھی کہہ سکتے ہو۔ میرا مطلب ہے ، میں نے اس پر نظر ڈالی ہے لیکن میں نے اسے ایک جامع انداز میں نہیں دیکھا ہے اور یقینا our ہماری لائبریریوں میں ازگر لائبریریوں کی ایک بہت بڑی تعداد موجود ہے لیکن کیا آپ کے پاس اس تصویر میں کوئی اور چیز شامل ہوسکتی ہے؟ کیونکہ مجھے لگتا ہے کہ یہ ایک بہت ہی دلچسپ چیز ہے ، آپ جانتے ہیں ، یہ خیال کہ آپ کے پاس اجزاء قابل اعتماد ہوں گے ، کیونکہ آپ ان لوگوں کو جانتے تھے جنہوں نے انہیں تخلیق کیا تھا اور مختلف لوگوں کو جو ان کو استعمال کررہے تھے جو آپ ڈاؤن لوڈ کرسکتے ہیں۔ آپ جانتے ہو ، کیا آپ اس کے بارے میں پہلے ہی جو کچھ کہہ چکے ہیں اسے تقویت بخش سکتے ہیں؟

ڈیوڈ سوونور: ہاں ، میں سمجھتا ہوں کہ ایپ کے کچھ بازار ، آپ جانتے ہو ، الگورتھم کے بازار جو وہاں موجود ہیں۔ مثال کے طور پر ، آپ جانتے ہو ، آئیووا یونیورسٹی میں ، ڈاکٹر جان کروم ویل ، اس نے ایک ایسا ماڈل تیار کیا ہے جس کی پیش گوئی کی جائے گی ، جو حقیقی وقت میں استعمال ہوتا ہے جب کہ ہمارا آپریٹ کیا جارہا ہے ، آپ کو ایک اسکور دے گا اگر آپ کو کوئی حاصل کرنے جارہے ہو۔ جراحی سائٹ انفیکشن. اور اگر اس کا سکور کافی زیادہ ہے تو وہ آپریٹنگ روم میں ہی مداخلت کریں گے۔ یہ بہت دلچسپ ہے۔ تو شاید کوئی دوسرا اسپتال ہے جو اتنا بڑا نہیں ہے۔ ٹھیک ہے ، تجاریات کے لئے اپریویتا ایک صحت ایپ کا بازار ہے۔ آپ یا تو ان ایپ کے بہت سے بازاروں میں سے ایک ڈھونڈ سکتے ہیں ، آپ ایک تلاش کرسکتے ہیں اور دوبارہ استعمال کرسکتے ہیں ، اور یہ لین دین آپ کے اور آپ کے درمیان ہے جو اس کا مالک ہے ، لیکن آپ یا تو تلاش کرسکتے ہیں یا آپ کہہ سکتے ہیں ، "یہ ہے مجھے کیا ضرورت ہے۔ "میرے خیال میں اس عالمی برادری کو فائدہ پہنچ رہا ہے کیونکہ آج کل ہر شخص ایک ماہر ہے ، اور آپ سب کچھ نہیں جان سکتے ہیں۔ میرے خیال میں آر اور ازگر ایک چیز ہیں لیکن اس خیال کے بارے میں ، "میں یہ فنکشن کرنا چاہتا ہوں ، ان ایپ مارکیٹ میں سے کسی ایک جگہ پر ایک قیاس آرائی کروں اور کوئی آپ کے ل for اس کو تیار کرے۔" اور وہ اس سے رقم کما سکتے ہیں ، میرے خیال میں یہ خالصتا the اوپن سورس ماڈل سے بہت دلچسپ اور بہت مختلف ہے۔

رابن بلور: ٹھیک ہے۔ بہرحال ، میں گیند Dez پر بھیج دوں گا۔ کیا آپ ڈز میں ڈوبکی پسند کریں گے؟

