راهکارهای دیتاسنتر

یادگیری تقویت: مقیاس بازاریابی شخصی

یادگیری تقویتی با پیشبرد مشتریان در راه خرید و تصمیم گیری های تأثیر گذار ، راهی را برای پیش بینی بهتر اقدامات مصرف کننده در آینده و بهبود گسترده نتایج هموار می کند.

بازاریابی شخصی شده برای مصرف کنندگان خرده فروشی و بازاریابی مبتنی بر حساب برای مشتریان B2B اکنون ارزش اثبات شده ای دارند. تعامل آنلاین با مشتریان ، حجم زیادی از داده ها را برای یادگیری دقیق درباره رفتار مصرف کننده برای سفارشی سازی توصیه ها ، پیام ها و مطالب محصول ایجاد می کند.

قطعه گم شده از یک مقیاس پذیر و فقط در زمان راه سنج ترجیحات مشتری و توصیه های محصول را در حالی است که بازدید کنندگان با وب سایت شرکت کنند. الگوریتم های یادگیری تقویت عمیق در سطح آستانه آموزش دیده می شوند که در آنجا شروع به دستیابی به نرخ تبدیل می کنند تا با هزینه های تجزیه و تحلیل داده ها مطابقت داشته باشند.

یادگیری تقویتی

سنگ بنای یادگیری تقویت (RL) این است که برای دستیابی به هدف دستیابی به مشتریان یا هر هدف دیگر ، با چندین مسیر آزمایش می کند. این امر باعث می شود تا با استفاده از بهترین قیمت ، قیمت ها ، توصیه های محصول ، تبلیغات و محتوا را به صفر برساند تا از بهترین روش هایی که باعث ایجاد انگیزه در هر فرد برای مشتری می شود ، استفاده شود. (همچنین بخوانید: یادگیری تقویت کننده در مقابل یادگیری عمیق تقویت: تفاوت چیست؟)

در مقابل ، یادگیری عمیق (DL) الگوهای موجود در داده ها را با الگوریتم های مشخص شده می یابد اما نه با اهداف نهایی از پیش تعیین شده در ذهن. برای اهداف بازاریابی ، RL طیف سفر مشتریانی را که با کسب آنها در بخشهای مختلف بازار نتیجه می گیرند ، ترسیم می کند. (همچنین بخوانید: تفاوت بین یادگیری عمیق و یادگیری ماشین چیست؟)

یادگیری برای تعامل با مشتریان برای خرید و فروش ، فروش متقابل و کسب درآمد بیشتر از هر مشتری در طول چرخه زندگی رابطه خود با فروشندگان ، اطلاع رسانی می کند.

بازاریابی شخصی

بدون شک ، بازاریابی شخصی باعث افزایش چشمگیر کارایی مشتری می شود. هزینه های تملک در 50 درصد کاهش می یابد ، درآمد 5 تا 15 درصد افزایش می یابد و اثربخشی بودجه بازاریابی 10 تا 30 درصد افزایش می یابد. داده های صوتی ، تصویری و عواطف باعث می شوند تا دیدگاههای واضح و شفافی از افراد ایجاد شود تا شخصی سازی شده با مشتریان را آگاه سازند.

به عنوان مثال ، اگر یک مشتری از حوله های پرشور ابراز ناامیدی کند ، یک موتور هوش مصنوعی تشخیص هیجان (AI) قادر به خواندن آن است و می تواند فوراً یک حوله جایگزین را که اخیراً در بازار راه اندازی شده است ، که به سرعت خشک می شود ، توصیه کند تا یک فروش را به فروش برساند.

بازاریابی مبتنی بر حساب (ABM) در فروش B2B بطور ظاهری باعث افزایش ارزش متوسط قرارداد با توجه به مشکلات خاص مشتریان می شود ، فروش متقابل گسترده تر است و با ایجاد روابط عمیق تر. گزارش شده است که متوسط ارزش قرارداد 171 درصد افزایش یافته است. ROI متوجه شده از ABM با 71٪ از نمونه مدیران مورد بررسی بالاتر از سایر طرحهای بازاریابی بود.

از نظر روابط ، 75٪ گزارش های قابل توجهی در روابط خود با چشم انداز بیش از 10٪ گزارش دادند.

