क्या नवप्रवर्तन क्लाउड में, किनारे पर या अन्यत्र दिखाई देगा?

उन संगठनों के लिए नवाचार महत्वपूर्ण है जो व्यावसायिक प्रासंगिकता बनाए रखते हैं और व्यावसायिक व्यवधानों से बचते हैं, लेकिन वे नवाचार कहां से आएंगे?

उद्योग विशेषज्ञों का मानना ​​है कि नवाचार क्लाउड में नहीं, बल्कि कगार पर होता है। हालाँकि, एज कंप्यूटिंग क्लाउड कंप्यूटिंग का ही एक विस्तार है। अच्छा तो इसका क्या मतलब है? क्योंकि क्लाउड कंप्यूटिंग और एज कंप्यूटिंग एक साथ काम कर सकते हैं।

इसके अलावा, Apple के iPhone

इससे पहले, Apple के स्मार्ट डिवाइस फ़िंगरप्रिंटिंग का उपयोग करते थे, जबकि कुछ Android स्मार्ट डिवाइस आईरिस पहचान का उपयोग करते थे। इसलिए, विज्ञान कथा में कथानक जल्द ही एक वैज्ञानिक तथ्य बन गया।

व्यवसायों को सक्रिय होने की आवश्यकता है, विशेष रूप से यूरोपीय संघ के सामान्य डेटा संरक्षण विनियम (जीडीपीआर) के साथ, जो पांच महीने बाद प्रभावी होंगे। यह सुनिश्चित करने के लिए कि खुदरा विक्रेता, सरकारी एजेंसियां, आपातकालीन सेवाएं और अन्य संगठन नियामक मानकों का उल्लंघन नहीं करते हैं, इस पर विचार करने की आवश्यकता है कि क्या चेहरे की पहचान, लाइसेंस प्लेट पहचान, वाहन सेंसर और अन्य प्रौद्योगिकियां जीडीपीआर की आवश्यकताओं और आवश्यकताओं को पूरा कर सकती हैं।

नागरिकों को सशक्त बनाएं

इंडेक्स इंजन में मार्केटिंग और बिजनेस डेवलपमेंट के उपाध्यक्ष जिम मैकगैन इन कानूनी आवश्यकताओं पर अपनी सोच रखते हैं: 'जीडीपीआर नागरिकों को व्यक्तिगत डेटा की शक्ति देता है, इसलिए संयुक्त राज्य अमेरिका सहित यूरोपीय संघ में व्यापार करने वाली कंपनियों को इस नियम का पालन करना होगा'

उन्होंने कहा कि जीडीपीआर संगठन के डेटा प्रबंधन के लिए एक प्रमुख मुद्दा है। कई मामलों में, संगठनों को अपने सिस्टम या कागजी रिकॉर्ड में व्यक्तिगत डेटा ढूंढना मुश्किल लगता है। और आमतौर पर वे नहीं जानते कि डेटा को सहेजने, हटाने, संशोधित करने या सही करने की आवश्यकता है या नहीं। इसलिए, जीडीपीआर संगठन की जिम्मेदारी को एक नई ऊंचाई पर पहुंचा देगा क्योंकि उस पर भारी जुर्माना लग सकता है।

हालाँकि, उन्होंने प्रासंगिक समाधान अपनाने के लिए सिफारिशें प्रदान कीं: 'संगठन का व्यवसाय डेटा सुरक्षा नियमों का अनुपालन करता है यह सुनिश्चित करने के लिए हम सूचना प्रबंधन समाधान और एप्लिकेशन रणनीतियाँ प्रदान करते हैं।' पीबी-स्तरीय डेटा को एकत्रित करने की आवश्यकता है, लेकिन संगठन के पास वास्तविक समझ के बारे में कोई डेटा नहीं है। इंडेक्स इंजन अलग-अलग डेटा स्रोतों को देखकर क्लीन-अप सेवाएं प्रदान करता है ताकि यह देखा जा सके कि क्या साफ़ किया जा सकता है। कई संगठन 30% डेटा जारी कर सकते हैं, जो उन्हें डेटा को अधिक कुशलता से प्रबंधित करने की अनुमति देता है। एक बार संगठन डेटा को प्रभावी ढंग से प्रबंधित करके, वे कर सकते हैं। उचित नीतियों और उपायों को लागू कर सकते हैं क्योंकि अधिकांश कंपनियां जानती हैं कि किस प्रकार की फाइलों में व्यक्तिगत डेटा होता है। '

स्पष्ट डेटा

मैकगैन ने आगे कहा: 'अधिकांश डेटा बहुत संवेदनशील है, इसलिए कई कंपनियां इसके बारे में बात करने से झिझकती हैं, लेकिन हम संगठन को अनुपालन में रखने के लिए कानूनी परामर्श फर्मों के साथ बहुत काम करते हैं।'

