By डैनियल गुटिएरेज़

इतनी सारी घरेलू और वैश्विक चुनौतियों के साथ 2020 युगों का वर्ष रहा। लेकिन बड़े डेटा उद्योग में 2021 में आगे बढ़ने के लिए महत्वपूर्ण जड़ता है। हमारे मूल्यवान पाठकों को अगले साल में महत्वपूर्ण नए रुझानों पर एक पल्स देने के लिए, हम यहाँ हैं अंदरबिजटा ने अपने सभी दोस्तों से विक्रेता पारिस्थितिकी तंत्र में उनकी अंतर्दृष्टि, प्रतिबिंब और प्राप्त करने के लिए सुना। क्या हो सकता है के लिए पूर्वानुमान। हमें ऐसे रोमांचक दृष्टिकोणों को सुनने के लिए बहुत प्रोत्साहित किया गया। यहां तक ​​कि अगर केवल आधा वास्तव में सच हो जाता है, तो अगले वर्ष में बिग डेटा को काफी रोमांचक सवारी के लिए नियत किया जाता है। का आनंद लें!

डैनियल डी। गुटिरेज़ - एडिटर-इन-चीफ और रेजिडेंट डेटा साइंटिस्ट

विश्लेषण (Analytics)

"विश्लेषणात्मक विभाजन" बदतर होने जा रहा है। बहुप्रचारित "डिजिटल डिवाइड" की तरह हम भी एक "विश्लेषणात्मक विभाजन" के उद्भव को देख रहे हैं। कई कंपनियों को महामारी के कारण एनालिटिक्स में निवेश करने के लिए प्रेरित किया गया था, जबकि अन्य को कुछ भी काटने के लिए मजबूर किया गया था जो वे रोशनी को रखने के लिए महत्वपूर्ण नहीं दिखते थे - और विश्लेषिकी में एक उचित निवेश था, इन संगठनों के लिए, एनालिटिक्स पर था तना काटना। इसका अर्थ है कि विश्लेषणात्मक विभाजन 2021 में और व्यापक होगा, और यह प्रवृत्ति आने वाले कई वर्षों तक जारी रहेगी। संदेह के बिना, हर उद्योग में विजेता और हारने वाले उन लोगों द्वारा परिभाषित किए जाते रहेंगे जो विश्लेषिकी का लाभ उठा रहे हैं और जो नहीं हैं। - एलन जैकबसन, मुख्य डेटा और विश्लेषिकी अधिकारी, पर Alteryx

संभवतः चले गए टुकड़े-टुकड़े विश्लेषण और रिपोर्टिंग समाधानों के दिन हैं जो संभावित रूप से आला व्यावसायिक उपयोग के मामलों को पूरा कर रहे हैं। यह अटल है। कंपनियों के पास अत्यधिक विभागीय विश्लेषण कार्यान्वयन नहीं हो सकते हैं, जिनका स्थानीयकरण समस्या को हल करने और पूर्ण लाभ न देखने वाले बड़े व्यवसाय पर प्रभाव पड़ता है। यह वर्तमान स्थिति एक में बदल जाएगी, जहां कंपनी द्वारा उपयोग किए जाने वाले सभी डेटा पर एनालिटिक्स किया जाएगा, इन एनालिटिक्स की क्षमता को विभिन्न कौशल सेटों (जैसे, डेटा साइंस) के साथ विभिन्न प्रकार के ब्याज समूहों द्वारा सहयोगात्मक तरीके से लागू किया जाएगा। व्यापार जगत के नेताओं की) और वास्तविक समय के पास एनालिटिक्स इनसाइट्स के संचालन की दिशा में पूरे ध्यान के साथ। दूसरे शब्दों में, कोई और अधिक टुकड़ा और कोई और अधिक विज्ञान प्रयोग। - श्री राघवन, निदेशक, डेटा विज्ञान और उन्नत विश्लेषिकी उत्पाद विपणन Teradata

प्रिस्क्रिप्टिव एनालिटिक्स डिजिटल ट्रांसफ़ॉर्मेशन सक्सेस का एक प्रमुख घटक होगा: एडवांस्ड एनालिटिक्स हैं बनने व्यवसायों के रूप में मुख्यधारा में तेजी से अपने संगठनों के साथ डेटा एकत्र और विश्लेषण करते हैं 35% तक  पिछले तीन वर्षों में उन्नत विश्लेषिकी तैनात करने वाले अमेरिकी निर्माताओं की मूल्य श्रृंखला में एआई का महत्वपूर्ण प्रभाव पड़ता है, प्रदर्शन को अनुकूलित करने के लिए प्रिस्क्रिप्टिव एनालिटिक्स उत्प्रेरक होगा। प्रिस्क्रिप्टिव एनालिटिक्स, एआई मॉडल को प्रक्रियाओं को बेहतर बनाने, उत्पादन को समायोजित करने और दक्षता बढ़ाने के बारे में सलाह देने के लिए उत्पाद और ग्राहक डेटा का लाभ उठाकर, संगठनों के भीतर AI को स्केल करने के लिए एक आवश्यक टुकड़ा बन जाएगा। प्रिस्क्रिपटिव एनालिटिक्स निरंतर परिस्थितियों के आधार पर निरंतर निगरानी और समायोजन करके एआई मॉडल के साथ निरंतर सुधार में सक्षम बनाता है। प्रिस्क्रिपटिव मॉडल फिर निर्णय स्वचालन को सक्षम कर सकते हैं, जहां मॉडल पर्चे के आधार पर कार्रवाई का सबसे अच्छा पाठ्यक्रम ले सकते हैं। प्रिस्क्रिप्टिव एनालिटिक्स के लिए भविष्य कहनेवाला विश्लेषण से परे जाकर अंततः 2021 में निर्माताओं के लिए डिजिटल परिवर्तन की सफलता प्राप्त होगी। - जॉर्ज यंग, ​​ग्लोबल मैनेजिंग ऑफ मैनेजमेंट Kalypso

वितरित कार्यबल और जानकारी के लिए भूख को देखते हुए संवर्धित एनालिटिक्स और स्वयं सेवा अधिक व्यापक रूप से बन जाएगी। जवाब में, एआई द्वारा पारंपरिक विश्लेषिकी तेजी से बाधित हो जाएगी। एक वितरित कार्यबल में वृद्धि, संवर्धित विश्लेषिकी के लिए अधिक मांग पैदा करने वाली है जहां व्यक्तिगत उपयोगकर्ता को उनके डेटा प्रश्नों के तत्काल उत्तर प्राप्त करने के लिए प्रश्न बनाने की प्रक्रिया के माध्यम से निर्देशित किया जाता है। हम दो क्षेत्रों में एनालिटिक्स और एआई का एक संयोजन देख रहे हैं - बुनियादी ढांचे के स्तर पर और विश्लेषक स्तर पर।

लोग महसूस करने लगे हैं कि उनके पास अलग-अलग डेटा पाइपलाइन हैं जो एक एनालिटिक्स इंजन के लिए डेटा प्रदान कर रहे हैं और वे एमएल के लिए एक अलग स्टैक का निर्माण कर रहे हैं। दो पूरी तरह से अलग-अलग ढेर के बजाय, हम इनको एक बुनियादी ढांचे में परिवर्तित करते हैं, जो यह सुनिश्चित करना आसान है कि दोनों इंजनों की आपूर्ति के लिए एक ही डेटा का उपयोग किया जा रहा है। एक दूसरा अभिसरण जानकारी के लिए एक 'भूख' के बारे में होगा और डेटा का उपयोग करके सवालों के जवाब देने के लिए एक अंतर को पूरा करेगा। पारंपरिक विश्लेषण एआई द्वारा अधिक बाधित होना शुरू हो जाएगा। प्लेटफ़ॉर्म (जैसे कि झांकी, पावर बीआई, आदि) बॉट्स और आभासी सहायकों द्वारा विस्थापित होना शुरू हो जाएंगे जो प्रकृति में संवादात्मक होंगे। हम इसे स्वयं सेवा के लिए एक पुल के माध्यम से गति करने के लिए एक धक्का के रूप में देखते हैं। हम यह भी अनुमान लगा रहे हैं कि एनएलपी 2021 में अधिक व्यापक रूप से उपयोग हो रहा है रास