ڈیز بلین فیلڈ: بالکل اور میں اسپریڈشیٹ پر صرف ایک لمحے کے لئے رکھنا چاہوں گا کیونکہ مجھے لگتا ہے کہ اس نے جس چیز کے بارے میں ہم یہاں بات کر رہے ہیں اس میں سے بہت سے لوگوں نے اس کی صحیح اشاعت حاصل کرلی ہے۔ اور آپ نے ایک تبصرہ کیا ، رابن ، اس طرح کے پرانے اسپریڈشیٹ کو ان کی جسمانی شکل سے الیکٹرانک شکل میں تبدیل کرنے کے سلسلے میں۔ ہمارے پاس ایک دلچسپ چیز واقع ہوئی تھی ، جب آپ جانتے ہو ، جب اسپریڈشیٹ اصل میں وہ چیز ہوتی تھیں جب وہ قطار اور کالموں والی کاغذ کی چادریں ہوتی تھیں اور آپ دستی طور پر چیزیں لکھتے تھے ، تب آپ طاقت حاصل کرتے اور ان کا حساب کتاب کرتے تھے ، یا تو یہ آپ کے سر کے اوپر یا کسی اور آلے کے ساتھ ہے۔ لیکن ہمارے پاس ابھی بھی موقع ہے کہ ہینڈ رائٹنگ کی غلطیوں یا ڈیسکلیشیا کے ساتھ غلطیاں پھسل جائیں ، اور اب ہم نے اسے ٹائپوز سے تبدیل کردیا ہے۔ خطرہ یہ ہے کہ اسپریڈشیٹ کے ساتھ رسک کا پروفائل تیز اور بڑا ہوتا ہے ، لیکن میں سمجھتا ہوں کہ اسٹیٹسٹیکا جیسے ٹولز خطرے کے اہرام کو الٹ دیتے ہیں۔

میں اکثر اس تصویر کو ایک شخص کی حیثیت سے ایک انسان کی طرح ایک اسٹیک فگر کے وائٹ بورڈ پر کھینچتا ہوں ، اور پھر نیچے سے ان کا ایک مجموعہ بناتا ہوں ، چلیں ، کہتے ہیں کہ اس وائٹ بورڈ کے نچلے حصے میں ان میں سے دس کا تصور کریں ، اور میں ایک تصویر کھینچتا ہوں۔ اہرام جہاں ایک شخص پر اہرام کا نقطہ اور اہرام کے پاؤں لوگوں کے جمع. اور میں اس خیال کو تصور کرنے کے لئے استعمال کرتا ہوں کہ اگر اوپر والا شخص اسپریڈشیٹ کرتا ہے تو غلطی کرتا ہے اور اسے دس افراد کے ساتھ بانٹ دیتا ہے ، اور اب ہمارے پاس غلطی کی دس کاپیاں مل گئیں ہیں۔ اپنے میکروز کے بارے میں بہت محتاط رہیں اور اپنے بصری بنیادی کے بارے میں بہت محتاط رہیں اگر آپ اس کی طرف جارہے ہیں۔ کیونکہ جب ہم اسپریڈشیٹ جیسے الیکٹرانک ٹولز تیار کرتے ہیں تو یہ بہت طاقت ور ہوتا ہے ، لیکن یہ اچھے اور برے طریقے سے بھی طاقتور ہوتا ہے۔

