ಈ ಬ್ಲಾಗ್ ಪೋಸ್ಟ್ನಲ್ಲಿ, ಡೈಪರ್ಗಳು ಮತ್ತು ಬಿಯರ್ ಮಾರಾಟದ ನಡುವಿನ ಪರಸ್ಪರ ಸಂಬಂಧವನ್ನು ಗುರುತಿಸಲು ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆಯನ್ನು ಹೇಗೆ ಬಳಸುವುದು ಮತ್ತು ಮಾರಾಟವನ್ನು ಹೆಚ್ಚಿಸಲು ನೀವು ಅದನ್ನು ಹೇಗೆ ಬಳಸಬಹುದು ಎಂಬುದನ್ನು ನಾವು ನಿಮಗೆ ತೋರಿಸುತ್ತೇವೆ.
ನೀವು ದೊಡ್ಡ ಸೂಪರ್ ಮಾರ್ಕೆಟ್ ಆದ ಎಲ್-ಮಾರ್ಟ್ ನ ಸ್ಟೋರ್ ಎ ನ ಸ್ಟೋರ್ ಮ್ಯಾನೇಜರ್ ಆಗಿದ್ದೀರಿ. ಇತ್ತೀಚೆಗೆ ಹತ್ತಿರದಲ್ಲೇ ಹೆಚ್-ಮಾರ್ಟ್ ಎಂಬ ಪ್ರತಿಸ್ಪರ್ಧಿ ತೆರೆದಿದ್ದು, ನಿಮ್ಮ ಅಂಗಡಿಯ ಮಾರಾಟ ಗಣನೀಯವಾಗಿ ಕುಸಿದಿದೆ ಎಂದು ನೀವು ಚಿಂತಿತರಾಗಿದ್ದೀರಿ. ನೀವು ಪ್ರಧಾನ ಕಚೇರಿಯಿಂದ ಸಹಾಯ ಕೇಳಲು ನಿರ್ಧರಿಸುತ್ತೀರಿ. ಪ್ರಧಾನ ಕಚೇರಿಯ ಉದ್ಯೋಗಿಯೊಬ್ಬರು ಅಂಗಡಿಯನ್ನು ನಿಮಗೆ ತೋರಿಸುತ್ತಾರೆ ಮತ್ತು ಮೂರು ತಿಂಗಳ ಮಾರಾಟ ಇತಿಹಾಸವನ್ನು ಕಳುಹಿಸಲು ಕೇಳುತ್ತಾರೆ. ಕೆಲವು ದಿನಗಳ ನಂತರ, ಉದ್ಯೋಗಿ ನಿಮ್ಮ ಶೆಲ್ಫ್ಗಳ ವಿನ್ಯಾಸವನ್ನು ಬದಲಾಯಿಸಲು ಸೂಚನೆಗಳೊಂದಿಗೆ ಕಾಗದದ ತುಂಡನ್ನು ನಿಮಗೆ ನೀಡುತ್ತಾರೆ. ಏನು? ಮಗುವಿನ ಡೈಪರ್ಗಳ ಪಕ್ಕದಲ್ಲಿ ಬಿಯರ್? ಡೈಪರ್ಗಳ ಪಕ್ಕದಲ್ಲಿ ಬಿಯರ್, ಅವು ಟಿಶ್ಯೂ ಅಥವಾ ಮಗುವಿನ ಆಟಿಕೆಗಳಲ್ಲ, ಇದು ಯಾವುದೇ ಸಾಮಾನ್ಯ ಅರ್ಥವನ್ನು ನೀಡುವುದಿಲ್ಲ. ಆದರೆ ನೀವು ಪ್ರಧಾನ ಕಚೇರಿಗೆ ದೂರು ನೀಡಲು ತುಂಬಾ ಅಂಜುಬುರುಕರಾಗಿದ್ದೀರಿ, ಆದ್ದರಿಂದ ನೀವು ನಿರ್ದೇಶಿಸಿದಂತೆ ವಸ್ತುಗಳನ್ನು ಮರುಹೊಂದಿಸಲು ನಿರ್ಧರಿಸುತ್ತೀರಿ. ಒಂದು ತಿಂಗಳ ನಂತರ, ನೀವು ನಿಮ್ಮ ಮಾರಾಟವನ್ನು ಪರಿಶೀಲಿಸುತ್ತೀರಿ ಮತ್ತು ಸೂಚನೆಯಂತೆ, ಬಿಯರ್ ಮಾರಾಟವು ನಾಟಕೀಯವಾಗಿ ಹೆಚ್ಚಾಗಿದೆ ಎಂದು ಅರಿತುಕೊಳ್ಳುತ್ತೀರಿ.