जब आईटी और अन्य विभागों के बीच की रेखाएँ विशेष रूप से डेटा और विश्लेषण की बात आती हैं, तो वे धुंधला होते रहेंगे। डेटा और एनालिटिक्स में बेहद सकारात्मक और सार्थक व्यवसाय परिणाम निकालने की क्षमता है, और जब ऐसा होता है, तो अक्सर विभिन्न कार्यात्मक क्षेत्रों में शक्तिशाली सहयोग भी होता है, क्योंकि प्रत्येक के पास एनालिटिक्स दृष्टिकोण की सफलता के लिए जवाबदेही का स्तर होता है। डेटा शासन, डेटा साक्षरता, खुले डेटा प्लेटफ़ॉर्म, एकीकरण और एंटरप्राइज़ के विभिन्न हिस्सों में डेटा के उपयोग जैसे क्षेत्र व्यावसायिक उपयोगकर्ताओं को पारंपरिक रूप से आईटी टीमों के लिए आरक्षित कार्य करने में सक्षम बनाएंगे और डेटा इकाइयाँ उत्पन्न करती हैं जो कि आईटी प्रबंधन प्लेटफ़ॉर्म में फीड होंगी। यह - डेटा वैज्ञानिकों और एनालिटिक्स पेशेवरों की कमी के साथ युग्मित है - इसका मतलब यह भी है कि डेटा प्लेटफ़ॉर्म अधिक सहज और तैनात करना आसान हो जाएगा ताकि किसी संगठन के सभी हिस्से इसका लाभ उठा सकें। - फ्रांसेस जेलाज़नी, के सीएमओ सिग्नल एनालिटिक्स

2000 के दशक में, Microsoft Office को अपने रिज्यूमे पर रखने से आप नौकरी के लिए अच्छे उम्मीदवार बन सकते हैं, लेकिन एक दशक बाद यह एक ऐसा कौशल था जिसे प्रदान किया गया था। आजकल, SQL प्रवीणता आपको बाहर खड़ा कर सकती है, लेकिन आने वाले वर्षों में क्या होगा?

जैसे-जैसे डेटा साक्षरता बढ़ती है, एनालिटिक्स कौशल सभी व्यावसायिक पेशेवरों के लिए आदर्श बन जाएंगे और उम्मीदवारों के रिज्यूमे से गायब होने लगेंगे। जिस तरह आज आप 'ऑफिस की प्रवीणता' नहीं देख पा रहे हैं, वैसे ही आपको दशक के अंत तक 'डेटा प्रवीणता' देखने की संभावना नहीं है। हमने विश्लेषिकी की एक तीसरी लहर दर्ज की है, और इसके साथ यह अपेक्षा की जाती है कि व्यावसायिक उपयोगकर्ता किसी विशेषज्ञ की सहायता के बिना डेटा के साथ बातचीत कर सकते हैं। बहुत जल्द, यदि आप एक रणनीति को परिभाषित करने और निष्पादित करने के लिए व्यावसायिक संदर्भ के साथ हार्ड डेटा से शादी करने में असमर्थ हैं, तो आप कार्यस्थल में संघर्ष करने जा रहे हैं। 2021 और उससे आगे के व्यवसायों के लिए आदर्श उम्मीदवार एक ऐसा व्यक्ति होगा जो डेटा को समझ और बोल सकता है - क्योंकि कुछ ही वर्षों में, डेटा साक्षरता कुछ नियोक्ताओं की मांग और अपेक्षा होगी। जो आगे निकलना चाहते हैं वे अब इन प्रतिभाओं को प्राप्त कर रहे हैं। - थॉटस्पॉट के सीईओ सुदेश नायर

जैसे-जैसे कंपनियां अपने डेटा इन्फ्रास्ट्रक्चर को एक फ़ेडरेटेड (एक इंजन क्वेरीज़ अलग-अलग स्रोतों) में शिफ्ट करती हैं, असंतुष्ट (गणना भंडारण से अलग डेटा झील से अलग होती है) स्टैक, हम पारंपरिक डेटा वेयरहाउसिंग और कसकर युग्मित डेटाबेस आर्किटेक्चर देखेंगे जो विरासत वर्कलोड के लिए पुन: प्रस्तुत होंगे। लेकिन जब इस बदलाव की बात आती है तो एक चीज समान रहेगी - एसक्यूएल एनालिटिक्स के लिए लिंगुआ फ्रेंका बनी रहेगी। डेटा विश्लेषक, डेटा इंजीनियर, डेटा वैज्ञानिक और उत्पाद प्रबंधक अपने डेटाबेस व्यवस्थापक के साथ एनालिटिक्स के लिए SQL का उपयोग करेंगे। - दवे सिम्मन, सह-संस्थापक और मुख्य प्रौद्योगिकी अधिकारी (सीटीओ), अहाना

हर जगह संगठन अपने एनालिटिक्स सिस्टम के उपयोग से बच रहे हैं, लेकिन इवेंट-डेटा प्लेटफ़ॉर्म की आवश्यकता के साथ चुनौती दी जाती है जो वास्तविक समय डेटा की विकृति का प्रदर्शन कर सकते हैं। 2021 में संगठन बुद्धिमान डेटा प्लेटफार्मों की मांग करेंगे जो किसी भी प्रारूप, आकार या वेग में विभिन्न स्रोतों से स्थिर और स्ट्रीमिंग डेटा का उपभोग कर सकते हैं; डेटा (समृद्ध और मानचित्र) को ऑन-द-फ्लाई में लपेटें; और डेटा को सिस्टम, डिवाइस और एप्लिकेशन तक सुरक्षित और वास्तविक समय में पहुंचाएं। - सीन बोवेन, सीईओ पुश प्रौद्योगिकी

सभी डेटा वर्कलोड के लिए एक एकल SQL क्वेरी। आगे का रास्ता न केवल स्वचालन पर आधारित है, बल्कि यह भी कि आप कितनी जल्दी और व्यापक रूप से अपने विश्लेषिकी को सुलभ और साझा कर सकते हैं। एनालिटिक्स आपको स्पष्ट दिशा देता है कि ग्राहकों और कर्मचारियों को खुश रखने के लिए आपके अगले कदम क्या होने चाहिए, और यहां तक ​​कि जीवन भी बचा सकते हैं। अपने डेटा को प्रबंधित करना अब एक लक्जरी नहीं है, लेकिन एक आवश्यकता है - और यह निर्धारित करता है कि आप या आपकी कंपनी कितनी सफल होगी। यदि आप डेटा को प्रबंधित करने की जटिलता या लागत को निकाल सकते हैं, तो आप बहुत प्रभावी होंगे। अंत में, अंतरिक्ष का विजेता डेटा प्रबंधन से जटिलता और लागत ले जाएगा, और वर्कलोड को एकीकृत किया जाएगा ताकि आप कई डेटा निवासों में सभी वर्कलोड को प्रबंधित और एक्सेस करने के लिए एक एकल SQL क्वेरी लिख सकें। - राज वर्मा, सीईओ सिंगलस्टोर

