वैकल्पिक डेटा क्या है?
Scrapeless एजेंट ब्राउज़र अनुमोदित सार्वजनिक वेब साक्ष्य इकट्ठा करने के लिए प्रबंधित ब्राउज़र सत्र प्रदान करता है जो वैकल्पिक डेटा अनुसंधान प्रक्रिया का हिस्सा बन सकता है।
TL;DR
- वैकल्पिक डेटा अवलोकनों को परिभाषित निर्णय इनपुट में बदल देता है। रिकॉर्ड को पहचान, संदर्भ, समय, उत्पत्ति और एक मालिक की आवश्यकता होती है।
- संग्रह और व्याख्या अलग-अलग चरण हैं। एक स्रोत तथ्य को स्कोर, श्रेणी या सिफारिश से अलग रहना चाहिए।
- कवरेज सीमाएँ हर परिणाम के बगल में होनी चाहिए। अवलोकित पृष्ठ या संस्थाएँ स्वाभाविक रूप से एक पूरे बाजार का प्रतिनिधित्व नहीं करती हैं।
- इतिहास बदलाव को समझने योग्य बनाता है। पुराने साक्ष्य विश्लेषकों को स्रोत परिवर्तन को पाइपलाइन परिवर्तन से अलग करने की अनुमति देते हैं।
- ज़िम्मेदार उपयोग गुणवत्ता का हिस्सा है। एक तकनीकी रूप से सही क्षेत्र फिर भी निर्धारित उद्देश्य के लिए अनुपयुक्त हो सकता है।
वैकल्पिक डेटा अनुसंधान आधारशिला पर निर्भर करता है।
वैकल्पिक डेटा वह जानकारी है जो अनुसंधान या निर्णय लेने के लिए उपयोग की जाती है जो उस क्षेत्र में सामान्यतः उपयोग किए जाने वाले पारंपरिक स्रोतों के बाहर बैठती है। निवेश अनुसंधान में, आधारशिला अक्सर कंपनी की फाइलिंग, वित्तीय वक्तव्य, बाजार डेटा और विश्लेषक संचार शामिल होती है; वेब गतिविधि, उपग्रह अवलोकन, लेनदेन, या अन्य व्यवहारात्मक उपायों को वैकल्पिक माना जा सकता है।
लेबल एक स्रोत श्रेणी का वर्णन करता है, भविष्यवाणी मूल्य नहीं। एक नवीन डेटा सेट शोर, पूर्वाग्रहित, देरी, प्रतिबंधित या सार्वजनिक जानकारी के साथ अधिशेष हो सकता है। उपयोगी सीमा वह निर्णय है जिसका समर्थन जानकारी करती है। एक संग्रहित क्षेत्र का कोई मूल्य नहीं है केवल इस कारण से कि यह अस्तित्व में है; क्षेत्र तब उपयोगी हो जाता है जब इसके अर्थ, अवलोकन संदर्भ, और अपेक्षित उपभोक्ता घोषित किए जाते हैं।
वैकल्पिक डेटा के लिए, कार्य की इकाई एक गैर-पारंपरिक स्रोत से एक अवलोकन है जो एक विश्लेषणात्मक परिकल्पना से जुड़ी है। वांछित परिणाम एक परीक्षण किया गया संकेत है जिसमें प्रलेखित उत्पत्ति और सीमाएँ हैं। यह भिन्नता संग्रह को व्याख्या से अलग रखती है: एक पृष्ठ कैप्चर सबूत है, एक निकाली गई रिकॉर्ड एक प्रतिनिधित्व है, और एक विश्लेषणात्मक निष्कर्ष एक निर्णय कलाकृति है जो दोनों के लिए ट्रेस करने योग्य होनी चाहिए।
कच्चे डेटा सेट से परीक्षण किए गए संकेत तक
एक वैकल्पिक डेटा कार्यप्रवाह एक निर्णय प्रश्न के साथ शुरू होता है और अनुमोदित स्रोत, पहचान, सामान्यीकरण, व्याख्या, और वितरण के माध्यम से चलता है।