میرے خیال میں اسٹیکسٹیکا جیسے ٹولز اس رسک پروفائل کو الٹا دینے کی صلاحیت پیدا کرتے ہیں اور وہ یہ ہے کہ اب آپ اس مقام پر پہنچ سکتے ہیں جہاں آپ کو بہت سارے ٹولز ملے ہیں جو انفرادی شخص کے لئے دستیاب ہیں اور جب وہ بہت سارے ٹولز سے اوپر جاتے ہیں تو اہرامڈ اور پھر بالکل نیچے تک جہاں اہرامے کا نقطہ اب الٹا جارہا ہے وہ اصل ٹول ہے ، اگر ہمارے پاس ایسے لوگوں کی ایک ٹیم مل گئی ہے جو ان ٹولز کی تعمیر کر رہے ہیں اور وہ الگورتھم۔ اور اعداد و شمار کے سائنس دان کو اپنے اعداد و شمار پر رجعت پسند تجزیات کے ماہر ہونے کی ضرورت نہیں ہے۔ ہوسکتا ہے کہ وہ اس ٹول کو استعمال کرسکیں ، لیکن آپ کے پاس پانچ یا چھ شماریات دان اور ایک ایکچروری اور ایک ڈیٹا سائنس دان اور کچھ ریاضی دان اس ٹول پر کام کر سکتے ہیں ، وہ ماڈیول ، وہ الگورتھم ، اس پلگ ان اور اس طرح اسپریڈشیٹ پارلیینس میں ، لہذا ذرا تصور کریں کہ آپ کی شائع کی جانے والی ہر اسپریڈشیٹ دراصل ماہرین کے ذریعہ لکھی گئی تھی ، جنہوں نے میکروز کی جانچ کی ، ویژول بیسک کا تجربہ کیا ، اس بات کو یقینی بنایا کہ الگورتھم نے کام کیا ، لہذا جب آپ کو یہ مل گیا تو آپ اس میں صرف ڈیٹا پاپ کرسکتے ہیں لیکن آپ حقیقت میں اسے توڑ نہیں سکتے اور اس لئے اسے بہتر بنانا بہتر ہے۔

میرے خیال میں تجزیات کے بہت سارے ٹول یہ کام کر رہے ہیں۔ میرا اندازہ ہے کہ اس مقام تک پہنچنا ہے ، کیا آپ ابھی میدان میں دیکھ رہے ہیں ، کیا آپ اسپریڈشیٹ سے منتقلی دیکھ رہے ہیں جو ممکنہ طور پر غلطیوں اور غلطیوں اور خطرے کو آگے بڑھا سکتا ہے ، جہاں آپ اپنے اوزار کے ذریعہ تعمیر کر رہے ہو؟ اب پلیٹ فارمز ، جب ڈیٹا کی دریافت اصل وقت میں درست ہے اور جو لوگ ماڈیولز اور الگورتھم بنا رہے ہیں وہ اس خطرے کی پروفائل کو ہٹارہے یا کم کررہے ہیں؟ کیا کسٹمر سروس حقیقی معنوں میں یہ دیکھ رہی ہے یا کیا آپ کو لگتا ہے کہ ابھی ہو رہا ہے اور انہیں اس کا احساس نہیں ہے؟

ڈیوڈ سویونر: آپ جانتے ہو ، میں سمجھتا ہوں کہ اس کے جواب دینے کے ایک دو راستے ہیں۔ لیکن جو کچھ ہم دیکھ رہے ہیں وہ ہے ، آپ جانتے ہیں کہ کسی بھی تنظیم میں ، اور میں نے تجزیہ کیا ہے کہ میرے خیال میں شاید کارپوریٹ سرمایہ کاری کے نقطہ نظر سے پیچھے رہ گیا ہے ، اس طرح کے ہم نے ڈیٹا گودام اور سی آر ایم کے ساتھ کیا کیا۔ لیکن جو ہم دیکھ رہے ہیں ، لہذا ، تنظیم کو جڑ سے اکھاڑنے میں کسی تنظیم کو تبدیل کرنے میں بہت زیادہ وقت درکار ہوتا ہے۔ لیکن جو ہم دیکھ رہے ہیں وہ یہ ہے کہ لوگ اپنی اسپریڈشیٹ لے رہے ہیں ، اپنے ورک فلوز لے رہے ہیں ، اور میں نے سلامتی اور گورننس کا ذکر کیا ، "ٹھیک ہے ، شاید میرے پاس ایک اسپریڈشیٹ ہے ،" "ٹھیک ہے ، میں اسے لاک کرسکتا ہوں اور میں اس پر کنٹرول کر سکتا ہوں۔" ہم بہت ساری تنظیمیں دیکھتے ہیں ، شاید وہ صرف وہیں سے شروع ہوں۔ اور اگر یہ بدل گیا ہے تو ، وہاں ایک ورک فلو ہے اور میں چل رہا ہوں ، اگرچہ اس میں کس نے بدلا؟ انہوں نے اسے کیوں بدلا؟ جب انہوں نے اسے بدلا۔ اور میں ایک ورک فلو بھی ترتیب دے سکتا ہوں کہ میں اس نئی اسپریڈشیٹ کو اس وقت تک پیداوار میں نہیں ڈالوں گا جب تک کہ اس کی توثیق اور تصدیق ایک ، دو ، تین سے نہ ہو ، البتہ بہت سی جماعتیں جن کی آپ اپنے ورک فلو میں وضاحت کرنا چاہتے ہیں۔ میرے خیال میں لوگ اٹھانا شروع کر رہے ہیں ، اور تنظیمیں وہاں بچے کے قدم اٹھانا شروع کر رہی ہیں ، لیکن میں شاید یہ مشورہ دوں گا کہ ہمیں بہت طویل سفر طے کرنا ہے۔