अतीत में विभिन्न प्लेटफार्मों / टीमों द्वारा एआई और एनालिटिक्स क्षमताओं को प्रदान किया गया था। इन वर्षों में, हम देख रहे हैं कि प्लेटफॉर्म परिवर्तित हो रहा है और एआई टीम एल्गोरिथम पक्ष पर अधिक केंद्रित है, जबकि एआई और एनालिटिक्स प्लेटफ़ॉर्म टीमें मर्ज किए गए हैं, जो एनालिटिक्स और एआई के उपयोग के मामलों के लिए सॉफ्टवेयर बुनियादी ढाँचा प्रदान करते हैं। - Haoyuan ली, संस्थापक और सीईओ, अल्लुक्सियो

डेटा पेशेवरों के रूप में, हमारी व्यापक जनता के प्रति एक जिम्मेदारी है। मुझे लगता है कि अगले साल के भीतर हम डेटा एनालिटिक्स स्पेस के भीतर नैतिकता के एक कोड की ओर प्रगति देखेंगे, जो कि जागरूक कंपनियों के नेतृत्व में हैं, जो संभावित गालियों की गंभीरता को पहचानते हैं। शायद अमेरिकी सरकार हस्तक्षेप करेगी और अपने स्वयं के जीडीपीआर के कुछ संस्करण को पारित करेगी, लेकिन मुझे विश्वास है कि प्रौद्योगिकी कंपनियां इस आरोप का नेतृत्व करेंगी। सगाई के आंकड़ों के साथ फेसबुक ने जो किया है वह अवैध नहीं है, लेकिन हमने देखा है कि इसका बाल विकास पर और हमारी व्यक्तिगत आदतों पर हानिकारक प्रभाव पड़ सकता है। आने वाले वर्षों में, हम वापस उसी तरह से देखेंगे जिस तरह से कंपनियों ने 2010 के दशक में व्यक्तिगत डेटा का इस्तेमाल किया था और जिस तरह से हम करते हैं, उसी तरह से हम 1960 के दशक में फिल्मों में लोगों को विमान में धूम्रपान करते हुए देखते हैं। - जेरेमी लेवी, के सीईओ सूचक

भावना ग्राहक व्यवहार को प्रभावित करने वाला एक महत्वपूर्ण कारक है और ब्रांड की वफादारी पर एक मजबूत प्रभाव है। इसलिए, कंपनियों के लिए अपनी निर्णय लेने की प्रक्रियाओं के दौरान ग्राहकों की भावनाओं को मापने का एक तरीका खोजना तेजी से उपयोगी है। भावनात्मक विश्लेषण मानव भावनाओं के पूर्ण सरगम ​​का अध्ययन और पहचान करने पर केंद्रित है जिसमें मनोदशा, दृष्टिकोण और व्यक्तित्व शामिल हैं। यह मानव आंदोलनों, शब्द विकल्प, आवाज टोन और चेहरे के भावों का विश्लेषण करने के लिए भविष्य कहनेवाला मॉडल और AI / ML को नियोजित करता है। भावनात्मक विश्लेषण कंपनियों को अधिक समग्र ग्राहक प्रोफ़ाइल बनाने में मदद कर सकता है, यह समझ सकता है कि भावनाओं को कैसे प्रभावित किया जाए और व्यक्तियों के अनुरूप अनुकूलित उत्पाद और सेवाएं विकसित की जाएं। भौगोलिक और सामाजिक क्षेत्रों में उत्पादों और सेवाओं के बारे में सेंटीमेंट विश्लेषण, और वेब साइटों की समीक्षा करने से कंपनियों को अपने ग्राहकों की संतुष्टि के स्तर को बेहतर ढंग से समझने और सुधारने में सक्षम बनाता है। भावनात्मक एनालिटिक्स का उपयोग करके, कंपनियां बेहतर तरीके से समझ सकती हैं कि ग्राहकों को अधिक सकारात्मक रूप से आकर्षक अनुभव प्रदान करने के लिए उनकी मार्केटिंग और सेवाएं भावना को कैसे प्रभावित करती हैं। - पॉल मोक्सन, एसवीपी, डेटा आर्किटेक्चर एट डेनोडो

उत्पाद विश्लेषिकी प्राप्त करना कठिन है। प्रत्येक अंतःक्रिया के परिणामस्वरूप डेटा के टीले बनते हैं, और इसके माध्यम से खुदाई करने के लिए कि 'हॉस्टैक में सुई' अंतर्दृष्टि का काम करने के लिए बहुत प्रयास, अनुशासन और समय की आवश्यकता होती है। डेटा विश्लेषण में प्रवेश के लिए ये बाधाएं अक्सर उन कंपनियों तक सीमित होती हैं जिनके पास संसाधन, बैंडविड्थ, और ज्ञान यह अधिकार है। लेकिन यह भी एक अनुशासन है जो महत्व में बढ़ रहा है - महामारी से पहले भी, ब्रांड के साथ उपभोक्ता बातचीत आम तौर पर डिजिटल प्लेटफार्मों पर हो रही थी, और अब वे लगभग विशेष रूप से हैं। वहाँ बाहर जानकारी के अनगिनत मात्रा है कि प्रत्येक बातचीत के आरओआई की व्याख्या कर सकते हैं, और एक शक के बिना, उनमें से कुछ संभावित खेल बदल रहा है। लेकिन, स्पष्ट रूप से, हम मानव हैं, और अगर हमें किसी चीज़ से मूल्य प्राप्त करने के लिए कड़ी मेहनत करनी है, तो हम लगातार ऐसा करने की संभावना कम करते हैं। यही कारण है कि 2021 में, एनालिटिक्स एक प्रतिक्रियात्मक गेम बनने से आगे बढ़ेगा - डेटा जो विश्लेषकों को फिर से उन अंतर्दृष्टि को खोजने के लिए झारना है - एक सक्रिय एक के लिए, टीमों को सीधे उन "ए-हा!" ऐसे क्षण जो तुरंत और सूचित कार्रवाई को प्रेरित करते हैं। - मेपिन मूसेट, हीप में सीईओ और संस्थापक

Artificial Intelligence

चूंकि व्यवसाय पर्याप्त राजस्व धाराओं को फिर से खोलने और पुनरावृत्ति करने के लक्ष्य की ओर देखते हैं, उन्हें वास्तविक समय में महत्वपूर्ण अंतर्दृष्टि इकट्ठा करने के लिए स्मार्ट प्रौद्योगिकियों का लाभ उठाने की आवश्यकता होगी जो उन्हें ऐसा करने की अनुमति देती हैं। कृत्रिम बुद्धिमत्ता (एआई) प्रौद्योगिकियों को अपनाने से कंपनियों को यह समझने में मदद मिल सकती है कि ग्राहकों और कर्मचारियों को सुरक्षित रखने के लिए उनकी रणनीति काम कर रही है, जबकि वृद्धि को जारी रख रही है। जैसा कि कंपनियां कॉर्पोरेट नीति प्रबंधन और अनुपालन को आसान बनाने, सुरक्षा सुनिश्चित करने और ग्राहक अनुभव विकसित करने में मदद करने के लिए एआई की अद्वितीय क्षमताओं को पहचानती हैं, हम उद्योगों में एआई गोद लेने की बढ़ी हुई दरों को देखेंगे। - हिलेरी एश्टन, ईवीपी और मुख्य उत्पाद अधिकारी Teradata