उदाहरण के लिए, फॉर्च्यून 500 कंपनी इंडेक्स इंजन ने डेटा क्लीनअप पूरा किया और पाया कि उसके 40% डेटा में अब कोई व्यावसायिक मूल्य नहीं है। इसलिए कंपनी ने इसे साफ़ करने का निर्णय लिया।

उन्होंने कहा: 'इससे डेटा सेंटर प्रबंधन लागत बचती है: वे डेटा को साफ करके सकारात्मक परिणाम प्राप्त करते हैं, लेकिन यदि यह एक सार्वजनिक कंपनी है, तो आप नियामक अनुपालन मुद्दों के कारण डेटा को हटाने के लिए स्वतंत्र नहीं हैं।' कुछ मामलों में, फ़ाइल को 30 साल तक सहेजने की आवश्यकता होती है। उन्होंने सुझाव दिया कि ''व्यवसायों को यह पूछने की ज़रूरत है कि क्या इन फ़ाइलों का व्यावसायिक मूल्य है या कोई अनुपालन आवश्यकताएँ हैं।'' उदाहरण के लिए, डेटा को सहेजने के लिए किसी वैध कारण के बिना हटाया जा सकता है। कुछ कंपनियां डेटा सेंटर से डेटा हटाने के लिए अपने डेटा को क्लाउड पर भी स्थानांतरित कर रही हैं।

इस प्रक्रिया में, कई कंपनियों को अपने डेटा माइग्रेशन निर्णय लेने के लिए यह जांचने की आवश्यकता है कि डेटा व्यावसायिक मूल्य का है या नहीं। संगठनों को यह सोचने की ज़रूरत है कि उनकी फ़ाइलों में क्या है - चाहे वह एज कंप्यूटिंग हो या डेटा प्रबंधन, बैकअप और स्टोरेज के लिए क्लाउड कंप्यूटिंग।

सुनिश्चित करें कि जानकारी अनुरूप है

इसलिए, यह महत्वपूर्ण है कि संगठन नई तकनीकों को उपभोक्ताओं और नागरिकों द्वारा समान रूप से उपयोग करने से रोकने के तरीकों का पता लगाएं और इस बात पर विचार करें कि संगठनों और उपभोक्ताओं के लिए मूल्य बनाने के लिए उस डेटा का उपयोग कैसे किया जाए। इस डेटा का उपयोग करने वाले संगठनों को डिजिटल सेवाएं प्रदान करने, उपयोग करने, सुरक्षा करने और सुधारने में सूचना सुरक्षा के बारे में जागरूक होने की आवश्यकता है।

उदाहरण के लिए, फेस रिकग्निशन तकनीक में कई एप्लिकेशन हैं जो न केवल उपयोगकर्ताओं को अपने स्मार्टफोन पर एप्लिकेशन को अनलॉक करने की अनुमति देते हैं बल्कि उनके लिए भुगतान भी करते हैं। छवियों को स्मार्टफोन की चेहरे की पहचान तकनीक का उपयोग करके स्थानीय रूप से तैनात डेटा सेंटर में संग्रहीत किया जाता है। इसके बावजूद, लोगों को अभी भी डेटाबेस पर एक निश्चित मात्रा में डेटा रखने की आवश्यकता है, जिसे हैकर्स को दुर्भावनापूर्ण हमलों के लिए व्यक्तिगत डेटा का शोषण करने से रोकने के लिए संरक्षित करने की भी आवश्यकता है।

एज कंप्यूटिंग में नवाचार

जैसे-जैसे संगठन स्वायत्त और स्मार्ट शहरों के साथ-साथ ऑटोमोटिव प्रौद्योगिकियों जैसे ऑटोमेटेड इमरजेंसी ब्रेकिंग (एईबी) नेटवर्किंग में तेजी से निवेश कर रहे हैं, 2018 नवाचार साइटों और अनुपालन और नवाचार संतुलन प्राप्त करने की आवश्यकता पर भी विचार करने की आवश्यकता है।

इसके अलावा, अधिक से अधिक लोग सोचते हैं कि नवाचार क्लाउड के बजाय सीमांत कंप्यूटिंग में दिखाई देगा, और एज कंप्यूटिंग क्लाउड कंप्यूटिंग का ही एक विस्तार है। हालाँकि डेटा को स्रोत के करीब से प्राप्त करने की आवश्यकता है, फिर भी बड़ी मात्रा में डेटा का विश्लेषण कहीं और करने की आवश्यकता है। डेटा और नेटवर्क विलंब एक ऐतिहासिक बाधा है, और आशा है कि विलंब के प्रभाव को कम या समाप्त किया जा सकता है।

एज कंप्यूटिंग बड़ी संख्या में छोटे डेटा केंद्रों को डेटा संग्रहीत करने, प्रबंधित करने और विश्लेषण करने की अनुमति देकर डेटा सेंटर की क्षमता का विस्तार करती है, जबकि कुछ डेटा को डिस्कनेक्ट किए गए डिवाइस या सेंसर (जैसे कनेक्टेड स्वायत्त वाहन) द्वारा प्रबंधित और स्थानीय रूप से विश्लेषण करने की अनुमति देती है। एक बार नेटवर्क कनेक्शन हो जाने पर, आगे की कार्रवाई के लिए इसके डेटा का क्लाउड पर बैकअप लिया जा सकता है।