ڈیز بلین فیلڈ: واقعتا and اور میں سمجھتا ہوں کہ آپ سیکیورٹی کنٹرول اور وہاں کی حکمرانی دونوں میں تعمیر کر رہے ہیں ، تو کام کا بوجھ خود بخود نقشہ بنا سکتا ہے اور ہر طرح کے چیف رسک آفیسر تک جاسکتا ہے ، جو اب ایک چیز ہے۔ آپ یہ کنٹرول کرنا شروع کر سکتے ہیں کہ ان ٹولز اور سسٹمز تک کس طرح رسائی حاصل کی جارہی ہے اور کون ان کے ساتھ کیا کر رہا ہے ، لہذا یہ بہت طاقت ور ہے۔ میرے خیال میں جو دوسری چیزیں اس میں آتی ہیں وہ یہ ہیں کہ آپ جو قسم کے اوزار مہیا کرتے ہیں وہ میرے لئے روایتی اسپریڈشیٹ کے مقابلے میں انسانی سلوک کو زیادہ قرض دیتے ہیں جس کے بارے میں ہم بات کر رہے ہیں ، اس میں اگر مجھے لوگوں سے بھرا ہوا ایک کمرہ مل جاتا ہے۔ ایک ہی ڈیش بورڈ اور ایک ہی ڈیٹا تک رسائی کے ساتھ کہ حقیقت میں وہ ایک مختلف نظریہ حاصل کرسکتے ہیں اور ، اس کے نتیجے میں ، اسی معلومات سے قدرے مختلف بصیرت حاصل کرسکتے ہیں ، جو ان کی ضروریات کے مطابق ہوجاتے ہیں تاکہ وہ تعاون کرسکیں۔ اس کے بعد ہمارے پاس کاروبار اور فیصلہ سازی کے عمل کے ساتھ زیادہ انسانی نقطہ نظر اور تعامل ہے ، جیسا کہ سب ایک ہی پاورپوائنٹ کے ساتھ ایک ہی میٹنگ میں جانے کے برخلاف ، اور وہی اسپریڈشیٹ چھاپے ہوئے ہیں ، جو ایک جیسے تمام اعداد و شمار ہیں۔

کیا آپ کو ان تنظیموں میں طرز عمل اور ثقافت میں تبدیلی نظر آرہی ہے جو آپ کے ٹولز کو منتخب کرتے ہیں جہاں وہ دیکھ رہے ہیں کہ جہاں ہو رہا ہے ، جہاں کمرے میں موجود پانچ افراد ایک ہی اسپریڈشیٹ کو دیکھنے کی کوشش نہیں کررہے ہیں صرف اسے زبانی بنانے اور اس پر نوٹ بنانے کی کوشش کر رہے ہیں ، لیکن اب وہ واقعی ڈیش بورڈز اور ٹولز کے ساتھ حقیقی وقت میں بات چیت کر رہے ہیں ، ان کی انگلی پر تصور اور تجزیاتی تجزیہ کرنے اور گفتگو اور بات چیت پر بالکل مختلف بہاؤ پائے ، نہ صرف ملاقاتوں میں بلکہ تنظیم کے آس پاس عمومی تعاون۔ کیونکہ وہ یہ حقیقی وقت کر سکتے ہیں ، کیونکہ وہ سوالات پوچھ سکتے ہیں اور حقیقی جواب حاصل کرسکتے ہیں۔ کیا یہ وہ رجحان ہے جو آپ اس وقت دیکھ رہے ہیں یا ابھی تک ایسا نہیں ہوا ہے؟

