डेटा योजना और सूचना थकान सिंड्रोम

डेटा प्लानिंग और सूचना थकान सिंड्रोम के बारे में जानने के लिए यह लेख पढ़ें:

ज्यामितीय प्रगति पर सूचना की मात्रा बढ़ रही है और जो सूचना विस्फोट हो रहा है उसका सामना करना कठिन होता जा रहा है।

चित्र सौजन्य: engazegypt.com/uploads/services/136853078516158773-internet-a.jpg

डेटा प्लानिंग में भी इस समस्या पर ध्यान देना चाहिए। निम्नलिखित पैराग्राफ इस समस्या और इस समस्या के लिए डेटा बेस तकनीक की प्रतिक्रिया को संबोधित करते हैं।

सूचना थकान सिंड्रोम:

हाल ही में एक अंतरराष्ट्रीय सर्वेक्षण 'डाइंग फॉर इंफोर्मेशन' ने एक चौंकाने वाला खुलासा किया है कि सभी प्रबंधकों में से आधे को सूचना अधिभार की शिकायत है जो तनाव के मौजूदा उच्च स्तर को जोड़ने का प्रभाव है जिसके परिणामस्वरूप स्वास्थ्य खराब हो गया है। सर्वेक्षण में आगे हाइलाइट किया गया है कि प्रबंधक पकड़े गए हैं फैक्स, वॉयस मेल और इंटरनेट के युग में एक कार्यकारी दुविधा में।

उन्हें यह भी लगता है कि वे उच्च स्तर की जानकारी के बिना अच्छा काम नहीं कर सकते। लेकिन अक्सर अप्रासंगिक डेटा का यह भारी भार उनकी कार्यक्षमता को प्रभावित करता है और कॉर्पोरेट मशीन को रोक देता है। 'समय बर्बाद करना, निर्णय में देरी करना और सूचना अधिभार में तनाव का पता लगाया जा सकता है।'

'बहुत अधिक जानकारी होना उतना ही खतरनाक हो सकता है जितना कि बहुत कम होना' आज के प्रबंधकों के सामने आने वाली दुविधा को बढ़ाता है। इस घटना को "सूचना थकान सिंड्रोम" कहा जा रहा है और यह अब एक कार्यकारी के जीवन का हिस्सा है। प्रसिद्ध उद्धरण 'हर जगह पानी का पानी, पीने के लिए एक बूंद नहीं' प्राचीन मेरिनर के रूप में अच्छी तरह से जानकारी के लिए उपयुक्त हो सकता है।

देर से, सूचना थकान सिंड्रोम द्वारा समक्ष रखी गई चुनौती को पूरा करने का प्रयास किया गया है। विभिन्न प्रकार की सॉफ़्टवेयर तकनीक जैसे डेटाबेस तकनीक, क्वेरी लैंग्वेज, 4GLs, OOPs, कार्यकारी सूचना प्रणाली, विशेषज्ञ सूचना प्रणाली आदि, प्रबंधकों को अच्छी गुणवत्ता की जानकारी उपलब्ध कराने के लिए उपलब्ध हैं।

हालांकि, इन तकनीकों को सूचना के पूल में वृद्धि की पर्याप्त दर के कारण कार्य के लिए अपर्याप्त पाया गया है। इसका मुख्य कारण यह है कि डेटाबेस में उपलब्ध डेटा लेनदेन उन्मुख और विषय उन्मुख नहीं रहा है।

वर्तमान परिचालनों के बारे में डेटा एक डेटाबेस व्यवस्थापक का सबसे अधिक ध्यान रखते हैं। सिगरेट, शीतल पेय और बच्चे के भोजन की बिक्री के बीच क्या संबंध है के रूप में एक सरल प्रश्न; या बिक्री में अपेक्षित वृद्धि क्या है अगर विभागीय स्टोर को देर शाम को भी खुला रखा जाता है, तो आज के सूचना प्रबंधकों को झटका लग सकता है।