2021 में हम AI, मशीन लर्निंग और IoT को हमारे जीवन और व्यवहार को परिभाषित और आकार देंगे, एक ऐसी घटना जो आने वाले कई वर्षों तक जारी रहेगी। ये प्रगति इस बात को प्रभावित करती है कि हम कैसे काम करते हैं, हम कैसे खरीदते हैं, हम कैसे खर्च करते हैं, हम अपने जीवन की हर छोटी-बड़ी चीजों को कैसे करते हैं। लेकिन मुझे लगता है कि वास्तविक स्टार जो कंपनियाँ क्लाउड और एज कंप्यूटिंग जैसी सक्षम तकनीकें होंगी, जो एआई, एमएल, और आईओटी जैसे सभी आवश्यक डेटा को संसाधित करने और प्रबंधित करने की उनकी क्षमता के कारण हावी होती रहेंगी। साथ ही iPaaS, APIM और RPA जैसी तकनीकों को सक्षम करना। ये प्रौद्योगिकियां व्यवसायों के लिए डिजिटल परिवर्तन शुल्क का नेतृत्व करना जारी रखेंगी क्योंकि वे मैन्युअल या पेपर-संचालित व्यवसाय से डिजिटल व्यवसायों तक ले जाते हैं जो अंततः AI और IoT की शक्ति को टैप कर सकते हैं। - मनोज चौधरी, सीटीओ एट घबराना

2021 में आर्टिफिशियल इंटेलिजेंस कम कृत्रिम हो जाता है: यहां तक ​​कि क्षितिज पर COVID-19 के लिए एक टीका के साथ, लोग कैसे काम करते हैं और बातचीत करते हैं, यह मौलिक रूप से स्थानांतरित हो गया है। नए साल में, दूरस्थ कार्य जारी रहेगा, सामाजिक दूर की आवश्यकताएं बनी रहेंगी, और आपूर्ति श्रृंखला को विघटन का सामना करना पड़ेगा। जीवन का यह नया तरीका कंपनियों के लिए मूल्य श्रृंखला में प्रभावी ढंग से संचालन जारी रखने के लिए एक नए तरीके की मांग करता है - उत्पाद से संयंत्र तक अंतिम उपयोगकर्ता के लिए। इन चुनौतियों को दूर करने के लिए कृत्रिम बुद्धिमत्ता (एआई) का उपयोग मानक होगा। हालांकि, यह विचार किए बिना कि मानव इन नई स्वायत्त प्रणालियों के साथ कैसे संपर्क करेगा और लाभ उठाएगा, एआई विफल हो जाएगा।

2021 में, उद्यम एआई पहल के लिए एक मानव-केंद्रित दृष्टिकोण लेगा, उपयोगकर्ता की जरूरतों और मूल्यों को समझेगा, फिर तदनुसार एआई डिजाइन और मॉडल को अपनाएगा, जो बदले में, गोद लेने में सुधार करेगा। उद्यमों को एआई के सफल होने के लिए प्रौद्योगिकी के रूप में लोगों और संस्कृति पर समान ध्यान केंद्रित करना चाहिए। संगठनात्मक परिवर्तन प्रबंधन (OCM) टीम परिवर्तन यात्रा के लिए लोगों को साथ लाकर और परिवर्तनशील परिणामों के लिए संगठन की स्थापना करके डिजिटल परिवर्तन और AI को आगे बढ़ाने के लिए महत्वपूर्ण होगी। उचित परिवर्तन प्रबंधन सबसे महत्वपूर्ण है - फिर भी अनदेखी - किसी भी डिजिटल परिवर्तन पहल का पहलू। - जॉर्ज यंग, ​​ग्लोबल मैनेजिंग डायरेक्टर एट Kalypso

स्थायी और सार्थक व्यावसायिक मूल्य पर ध्यान केंद्रित करने के लिए, 2021 में, उद्यम AI सिस्टम पर भरोसा करके त्वरित जीत से दूर चले जाएंगे। यह परिवर्तन पूरे संगठनों में गहरी डेटा साक्षरता की पहल करेगा। इसके लिए लोगों को नए कौशल सीखने और नए तरीके से व्यवहार करने की आवश्यकता होगी। - संदीप रेड्डी मल्लू, प्रमुख एनालिटिक्स एट ग्राम करनेवाला 

अधिकांश उपभोक्ता एआई पर संदेह करते रहेंगे। संदिग्ध एआई नैतिकता के आसपास हॉट सीट पर कई बड़े उपभोक्ता ब्रांडों के साथ, अधिकांश लोग अभी भी एआई पर भरोसा नहीं करते हैं। कई लोगों के लिए, यह इसलिए है क्योंकि वे इसे नहीं समझते हैं या यहां तक ​​कि महसूस करते हैं कि वे इसे दैनिक उपयोग कर रहे हैं। उपभोक्ताओं को मुफ्त में फेसबुक, Google, TikTok, इत्यादि के लिए कई एआई-संचालित सेवाएं मिल रही हैं - कि वे समझ नहीं पा रहे हैं कि वे व्यक्तिगत रूप से बदले में क्या दे रहे हैं - अर्थात् उनका व्यक्तिगत डेटा। जब तक आम जनता भोली बनी रहेगी, तब तक वे यह अनुमान लगाने में सक्षम नहीं होंगे कि AI उन खतरों का सामना कर सकता है या खुद की रक्षा कैसे कर सकता है - जब तक कि बाजार ग्राहकों को बेहतर तरीके से शिक्षित नहीं करता है या उनकी रक्षा के लिए नियम लागू नहीं करता है। इसके बावजूद, कुछ सबूत हैं कि हम एआई की भरोसेमंदता के आधार पर कोने को बदल रहे हैं। पैगा के आगामी सर्वेक्षण में अस्सी प्रतिशत कारोबारी नेता उत्तरदाताओं ने कहा कि वे आशावादी हैं कि एआई पूर्वाग्रह पांच साल में पर्याप्त रूप से कम हो जाएगा। कारोबारियों को बेहतर उम्मीद थी कि यह सच हो सकता है - क्योंकि जनता का अधिक से अधिक यह जागता है कि एआई उनके जीवन को कैसे प्रभावित करता है, और कुछ मामलों में पसंदीदा खेलता है, वे कठिन सवाल पूछना जारी रखेंगे जो आगे एआई पर भरोसा करते हैं, व्यवसायों को मजबूर करते हैं उन्हें जवाब देना है। - विंस जेफ, वरिष्ठ निदेशक - उत्पाद रणनीति, मार्केटिंग एआई और निर्णय, पेगा

एआई संचालित डिजिटल श्रमिक दीर्घावधि में व्यवसायों को रणनीतिक बने रहने में मदद करेंगे। कुछ इस धारणा से असहमत हैं कि AI और स्वचालन कंपनियों के अस्तित्व को आगे बढ़ाने के लिए आवश्यक हैं। हालांकि, अनुसंधान ने संकेत दिया है कि अधिकांश कंपनियों ने अपने एआई और स्वचालन निवेशों के लाभ को पूरी तरह से महसूस नहीं किया है। डिजिटल कार्यबल के माध्यम से व्यावसायिक प्रक्रियाओं के लिए शक्तिशाली एआई क्षमताओं को जोड़कर, हम संगठनों को बड़े पैमाने पर एआई चालित स्वचालन को लागू करते देखेंगे। AI संचार स्वचालन तेजी से मुख्य रणनीतिक पहलों से जुड़ा होगा जैसे कि बेहतर ग्राहक फ़ोकस, राजस्व वृद्धि, पूंजी आवंटन, आपूर्ति श्रृंखला प्रबंधन, जोखिम प्रबंधन, लागत और परिचालन दक्षता और बहुत कुछ। एआई संचालित डिजिटल श्रमिकों को कॉर्पोरेट रणनीति पर अमल करने और उद्यम पैमाने के जोखिमों को प्रबंधित करने के लिए प्राथमिक उपकरणों के रूप में लिया जाएगा। ऑटोमेशन का तेजी से और प्रभावी रूप से अपनाया जाना तेजी से बाजारों में शेष प्रतिस्पर्धा के लिए एक आवश्यक घटक के रूप में देखा जाएगा। - एरिक टायर, ब्लू प्रिज़्म में AI और रिसर्च के प्रमुख