- निर्णय, दायरा, जनसंख्या, समय क्षितिज, और आवश्यक अवलोकनीय साक्ष्य को परिभाषित करें। चरण को इसके इनपुट, आउटपुट, मालिक और स्वीकृति नियम को रिकॉर्ड करना चाहिए ताकि दोषों को अलग किया जा सके बिना पूरे कार्यप्रवाह को एक अदृश्य नौकरी के रूप में माना जाए।
- एक अनुमोदित स्रोत योजना बनाएं और प्रत्येक स्रोत परिवार के लिए संग्रह के आधार को रिकॉर्ड करें। चरण को इसके इनपुट, आउटपुट, मालिक और स्वीकृति नियम को रिकॉर्ड करना चाहिए ताकि दोषों को अलग किया जा सके बिना पूरे कार्यप्रवाह को एक अदृश्य नौकरी के रूप में माना जाए।
- पहचान, स्थान, पृष्ठ स्थिति, और समय संदर्भ के साथ अवलोकन एकत्र करें। चरण को इसके इनपुट, आउटपुट, मालिक और स्वीकृति नियम को रिकॉर्ड करना चाहिए ताकि दोषों को अलग किया जा सके बिना पूरे कार्यप्रवाह को एक अदृश्य नौकरी के रूप में माना जाए।
- क्षेत्रों को सामान्यीकृत करें और मूल मूल्यों और उत्पत्ति को संरक्षित करते हुए संस्थाओं को हल करें। चरण को इसके इनपुट, आउटपुट, मालिक और स्वीकृति नियम को रिकॉर्ड करना चाहिए ताकि दोषों को अलग किया जा सके बिना पूरे कार्यप्रवाह को एक अदृश्य नौकरी के रूप में माना जाए।
- एक संस्करणीकृत विश्लेषणात्मक नियम, वर्गीकरण, या मॉडल लागू करें और अनिश्चितता को रिकॉर्ड करें। चरण को इसके इनपुट, आउटपुट, मालिक और स्वीकृति नियम को रिकॉर्ड करना चाहिए ताकि दोषों को अलग किया जा सके बिना पूरे कार्यप्रवाह को एक अदृश्य नौकरी के रूप में माना जाए।
- परिणाम को एक नामित मालिक को जारी करें और स्रोत और निर्णय परिणामों की निगरानी करें। चरण को इसके इनपुट, आउटपुट, मालिक और स्वीकृति नियम को रिकॉर्ड करना चाहिए ताकि दोषों को अलग किया जा सके बिना पूरे कार्यप्रवाह को एक अदृश्य नौकरी के रूप में माना जाए।
क्रम महत्वपूर्ण है क्योंकि गैर-पारंपरिक सार्वजनिक, लाइसेंस प्राप्त, सेंसर, लेनदेन, या वेब-व्युत्पन्न डेटा सेट अनुसंधान, जोखिम, या निवेश टीम के निर्णय प्रक्रिया को बदलने से पहले बदल सकते हैं। अधिग्रहण, सामान्यीकरण, व्याख्या, और वितरण को अलग रखना एक परत को विकसित करने की अनुमति देता है बिना हर डाउनस्ट्रीम मेट्रिक को खामोशी से बदलने। यह एक वर्गीकरण, मॉडल, मिलान नियम, या व्यावसायिक परिभाषा के सुधार पर ऐतिहासिक पुनःप्रसंस्करण का समर्थन भी करता है।
कार्यप्रवाह को गैर-पारंपरिक सार्वजनिक, लाइसेंस प्राप्त, सेंसर, लेनदेन, या वेब-व्युत्पन्न डेटा सेट से एक परीक्षण किए गए संकेत तक जाने वाले मार्ग को संरक्षित करना चाहिए जिसमें प्रलेखित उत्पत्ति और सीमाएँ हैं। पुनःप्रसंस्करण संभव होता है जब एक परिभाषा, पार्सर, मॉडल, या स्रोत बदलता है। इसलिए एक व्यावहारिक कार्यान्वयन कच्चे साक्ष्य, सामान्यीकृत रिकॉर्ड, और निकाले गए निर्णयों को स्पष्ट रूप से संस्करणीकृत तालिकाओं में अलग-अलग स्टोर करने के लिए रखता है।
सामान्य वैकल्पिक डेटा परिवार
| परत | उद्देश्य | साक्ष्य बनाए रखा गया |
|---|---|---|