इस तरह के मुद्दों पर प्रश्नों को विभिन्न स्थितियों में ग्राहकों के व्यवहार के संबंध में वर्तमान और पिछले डेटा के विशाल पूल के उपयोग की आवश्यकता होती है। इस तरह के प्रश्नों को पूरा करने के लिए विशेष रूप से डाटा स्टोर की आवश्यकता होती है। विश्लेषण और भंडारण के समय और लागत को कम करने के लिए, इस तरह के मामले में डेटा को कुछ निश्चित मूल एकत्रीकरण और विश्लेषण के बाद संग्रहीत किया जाना चाहिए।

एकत्रीकरण की डिग्री निर्धारित करना और अतिरेक को समाप्त करना सूचना प्रबंधकों के समक्ष एक बड़ी चुनौती है। ऐसे मामलों में प्रश्नों की प्रकृति का अनुमान नहीं लगाया जा सकता है, इसलिए कार्य और भी चुनौतीपूर्ण हो जाता है। इस चुनौती को पूरा करने के लिए सूचना वेयरहाउस दृष्टिकोण विकसित किया गया है।

डेटा वेयरहाउसिंग दृष्टिकोण:

डेटा वेयरहाउसिंग दृष्टिकोण (जिसे कभी-कभी सूचना वेयरहाउसिंग दृष्टिकोण भी कहा जाता है) से पता चलता है कि अन्य भौतिक इनपुट्स के लिए वेयरहाउस के मामले में उपयोग किए जाने वाले मूल दृष्टिकोण का पालन करते हुए जानकारी प्राप्त, रखी और परोसी जानी चाहिए।

सामान्य गोदाम सुविधाओं को यह महसूस करते हुए विकसित किया जाता है कि कोई भी स्टॉक उत्पादन प्रक्रिया में बाधा उत्पन्न करेगा और नीचे की रेखा के लिए निहितार्थ होंगे। इसलिए, आवश्यक वस्तुओं को नियमित रूप से और जानबूझकर खरीदा जाता है, संसाधित किया जाता है और हर समय तैयार-से-उपयोग की स्थिति में रखा जाता है।

सूचना वेयरहाउसिंग दृष्टिकोण की विशिष्ट विशेषता यह है कि यह एक डेटा वेयरहाउस बनाता है, जो एक उद्यम द्वारा बनाए जा रहे सामान्य डेटाबेस से अलग होता है।

यह धारणा, यहां है कि विभिन्न स्रोतों जैसे उत्पादन, विपणन और वित्त से एकत्रित और समेकित किए गए डेटा को उपयोगकर्ताओं के जटिल विश्लेषणात्मक प्रश्नों के साथ हस्तक्षेप करना बहुत महत्वपूर्ण है। इस प्रकार, विशेष रूप से विश्लेषणात्मक प्रश्नों को पूरा करने के लिए आयोजित एक निकाले गए डेटाबेस के खिलाफ पूछताछ की जाती है। ऐसे डेटाबेस को मेटा-डेटा भी कहा जाता है।

यह दृष्टिकोण विश्लेषणात्मक उपकरणों, उच्च गति समानांतर और मल्टीप्रोसेसिंग सिस्टम को विशेष एल्गोरिदम और सॉफ्टवेयर टूल के साथ जोड़ता है। दृष्टिकोण की विशिष्ट विशेषताओं को विश्लेषणात्मक प्रश्नों को पूरा करने के लिए अपनाई जाने वाली प्रक्रिया के चरणों से बेहतर ढंग से समझा जा सकता है। ये चरण हैं:

ए। विभिन्न अनुप्रयोगों को चलाने वाले विभिन्न स्रोतों से डेटा की कटाई, जिसे फसल की कटाई या गरारे करना भी कहा जाता है;

ख। स्थिरता और पूर्णता सुनिश्चित करने के लिए डेटा (डेटा स्क्रबिंग) की सफाई। इसमें निरर्थक डेटा आइटम को हटाना भी शामिल है;

सी। डेटा के विश्लेषण के लिए विशेष रूप से डिज़ाइन किए गए डेटाबेस में डेटा को व्यवस्थित करना। ये डेटाबेस डिज़ाइन एक उद्यम में रिकॉर्डिंग और रिपोर्टिंग कार्यों के लिए उपयोग किए जाने वाले लोगों से अलग हैं। वे स्रोत, प्रामाणिकता, ऑडिट ट्रेल्स आदि की चिंताओं से मुक्त हैं।