एआई प्रयोग अधिक रणनीतिक बन जाएगा। प्रयोग पूरे मॉडल विकास प्रक्रिया के दौरान होता है - आमतौर पर हर महत्वपूर्ण निर्णय या धारणा कम से कम कुछ प्रयोगों या पिछले शोधों के साथ आती है ताकि उनके फैसलों को सही ठहराया जा सके। पूर्ण आकार की भविष्यवाणी करने वाले एमएल मॉडल के निर्माण से लेकर सांख्यिकीय परीक्षण या चार्टिंग डेटा तक कई प्रयोग कर सकते हैं। हर संभव हाइपरपैरमीटर, फीचर हैंडलिंग आदि के सभी संयोजनों को आज़माने से, जल्दी से अप्राप्य हो जाता है। इसलिए, हम संगठनों को प्रयोगों के लिए समय और / या गणना बजट के साथ-साथ मॉडल की उपयोगिता के लिए स्वीकार्यता सीमा को परिभाषित करना शुरू करेंगे। - फ्लोरियन डौटेऊ, सीईओ और सह-संस्थापक दाताकु

2021 में, हम आखिरकार AI को मुख्यधारा में देखेंगे। COVID-19 के परिणामस्वरूप, व्यवसायों को नए सामान्य में जीवित रहने के लिए डिजिटल रूप से बदलने के लिए मजबूर किया गया था। हमारे शोध के अनुसार, डिजिटल त्वरण नए साल में रुकने का कोई संकेत नहीं दिखाता है, 86% कंपनियों के पास वर्तमान में एआई के माध्यम से बेहतर ग्राहक अनुभव के लाभों को जारी रखने की संभावना है। महामारी ने एआई निवेश के लिए व्यावसायिक प्राथमिकताओं को भी बदल दिया है। उदाहरण के लिए, हमने कंपनियों को कार्यबल नियोजन और सिमुलेशन मॉडलिंग पर ध्यान केंद्रित करने के लिए स्वचालन जैसे सरल कार्यों से स्थानांतरित किया है। चूंकि संगठन जटिल प्रक्रियाओं में अपने डिजिटल निवेश से लाभ देखना जारी रखते हैं, एआई केवल अगले वर्ष में अधिक व्यापक और व्यापक रूप से उपयोग किया जाएगा। - आनंद राव, पीडब्ल्यूसी में ग्लोबल आर्टिफिशियल इंटेलिजेंस लीड

एआई और बीआई के अभिसरण से डेटा अंतर्दृष्टि को बढ़ावा मिलेगा। पिछले 5 वर्षों में AI हर कॉर्पोरेट चर्चा का हिस्सा रहा है। और फिर भी, कर्मचारियों के बड़े वर्गों में उन्नत AI अंतर्दृष्टि का लोकतंत्रीकरण करने में चुनौतियां बरकरार हैं। जैसे ही नए एआई-संचालित बीआई उत्पाद उभरेंगे, सिलोस टूट जाएगा और हर उपयोगकर्ता डेटा एनालिटिक्स का लाभ उठाने और आसानी से अंतर्दृष्टि प्राप्त करने में सक्षम होगा। सरल इंटरफेस, व्यक्तिगत अंतर्दृष्टि और आकर्षक डेटा अनुभव 2021 और उसके बाद के डेटा एनालिटिक्स की पहचान बन जाएंगे। - धीरेन पटेल, माचिये के मुख्य उत्पाद अधिकारी और ग्राहक सफलता के प्रमुख

कई एआई-चालित चेहरे की पहचान एल्गोरिदम में नस्लीय पूर्वाग्रह पिछले एक साल से बातचीत का एक बड़ा विषय रहा है और 2020 की सामाजिक अशांति के कारण सिर पर आ गया है। शोध में पाया गया है व्यापक सबूत कि नस्लीय अल्पसंख्यकों को गोरों के गलत पहचान की संभावना थी। 2021 में, हम देखेंगे कि एआई पूर्वाग्रह का सुधार किसी भी कंपनी के लिए एक प्रमुख विषय बन जाएगा जो एआई या चेहरे की पहचान तकनीक का लाभ उठाएगा। सरकार द्वारा जारी दस्तावेजों का उपयोग करके, आप दस्तावेज़ पर चेहरे का विश्लेषण करके और आपके सिस्टम तक पहुंचने की कोशिश कर रहे चेहरे की तुलना करके आईडी स्वामित्व को जल्दी और आसानी से साबित कर सकते हैं। 2021 वह वर्ष होगा जब एआई पूर्वाग्रह प्रकाश में आता है और कंपनियां अपने सॉफ्टवेयर में नस्लीय पूर्वाग्रह को खत्म करने के लिए आमूल-चूल परिवर्तन करना शुरू करेंगी - जिनमें से कुछ नस्लीय चेहरे को कम करने के लिए कंपनी की एमएल प्रणाली की निष्पक्षता और प्रशिक्षण पर ध्यान केंद्रित करके किया जा सकता है। मान्यता त्रुटियों। - मोहन महादेवन, अनुसंधान के उपाध्यक्ष, ओन्फिडो

2021 वह साल होगा जब टीम कैज़ुअल डेटिंग से एक प्रतिबद्ध रिश्ते में होने जा रही है। AI अब केवल R & D प्रोजेक्ट्स के लिए नहीं है। यह समय है कि आप उनके साथ सिर्फ छेड़खानी करने के बजाय इन समाधानों को अपनाएं। हमें अब स्वचालित करना होगा। - डेविड करंडिश, संस्थापक और सीईओ क्षमता 

कम्प्यूटेशनल पावर, इंटरनेट-स्केल डेटा और आधुनिक मशीन लर्निंग एल्गोरिदम के संगम के साथ, हमने पिछले कुछ वर्षों में एआई के साथ उल्लेखनीय नई जमीन को तोड़ा है। आने वाले वर्षों में, हम एक विस्तारवादी युग में प्रवेश करेंगे, जहां वाणिज्यिक उपयोग के मामलों की लंबी पूंछ को प्रोटोटाइप, पैक और उत्पादन किया जाएगा - या तो मौजूदा उत्पादों और सेवाओं को बढ़ाने के लिए या पूरी तरह से नए बनाने के लिए। - डेव कोस्टेनारो, मुख्य डेटा अधिकारी क्षमता 

AI सफलता मूव से लेकर आला फोकस तक चलती है। जबकि AI निवेश उद्यम में लगातार बढ़ रहा है, व्यवसायों को "सामान्य उद्देश्य" ब्लैक बॉक्स के बजाय आला एआई को समायोजित करने के लिए अपने तकनीकी स्टैक का पुनर्मूल्यांकन कर रहे हैं जो सब कुछ करने का दावा करते हैं। विशिष्ट समस्याओं को हल करने वाले निचे, पूर्ण उपयोग के मामले स्वचालन के बजाय बजट प्राथमिकता को लेने जा रहे हैं, जो सब कुछ करने का वादा करता है। - विरल बजरिया, सीटीओ एट 6sense