مقیاس بازاریابی شخصی

نیکلاس کیرینوس ، بنیانگذار Fountech Ventures ، یک شرکت سرمایه گذاری در انکوباتور و سرمایه گذاری متخصص در هوش مصنوعی ، و بنیانگذار Prospex ، یک شرکت تولید سرب ، توضیح داد که چگونه یادگیری تقویت کننده به سطوح مقیاس پذیر نرخ تبدیل تبدیل می کند:

"یادگیری تقویت همانطور که از تعامل مشتریان در طول سفر خریدشان یاد می گیرد ، تکامل می یابد. این نظارت بر اینکه آیا قرار ملاقات انجام شده است ، به اشتراک گذاری محتوای وب سایت در سایت های رسانه های اجتماعی ، نظارت می کند یا رهبری در مورد ویژگی های محصول استعلام می کند. از داده های فعالیت در یک دامنه ، مانند فروش کتاب ، می توان برای پیش بینی رفتار در سایر حوزه های مرتبط مانند خرید فیلم به منظور ارائه توصیه استفاده کرد. "

مواد و روش ها

نمودارهای روابط پایه و اساس سازماندهی داده های مشتری برای تجزیه و تحلیل با RL و سایر اشکال هوش مصنوعی است. به عنوان مثال ، این نمودارها ، شبکه های اجتماعی افراد را ترسیم می کنند.

رفتار خرید و فروش مشتریان تحت تأثیر کلمات از زبان در شبکه اجتماعی آنها قرار می گیرد. این گروه های اجتماعی تحت تأثیر پیام هایی هستند که از طریق رسانه های جمعی و مکالمات در رسانه های اجتماعی ابلاغ می شود. محلات آنها از تأثیرات فرهنگی خود خبر می دهد و الگوهای اجتماعی شدن آنها مانند تعامل در گروه های حرفه ای علایق آنها را آشکار می کند. چندین لایه از داده ها روی نمودار رابطه پوشانده شده اند تا دلایل و اثرات آن را درک کنند.

ناگزیر ، حجم زیادی از داده ها ، در ابتدا ، سروصدای زیادی را توضیح نمی دهند. کیرینوس گفت: "هرچه حجم داده های شما بزرگتر باشد ، امکان برآورد میانگین های پایه برای دسته ها و زیر گروه ها از مشتریان با افزایش سطح دقت بیشتر محتمل است." وی اضافه کرد: "میزان سر و صدا بیشتر می شود زیرا در مورد رفتارهای فردی و علت و معلول فعالیت خرید هر فرد بیشتر می شود."

کیرینوس همچنین نظرات خود را در مورد شکاف در داده ها و اینکه چگونه هنوز می توان نتیجه گیری کرد که می تواند تصمیم گیری را آگاه سازد ، به اشتراک گذاشت. به عنوان مثال ، مصرف کنندگان بین ارائه محصول از رقبا انتخاب می کنند در حالی که فروشندگان فقط می توانند داده های وب سایت های خود و سایر داده های عمومی را تجزیه و تحلیل کنند.

وی گفت: "در بیشتر موارد ، ما اطلاعات رقیبی را کسب نمی کنیم که از نظر ضوابط اخلاقی برای حفظ حریم خصوصی محافظت می شود. ابزارهای هوش مصنوعی مانند داده های Prospex برای دسته هایی مانند الگوی رفتار در مناطق خاص ، صنایع و سن شامل کلیه مشتریان است. سودهای مربوط به مشتریهای خاص را می توان از وابستگی آنها به گروهها استنباط کرد. "

لمس انسان

با وجود استفاده گسترده از الگوریتم های پیشرفته ، شرکت های بازاریابی مارا همچنان برای تأیید و تقویت مجموعه های داده های بازاریابی ، که شامل اطلاعات مربوط به مشتریان هدف است ، قبل از استفاده از مشتری هایشان برای تصمیم گیری های تجاری ، به فعالیت خود ادامه می دهند.

شهیدا افضل ، بنیانگذار Trifle Solutions ، نظرات خود را در مورد یادگیری نحوه ارائه خدمات شرکت خود به علیرغم اتوماسیون جمع آوری داده ها ، برای مصرف کنندگان اطلاعات بازار ، همچنان ارزشمند دانست.

"مشتری ها به دنبال زیر مجموعه های اطلاعاتی هستند که به سؤالاتی که مدیرانشان می خواهند از آنها بپرسند پاسخ می دهد. بانکهای اطلاعاتی بزرگتر تجاری غالباً قادر به ارائه اطلاعات خاص ، غالباً گرانولی برای نیازهای دقیق خود که صحت آن تضمین شده است ، نیستند.