घ। ऑन-लाइन एनालिटिकल प्रोसेसर्स (OLAPs), डेटा माइनिंग टूल्स, डेटा विज़ुअलाइज़ेशन टूल्स, इंटरनेट इनेबल्ड टूल्स, एक्ज़ीक्यूटिव इन्फॉर्मेशन सिस्टम्स (EIS) और अन्य डेटा विश्लेषण और उपयोगकर्ताओं की मांग वाले विश्लेषणात्मक प्रश्नों को पूरा करने के लिए रिपोर्टिंग टूल की उपलब्धता।

एक महत्वपूर्ण निर्णय जिसे लेने की आवश्यकता होती है वह डेटा के चयन से संबंधित होता है जिसे सूचना डेटाबेस में संग्रहीत किया जाता है। यदि भविष्य में जानकारी की आवश्यकता का अनुमान लगाना संभव है, तो दो-बॉक्स मॉडल पर्याप्त होगा।

इस मॉडल में, संचालन डेटा को संक्षेप में प्रस्तुत किया जाता है और भविष्य में आवश्यक डेटा को सूचना डेटाबेस पर कॉपी किया जा सकता है। मामले में, भविष्य की सूचना की जरूरतों की भविष्यवाणी करना संभव नहीं है, तीन-बॉक्स मॉडल अधिक उपयुक्त हो सकता है। इस मॉडल में, पूरे संचालन डेटा को पहले ऐतिहासिक डेटाबेस कहा जाता है और फिर इसका एक चयनित हिस्सा भी एक सूचना डेटाबेस में रखा जाता है। चित्र 9.9 में दो मॉडलों को दर्शाया गया है।

शीर्ष सॉफ्टवेयर निर्माताओं के बीच इसकी व्यापक स्वीकार्यता के संकेत के अनुसार डेटा वेयरहाउसिंग दृष्टिकोण जमीन पर पहुंच रहा है। अब, Oracle, Sybase, Informix और IBM जैसी अग्रणी डेटाबेस सॉफ्टवेयर कंपनियों ने खुले तौर पर इस दृष्टिकोण की वकालत की है। इन्फर्मिक्स ने प्रिज्म सॉल्यूशंस के साथ लिंक स्थापित किया है, जो बिल इनमोन द्वारा बनाई गई कंपनी है, जिसे डेटा वेयरहाउसिंग दृष्टिकोण का पिता माना जाता है।

डेटा वेयरहाउसिंग दृष्टिकोण के लाभ:

डेटा वेयरहाउसिंग निम्नलिखित कारणों से लोकप्रिय हो रहा है:

ए। यह डेटा विश्लेषण की गति को बढ़ाता है क्योंकि डेटा एग्रीगेट्स संग्रहीत होते हैं और दिन-प्रतिदिन के लेनदेन विश्लेषण की प्रक्रिया में बाधा नहीं डालते हैं।

ख। यह क्वेरी की प्रकृति के संदर्भ में लचीलापन प्रदान करता है और लेनदेन के बजाय विषयों और गतिविधियों पर ध्यान केंद्रित करता है।

सी। यह विभिन्न व्यावसायिक प्रक्रियाओं और ग्राहकों, आपूर्तिकर्ताओं, निवेशकों आदि के व्यवहार पैटर्न को समझने में मदद करता है।

डेटा वेयरहाउसिंग के उपयोग की सफलता की कुछ कहानियों में रिटेल स्टोर की वॉल-मार्ट श्रृंखला शामिल है जो खुदरा स्टोर संचालन के विभिन्न पहलुओं के डेटा भंडारण के 7.5 टेराबाइट्स को संसाधित करती है। बिक्री के रुझानों का विश्लेषण किया जाता है और विभिन्न परिवर्तनों जैसे प्रभाव और बिक्री पर अन्य निर्णयों का आकलन नियमित रूप से कार्रवाई के भविष्य के पाठ्यक्रम का मार्गदर्शन करने के लिए किया जाता है।