आर्टिफिशियल नैरो इंटेलिजेंस का उदय: बहुत पहले नहीं, एआई जिसे हम अब कृत्रिम सामान्य बुद्धिमत्ता के रूप में जानते हैं, जैसे कि सेल्फ ड्राइविंग कार या छवि पहचान। हालांकि, आज कृत्रिम संकीर्ण बुद्धि की एक नई श्रेणी है जो मानव निर्णय लेने की प्रक्रिया को दोहराने की कोशिश कर रही है। एक सप्लाई चेन के नजरिए से, यह नया AI "चेन कैसे भरें?" या "मुझे समय पर उत्पाद कैसे मिलेंगे?" 2021 में, मैं इनमें वृद्धि की कल्पना कर रहा हूँ संकीर्ण सामरिक और छोटे पैमाने के फैसलों को बदलने के लिए समाधान। - एंडी फॉक्स, LLamasoft के साथ वैश्विक प्रभाव के निदेशक

फ्रिंज में, हम "काउंटर-एआई" को देखना शुरू कर देंगे। जैसा कि सरकारें लोगों को ट्रैक करने की कोशिश करती हैं और व्यवसाय उन्हें हेरफेर करने या व्यवहार में गहरी अंतर्दृष्टि प्राप्त करने की कोशिश करते हैं, मैं ट्रैकिंग और ग्राहक 360 को पन्नी करने के तरीकों का एक अनुमान लगाता हूं। न कि विभिन्न समूहों ने विरोधी चेहरे की पहचान के उपकरण पर जो काम किया है, उसके विपरीत, हम एआई की निगरानी और हमें समझने के लिए इस्तेमाल किए जाने के लिए उच्च और निम्न-तकनीकी तरीकों को देखना शुरू कर देंगे। - के लिए वास्तुकला के प्रमुख एटोस नॉर्थ अमेरिकाGoogle क्लाउड, जोनास बुल के साथ साझेदारी में AI लैब

जैसे-जैसे अधिक एजेंसियां ​​इन AI- और ML- आधारित समाधानों को अपनाना शुरू करती हैं, नैतिक नीतियों का पालन करने और इस तरह के औजारों में पूर्वाग्रह को हटाने के लिए कानून प्रवर्तन पर एक दबाव है। इस प्रकार, विभाग अपनी नीतियों को स्थापित करना शुरू कर देंगे और जिम्मेदार टीमों और व्यावसायिक कार्यों के लिए उचित प्रशिक्षण, साथ ही डेटा-चालित और जिम्मेदार निर्णय के लोकाचार के साथ एक वातावरण बनाने सहित जिम्मेदार और नैतिक एआई उपयोग पर शासी निकायों के साथ काम करना शुरू करेंगे। -मेकिंग एक कदम और आगे बढ़ते हुए, कानून प्रवर्तन संगठन यह सुनिश्चित करना जारी रखेंगे कि AI सिस्टम को पूर्वाग्रह मुक्त किया जाए और आवश्यकतानुसार सुधारा जाए। और वे इन उपकरणों के उपयोग के बारे में पारदर्शिता को बढ़ावा देने के लिए जनता के साथ संचार की एक लाइन खोलेंगे। - हीथर महलिक, डिजिटल इंटेलिजेंस, केलीब्राइट के वरिष्ठ निदेशक

हम 2021 में एनालिटिक्स और एआई के लिए अधिक डेटा-संचालित कंपनियों को खुला स्रोत का लाभ उठाते देखेंगे। प्रेस्टो और अपाचे स्पार्क पावर एआई प्लेटफार्मों जैसे ओपन सोर्स एनालिटिक्स प्रौद्योगिकियां और उनके पारंपरिक उद्यम डेटा वेयरहाउस समकक्षों की तुलना में अधिक लचीली और लागत प्रभावी हैं जो समेकन पर भरोसा करते हैं। एक जगह में डेटा-एक समय लेने वाली और महंगा प्रयास है कि आमतौर पर विक्रेता लॉक-इन की आवश्यकता होती है। अगले साल एआई अनुप्रयोगों के लिए प्रेस्टो जैसे विश्लेषणात्मक इंजनों के उपयोग में वृद्धि होगी क्योंकि इसकी खुली प्रकृति - ओपन सोर्स लाइसेंस, ओपन फॉर्मेट, ओपन इंटरफेस और ओपन क्लाउड। - दीप्ति बोरकर, सह-संस्थापक और मुख्य उत्पाद अधिकारी (CPO), अहाना

उद्योग सामान्य क्षैतिज एआई प्लेटफार्मों, जैसे आईबीएम वॉटसन और अमेज़ॅन लेक्स से हटकर, डोमेन विशिष्ट एआई संचालित उत्पादों और प्रबंधित सेवा मॉडल की ओर जाएगा। जेनेरिक प्लेटफ़ॉर्म समाधान नहीं हैं, वे ठंड शुरू करते हैं, बिना किसी प्रशिक्षण डेटा या डेटा मॉडल संरचना के - इस का निर्माण करते हुए, फिर इसे उत्पादन में अनुकूलित करना एक विशेषज्ञ और संसाधन गहन कार्य है जो अधिकांश कंपनियों की क्षमता से परे है। 2021 में आरंभिक इनोवेटर मार्केट से मास मार्केट एडॉप्शन में कदम को डोमेन विशिष्ट एआई संचालित उत्पादों को अपनाया जाएगा जो एक विशिष्ट उद्योग के लिए पूर्व-प्रशिक्षित हैं और काम करने के लिए सिद्ध हैं। - जेक टायलर, सह-संस्थापक और सीईओ, फिन ए.आई.

2021 में, AI को सक्षमता के मानव स्पेक्ट्रम पर मैप नहीं किया जाएगा। हमारे पास एल्गोरिदम हो सकते हैं जो किसी भी मानव को शतरंज में कुचल देते हैं लेकिन एक कप चाय और कंप्यूटर प्रोग्राम बनाने में असमर्थ होते हैं जो मनुष्यों की तुलना में लाखों गुना तेजी से गणित कर सकते हैं लेकिन, अगर उनसे पूछा जाए कि अगला विश्व कप कौन जीत सकता है, तो वे समझ भी नहीं पाएंगे सवाल। उनकी क्षमताएं सार्वभौमिक नहीं हैं। हम एआई के साथ एक बिंदु पर पहुंच गए हैं जहां हम एक साथ एल्गोरिदम की शक्ति को कम और अधिक आंकते हैं। जब हम उन्हें नजरअंदाज कर देते हैं, तो हम देखते हैं कि मानव निर्णय एक आरोपित के लिए आरोपित है - एक खतरनाक जगह है। ग्रेडिंग ए-स्तरीय परिणामों में "म्यूटेंट एल्गोरिथ्म" का उपयोग यूके में स्कैंडल डु पत्रिकाएं हैं, एल्गोरिथ्म के बावजूद कई परिणाम उत्पन्न करते हैं जो केवल सामान्य ज्ञान का उल्लंघन करते हैं। जब हम एल्गोरिदम को कम आंकते हैं, तो हम पूरे उद्योगों को उखड़ते देखते हैं क्योंकि वे क्षितिज पर परिवर्तन नहीं देखते थे। पारंपरिक टैक्सी व्यवसाय कैसे प्रतिस्पर्धा कर सकता है जब उबर का एल्गोरिदम आपको 3 मिनट से कम समय में सवारी करवा सकता है। 2021 में, उम्मीद करते हैं कि अभियंता सक्षमता के मानव स्पेक्ट्रम पर एल्गोरिदम को मैप करने की कोशिश न करके एआई और एल्गोरिदमिक ब्लंडर्स से बचें। एआई प्रौद्योगिकियों का उपयोग करना - जैसे कि किसी भी संदर्भ-भाषण मान्यता - जो मनुष्य कर सकता है उसे बढ़ाने के लिए और वास्तविक दुनिया के उपयोग के मामलों के लिए एआई स्वचालन और मानव ज्ञान के बीच सही संतुलन प्राप्त करना - जैसे कि ग्राहक अनुभव और वेब कॉन्फ्रेंसिंग - प्रभावी उपयोग को आकार देना शुरू कर देगा। भविष्य के लिए ए.आई. - इयान फर्थ, वीपी एट Speechmatics