| अधिग्रहण | अधिकार और विधि स्थापित करें | अनुबंध, स्रोत, संग्रह समय |
| इतिहास | समय-के-बिंदु दृश्य फिर से बनाएं | संशोधन और उपलब्धता |
| पहचान | संस्थाओं और अवधि को लिंक करें | मानचित्रण और विश्वास |
| अनुसंधान | आवधिक मूल्य का परीक्षण करें | परिकल्पना और आधारशिला |
| उत्पादन | उपयोग और परिवर्तन की निगरानी करें | कवरेज, मॉडल, शासन |
हर परत की एक अलग त्रुटि प्रोफ़ाइल और मालिक होती है। उन्हें एक स्कोर या डैशबोर्ड में मिलाना बुरी निष्कर्ष को सुधारने के लिए आवश्यक साक्ष्य को हटा देता है।
तालिका में विकल्प परिपक्वता स्तर नहीं हैं। एक मैनुअल समीक्षा एक छोटे, महत्वपूर्ण नमूने के लिए सही नियंत्रण हो सकती है, जबकि स्वचालन मापनीय त्रुटि हैंडलिंग के साथ दोहराए जाने योग्य निर्णयों के लिए उपयुक्त है। चयन को गलत परिणाम की लागत, स्रोत परिवर्तन की गति, और एक समीक्षक को आवश्यक साक्ष्य का पालन करना चाहिए।
प्रश्न वैकल्पिक डेटा को अन्वेषण कर सकते हैं
डिमांड अनुसंधान
जांचें कि क्या स्वीकृत व्यवहार संबंधी अवलोकन उत्पाद या क्षेत्रीय मांग के बारे में जानकारी जोड़ते हैं।
ऑपरेशनल निगरानी
सार्वजनिक गतिविधियों का अवलोकन करें जो क्षमता, विविधता, भर्ती या विस्तार का संकेत दे सकते हैं।
जोखिम निगरानी
बाहरी परिवर्तनों को ट्रैक करें जो आपूर्तिकर्ताओं, क्षेत्रों, या भूगोलिक एक्सपोजर को प्रभावित कर सकते हैं।
आर्थिकी पूर्वानुमान
तथ्यात्मक अवलोकनों को आधिकारिक सांख्यिकी के साथ संयोजन करें जबकि अनुमान और जारी किए गए डेटा के बीच का अंतर बनाए रखें।
सबसे मजबूत उपयोग के मामलों से शोध, जोखिम, या निवेश टीम को स्पष्ट निर्णय मिलता है बिना इस दावे के कि अधिक कवरेज है जितना साक्ष्य समर्थन करता है। प्रत्येक उपयोग के मामले को अभी भी एक नामित मालिक और एक रिलीज़ नियम की आवश्यकता है। एक वैकल्पिक डेटा कार्यप्रवाह को डैशबोर्ड, मॉडल, बिक्री प्रतिनिधि, या स्वचालित कार्रवाई को डेटा भेजने के लिए तब तक नहीं भेजना चाहिए जब तक प्राप्तकर्ता रिकॉर्ड अनाज, ताजगी विंडो, गायब-मान नीति, और अनुमत उद्देश्य को नहीं जानता।
समय की जांच और कवरेज पूर्वाग्रह
वैकल्पिक डेटा के लिए गुणवत्ता का अर्थ है कि जारी किया गया परिणाम उसके घोषित निर्णय के लिए उपयुक्त है और सबूत से पुन: प्रस्तुत किया जा सकता है।
- समय-समय पर दृश्य लागू करें। पुनरीक्षित या देरी से डेटा को पिछले निर्णयों में लीक होने से रोकें।
- कवरेज ड्रिफ्ट मापें। ट्रैक करें कि कौन सी संस्थाएं, क्षेत्र, उपकरण, या पन्ने नमूने में प्रवेश करते हैं और बाहर निकलते हैं।
- कच्चा वंश बनाए रखें। अवलोकन से फीचर में परिवर्तनशीलता के रास्ते को बनाए रखें।
- अवधारणीय मूल्य का परीक्षण करें। सिग्नल की तुलना पारंपरिक डेटा और सरल बेंचमार्क से करें।