एक अन्य उदाहरण रायटर का है, एक वित्तीय सूचना सेवा प्रदाता जिसने मनी 3000, सिक्योरिटी 3000 और ट्रेजरी 3000 जैसी सूचना सेवाओं की एक नई श्रृंखला विकसित की है। कंपनी ने अपने उपयोगकर्ताओं को बाजारों के बारे में इसकी ऐतिहासिक जानकारी तक पहुंच प्रदान करके वित्तीय जानकारी में मूल्य जोड़ा है। और उपकरणों।

यह दुनिया भर में विभिन्न कंप्यूटरों में संग्रहीत डेटा तक पहुंच और अनुमति के लिए डेटा वेयरहाउसिंग दृष्टिकोण का उपयोग करता है। डेटा को 4600 विभिन्न स्रोतों से इकट्ठा किया जाता है, जिसमें 236 बाजार, 241 विश्लेषक और 50 तीसरे पक्ष के नए फीड शामिल हैं और यह 1860 पत्रकारों की अपनी टीम है। इस तरह के एक विशाल डेटा के लिए, डेटा वेयरहाउसिंग दृष्टिकोण को सबसे उपयुक्त माना जाता था।

डेटा वेयरहाउसिंग में महत्वपूर्ण सफलता कारक:

डेटा वेयरहाउसिंग सिस्टम के पूर्ण लाभों का एहसास करने के लिए, ऐसे कारकों को ध्यान में रखना आवश्यक है जो इस तरह की प्रणालियों की प्रभावशीलता के लिए महत्वपूर्ण हैं।

इनमें से कुछ कारक हैं:

a) डेटा वेयरहाउसिंग दृष्टिकोण को हार्डवेयर और सॉफ्टवेयर में भारी निवेश की आवश्यकता होती है। इस तरह, यह दृष्टिकोण केवल बड़े आकार की कंपनियों में समझ में आता है, जहां सिस्टम की क्षमता का पूरा फायदा उठाया जा सकता है।

बी) डेटा वेयरहाउसिंग के लिए पहले से ही स्थापित डेटाबेस में प्रमुख वास्तु परिवर्तन की आवश्यकता होती है। इस तरह के बदलाव मौजूदा प्रणालियों के कामकाज में रुकावट पैदा कर सकते हैं या मौजूदा प्रणालियों को कुछ समय के लिए नई प्रणालियों के साथ समानताएं चलाने की आवश्यकता होगी।

इसी तरह, अन्य तकनीकी और व्यावसायिक बाधाएं हैं जो इन प्रणालियों के सफल कार्यान्वयन को रोक सकती हैं। कार्यान्वयन की अवधि के दौरान अवरोधों की हैंडलिंग, जो 18-24 महीनों के बीच होती है, वेयरहाउसिंग सिस्टम की सफलता का एक महत्वपूर्ण कारक होगा।

ग) इस दृष्टिकोण की पूरी क्षमता को केवल तभी महसूस किया जा सकता है जब सूचना उत्पन्न करने के लिए डेटा विश्लेषण उपकरणों की एक सरणी को नियोजित किया जाता है। डेटा विश्लेषण उपकरणों का चयन और उपयोग ऐसे उपकरणों की उपलब्धता के साथ-साथ कॉर्पोरेट संस्कृति पर निर्भर करता है। यदि किसी उद्यम में एक उपयुक्त कार्य संस्कृति प्रबल होती है, तो डेटा वेयरहाउसिंग दृष्टिकोण सफल होगा।

d) यह दृष्टिकोण एक बहुत ही परिपक्व प्रकार के आईटी वातावरण को मानता है, जहां दिन-प्रतिदिन की गतिविधियों में आईटी की डिग्री बहुत अधिक है। उपयोगकर्ता उद्यम में बड़ी मात्रा में ऐतिहासिक डेटा पहले से ही चुंबकीय मीडिया पर संग्रहीत होना चाहिए। इस प्रकार, यह एक विकासवादी प्रक्रिया है और क्रांतिकारी नहीं है।

इस दृष्टिकोण में निवेश पर वापसी एक ग्रे क्षेत्र है और इसलिए, डेटा वेयरहाउसिंग बैंडवागन में कूदने से पहले एक लागत-लाभ विश्लेषण किया जाना है।