ڈیوڈ سویونر: نہیں ، مجھے لگتا ہے کہ اس کی شروعات اسی راستے سے ہوئی ہے اور مجھے لگتا ہے کہ بہت ہی دلچسپ بات یہ ہے ، آپ جانتے ہو ، اگر ہم فیکٹری کی مثال لیں تو ، مثال کے طور پر۔ ہوسکتا ہے کہ کوئی جو اس فیکٹری کے اندر ایک خاص عمل کے شعبے کا مالک ہو وہ اس ڈیٹا کو کسی خاص طریقے سے دیکھنا اور ان کے ساتھ تعامل کرنا چاہتا ہے۔ اور شاید میں ، سارے عمل کو نظرانداز کر رہا ہوں ، شاید یہ نیچے کی طرف ، شاید میں اسے ہر چیز پر دیکھنا چاہتا ہوں۔ میرا خیال ہے کہ ہم جو کچھ دیکھ رہے ہیں وہ ہے ، پہلے نمبر پر ، لوگ اپنی تنظیموں میں عام نظریات یا معیاری تصویری نگاہوں کا استعمال کرنا شروع کر رہے ہیں ، لیکن یہ اس کردار کے مطابق بھی ہے جس میں وہ ہیں۔ اگر میں پروسیس انجینئر ہوں تو ، شاید جو کسی کو سپلائی چین کے نقطہ نظر سے اس کی طرف دیکھ رہا ہے اس کے مقابلے میں یہ بہت مختلف نظریہ ہے ، اور میں سمجھتا ہوں کہ یہ بہت اچھا ہے کیونکہ اس کے مطابق بننا پڑتا ہے اور اس کام کو عینک کے ذریعہ دیکھنا ہوگا کہ آپ کو اپنا کام انجام دینے کی ضرورت ہے۔

ڈیز بلین فیلڈ: میرے خیال میں فیصلہ سازی کا عمل کم ، وقت کے حساب سے اور تیز رفتار سے ہوتا ہے ، تاکہ حقیقت میں ہوشیار اور درست فیصلے تیزی سے بڑھ جائیں ، کیا ایسا نہیں ہے؟ کیونکہ اگر آپ کے پاس ریئل ٹائم اینالٹکس ، ریئل ٹائم ڈیش بورڈز ، اگر آپ کو اپنی انگلی کے اعداد و شمار پر اسٹٹیسیکا ٹولز مل گئے ہیں تو آپ کو کسی چیز کے بارے میں جانے اور کسی سے پوچھنے کے لئے فرش کے اس پار دوڑنے کی ضرورت نہیں ہے ، آپ کو مل گیا ہارڈ کاپی میں آپ طرح کی باہمی تعاون کر سکتے ہیں ، بات چیت کرسکتے ہیں اور اصل میں مکھی پر فیصلے کرسکتے ہیں اور اس کا نتیجہ فوری طور پر حاصل کرسکتے ہیں۔ جس کے بارے میں مجھے لگتا ہے کہ کچھ کمپنیوں نے واقعی ابھی تک گرفت حاصل نہیں کی ہے ، لیکن جب وہ ایسا کریں گے تو یہ یوریکا لمحہ ہوگا کہ ، ہاں ، ہم اب بھی اپنے گھر میں رہ سکتے ہیں اور گھر پر کام کرسکتے ہیں ، لیکن ہم باہمی رابطے اور تعاون کرسکتے ہیں اور وہ فیصلے جب ہم باہمی تعاون کے ساتھ نتائج کو فوری طور پر بدل دیتے ہیں تو ہم اس کو بناتے ہیں۔ دیکھو ، مجھے لگتا ہے کہ آپ کو اب تک کیا کہنا پڑا ہے یہ سننا بہت ہی اچھا تھا اور میں واقعتا یہ دیکھنے کے منتظر ہوں کہ یہ کہاں جاتا ہے۔ اور میں جانتا ہوں کہ ہمیں سوال و جواب میں بہت سارے سوالات اٹھے ہیں ، لہذا میں ان میں سے کچھ کو چلانے کے لئے ریبیکا واپس چلاؤں گا تاکہ ہم جتنی جلدی ہو سکے ان تک پہنچ سکیں۔ بہت بہت شکریہ.