ಇದು ನಿಜ ಜೀವನದ ಕಥೆಯ ಕಾಲ್ಪನಿಕ ಆವೃತ್ತಿಯಲ್ಲ. ಹಿಂದೆ, ಯುನೈಟೆಡ್ ಸ್ಟೇಟ್ಸ್ನ ವಾಲ್ಮಾರ್ಟ್ ಡೇಟಾವನ್ನು ವಿಶ್ಲೇಷಿಸಿತು ಮತ್ತು ಡೈಪರ್ಗಳು ಮತ್ತು ಬಿಯರ್ ಮಾರಾಟಗಳು ಪರಸ್ಪರ ಸಂಬಂಧ ಹೊಂದಿವೆ ಎಂದು ಕಂಡುಹಿಡಿದಿದೆ, ಅಂದರೆ ಮಕ್ಕಳ ತಂದೆ ಡೈಪರ್ಗಳನ್ನು ಖರೀದಿಸಿದಾಗ ಹೆಚ್ಚಾಗಿ ಬಿಯರ್ ಖರೀದಿಸುತ್ತಾರೆ. ಒರೆಸುವ ಬಟ್ಟೆಗಳು ಮತ್ತು ಬಿಯರ್ ಅನ್ನು ಒಟ್ಟಿಗೆ ಇರಿಸುವ ಮೂಲಕ ಅವರು ಇದರ ಲಾಭವನ್ನು ಪಡೆಯಲು ಸಾಧ್ಯವಾಯಿತು, ಇದರ ಪರಿಣಾಮವಾಗಿ ಬಿಯರ್ ಮಾರಾಟದಲ್ಲಿ ಗಮನಾರ್ಹ ಹೆಚ್ಚಳವಾಯಿತು.
ಸ್ಟೋರ್ ಎ ಉದಾಹರಣೆಯನ್ನು ನೋಡೋಣ. ಪ್ರಧಾನ ಕಚೇರಿಯ ಸಿಬ್ಬಂದಿ ಈ ಪರಸ್ಪರ ಸಂಬಂಧವನ್ನು ಹೇಗೆ ಕಂಡುಕೊಂಡರು? ಉತ್ತರ ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆ. ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆ ಎಂದರೆ ಸಂಪರ್ಕಗಳು, ಹೋಲಿಕೆಗಳು, ಮಾದರಿಗಳು ಇತ್ಯಾದಿಗಳನ್ನು ಗುರುತಿಸುವ ಮೂಲಕ ದೊಡ್ಡ ಪ್ರಮಾಣದ ದತ್ತಾಂಶದಿಂದ ಅಮೂಲ್ಯವಾದ ಮಾಹಿತಿಯನ್ನು ಹೊರತೆಗೆಯುವ ಪ್ರಕ್ರಿಯೆ. ನಾವು ಪ್ರತಿದಿನ ಸಂಗ್ರಹಿಸುವ ದತ್ತಾಂಶವು ತನ್ನದೇ ಆದ ಸಂಖ್ಯೆಗಳ ರಾಶಿಯಾಗಿದೆ ಮತ್ತು ಅದನ್ನು ಮೌಲ್ಯಯುತವಾಗಿಸಲು ಅದನ್ನು "ಸಂಸ್ಕರಿಸುವ" ಅಗತ್ಯವಿದೆ. ಇದಕ್ಕೆ ಸ್ಪಷ್ಟವಾದ ಸಾದೃಶ್ಯವೆಂದರೆ 'ಜಂಕ್ ಆರ್ಟ್'. ಜಂಕ್ ಆರ್ಟ್ ಎಂದರೆ ನೀವು ಜಂಕ್ ಅಥವಾ ಕಸದಿಂದ ಕಲೆಯನ್ನು ರಚಿಸುವುದು. ಸುಂದರವಾದ ಮತ್ತು ಬೆರಗುಗೊಳಿಸುವ ಕಲಾಕೃತಿಗಳನ್ನು ತ್ಯಾಜ್ಯ ಟೈರ್ಗಳು, ಸಿಗರೇಟ್ ತುಂಡುಗಳು, ಬಾಟಲ್ ಕ್ಯಾಪ್ಗಳು ಮತ್ತು ಹೆಚ್ಚಿನ ಜನರು ನೋಡದ ಇತರ ಕಸದ ರಾಶಿಗಳಿಂದ ರಚಿಸಲಾಗುತ್ತದೆ. ಜಂಕ್ ಕಲಾವಿದರು ಈ ವಸ್ತುಗಳನ್ನು ವಿಂಗಡಿಸಿ ಸಂಯೋಜಿಸಿ ಅವರು ಹುಡುಕುತ್ತಿರುವ ಬಣ್ಣ, ವಿನ್ಯಾಸ ಮತ್ತು ಹೊಳಪನ್ನು ಸಾಧಿಸುತ್ತಾರೆ ಮತ್ತು ಅಂತಿಮ ಫಲಿತಾಂಶವು ಕಲಾಕೃತಿಯಾಗಿದೆ. ಅದೇ ರೀತಿ, ಬಹಳಷ್ಟು ಡೇಟಾ ತನ್ನದೇ ಆದ ಮೌಲ್ಯವನ್ನು ಹೊಂದಿರುವುದಿಲ್ಲ, ಆದರೆ ಅದನ್ನು ವಿಂಗಡಿಸಿ ಮತ್ತು ಕೆಲವು ಉದ್ದೇಶದಿಂದ ಸಂಯೋಜಿಸಿದಾಗ, ಅದು ಮೌಲ್ಯಯುತವಾದದ್ದನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ.
ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆಯಲ್ಲಿ ಐದು ಮುಖ್ಯ ವಿಧಗಳಿವೆ: ವರ್ಗ ವಿವರಣೆ ಮತ್ತು ವರ್ಗ ತಾರತಮ್ಯ, ಕ್ಲಸ್ಟರ್ ವಿಶ್ಲೇಷಣೆ, ಸಂಘದ ವಿಶ್ಲೇಷಣೆ, ಹೊರಗಿನ ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ಅನುಕ್ರಮ ಮಾದರಿ ವಿಶ್ಲೇಷಣೆ. ಕೆಲವು ಮಾನದಂಡಗಳಿಂದ ಒಟ್ಟುಗೂಡಿಸಲಾದ ದತ್ತಾಂಶದ ಗುಂಪನ್ನು ವರ್ಗ ಎಂದು ಕರೆಯುವಾಗ, ನೀಡಿದ ಡೇಟಾ ಐಟಂಗಳ ಗುಣಲಕ್ಷಣಗಳನ್ನು ವರ್ಗ ವಿವರಣೆ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ, ಡೇಟಾವನ್ನು ಎರಡು ಗುಂಪುಗಳಾಗಿ ವಿಭಜಿಸುವ ವಿಶೇಷ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಕಂಡುಹಿಡಿಯುವುದನ್ನು ಶ್ರೇಣೀಕರಣ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ, ಕ್ಲಸ್ಟರ್ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಬಳಸಲಾಗುತ್ತದೆ. ಹೊಸ ತರಗತಿಗಳನ್ನು ಹುಡುಕಲು ಮತ್ತು ಡೇಟಾ ಗುಂಪುಗಳ ನಡುವಿನ ಲಿಂಕ್ಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲು ಅಸೋಸಿಯೇಷನ್ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಬಳಸಲಾಗುತ್ತದೆ. ಸರಾಸರಿಯಿಂದ ಗಣನೀಯವಾಗಿ ವಿಚಲನಗೊಳ್ಳುವ ಡೇಟಾವನ್ನು ಕಂಡುಹಿಡಿಯುವುದನ್ನು ಹೊರಗಿನ ವಿಶ್ಲೇಷಣೆ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ ಮತ್ತು ಕಾಲಾನಂತರದಲ್ಲಿ ನಡವಳಿಕೆಯ ಮಾದರಿಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುವುದನ್ನು ಅನುಕ್ರಮ ಮಾದರಿ ವಿಶ್ಲೇಷಣೆ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.