जिम्मेदार एआई / एमएल क्लाउड एमएल उद्योग में सबसे गर्म विषय बन जाएगा। अनुचितता और पूर्वाग्रह से निपटने पर समाज के बढ़ते जोर और मशीन लर्निंग मॉडल की बेहतर व्याख्या और व्याख्या में समग्र रुचि को देखते हुए, क्लाउड प्रदाता जिम्मेदार एमएल / एआई क्षमताओं के पूर्ण सूट की पेशकश करने के लिए अपने एमएल प्रसाद का निवेश और बढ़ाएंगे जो कि संतुष्ट और आश्वस्त करने का लक्ष्य होगा। विधायकों के उचित उपयोग पर नियामक, मॉडलर, प्रबंधन और बाजार। इस बीच, AI / ML पूरे उद्योग में विस्फोटक वृद्धि और उपयोग को आसानी से देखता रहेगा, इस क्षेत्र में अगले विकास तेजी लाने के लिए एक जिम्मेदार AI / ML ढांचे के भीतर UX संयोजन में आसानी से उपयोग में महत्वपूर्ण वृद्धि हुई है। - यियानिस एंटोनियो, विश्लेषक, गीगाओम

नेटवर्किंग के लिए AIOps मुख्यधारा बन जाएगा: अगले साल, AIOps सिद्धांत से कई संगठनों के लिए अभ्यास करने के लिए जाएगा। दूरदराज के श्रमिकों की वृद्धि और घर नई माइक्रो शाखा बनने के साथ, एआई दूरदराज के कर्मचारियों के लिए आईटी समर्थन लागत को नियंत्रित करते हुए एक महान ग्राहक को क्लाउड उपयोगकर्ता अनुभव देने के लिए टेबल दांव बन जाएगा। आईटी टीमों को अपने ऑपरेशन को स्केल करने और स्वचालित करने के लिए AIOps को गले लगाने की आवश्यकता होगी। AIOps क्लाउड सास ग्राहक समर्थन प्रतिमान को उल्टा कर देगा। आईटी में टिकट जमा करने वाले उपयोगकर्ताओं के बजाय, एआई कनेक्टिविटी या अनुभव के मुद्दों के साथ उपयोगकर्ताओं की पहचान करेगा और आईटी के लिए सुझाए गए उपचार कार्यों के साथ या तो (स्व-ड्राइविंग नेटवर्क) हल करेगा या एक टिकट खोलेगा। - बॉब फ्राइडे, जूनो नेटवर्क्स कंपनी मिस्ट सिस्टम्स का सीटीओ

आर्टिफिशियल इंटेलिजेंस और मशीन लर्निंग पिछले वर्षों की तुलना में आपूर्ति श्रृंखला रणनीति में बहुत अधिक अभिन्न भूमिका निभाएगा। आपूर्ति श्रृंखला भर में अधिक वास्तविक समय की अंतर्दृष्टि की आवश्यकता 2021 में बढ़ती रहेगी, खासकर आपूर्ति श्रृंखला संगठन COVID-19 महामारी के दौरान व्यवहार में अचानक बदलाव के परिणामस्वरूप अपने संचालन का पुनर्मूल्यांकन करते हैं।

इस आवश्यकता को पूरा करने के लिए, आपूर्ति श्रृंखला संगठनों को कृत्रिम बुद्धिमत्ता (एआई) और मशीन लर्निंग (एमएल) को वर्तमान, वर्णनात्मक और प्रिस्क्रिप्टिव एनालिटिक्स से अपग्रेड करने के लिए सक्षम तकनीक की खोज करने की आवश्यकता होगी, और पूर्वानुमेय एनालिटिक्स का लाभ उठाने के लिए - जो अनुशंसित कार्य प्रदान करते हैं से पहले पिछली क्रियाओं के आधार पर एक घटना होती है। अक्सर, बड़ी कंपनियों द्वारा अधिग्रहित किए जाने के कारण कंपनियों को सिलोस और विखंडन की गड़बड़ी का अनुभव होता है, जिसमें विभिन्न प्रणालियां होती हैं। 2021 में, आपूर्ति श्रृंखला हितधारक दृश्यता की एक अतिरिक्त परत के रूप में सभी मॉड्यूलों में डिजिटल जुड़वाँ को तैनात करने और एक कंपनी की मौजूदा प्रणालियों और सेंसर, नैनो सेंसर जैसी नई प्रौद्योगिकी के बीच सिंक्रनाइज़ेशन सुनिश्चित करने के लिए देखेंगे, जो तेजी से बड़े संस्करणों में बाजार में आ रहे हैं। । - महेश वीरीना, क्लाउडलाइफ के सीईओ

एआई में पूर्वाग्रह बड़े पैमाने पर नुकसान का कारण बनता है - भर्ती प्रक्रिया को प्रभावित करने से लेकर लिंग भेद को मजबूत करने से लेकर क्रेडिट स्कोरिंग और उधार में नस्लीय भेदभाव तक। संगठनों को पता है कि एक विविध कार्यबल को किराए पर लेना एआई मॉडल के लिए सच्चाई का स्तर प्रदान कर सकता है, और वे जानते हैं कि प्रशिक्षण डेटा को पूर्वाग्रह के लिए लगातार निगरानी करने की आवश्यकता होती है, क्योंकि यह एल्गोरिदम की गुणवत्ता और सटीकता को प्रभावित करता है। वे यह भी जानते हैं कि एआई में वास्तव में पूर्वाग्रह को कम करने के लिए नैतिकता-आधारित माप के लिए कोई मौजूदा बेंचमार्क नहीं है, और यह होना चाहिए। 2021 में, हम संगठनों को अतीत को स्वीकार करते हुए देखेंगे और एआई में पूर्वाग्रह के बारे में "चिंता" करेंगे और इसके समाधान के लिए और अधिक महत्वपूर्ण कदम उठाना शुरू करेंगे - क्योंकि इसकी आवश्यकता होगी। जिम्मेदार एआई की छत्रछाया में आने वाली सभी चिंताओं से निपटने के लिए विशिष्ट टीमों और / या पहल का गठन किया जाएगा, जिसमें डेटा में अंतर्निहित पूर्वाग्रह से लेकर डेटा ट्रेनरों के साथ उचित व्यवहार करना शामिल है। जिम्मेदार एआई पहल स्थापित करना न केवल कुछ के लिए एक बोर्ड-स्तरीय जनादेश बन जाएगा, बल्कि एआई प्रयासों का नेतृत्व करने वाली कंपनियों के भागीदार और ग्राहक इसकी मांग करेंगे। - Appen सीटीओ विल्सन वेदना