افضل توضیح داد: "برای درک نیازهای دقیق مشتری و ایجاد راهبردی برای پرس و جو از پاسخ دهندگان برای استخراج اطلاعات مورد نظر ، ارتباطات انسانی لازم است."

افضل افزود: "مجموعه داده ها با اطلاعات متنی افزوده می شوند ، و از پرسیدن سؤالاتی درباره زمینه که در آن ، زمان ، چه چیزی و چگونگی اتفاقی برای درک داده ها در چشم انداز رخ داده است ، به دست آمده است."

مردم معمولاً از به اشتراک گذاشتن اطلاعات داخلی شرکت محتاط هستند ، به خصوص اگر محرمانه باشد ، یا فقط محافظت شده محض است.

وی گفت: "ما با پاسخ دهندگان خود رابطه برقرار می کنیم ، مودبانه پایدار خواهیم ماند تا زمانی که آنها نگهبان خود را رها نکنند و احساس راحتی کنند در مورد شغلشان برای اطلاعات محرمانه ، ما در مورد داده های درهم تنیده سؤال می کنیم که به ما کمک می کند مقادیر داده های مورد نظر را استنباط کنیم. "

مهمتر از همه ، مشتریان دقت داده ها را معیار مهم برای انتخاب منبع داده خود می دانند. وی گفت: "ما در حضور آنها 50 تماس تلفنی برقرار می کنیم تا نشان دهیم که مجموعه داده های تجاری با خطا پر شده اند. سرانجام ، آنها در نهایت هشت بار از ده مورد خود را انتخاب می کنند. "

افکار نهایی

DL اغلب مورد انتقاد قرار گرفته است زیرا Blackbox به سختی قادر به توضیح علت و معلولی از انبوه داده هایی است که تجزیه و تحلیل می کند. RL با ترسیم مسیرهای مشتریان در مسیر خرید و تأثیرگذاری در انتخاب آنها ، راهی را برای پیش بینی اقدامات آینده خود بطور چشمگیر بهبود می بخشد.

با این وجود ، دخالت انسان برای پر کردن شکاف های باقی مانده از ماشین ها لازم است.

sajjad سه‌شنبه 17 تیر 1399 ساعت 20:31

0 نظر

استفاده معنی دار و رونق ذخیره سازی EHR

به دلیل چالش هایی که از نظر ذخیره سازی ، شبکه سازی ، حفظ حریم خصوصی و امنیت مطرح می کند ، تصویب EHR ها - و همچنان ادامه خواهد داشت - یک چالش مهم در مراقبت از فناوری اطلاعات است.

آیا تا به حال از کاربرد معنی دار شنیده اید؟ این اصطلاحی است که در سال 2009 تحت قانون فناوری اطلاعات سلامت برای سلامت کلینیک اقتصادی (HITECH) پخته شد ، که هدف آن ایجاد شبکه سراسری سوابق بهداشت الکترونیکی بود. استفاده معنی دار انگیزه های مالی برای ارائه دهندگان واجد شرایط مراقبت های پزشکی که می توانند به "استفاده معنی دار" از EHR ها برای بهبود مراقبت از بیمار گواهی دهند ، می دهد. این اینفوگرافیک رابطه بین استفاده معنادار و متخصصانی که آنرا قبول می کنند را شرح می دهد. به دلیل چالش هایی که از نظر ذخیره سازی ، شبکه سازی ، حفظ حریم خصوصی و امنیت مطرح می کند ، تصویب EHR ها - و همچنان ادامه خواهد داشت - یک چالش مهم در مراقبت از فناوری اطلاعات است.

sajjad سه‌شنبه 17 تیر 1399 ساعت 20:29

0 نظر

نحوه بهینه سازی راهکار ذخیره سازی سازمانی

یک راه حل ذخیره سازی ابزاری قدرتمند است. بهره‌مندی بیشتر از همه اینها ، برطرف کردن سیستمهای کند و کلفتی و جایگزینی آنها با چیزی کارآمدتر و مقرون به صرفه تر است.

ذخیره سازی ممکن است مهیج ترین عنصر یک تجارت نباشد ، اما اگر فکر می کنید که چقدر تجارت به راه حل ذخیره داده های خود متکی است - همه چیز از اجرای برنامه های کاربردی گرفته تا تکمیل تحقیقات بازار - داشتن یک راه حل بهینه سازی شده بسیار مهم است. از نظر فناوری بسیار ساده است که سنگین ، گران و کند شود ، اما با کمی تحقیق در مورد چگونگی ساده کردن راه حل و کاهش هزینه ها ، راهکار ذخیره سازی شما می تواند به ابزاری قدرتمند تبدیل شود.