ನಮ್ಮ ಉದಾಹರಣೆಯಲ್ಲಿ ಬಳಸಲಾದ ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆಯ ಪ್ರಕಾರವೆಂದರೆ ಸಂಘ ವಿಶ್ಲೇಷಣೆ. ಸಂಘ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ, ಸಂಘದ ಮಟ್ಟವನ್ನು ನಿರ್ಧರಿಸಲು ಮೂರು ಅಳತೆಗಳನ್ನು ಬಳಸಲಾಗುತ್ತದೆ. ಮೊದಲನೆಯದು 'ಬೆಂಬಲ', ಇದು ಎರಡು ವಸ್ತುಗಳು (A ಮತ್ತು B) ಒಟ್ಟಿಗೆ ವ್ಯಾಪಾರವಾಗುವ ಎಲ್ಲಾ ವಹಿವಾಟುಗಳ ಶೇಕಡಾವಾರು. ಎರಡನೆಯದು "ವಿಶ್ವಾಸ", ಇದು ಒಟ್ಟಿಗೆ ವ್ಯಾಪಾರವಾಗುವ A ಯ ಒಟ್ಟು ವಹಿವಾಟುಗಳ ಶೇಕಡಾವಾರು. ಕೊನೆಯದು 'ವರ್ಧನೆ', ಇದು B ವ್ಯಾಪಾರ ಮಾಡುವ ಎಲ್ಲಾ ವಹಿವಾಟುಗಳ ಶೇಕಡಾವಾರು ಪ್ರಮಾಣದಿಂದ ಒಟ್ಟಿಗೆ ವ್ಯಾಪಾರವಾಗುವ A ಮತ್ತು B ಯ ಶೇಕಡಾವಾರು ಪ್ರಮಾಣ (ವಿಶ್ವಾಸ). ವರ್ಧನೆಗಳು 1 ರ ಮೌಲ್ಯವನ್ನು ಹೊಂದಿದ್ದರೆ, ಅವು ಪರಸ್ಪರ ಸ್ವತಂತ್ರವಾಗಿರುತ್ತವೆ ಮತ್ತು ಅವು 1 ಕ್ಕಿಂತ ಹೆಚ್ಚಿದ್ದರೆ, ಅವು ಧನಾತ್ಮಕವಾಗಿ ಪರಸ್ಪರ ಸಂಬಂಧ ಹೊಂದಿವೆ, ಮತ್ತು ಅವು 1 ಕ್ಕಿಂತ ಕಡಿಮೆಯಿದ್ದರೆ, ಅವು ಋಣಾತ್ಮಕವಾಗಿ ಪರಸ್ಪರ ಸಂಬಂಧ ಹೊಂದಿವೆ. ಮೊದಲು, ಎಲ್ಲಾ ವಸ್ತುಗಳಿಗೆ ಬೆಂಬಲವನ್ನು ಲೆಕ್ಕಹಾಕಲಾಗುತ್ತದೆ, ಮತ್ತು ನಂತರ ನಿರ್ದಿಷ್ಟ ಮಟ್ಟದ ಬೆಂಬಲವನ್ನು ಹೊಂದಿರುವ ವಸ್ತುಗಳಿಗೆ ವಿಶ್ವಾಸವನ್ನು ಲೆಕ್ಕಹಾಕಲಾಗುತ್ತದೆ. ಬೆಂಬಲದ ಮಟ್ಟ ಏನಾಗಿರಬೇಕು ಎಂದು ಡೇಟಾ ಮೈನರ್ ನಿರ್ಧರಿಸುತ್ತಾರೆ. ನಂತರ, ನಾವು ಸ್ವಲ್ಪಮಟ್ಟಿಗೆ ಸಂಬಂಧಿಸಿವೆ ಎಂದು ಭಾವಿಸುವ ವಸ್ತುಗಳಿಗೆ ವರ್ಧನೆಯನ್ನು ಲೆಕ್ಕ ಹಾಕುತ್ತೇವೆ ಮತ್ತು ಅವು ಹೇಗೆ ಪರಸ್ಪರ ಸಂಬಂಧ ಹೊಂದಿವೆ ಎಂಬುದನ್ನು ಕಂಡುಕೊಳ್ಳುತ್ತೇವೆ. ಡೈಪರ್ಗಳು ಮತ್ತು ಬಿಯರ್ ಸಂಬಂಧಿತ ಮತ್ತು ಧನಾತ್ಮಕವಾಗಿ ಪರಸ್ಪರ ಸಂಬಂಧ ಹೊಂದಿವೆ ಎಂದು ನಾವು ಕಂಡುಕೊಂಡದ್ದು ಹೀಗೆ.
ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆಯನ್ನು ಮಾರ್ಕೆಟಿಂಗ್ನಲ್ಲಿ ಹೇಗೆ ಬಳಸಬಹುದು ಎಂಬುದನ್ನು ನಾವು ಚರ್ಚಿಸಿದ್ದೇವೆ, ಆದರೆ ಇದನ್ನು ವ್ಯಾಪಕ ಶ್ರೇಣಿಯ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಬಳಸಬಹುದು. ಹಣಕಾಸಿನಲ್ಲಿ, ಇದನ್ನು ಕ್ರೆಡಿಟ್ ಸ್ಕೋರಿಂಗ್, ಕ್ರೆಡಿಟ್ ಕಾರ್ಡ್ ವಂಚನೆ ಪತ್ತೆ ಮತ್ತು ಸ್ಟಾಕ್ ಬೆಲೆ ಮುನ್ಸೂಚನೆಗಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ; ದೂರಸಂಪರ್ಕದಲ್ಲಿ, ಇದನ್ನು ಗ್ರಾಹಕರ ಮಂಥನ ತಡೆಗಟ್ಟುವಿಕೆ, ಪಾತ್ರ ಮತ್ತು ಮಾದರಿ ಗುರುತಿಸುವಿಕೆ ಮತ್ತು ಭದ್ರತಾ ನಿರ್ವಹಣೆಗಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ; ಆರೋಗ್ಯ ರಕ್ಷಣೆಯಲ್ಲಿ, ಇದನ್ನು ರೋಗ ರೋಗನಿರ್ಣಯ ಮತ್ತು ಆನುವಂಶಿಕ ವಿಶ್ಲೇಷಣೆಗಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ; ಶಕ್ತಿಯಲ್ಲಿ, ಇದನ್ನು ವಿದ್ಯುತ್ ಬೇಡಿಕೆಯ ಮುನ್ಸೂಚನೆ ಮತ್ತು ಸಂಪನ್ಮೂಲ ಪರಿಶೋಧನೆಗಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ; ಮತ್ತು ಉತ್ಪಾದನೆಯಲ್ಲಿ, ಇದನ್ನು ಹೊಸ ಉತ್ಪನ್ನ/ಹೊಸ ಸೇವಾ ಅಭಿವೃದ್ಧಿ, ದೋಷ ಮುನ್ಸೂಚನೆ, ಕಾರ್ಖಾನೆ ಯಾಂತ್ರೀಕೃತಗೊಂಡ, ದಾಸ್ತಾನು ಮತ್ತು ಬೇಡಿಕೆ ನಿರ್ವಹಣೆಗಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ. ಇದಲ್ಲದೆ, ಹಿಂದಿನ ಅಥವಾ ಪ್ರಸ್ತುತ ಪರಿಸ್ಥಿತಿಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಅಥವಾ ನಿರ್ದಿಷ್ಟ ಡೇಟಾದಿಂದ ಭವಿಷ್ಯವನ್ನು ಊಹಿಸಲು ಇದನ್ನು ಒಂದು ಮಾರ್ಗವಾಗಿ ಬಳಸಬಹುದು.
