डेटा उत्पाद क्रांति

पिछले 15 वर्षों में डेटा उत्पाद विकास में भारी वृद्धि हुई है; उदाहरण के लिए नेटफ्लिक्स अनुशंसा इंजन, स्पॉटिफाई प्लेलिस्ट क्यूरेशन, गूगल मैप्स रूट भविष्यवाणी, स्वायत्त कारें, आदि। हम इस सूची में सैकड़ों या हजारों महान उदाहरण जोड़ सकते हैं। लेकिन इस दिशा में क्रांति क्यों हो रही है? या मैं पहला प्रश्न पूछता हूं, डेटा उत्पाद क्या है ?

डेटा उत्पाद क्या है?

अपनी पुस्तक , "डेटा जुजित्सु: द आर्ट ऑफ़ टर्निंग डेटा इनटू प्रोडक्ट, 2012" में, डीजे पाटिल ने एक डेटा उत्पाद को "एक उत्पाद जो डेटा के उपयोग के माध्यम से एक अंतिम लक्ष्य की सुविधा प्रदान करता है" के रूप में परिभाषित किया।

आजकल लगभग सभी मोबाइल एप्लिकेशन और वेबसाइट डेटा का उपयोग करते हैं लेकिन जरूरी नहीं कि वे सभी डेटा उत्पाद माने जाएं। यहाँ मुख्य अंतर है, डेटा उत्पाद का अंतिम लक्ष्य मूल्य उत्पन्न करने के लिए डेटा का उपयोग करना है । उदाहरण के लिए, जीमेल एक डेटा उत्पाद नहीं है, लेकिन स्मार्ट कंपोज़ फीचर एक डेटा उत्पाद है।

डेटा उत्पाद उदाहरण

आज हम डेटा प्रोडक्ट्स से घिरे हुए हैं लेकिन हमें उनके बारे में पता भी नहीं है। हम उन्हें मुख्य उत्पादों से अलग नहीं कर सकते। खासकर गैर-तकनीकी लोगों के लिए इसका पता लगाना लगभग असंभव है। यहाँ कुछ उदाहरण हैं;

• Spotify रैप्ड: Spotify एक प्रमुख म्यूजिक स्ट्रीमिंग प्लेटफॉर्म है। 2016 में उन्होंने मार्केटिंग अभियान के रूप में जनवरी और दिसंबर के बीच एकत्रित आंकड़ों की घोषणा की । अभियान हर साल आवर्ती रहा है और व्यक्तिगत उपयोगकर्ताओं के लिए एक व्यक्तिगत डेटा उत्पाद है।
• नेटफ्लिक्स अनुशंसा इंजन: नेटफ्लिक्स पूरी दुनिया में एक प्रमुख फिल्म, टीवी शो और श्रृंखला स्ट्रीमिंग प्लेटफॉर्म है। उनका प्रमुख व्यवसाय मॉडल अधिक से अधिक ग्राहकों को बनाए रखना है, क्योंकि वे सब्सक्रिप्शन मॉडल से अधिक हो सकते हैं। अधिक ग्राहकों को बनाए रखने के लिए, उन्हें अपने उपयोगकर्ताओं के जुड़ाव में सुधार करने की आवश्यकता है। कोर डेटा उत्पाद जो इस आवश्यकता को पूरा करता है, वह उनका वैयक्तिकृत अनुशंसा इंजन है ।
• जीमेल स्मार्ट कंपोज़: जीमेल उपयोगकर्ताओं को एक सादे पाठ प्रारूप में ईमेल लिखने की अनुमति देता है। 2018 में Google ने स्मार्ट कंपोज़ क्षमता पेश की । यह डेटा उत्पाद ई-मेल निर्माण प्रयासों को कम करने के लिए वास्तविक समय में उपयोगकर्ता के लिए सबसे उपयुक्त वाक्यों और शब्दों को उत्पन्न करने के लिए विभिन्न मशीन लर्निंग तकनीकों का उपयोग करता है।
• Google मैप्स मार्ग की भविष्यवाणी: Google मैप्स आपको विभिन्न तरीकों से X से Y स्थान पर जाने में मदद करता है; उदाहरण के लिए सार्वजनिक परिवहन, स्कूटर, आदि। प्रत्येक विधि के लिए, अंतिम उपयोगकर्ता अनुमानित ईटीए के साथ वैकल्पिक मार्ग प्राप्त करता है। 2020 में Google ने अपने एल्गोरिदम की एक झलक साझा की और बताया कि कैसे उसने इस डेटा उत्पाद का निर्माण किया।

अपनी पुस्तक " हुक्ड: हाउ टू बिल्ड हैबिट-फोर्मिंग प्रोडक्ट्स " में निर इयाल ने चार चरणों में हुक्ड मॉडल का वर्णन किया है; ट्रिगर, एक्शन, वेरिएबल रिवॉर्ड और इन्वेस्टमेंट। इस मॉडल का मूल उपभोक्ताओं के लिए एक आदत-निर्माण अनुभव बनाना है ताकि उन्हें उत्पाद का उपयोग करने के लिए किसी तरह की झिझक की आवश्यकता न हो। मूल रूप से, उपयोगकर्ता उत्पादों का उपयोग करते हैं क्योंकि इसका उपयोग करना उनकी आदत है ।

हम डेटा उत्पादों से प्यार क्यों करते हैं, जबकि हम उन्हें नहीं जानते हैं?