ساده سازی ذخیره سازی سازمانی

برای مشاغلی که می خواهند مسئولیت خود را برای مدیریت یک سیستم ذخیره سازی به طور کامل از بین ببرند ، روی آوردن به ارائه دهنده ذخیره سازی گزینه ای مناسب است. بخصوص ، ارائه دهندگان استوریج های ابری می توانند ذخیره سازی مقرون به صرفه را ارائه دهند. البته ، برای آن دسته از مشاغل که مقررات مربوط به رعایت سنگین را دارند ، نگه داشتن داده های حساس در عین حال نگه داشتن داده های حساس با ارائه دهنده خارجی ، ایمن تر است.

برای شرکت هایی که می خواهند داده های داخلی خود را ذخیره کنند ، بهتر است با ذخیره سازی متصل به شبکه (NAS) شروع کنید. یک فیلتر شکن NAS در واقع یک سرور اضافی است که به یک شبکه متصل می شود و به سرعت حافظه اضافی را به آن شبکه اضافه می کند. با این حال ، در یک نقطه خاص ، بسیاری از فیلترهای NAS می توانند بیش از حد روی شبکه محلی (LAN) کار کنند و بر عملکرد تأثیر بگذارد.

هنگامی که یک NAS خیلی آهسته می شود ، ایجاد یک شبکه ذخیره سازی (SAN) بهترین مرحله بعدی است. SAN مجموعه ای از رایانه های متصل است که فقط برای ذخیره داده ها استفاده می شود. رابط سیستم های رایانه ای کوچک اینترنت (iSCSI) یک گزینه استاندارد SAN است ، اما اگر حجم کار شما به ویژه بزرگ باشد ، کانال فیبر SAN (FC SAN) بهترین انتخاب است.

استراتژی های کاهش هزینه

روش های مختلفی برای کاهش هزینه های ذخیره داده وجود دارد:

1. Deduplication داده ها

تفکیک داده ها اساساً باعث می شود حجم بیشتری از داده ها در فضای کمتری فشرده شوند. نیاز به فضای کمتر به معنای صرف هزینه کمتری برای سخت افزار جدید و همچنین زمان کمتری برای تکمیل تهیه نسخه پشتیبان تهیه و یا بازیابی اطلاعات است.

2. ذخیره سازی فلش

مدت طولانی است ، مشاغل بین درایوهای دیسک سخت) HDD) و درایوهای حالت جامد (SSD) را برای رسانه های ذخیره سازی انتخاب کرده اند. هارددیسک ها عملکرد مناسب و قیمت مناسبی را ارائه می دهند. SSD ها عملکرد بهتری دارند اما بسیار گران تر هستند. شرکتها غالباً از ترکیبی از این دو استفاده می کنند تا بتوانند عملکرد SSD را دریافت کنند اما قیمت گذاری HDD را کاهش دهند. حال ممکن است شرکت ها بخواهند در هنگام جستجوی راه هایی برای کاهش هزینه ها ، حافظه های فلش را در مقابل هارد دیسک ها مقایسه کنند. فلش فلش عملکرد قابل مقایسه با SSD ها اما با قیمت بسیار مناسب تری ارائه می دهد.

3. خرید از معاملات

این نکته جالب ترین نیست ، اما گاهی اوقات به دنبال یک معامله خوب از یک فروشنده بهترین راه برای صرفه جویی در هزینه های سخت افزاری یا تعمیر و نگهداری است. اغلب ، این معاملات پیشنهادی تبلیغ نمی شوند ، اما اگر خواهان کاهش قیمت یا ضمانت نگهداری هستید ، بسیاری از فروشندگان با میل خود مذاکره می کنند.

4. تحکیم

پراکندگی داده ها بر روی چندین سرور به سرعت گران می شود زیرا هرچه سرور بیشتری داشته باشید هزینه نگهداری بیشتر می شود. تلفیق داده ها و از بین بردن تجهیزات قدیمی که به پایان عمر خود رسیده اند روشی نسبتاً آسان برای کاهش هزینه ها و اطمینان از بیشترین استفاده از سیستم ذخیره سازی شما است.