ربیکا جوزویق: شکریہ ڈز ، اور ہاں ڈیو ، ہمارے پاس سامعین سے کچھ سوالات ہیں۔ اور آپ کی بصیرت کے لئے بھی ڈیز اور رابن کا شکریہ۔ میں جانتا ہوں کہ اس خاص شریک کو ایک گھنٹہ کے اوقات میں ہی چھوڑنا پڑا ، لیکن وہ ایک طرح سے پوچھ رہی ہے ، کیا آپ دیکھتے ہیں کہ انفارمیشن سسٹم کے شعبہ نفیس اعداد و شمار کے کنٹرول کو زیادہ ترجیح دیتے ہیں بجائے اس کے کہ وہ اوزار فراہم کرنے میں راحت بخش ہوں۔ علم کارکنان؟ میرا مطلب ہے ، وہ ہے - آگے بڑھو۔

ڈیوڈ سویونر: ہاں ، میرے خیال میں اس کا انحصار تنظیم پر ہے۔ میرے خیال میں ایک بینک ، ایک انشورنس کمپنی ، ہوسکتا ہے کہ ان کے پاس مختلف ترجیحات ہوں اور کام کرنے کے طریقے ہوں ، ایک مارکیٹنگ تنظیم کے مقابلے میں۔ مجھے لگتا ہے کہ مجھے یہ کہنا پڑے گا کہ اس کا انحصار صرف اس صنعت اور فنکشن پر ہے جس کی آپ دیکھ رہے ہیں۔ مختلف صنعتوں کی توجہ اور زور مختلف ہے۔

ربیکا جوزویق: ٹھیک ہے اچھا ، اس سے کوئی معنی نہیں آتا۔ اور پھر ایک اور شرکا یہ جاننا چاہتا تھا کہ اسٹیٹسٹیکا کے پیچھے انجن کیا ہے؟ یہ C ++ یا آپ کی اپنی چیزیں ہیں؟

ڈیوڈ سوونور: ٹھیک ہے ، میں نہیں جانتا کہ میں اس کے ساتھ یہ خاص بات حاصل کرسکتا ہوں کہ یہ تقریبا 30 30 سال سے ہوچکا ہے اور یہ میرے وقت سے پہلے تیار کیا گیا تھا لیکن تجزیاتی الگورتھم کی ایک بنیادی لائبریری ہے جو اسٹیٹسٹیکا الگورتھمز چلتی ہے۔ اور آپ نے یہاں دیکھا کہ ہم R بھی چلا سکتے ہیں ، ہم ازگر کو چل سکتے ہیں ، ہم Azure پر پھٹ سکتے ہیں ، ہم H2O پر Spark پر چلا سکتے ہیں ، لہذا مجھے لگتا ہے کہ مجھے اس سوال کا جواب شرائط میں دینا پڑے گا ، یہ انجنوں کی ایک قسم ہے۔ اور اس پر منحصر ہے کہ آپ کس الگورتھم کو چنتے ہیں ، اگر یہ کوئی اسٹیٹسٹیکا ہے تو یہ اس طرح چلتا ہے ، اگر آپ H2O اور Spark پر کوئی ایک چنتے ہیں تو ، وہ اس کا استعمال کرتا ہے ، اور اس طرح یہ ان میں سے ایک قسم ہے۔