- यांत्रिकी को चुनौती दें। प्लेटफॉर्म, नीति, मौसमीता, और जीवित रहने के स्पष्टीकरणों की तलाश करें।
गुणवत्ता की समीक्षा को गैर-पारंपरिक सार्वजनिक, लाइसेंस प्राप्त, सेंसर, लेनदेन, या वेब-व्युत्पन्न डेटा सेट से परिक्षण सिग्नल तक पूरी पंक्ति के नमूने लेने चाहिए जिसमें प्रलेखित मूल और सीमाएँ हैं। केवल फ़ील्ड-स्तरीय सटीकता एक गलत पन्ना, एक बासी अवलोकन, एक असमान इकाई, या एक निर्णय नियम को छिपा सकती है जो इसके निर्धारित खंड के बाहर लागू होती है। जारी किए गए रिकॉर्ड को पुन: प्रस्तुत करने के लिए आवश्यक हर पार्सर, वर्गीकरण, मॉडल, थ्रेशोल्ड और मैपिंग का संस्करण संग्रहीत करें।
अच्छे माप तकनीकी व्यवहार को निर्णय लागत से जोड़ते हैं। कवरेज यह दिखाता है कि कार्यप्रवाह क्या देख सकता है; सांद्रता यह दिखाती है कि क्या जारी किए गए क्षेत्र लेबल किए गए साक्ष्य के साथ सहमत हैं; ताजगी यह दिखाती है कि क्या अवलोकन पर्याप्त समय पर है; और स्थिरता यह दिखाती है कि क्या मापन इस कारण बदलता है कि बाजार बदल गया या क्योंकि संग्रहण प्रक्रिया बदल गई।
लाइसेंसिंग, गोपनीयता और सामग्री जानकारी
एक वैकल्पिक डेटा कार्यक्रम को संग्रहण के पहले स्रोत, गोपनीयता, संरक्षण, और उद्देश्य की समीक्षा की आवश्यकता होती है।
स्वचालित संग्रहण के लिए, एसईसी नियम चयनात्मक प्रकटीकरण और अंदरूनी व्यापार पर सेवा मालिकों को क्रॉलर प्राथमिकताओं को प्रकाशित करने के तरीके को परिभाषित करता है। ये प्राथमिकताएँ प्राधिकरण, संविदात्मक समीक्षा, या उद्देश्य सीमाओं को प्रतिस्थापित नहीं करती हैं, लेकिन इन्हें अधिग्रहण नीति में होना चाहिए और अनुसूची सक्रिय होने से पहले मूल्यांकन किया जाना चाहिए।
यह एनआईएसटी गोपनीयता ढांचा इस विषय के लिए एक दूसरा सीमा प्रदान करता है। यह टीमों को तकनीकी रूप से अवलोकनीय डेटा और डेटा जो बरकरार रखने, संयोजन करने, स्कोर करने, या क्रिया के लिए उपयुक्त हैं, में भेद करने में मदद करता है। अभिगम नियंत्रण, संरक्षण, और हटाने के नियम को रिकॉर्ड में सबसे संवेदनशील क्षेत्र का पालन करना चाहिए न कि सबसे कम संवेदनशील क्षेत्र का।
प्राथमिक अधिकारियों को परिभाषाएँ और नियंत्रण प्रदान करते हैं जिन्हें सीधे जांचा जा सकता है; वे संगठन-विशिष्ट कानूनी और पद्धतिगत समीक्षा की आवश्यकता को समाप्त नहीं करते हैं। एसईसी सार्वजनिक कंपनी फाइलिंग खोज यहां शामिल क्षेत्र-विशिष्ट प्रतिनिधित्व, जोखिम, या सार्वजनिक डेटा प्रथा के लिए ठोस संदर्भ प्रदान करती है।
सार्वजनिक वेब डेटा का अनुसंधान साक्ष्य के रूप में उपयोग करना
स्वीकृत सार्वजनिक वेब पृष्ठ वैकल्पिक डेटा के लिए समय पर साक्ष्य प्रदान कर सकते हैं जब कवरेज और संदर्भ दृष्टिगत रहते हैं।