5. ذخیره سازی ابر

همانطور که گفته شد ، ذخیره سازی ابری گزینه بسیار خوبی برای کاهش مسئولیت های مدیریتی است ، اما همچنین ابر می تواند در هزینه های تعمیر و نگهداری و هزینه های اصلی ذخیره سازی نیز صرفه جویی کند ، زیرا ارائه دهندگان ابری نرخ های هر بار مصرف را ارائه می دهند. بانکهای اطلاعاتی ابری با مقیاس بندی خودکار ، به طور خاص می توانند اطمینان حاصل کنند که شما فقط برای مکانی که از لحظه به لحظه استفاده می کنید پرداخت می کنید.

به نظر می رسد ساده است ، اما یک راه حل ذخیره سازی ابزاری قدرتمند است. بهره‌مندی بیشتر از همه اینها ، از بین بردن سیستمهای کند و خنک و جایگزین کردن آنها با چیزی کارآمدتر و مقرون به صرفه است

sajjad سه‌شنبه 17 تیر 1399 ساعت 20:22

0 نظر

استوریج EMC

استوریج EMC به محصولات ، سیستم ها و خدمات مختلفی که توسط شرکت EMC ارائه می شود ، اشاره دارد که شامل سیستم ها و آرایه های ذخیره سازی دیسک ، فلش و ترکیبی است. این سیستم ها به منظور برآوردن نیازهای ذخیره سازی خود به بنگاه های مختلفی فروخته می شوند و همراه با خدمات استراتژی مدیریت اطلاعات EMC ، شرکت ها را قادر می سازند تا اطلاعات بدون ساختار و همچنین تمرکز بر کاهش هزینه های ذخیره سازی و افزایش امنیت را سازمان دهند.

استوریج EMC به محصولات و خدمات مربوط به ذخیره سازی EMC اشاره دارد که از طریق شرکا و فروشندگان خود به فروش می رساند. استوریج EMC همچنین ممکن است به فناوری های اصلی شرکت اشاره داشته باشد ، از جمله ابزارهایی است که به سازمانها کمک می کند تا با کمک به آنها در طراحی ، پیاده سازی و مدیریت زیرساختهای ذخیره سازی و اطلاعاتی قوی ، انعطاف پذیر ، مقیاس پذیر و ایمن ، خود را از طریق اطلاعات توانمند سازند.

استوریج EMC به دلیل تهیه خوشه های ذخیره سازی با ظرفیت بالا و عملکرد I / O خوب ، که برای محیط های مجازی و رایانش ابری ضروری هستند ، شناخته شده است. آرایه های ذخیره سازی مبتنی بر فلش این شرکت به ویژه برای بارهای زیاد I / O مفید است.

sajjad سه‌شنبه 17 تیر 1399 ساعت 20:19

0 نظر

مفهوم geo-replication

Geo-Replication به نوعی از Replication دیتا استوریج می باشد که در آن داده های موجود استوریج بر روی سرورهای موجود در چندین مکان های فیزیکی دوردست ذخیره می شوند.

در Disaster Recovery و در راهکار Geo-Replication یک افزونگی چند لایه فراهم می شود که در صورت بروز خرابی های دیتاسنتر و یا هرگونه اختلالاتی که ادامه کار دیتاسنتر را با مشکل مواجه می کنند می تواند به کمک دیتاسنتر اصلی بیاید. در یک شبکه WAN ، مکان های جغرافیایی دوردست می توانند به بالا بردن سرعت و کارایی شبکه گردند و از اینرو کاربران در سرتاسر دنیا به مانند یک کاربر شبکه LAN به سرویس های وب دسترسی داشته باشند.

Geo-Replication معمولا با این منطق کار می کند که در آن داده ها در سایت اصلی ایجاد و بروز رسانی می شوند و سپس بصورت غیر همزمان بر روی سایت ثانویه Replicate می شوند و بنابراین داده های مشابه در دو سایت وجود خواهند داشت و می توانند در هر دو سایت بکاپ گیری شوند. در بهترین شرایط معمولا این دو سایت را کاملا از یکدیگر مستقل پیکربندی می کنند و تلاش می شود تا بجز تبادل اطلاعات ارتباط دیگری وجود نداشته باشد.

طول عمر داده ای که Geo-Replication ارائه می دهد بسیار مهم می باشد مخصوصا زمانی که سازمانهای با مقیاس بالا قصد حرکت به سوی پلتفرم های Cloud Storage و ساختارهای ابری Public و Private می باشند و در آن داده ها بصورت External ذخیره می شوند. بسیاری از ارائه دهندگان سرویس های ابری از قبیل Amazon Web Services و Windows Azure راهکار Geo-Replication را به عنوان بخشی از راهکار استوریج خود به مشتریان پیشنهاد می کنند.