नई दिल्ली

 

ग्लोबल टेक कंपनी Nisum की एक रिपोर्ट के अनुसार, आर्टिफिशियल इंटेलिजेंस (AI) में निवेश करने वाली ई-कॉमर्स कंपनियों को मनचाहे नतीजे पाने में मुश्किल हो सकती है, अगर वे पहले साफ़, व्यवस्थित और सेंट्रलाइज़्ड डेटा सिस्टम नहीं बनाती हैं। रिपोर्ट में कहा गया है कि डेटा की तैयारी उन सबसे बड़े कारकों में से एक है जो यह तय करते हैं कि AI प्रोजेक्ट्स सिर्फ़ प्रयोग से आगे बढ़कर मापने लायक बिज़नेस नतीजे देंगे या नहीं। इसमें बताया गया है कि AI सिस्टम काफ़ी हद तक उन्हें मिलने वाली जानकारी की क्वालिटी पर निर्भर करते हैं, इसलिए AI को बड़े स्तर पर लागू करने की चाहत रखने वाले बिज़नेस के लिए डेटा इंफ्रास्ट्रक्चर एक ज़रूरी आधार है।

 

रिपोर्ट में कहा गया है, "AI उतना ही असरदार होता है जितना उसे मिलने वाला डेटा, और डेटा की समस्या अक्सर क्लाइंट की सोच से कहीं ज़्यादा बड़ी होती है।" रिपोर्ट के मुताबिक, कंपनियों को अक्सर अपने डेटा में समस्याओं का पता तब चलता है जब वे पहले ही AI प्रोजेक्ट शुरू कर चुकी होती हैं। प्रोडक्ट की जानकारी, इन्वेंट्री रिकॉर्ड और कस्टमर डेटा अलग-अलग सिस्टम में फैले हो सकते हैं, जिससे AI टूल्स के लिए बिज़नेस की पूरी तस्वीर के साथ काम करना मुश्किल हो जाता है।

 

रिपोर्ट ने यह भी चेतावनी दी है कि खराब डेटा AI की परफॉर्मेंस को सीमित करने से कहीं ज़्यादा नुकसान पहुंचा सकता है। अगर इन्वेंट्री की गिनती गलत है या कस्टमर रिकॉर्ड कई डेटाबेस में डुप्लिकेट हैं, तो AI सिस्टम उन समस्याओं को बहुत बड़े पैमाने पर दोहरा और बढ़ा सकते हैं।

 

रिपोर्ट में कहा गया है, "असफलता का सबसे आम कारण डेटा इंफ्रास्ट्रक्चर है।"

ई-कॉमर्स बिज़नेस के लिए, यह समस्या तब और भी अहम हो जाती है जब AI का इस्तेमाल पर्सनलाइज़ेशन, प्राइसिंग, फोरकास्टिंग या इन्वेंट्री मैनेजमेंट के लिए किया जाता है। उदाहरण के लिए, किसी मार्केटिंग सिस्टम में एडवांस्ड AI क्षमताएं हो सकती हैं, लेकिन अगर वह इन्वेंट्री सिस्टम से जुड़ा नहीं है, तो बिज़नेस ऐसे प्रोडक्ट्स का प्रमोशन कर सकता है जो उपलब्ध ही नहीं हैं।

 

रिपोर्ट में कहा गया है कि यही एक वजह है कि कंपनियों को एक इंटीग्रेटेड आर्किटेक्चर की ज़रूरत है जिसमें जेनरेटिव AI, प्रेडिक्टिव एनालिटिक्स और ऑटोमेशन सिस्टम अलग-अलग टूल्स के तौर पर काम करने के बजाय एक साथ मिलकर काम कर सकें।

रिपोर्ट ने बिज़नेस के अलग-अलग हिस्सों से डेटा को सेंट्रलाइज़ करने की अहमियत पर भी ज़ोर दिया। इसमें कहा गया है कि रिटेलर्स के पास अक्सर स्टोर्स, ई-कॉमर्स प्लेटफॉर्म्स और ऐप्स में बिखरी हुई जानकारी होती है, जो उन्हें कस्टमर के मोटे तौर पर वर्गीकरण से आगे बढ़कर ज़्यादा पर्सनलाइज़्ड अनुभव देने से रोक सकती है।

 

साथ ही, रिपोर्ट में कहा गया है कि बिज़नेस को डेटा तैयार करने के काम को सिर्फ़ एक बार की प्रक्रिया नहीं समझना चाहिए। AI मॉडल को सटीक, ताज़ा और एक जैसी जानकारी की ज़रूरत होती है, जबकि प्रोडक्ट्स, सप्लायर्स और कस्टमर की मांग में बदलाव समय के साथ अनुमानों की क्वालिटी पर असर डाल सकते हैं। रिपोर्ट में सुझाव दिया गया है कि AI पहल को बड़े पैमाने पर शुरू करने से पहले, कंपनियाँ बिखरे हुए डेटा स्रोतों की पहचान करें और उन्हें एक साथ लाएँ, डेटा की क्वालिटी के लिए साफ़ तौर पर ज़िम्मेदारी तय करें और गवर्नेंस प्रोसेस लागू करें।

 

ग्लोबल टेक्नोलॉजी कंसल्टिंग और डिजिटल इंजीनियरिंग कंपनी 'निसुम' (Nisum) के नए CEO अनुराग चौहान ने कहा, "AI का इस्तेमाल करने वाली सिर्फ़ 5.5 प्रतिशत कंपनियों को ही अपने निवेश से असल में फ़ायदा मिलता है। यह आँकड़ा हर कॉमर्स लीडर को सोचने पर मजबूर कर देगा।" उन्होंने आगे कहा, "AI कॉमर्स का मौका सच में बहुत बड़ा है। लेकिन औसत नतीजों और मार्केट में सबसे आगे रहने वाली कंपनियों के बीच का फ़ासला अब बहुत ज़्यादा हो गया है और यह और बढ़ रहा है।"

 

रिपोर्ट में कहा गया है कि जो कंपनियाँ डेटा की तैयारी पर ध्यान देती हैं, वे AI पायलट प्रोजेक्ट से प्रोडक्शन की ओर तेज़ी से बढ़ सकती हैं। वहीं, जो कंपनियाँ इस बुनियादी काम को नज़रअंदाज़ करती हैं, उन्हें अधूरी जानकारी, भरोसे के लायक न होने वाले अनुमान और ऐसे AI प्रोजेक्ट मिल सकते हैं जो कभी भी पूरी तरह से लागू नहीं हो पाते।