स्क्रेपलेस एजेंट ब्राउज़र स्वीकृत सार्वजनिक पृष्ठों के लिए प्रबंधित ब्राउज़र सत्र प्रदान कर सकता है, जिसमें वे पृष्ठ शामिल हैं जिनका उपयोगी सामग्री क्लाइंट-साइड रेंडरिंग के बाद प्रकट होती है। एप्लिकेशन लक्षित अनुमोदन, क्षेत्र चयन, नेविगेशन चरण, निकासी नियम, कार्यभार सीमाएँ, संरक्षण, और संग्रहण के बाद लागू प्रत्येक व्याख्या के लिए जिम्मेदार रहता है।
एक टिकाऊ अधिग्रहण रिकॉर्ड में अनुरोध किया गया URL, अंतिम URL, अवलोकन समय, आवश्यक होने पर बाजार या क्षेत्र, पृष्ठ पहचान जांच, और एक परीक्षण सिग्नल को प्रलेखित मूल और सीमाओं के साथ समझाने के लिए आवश्यक कच्चा साक्ष्य शामिल होता है। उन तथ्यों को व्युत्पन्न रिकॉर्ड के पास रखना पृष्ठ संरचना या अर्थ के परिवर्तनों के दौरान बाद की सुधारों को संभव बनाता है।
वेब अवलोकनों को सीमित नमूने के रूप में मानें। अनुरोधित और अंतिम URL, इकाई पहचान, क्षेत्र, अवलोकन समय, और पृष्ठ सत्यापन को हर व्युत्पन्न परीक्षण सिग्नल के पास रखें जिसमें प्रलेखित मूल और सीमाएँ हों।
क्यों नए डेटा सेट व्यावसायिकता की कमी में असफल होते हैं
विकल्प डेटा अप्रिय हो जाता है जब एक तैयार आउटपुट कमजोर पहचान, संदर्भ, या कवरेज को छिपाता है।
- सिर्फ स्वच्छ इतिहास का परीक्षण। संशोधन और अनुपलब्ध पूर्व डेटा आगे की पूर्वाग्रह का निर्माण करते हैं।
- कवरेज परिवर्तनों की अनदेखी करना। एक स्रोत विस्तार आर्थिक विकास के रूप में प्रकट होता है।
- एक अस्पष्ट विशेषता खरीदना। टीम सिग्नल को एक तंत्र से नहीं जोड़ सकती।
- कमजोर इकाई मिलान। घटनाएँ गलत कंपनी या क्षेत्र को सौंप दी गई हैं।
- एक बार की सावधानी। लाइसेंसिंग, संग्रहण, और प्लेटफ़ॉर्म व्यवहार खरीद के बाद बदलता है।
जब परिणाम भटक जाते हैं, तो अपेक्षित और अवलोकित स्थिति की तुलना करें एक सीमा पर एक बार: स्रोत पहचान, कैप्चर पूर्णता, इकाई मिलान, सामान्यीकृत मान, विश्लेषणात्मक नियम, वितरण समय, और उपभोक्ता क्रिया। यह क्रम एक डैशबोर्ड विसंगति को संग्रहण विफलता के रूप में गलत पहचानने से रोकता है और सुधारात्मक कार्य को सबूत से बंधा रखता है।
वैकल्पिक डेटा मूल्यांकन चेकलिस्ट
एक पायलट का उत्पादन कार्यप्रवाह बन जाने से पहले निम्नलिखित प्रश्नों का प्रयोग करें।
- यह डेटा सेट किस निर्णय का समर्थन करेगा, और उस निर्णय का स्वामी कौन है?
- एक रिकॉर्ड क्या प्रतिनिधित्व करता है, और कौन सी पहचानकर्ता उस अनाज को स्थिर रखते हैं?
- कौन से स्रोत और पृष्ठ स्थितियाँ संग्रहण के लिए अनुमोदित हैं?
- कौन से क्षेत्र आवश्यक, वैकल्पिक, व्युत्पन्न, या निषिद्ध हैं?
- स्थानीयता, मुद्रा, समय और अवलोकन संदर्भ कैसे दर्ज किए जाते हैं?
- कौन सा लेबल वाला सबूत स्वीकार्य सटीकता और कवरेज को परिभाषित करता है?
- सुधार, संरक्षण, मिटाने और पहुंच अनुरोधों को कैसे संचालित किया जाता है?
- स्रोत या उपभोक्ता अनुबंध में कौन सा परिवर्तन ताजा समीक्षा को ट्रिगर करता है?