ಇತ್ತೀಚಿನ ದಿನಗಳಲ್ಲಿ, ಪ್ರಪಂಚದಾದ್ಯಂತ ಬಿಗ್ ಡೇಟಾ ಜನಪ್ರಿಯವಾಗಿದೆ. ಐಟಿ ಸಾಧನಗಳ ಸರ್ವವ್ಯಾಪಿ ಬಳಕೆಯೊಂದಿಗೆ, ಡೇಟಾ ನಿರಂತರವಾಗಿ ಉತ್ಪತ್ತಿಯಾಗುತ್ತಿದೆ. ಒಂದು ಅಂಕಿಅಂಶಗಳ ಪ್ರಕಾರ, 120 ರಲ್ಲಿ ಮಾತ್ರ ವಿಶ್ವಾದ್ಯಂತ ಸುಮಾರು 2024 ZB (ಝೆಟ್ಟಾಬೈಟ್ಗಳು) ಡೇಟಾವನ್ನು ಉತ್ಪಾದಿಸಲಾಗಿದೆ ಮತ್ತು ಬಳಸಲಾಗಿದೆ. ಈ ಡೇಟಾವನ್ನು ಎಸೆಯುವ ಬದಲು ಉಪಯುಕ್ತವಾಗಿಸಲು ಡೇಟಾ ಗಣಿಗಾರಿಕೆ ಅತ್ಯಗತ್ಯ, ಮತ್ತು ಭವಿಷ್ಯದಲ್ಲಿ ಇಂಟರ್ನೆಟ್ ಆಧಾರಿತ ಜೀವನ ಪರಿಸರವು ಮತ್ತಷ್ಟು ಅಭಿವೃದ್ಧಿ ಹೊಂದುವ ನಿರೀಕ್ಷೆಯಿರುವುದರಿಂದ, ಡೇಟಾ ಗಣಿಗಾರಿಕೆಯ ಮಹತ್ವ ಇನ್ನಷ್ಟು ಬೆಳೆಯುವ ನಿರೀಕ್ಷೆಯಿದೆ.
ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆಯನ್ನು ಮಾರಾಟವನ್ನು ಹೆಚ್ಚಿಸಲು ಮಾತ್ರವಲ್ಲದೆ, ಗ್ರಾಹಕರ ಖರೀದಿ ಮಾದರಿಗಳನ್ನು ಗುರುತಿಸಲು, ಕಸ್ಟಮೈಸ್ ಮಾಡಿದ ಮಾರ್ಕೆಟಿಂಗ್ ನಡೆಸಲು, ದಾಸ್ತಾನು ನಿರ್ವಹಣಾ ದಕ್ಷತೆಯನ್ನು ಸುಧಾರಿಸಲು ಮತ್ತು ಗ್ರಾಹಕರ ತೃಪ್ತಿಯನ್ನು ಹೆಚ್ಚಿಸಲು ವಿವಿಧ ತಂತ್ರಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಸಹ ಬಳಸಬಹುದು. ದತ್ತಾಂಶವು ಆಧುನಿಕ ಜಗತ್ತಿನ ಕಚ್ಚಾ ತೈಲವಾಗಿದೆ, ಮತ್ತು ನೀವು ಅದನ್ನು ಎಷ್ಟು ಚೆನ್ನಾಗಿ ಗಣಿಗಾರಿಕೆ ಮಾಡಿ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುತ್ತೀರಿ ಎಂಬುದು ನಿಮ್ಮ ವ್ಯವಹಾರವನ್ನು ಮಾಡಬಹುದು ಅಥವಾ ಮುರಿಯಬಹುದು, ಅದಕ್ಕಾಗಿಯೇ ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆಯ ಮಹತ್ವವನ್ನು ಗುರುತಿಸುವುದು ಮತ್ತು ಅದರ ಲಾಭವನ್ನು ಪಡೆಯುವುದು ಬಹಳ ಮುಖ್ಯ.
