مدیر مالی اسنپ مطرح کرد؛ اهمیت بیگ دیتا در شناخت مسئله کسب و کارها

به گزارش روابط عمومی جهاد دانشگاهی استان قم، فلاح مدیر مالی اسنپ در کافه مهارت big data و کاربرد عملی آن که در دانشکدگان فارابی دانشگاه تهران برگزار شد گفت: بیگ دیتا درواقع همان دیتا با مشخصه‌های متفاوت می‌باشد، که با روش‌های سنتی ذخیره‌سازی و پردازش دیتا نمی‌توانیم آن‌ها را پردازش کنیم و نیاز به تکنولوژی جدید در این زمینه هستیم  تا بتوانیم این حجم عظیم دیتا را پردازش کنیم.

وی در خصوص تعریف دیتاهای ساختار یافته و غیر ساختار یافته اظهار کرد: دیتا ها ممکن است ساختار یافته یافته باشند، اگر بخواهیم دیتاهای ساختار یافته و را با مثال تعریف کنیم،‌ شرکت اسنپ را در نظر بگیرید که حدود ۵ میلیون راننده و ۶۰ میلیون کاربر دارد، این دیتاها باید با یک مدل خاصی ذخیره شود.

فلاح ادامه داد: غیر ساختار یافته‌ها دیتاهایی هستند که در محل دیتا‌های سازمان وجود ندارد و جمع‌اوری نشده است برای مثال شخصی با اسنپ سفری دارد اما در طی مسیر، محتوایی از آن سفر بر روی شبکه اجتماعی منتشر می‌کند به عبارت دیگر به واکنشی به سفرش نشان می‌دهد که به نوعی دیتای ساختار نیافته در اختیار سازمان قرار می دهد.
وی با با اشاره به لازمه انعطاف‌پذیری دیتا ها در سازمان‌ها عنوان کرد: کسب و کارها و سازمان ها باید بتوانند دیتاهای جدیدی که وارد می‌شود را به طور موثر در کسب و کار خود به کار گیرند و همچنین این دیتاها باید قابل تایید باشند به طوری که بتوانیم از آن استفاده ارزشمند کنیم.

مدیر مالی اسنپ تصریح کرد: اگر بخواهیم بیگ دیتای شرکت‌های بزرگ را مثال بزنیم آمازون یکی از فروشگاه‌های بزرگ و معتبر در دنیا است به طوری که مشتریان آن روزانه ۱۰۰ میلیون سفارش در روز را ثبت می‌کنند و اگر در نظر بگیریم که هر مشتری میانگین ۵ کالا در سبد خود دارد یعنی شرکت آمازون باید بتواند ۵۰۰ میلیون سفارش و دیتا را کنترل کند و یا شرکت ایکس ۶ هزار توییت ساعت را باید بتواند مدیریت کند که در نتیجه این حجم دیتا نیازمند زیر ساخت بسیار قوی است.

وی با تشریح مثال‌هایی از بیگ دیتاهای داخلی گفت: اگر بخواهیم نمونه داخلی آن را بگوییم در کشور روزانه ۵ میلیون سفر در اسنپ انجام می‌شود یا دیجی کالا ۱۰۰ هزار سفارش در روز را دارد که همین امر به ما نشان می‌دهد که بیگ دیتا از چه اهمیتی برخوردار است.

وی در پایان اظهار کرد: شناخت بیگ دیتاها از اهمیت زیادی برخوردار است چرا که از طریق آن می‌توانیم رفتار مشتری را ارزیابی کنیم؛ برای مثال اگر در دیجی کالا تعداد سفارشاتش کم شود باید به دنبال این برود که چرا حجم سفارشات کم شده است چه اتفاقی افتاده است؟ در واقع به نوعی باید به دنبال حل مسئله با در نظر گرفتن ابعاد گوناگون قضیه بگردیم.