एक डिजाइन एक सीमित पायलट के लिए तैयार है जब प्रत्येक उत्तर का एक मालिक होता है, गैर पारंपरिक स्रोत से एक स्वीकृत सामान्य अवलोकन जिसे एक विश्लेषणात्मक परिकल्पना से जोड़ा गया है, परीक्षण योग्य है, और उपभोक्ता बता सकता है कि प्रत्येक परिणाम के बाद क्या कार्रवाई होती है। स्रोत व्यवहार, बाजार कवरेज, कानूनी आधार, वर्गीकरण, मॉडल, या निर्णय प्राधिकरण में बदलाव के समय चेकलिस्ट पर फिर से जाएँ।
निष्कर्ष: वैकल्पिक डेटा को सावधानी में जीवित रहना चाहिए।
वैकल्पिक डेटा एक क्षेत्र के सामान्य अनुसंधान इनपुट्स के सापेक्ष गैर पारंपरिक सबूत है। इसका मूल्य एक विश्वसनीय तंत्र, समय-बिंदु इतिहास, स्थिर कवरेज, ट्रेस करने योग्य रूपांतरण, अनुक्रमिक परीक्षण, और अधिकारों, गोपनीयता, पूर्वाग्रह, और गोपनीय-जानकारी के जोखिम की निरंतर समीक्षा पर निर्भर करता है।
अगला व्यावहारिक कदम एक संकीर्ण पायलट है: एक अनुमोदित सामान्य अवलोकन को चुनें जिसे एक गैर पारंपरिक स्रोत से एक विश्लेषणात्मक परिकल्पना से जोड़ा गया है, न्यूनतम सबूत एकत्र करें, इसे एक स्पष्ट स्कीमा के तहत सामान्यीकृत करें, परिणाम को अनुसंधान, जोखिम, या निवेश टीम के साथ समीक्षा करें, और केवल तब विस्तार करें जब अवलोकित त्रुटि प्रोफ़ाइल निर्णय की सहिष्णुता से मेल खाती है।
क्या आप एक वैकल्पिक डेटा कार्यप्रवाह बनाने के लिए तैयार हैं?
एक सीमाबद्ध प्रश्न, एक स्पष्ट रिकॉर्ड अनाज, और एक समीक्षा सेट के साथ शुरुआत करें जो वास्तविक त्रुटियाँ उजागर करता है।
आज साइन अप करें और पाएं $5 का मुफ्त क्रेडिट — कोई क्रेडिट कार्ड की आवश्यकता नहीं.
अपने $5 क्रेडिट का दावा करें →अक्सर पूछे जाने वाले प्रश्न
क्या वैकल्पिक डेटा वैकल्पिक निवेशों के समान है?
नहीं। वैकल्पिक डेटा एक गैर पारंपरिक सूचना स्रोत है जिसका उपयोग अनुसंधान में किया जाता है। वैकल्पिक निवेश पारंपरिक सार्वजनिक स्टॉक्स, बांडों, या नकदी के बाहर के संपत्ति वर्ग या संरचनाएँ हैं।
वैकल्पिक डेटा के उदाहरण क्या हैं?
उदाहरणों में सार्वजनिक वेब अवलोकनों, समेकित लेनदेन, उपग्रह चित्र, सेंसर रीडिंग, ऐप गतिविधि, नौकरी के विज्ञापनों, उत्पाद लिस्टिंग, शिपिंग संकेत और पाठ शामिल हो सकते हैं।
क्या वैकल्पिक डेटा का उपयोग करना कानूनी है?
कानून और अनुमति दी गई उपयोग प्राप्ति विधि, अनुबंध, गोपनीयता, गोपनीय-जानकारी नियम, अधिकार क्षेत्र, और निर्णय संदर्भ पर निर्भर करते हैं।
वैकल्पिक डेटा को कैसे बैकटेस्ट किया जाता है?
अनुसंधानकर्ता समय-समय पर उपलब्धता को पुनर्निर्माण करते हैं, संशोधनों को संरक्षित करते हैं, संस्थाओं और समय मुद्राओं को संरेखित करते हैं, ट्यूनिंग से पहले परिकल्पना को परिभाषित करते हैं, और कवरेज और स्थिरता का परीक्षण करते हैं।
क्या सार्वजनिक वेब डेटा वैकल्पिक डेटा हो सकता है?
हाँ। जब सार्वजनिक वेब अवलोकन पारंपरिक शोध स्रोतों से बाहर होते हैं और कानूनी रूप से एकत्र और उपयोग किए जाते हैं, तो वे वैकल्पिक डेटा हो सकते हैं।