ربیکا جوزویق: ٹھیک ہے اچھا۔ ایک اور شرکاء سے پوچھا گیا جو خاص طور پر اس سلائیڈ کی طرف اشارہ کرتے ہوئے یہ جاننا چاہتے ہیں کہ کس طرح شہری اعداد و شمار کے سائنسدان کو معلوم ہوگا کہ کون سے دوبارہ پریوست ٹیمپلیٹس کو استعمال کرنا ہے؟ اور مجھے لگتا ہے کہ میں اس سے ایک وسیع تر سوال کروں گا۔ یہ ، جب لائن آف بزنس صارفین یا کاروباری تجزیہ کار آتے ہیں تو وہ آپ کو کیا دیکھ رہے ہیں اور وہ ان ٹولز کو استعمال کرنا چاہتے ہیں ، چننے اور چلانے میں ان کے لئے کتنا آسان ہے؟

ڈیوڈ سویونر: میرا اندازہ ہے کہ میں اس کا جواب دوں گا اور اگر آپ ونڈوز سے واقف ہیں تو ، آپ یہ استعمال کرسکتے ہیں ، یہ ونڈوز پر مبنی پلیٹ فارم ہے ، لہذا میں نے ان اسکرین شاٹس کو اوپر سے کاٹ دیا ، لیکن اس میں ونڈوز کا ربن مل گیا۔ لیکن وہ کیسے جانیں گے کہ کس کام کے فلو کو استعمال کرنا ہے؟ یہ ونڈوز ایکسپلورر کی طرح لگتا ہے ، لہذا یہاں ایک درخت کی ساخت موجود ہے اور آپ اسے تشکیل دے سکتے ہیں اور اسے ترتیب دے سکتے ہیں تاہم آپ کی تنظیم اسے ترتیب دینا چاہتی ہے۔ لیکن یہ ہوسکتا ہے ، آپ کے پاس صرف یہ فولڈر ہوتے اور آپ ان فولڈرز کے اندر دوبارہ پریوست ٹیمپلیٹس ڈال دیتے۔ اور مجھے لگتا ہے کہ شاید آپ کی کمپنی کا کوئی نام نامہ اپناسکے ، یہاں یہ کہو کہ "حساب کتاب خطرے کی پروفائل" ہے ، یہاں "ان ذرائع سے ڈیٹا حاصل کریں" ہے اور آپ ان کا نام لیتے ہیں جو آپ چاہتے ہیں۔ یہ صرف ایک مفت فولڈر ہے ، آپ صرف نوٹ کو اپنے کینوس پر گھسیٹتے ہیں۔ تو ، بہت آسان ہے۔

ربیکا جوزویق: ٹھیک ہے اچھا۔ ہوسکتا ہے کہ اگلی بار ڈیمو ہو۔ پھر ایک اور شرکا کی طرح سامنے آتی ہے ، اور یہ آپ اور رابن اور ڈیز غلط باتوں کے بارے میں بات کر رہے تھے ، خاص طور پر ایک اسپریڈشیٹ پر ، لیکن / کوڑے میں کوڑا ڈالتے ہیں ، اور جب وہ آتا ہے تو اسے اور بھی نازک سمجھا جاتا ہے۔ تجزیات کو اس کا ذکر کرتے ہوئے ، آپ جانتے ہو ، اعداد و شمار کا غلط استعمال واقعتا some کچھ بدقسمتی فیصلے کا باعث بن سکتا ہے۔ اور وہ حیرت سے سوچ رہا ہے کہ زیادہ فیلسیف الگورتھم کی تیاری پر آپ کے خیالات کیا ہیں ، میرا اندازہ ہے کہ وہ تجزیاتی تجزیہ کے "حد سے زیادہ جذباتی" لفظ کا استعمال کرتا ہے۔ آپ جانتے ہیں ، کوئی شخص آتا ہے ، وہ واقعی پرجوش ہوجاتے ہیں ، وہ یہ اعلی درجے کی تجزیات کرنا چاہتے ہیں ، وہ یہ اعلی درجے کی الگورتھم چلانے کے خواہاں ہیں ، لیکن ہوسکتا ہے کہ انہیں اس بات کا زیادہ یقین نہیں ہے۔ تو آپ اس کے خلاف کسی قسم کی حفاظت کے ل؟ کیا کرتے ہیں؟