एक कदम पीछे हटें और उस उत्पाद के बारे में सोचें जिसे आप पसंद करते हैं और मुख्य उत्पाद और डेटा उत्पाद को विभाजित करने का प्रयास करें । मैं Spotify को एक उदाहरण के रूप में लूंगा।

मैं संगीत सुनना पसंद करता हूं। वॉकमैन युग से लेकर आज तक मेरे दैनिक जीवन में यह एक आदत है। जब भी मेरे पास खाली समय होता है मैं संगीत सुनता हूं; जैसे खाना बनाते समय, कपड़े धोते समय और किताबें पढ़ते समय। यदि आप मेरे जैसे व्यक्ति हैं, सोशल मीडिया उपयोगकर्ता नहीं हैं, या किसी लोकप्रिय रुझान का पालन नहीं कर रहे हैं, तो नए कलाकारों और बैंडों को ढूंढना थोड़ा परेशान हो रहा है। विनाइल को इकट्ठा करना और अद्भुत 90 के दशक में अटक जाना भी एक स्थायी समाधान नहीं है।

यही कारण है कि मैं एक विशाल Spotify उपयोगकर्ता हूँ। मैं Spotify का उपयोग इसके फैंसी UI घटकों या इसके विशाल संग्रह के कारण नहीं कर रहा हूँ। इसी तरह के घटक वैकल्पिक उत्पादों या इससे भी बेहतर में पाए जा सकते हैं। लेकिन मैं Spotify का उपयोग इसकी लेबलिंग , वर्गीकरण , खोज इंजन, अनुशंसा इंजन और प्लेलिस्ट क्यूरेशन क्षमताओं के कारण करता हूं। इन क्षमताओं के साथ, मुझे उन कलाकारों और बैंडों से परिचित कराया जा सकता है जिनके बारे में मैंने कभी सुना भी नहीं है या मेरे दैनिक जीवन में सीमित समय के साथ पता लगाने का मौका नहीं मिला है।

इसलिए डेटा उत्पाद कोर उत्पादों को स्मार्ट, उपयोग में आसान और अधिक वैयक्तिकृत बनाते हैं और उपयोगकर्ता उन्हें बनाए रखने और उन्हें अपनी दिनचर्या का हिस्सा बनाने के इच्छुक हैं। बस सामान्य उत्पादों को आदत बनाने वाले उत्पादों में परिवर्तित करना ।

चैटजीपीटी से पहले और बाद में

आजकल चैटजीपीटी के बारे में बहुत प्रचार है । हर कोई इस बारे में बात कर रहा है कि यह कितना अद्भुत है, और इसके द्वारा उत्पादित आउटपुट कितने आकर्षक हैं, यह अगले वर्षों में एक्स, वाई और जेड नौकरियों को बदलने जा रहा है।

हमें यह स्वीकार करना होगा कि उन्होंने जो उत्पाद बनाया है वह अद्भुत है। मेरा मानना ​​है कि उत्पाद की मुख्य सफलता तकनीकी जटिलता या हमारे जीवन में जीवन रक्षक समस्या को हल करने से नहीं आ रही है। यह इसकी सादगी, पहुंच और उपयोग में आसान सुविधाओं से आ रहा है।

निष्कर्ष

पिछले 15 वर्षों में कई कंपनियों ने अपने मूल उत्पादों को स्मार्ट और वैयक्तिकृत बनाने के लिए डेटा उत्पादों में निवेश किया है। चैटजीपीटी के साथ हम एक ऐसे युग में प्रवेश कर रहे हैं जहां मुख्य उत्पाद डेटा उत्पाद है। मुझे विश्वास है कि इस दिशा में हमें अनेक उदाहरण देखने को मिलेंगे। फिर भी यह एक मुख्य उत्पाद है या मुख्य उत्पाद को बेहतर बनाना, डेटा उत्पाद क्रांति अनिवार्य है।

पढ़ने के लिए धन्यवाद

इस लेख में, मैंने डेटा उत्पाद शब्दावली की एक सामान्य समझ स्थापित की है । अगली श्रृंखला में, मैं विभिन्न प्रकार के डेटा उत्पादों, और उत्पादों के निर्माण और आपके संगठनों में इस संस्कृति को विकसित करने के लिए क्रॉस-फ़ंक्शनल टीमों की स्थापना कैसे करें, इस बारे में गहराई से जानकारी दूंगा।

यदि आप डेटा साइंस, मशीन लर्निंग, उत्पाद प्रबंधन और डेटा उत्पाद बनाने में रुचि रखते हैं, तो आप मेरा अनुसरण करना शुरू कर सकते हैं।