डेटा त्वरण

नेटवर्क विलंबता और डेटा विलंबता को कम करने से ग्राहक अनुभव में सुधार हो सकता है। हालाँकि, क्लाउड पर डेटा ट्रांसफर की अधिक संभावना के कारण, नेटवर्क विलंबता और पैकेट हानि डेटा थ्रूपुट पर काफी नकारात्मक प्रभाव डाल सकती है। PORTRock IT जैसे मशीन इंटेलिजेंस समाधानों के बिना, विलंबता और पैकेट हानि के प्रभाव डेटा और बैकअप प्रदर्शन को बाधित कर सकते हैं।

यदि चेहरे की पहचान तकनीक का डेटाबेस नागरिकता और आव्रजन जानकारी को तुरंत प्रसारित करने में असमर्थ है, तो इसके परिणामस्वरूप हवाई अड्डों पर देरी हो सकती है और स्वायत्त वाहनों के साथ संभावित दुर्घटनाएं या तकनीकी समस्याएं हो सकती हैं।

स्वायत्त कार प्रौद्योगिकी के आगमन के साथ, कारों द्वारा उत्पन्न डेटा निरंतर तरीके से वाहनों के बीच यात्रा करेगा। इनमें से कुछ डेटा, जैसे कि गंभीरता और सुरक्षा डेटा, को त्वरित बदलाव की आवश्यकता होती है, जबकि अन्य डेटा आमतौर पर सड़क की जानकारी जैसे ट्रैफ़िक प्रवाह और गति होती है। ऑटो-ड्राइविंग कारें अपने सभी सुरक्षा-महत्वपूर्ण डेटा को 4 जी या 5 जी नेटवर्क पर केंद्रीय क्लाउड पर वापस भेजती हैं, संभावित रूप से नेटवर्क देरी के कारण डेटा प्राप्त करना शुरू करने से पहले टर्नअराउंड में महत्वपूर्ण डेटा विलंबता जोड़ती है। नेटवर्क के बीच विलंबता को कम करने का वर्तमान में कोई सरल और किफायती तरीका नहीं है। प्रकाश की गति एक प्रमुख कारक है जिसे लोग बदल नहीं सकते। इसलिए, नेटवर्क और डेटा विलंब को प्रभावी ढंग से और कुशलता से कैसे प्रबंधित किया जाए यह बहुत महत्वपूर्ण है।

बड़ी डेटा चुनौती

हिताची ने कहा कि ऑटो-ड्राइविंग कारें प्रति दिन लगभग 2PB डेटा बनाएंगी। यह अनुमान लगाया गया है कि एक नेटवर्क वाली कार प्रति घंटे लगभग 25TB बाइट्स डेटा बनाएगी। यह देखते हुए कि संयुक्त राज्य अमेरिका, चीन और यूरोप में 800 मिलियन से अधिक कारें हैं। परिणामस्वरूप, निकट भविष्य में एक अरब इकाइयां पार हो जाएंगी, और यदि आधी कारें पूरी तरह से नेटवर्क से जुड़ी हों, तो प्रति दिन 3 घंटे का औसत उपयोग मानते हुए, प्रति दिन 37.5 बिलियन गीगाबाइट डेटा होगा।

यदि, जैसा कि अपेक्षित था, 1920 के दशक के मध्य में अधिकांश नई कारें स्वायत्त रूप से संचालित कारें थीं, तो यह संख्या मामूली होगी। जाहिर है, कुछ स्तर के डेटा सत्यापन और कटौती के बिना सभी डेटा को तुरंत क्लाउड पर वापस नहीं भेजा जा सकता है। एक समझौता समाधान होना चाहिए, और एज कंप्यूटिंग इस तकनीक का समर्थन कर सकती है और इसे स्वायत्त वाहनों में लागू किया जा सकता है।

भौतिक दृष्टिकोण से, डेटा की बढ़ती मात्रा को संग्रहीत करना एक चुनौती होगी। डेटा का साइज़ और आकार कभी-कभी बहुत महत्वपूर्ण होता है। इससे प्रति जीबी लागत पर वित्तीय और आर्थिक समस्याएं पैदा होती हैं। उदाहरण के लिए, जबकि इलेक्ट्रिक वाहनों को भविष्य की मुख्यधारा माना जाता है, बिजली की खपत में वृद्धि होना तय है।

इसके अलावा, यह सुनिश्चित करना भी आवश्यक है कि व्यक्तियों या उपकरणों द्वारा बड़ी मात्रा में बनाया गया डेटा डेटा संरक्षण कानून का उल्लंघन नहीं करता है।