ڈیوڈ سویونر: ہاں ، لہذا میرا اندازہ ہے کہ میں اس کا بہترین طور پر جواب دوں گا ، لیکن میرے خیال میں سب کچھ لوگوں ، عمل اور ٹکنالوجی پر آتا ہے۔ ہمارے پاس ٹکنالوجی ہے جو لوگوں کو قابل بنانے میں مدد کرتی ہے اور جو بھی عمل آپ اپنی تنظیم میں رکھنا چاہتے ہیں اسے قابل بناتا ہے۔ کسی کو کوپن بھیجنے کی مثال کے طور پر ، شاید یہ اتنا ہی اہم نہیں ہے ، اور اگر یہ ڈیجیٹل ہے تو یہ واقعی کوئی قیمت نہیں ہے ، ہوسکتا ہے کہ سیکیورٹی کنٹرول کی ایک سطح ہو اور شاید ہمیں اس کی پرواہ نہیں ہے۔ اگر میں سرجیکل سائٹ کے انفیکشن کی پیش گوئی کر رہا ہوں تو ، میں اس کے بارے میں کچھ زیادہ محتاط رہنا چاہتا ہوں۔ یا اگر میں منشیات کے معیار اور حفاظت اور اس جیسی چیزوں کی پیش گوئی کر رہا ہوں تو شاید میں اس بارے میں کچھ زیادہ محتاط رہنا چاہتا ہوں۔ آپ ٹھیک کہتے ہیں ، کچرا کوڑے میں / باہر کردیا گیا ہے ، لہذا ہم جو کچھ کرنے کی کوشش کرتے ہیں وہ ایک ایسا پلیٹ فارم مہیا کرتا ہے جس کی مدد سے آپ اس تنظیم کو جو بھی عمل اپنانا چاہتے ہیں اس کے مطابق بن سکتے ہیں۔

ربیکا جوزویق: ٹھیک ہے اچھا۔ میرے پاس کچھ اور سوالات ہیں ، لیکن مجھے معلوم ہے کہ ہم ایک گھنٹہ گزر چکے ہیں اور میں صرف اپنے پیش کنندگان کو بتانا چاہتا ہوں ، یہ حیرت انگیز بات تھی۔ اور ہم ڈیل اسٹیٹسٹیکا سے ڈیو سویونر کا بہت بہت شکریہ ادا کرنا چاہتے ہیں۔ بلاشبہ ، ڈاکٹر رابن بلور اور ڈیز بلانچفیلڈ ، آج تجزیہ کار ہونے کے لئے آپ کا شکریہ۔ ہمارے پاس اگلے ماہ ڈیل اسٹیٹسٹیکا کے ساتھ ایک اور ویب کاسٹ ہونے والا ہے۔ میں جانتا ہوں ڈیو نے موضوع کے بارے میں اشارہ کیا۔ یہ کنارے کے تجزیات کے بارے میں ہوگا ، ایک اور دلچسپ موضوع ، اور میں جانتا ہوں کہ اس ویب کاسٹ پر کچھ بہت ہی زبردست استعمال کے معاملات زیر بحث آئے ہیں۔ اگر آپ نے آج جو دیکھا وہ پسند ہے تو ، اگلے مہینے کے لئے واپس آئیں۔ اور اس کے ساتھ ہی ، لوگوں ، میں نے آپ کو الوداع کردیا۔ بہت شکریہ. خدا حافظ.