AIOps ग्राहक अनुभव को बढ़ाने और एप्लिकेशन एश्योरेंस और ऑप्टिमाइज़ेशन पर पहुंचाने के लिए गर्म करेगा। हमारे पीछे अप्रत्याशितता के एक साल के साथ, उद्यमों को अप्रत्याशित की उम्मीद करनी होगी जब यह प्रौद्योगिकी स्टैक को अचूक और सक्रिय बनाने की बात आती है। हम देखेंगे कि AIOps की मांग बढ़ती रहेगी, क्योंकि यह AI, ML और भविष्य कहनेवाला विश्लेषण का उपयोग करके इन अप्रत्याशित परिदृश्यों को संबोधित और प्रत्याशित कर सकता है। हाइब्रिड ऑन-प्रिमाइसेस और क्लाउड इन्फ्रास्ट्रक्चर के साथ हाइब्रिड ऑन-डिजिटल और डिजिटल इन्फ्रास्ट्रक्चर जैसे कॉम्प्रिहेंशन के बढ़ते कॉम्प्लेक्शन में कंट्रीब्यूशन जैसे कॉन्ट्रिब्यूशन से डेटा की मात्रा और जटिलता दोनों में अभूतपूर्व बढ़ोतरी होगी। हालांकि आधुनिक डिजिटल वातावरण से डेटा अधिभार मरम्मत में देरी कर सकता है और आईटी ऑप्स टीमों को भारी कर सकता है, शोर डेटासेट पिछले रणनीतियों का एक अवरोधक होगा क्योंकि होशियार रणनीतियों और केंद्रीकृत AIOps सिस्टम संगठनों को ग्राहक अनुभव को बेहतर बनाने में मदद करते हैं, आधुनिक एप्लिकेशन आश्वासन और अनुकूलन पर वितरित करते हैं, इसे टाई करते हैं। बुद्धिमान स्वचालन, और स्वायत्त डिजिटल उद्यमों के रूप में पनपे। वास्तव में, पारंपरिक आईटी ऑपरेशंस दृष्टिकोण अब संभव नहीं हो सकता है - AIOps को अपनाने को अनिवार्य बनाने और संसाधनों को प्रभावी ढंग से प्रबंधित करने के लिए आधुनिक वातावरण का प्रबंधन करने के लिए अपरिहार्य। - अली सिद्दीकी, मुख्य उत्पाद अधिकारी, बीएमसी सॉफ्टवेयर

स्टार्क वास्तविकता यह है कि 2021 वह वर्ष होगा जब वास्तव में एआई करने वाले लोग बड़े पैमाने पर मूल्य प्राप्त करना शुरू कर देंगे, जबकि उन महीनों के भंगुर मॉडल को प्रशिक्षण देने और पकड़ने में असफल रहने से वृद्धि, घातीय, नुकसान होगा। अंतिम मील की चुनौतियों को कोई आसान नहीं मिलेगा - लेकिन सोच और दृष्टिकोण में एक मौलिक बदलाव जटिलता बाधाओं पर काबू पाने के लिए महत्वपूर्ण होगा। - डॉ। जोश सुलिवन, प्रमुख मोदक

सुरुचिपूर्ण जोखिम मूल्यांकन: जैसे ही AIOps स्थान परिपक्व होता है, हम विक्रेताओं को अपनी जोखिम मूल्यांकन क्षमताओं को परिष्कृत करने के लिए एक अवसर देखते हैं, ताकि ग्राहक सिस्टम में और कुछ भी तोड़ दिए बिना, निश्चितता के साथ मुद्दों को ठीक कर सकें। 2021 में, एक ऐसा क्षेत्र जहां हम दोनों विक्रेताओं से बढ़े हुए फोकस को देखेंगे और उपयोगकर्ताओं के बीच अधिक गोद लेना अधिक सुरुचिपूर्ण निर्भरता मानचित्रण को सक्षम करने के आसपास होगा, ताकि इंजीनियर सॉफ्टवेयर के परिवर्तनों के लिए रीमेडियेशन प्रक्रिया या बिल्ड-तैनाती चक्र के एक भाग के रूप में जोखिम का सही आकलन कर सकें। सुनिश्चित करें कि एक वातावरण के एक हिस्से में परिवर्तन कहीं और सिस्टम को नहीं तोड़ देगा। - माइकल ओल्सन, निदेशक, नए अवशेष में उत्पाद विपणन

2021 में, एआई वन्स बी बी मैपेड ऑन द ह्यूमन स्पेक्ट्रम ऑफ कॉम्पेन्स: हमारे पास एल्गोरिदम हो सकते हैं जो किसी भी मानव को शतरंज में कुचल देते हैं लेकिन एक कप चाय और कंप्यूटर प्रोग्राम बनाने में असमर्थ हैं जो मनुष्यों की तुलना में लाखों गुना तेजी से गणित कर सकते हैं लेकिन, अगर उनसे पूछा जाए कि अगला विश्व कप कौन जीत सकता है, तो वे इस सवाल को समझ भी नहीं पाएंगे। उनकी क्षमताएं सार्वभौमिक नहीं हैं। हम एआई के साथ एक बिंदु पर पहुंच गए हैं जहां हम एक साथ एल्गोरिदम की शक्ति को कम और अधिक आंकते हैं।

जब हम उन्हें नजरअंदाज करते हैं, तो हम देखते हैं कि इंसानी फ़ैसले को आरोपित कर दिया गया - एक खतरनाक जगह। ग्रेडिंग ए-स्तरीय परिणामों में "म्यूटेंट एल्गोरिथ्म" का उपयोग यूके में स्कैंडल डु पत्रिकाएं हैं, एल्गोरिथ्म के बावजूद कई परिणाम उत्पन्न करते हैं जो केवल सामान्य ज्ञान का उल्लंघन करते हैं। जब हम एल्गोरिदम को कम आंकते हैं, तो हम पूरे उद्योगों को उखड़ते देखते हैं क्योंकि वे क्षितिज पर परिवर्तन नहीं देखते थे। पारंपरिक टैक्सी व्यवसाय कैसे प्रतिस्पर्धा कर सकता है जब उबर का एल्गोरिदम आपको 3 मिनट से कम समय में सवारी करवा सकता है। 2021 में, उम्मीद करते हैं कि इंजीनियर सक्षमता के मानव स्पेक्ट्रम पर एल्गोरिदम को मैप करने की कोशिश न करके एआई और एल्गोरिदमिक ब्लंडर्स से बचें। एआई प्रौद्योगिकियों का उपयोग करना - जैसे कि किसी भी संदर्भ-भाषण मान्यता - जो कि मनुष्य क्या कर सकता है, को बढ़ाने के लिए और वास्तविक दुनिया के उपयोग के मामलों के लिए एआई स्वचालन और मानव ज्ञान के बीच सही संतुलन खोजना - जैसे कि ग्राहक अनुभव और वेब कॉन्फ्रेंसिंग - प्रभावी उपयोग को आकार देना शुरू कर देगा। भविष्य के लिए ए.आई. - इयान फर्थ, वीपी एट Speechmatics

2021 में AI / ML उद्योग में किनारे पर एक प्रमुख फोकस होने जा रहा है। ऑटोमोटिव, स्मार्ट फैक्ट्री और स्मार्ट होम इंडस्ट्री में इंटेलिजेंट एज एप्लिकेशन की मांग तेजी से बढ़ रही है। व्यापक रूप से उपलब्ध कुशल एज एमएल डेवलपमेंट टूल्स और सेमीकंडक्टर कंपनियों के साथ नए एमसीयू लॉन्च करने वाले एमएल फीचर के साथ, एज एमएल एप्लिकेशनों को अपनाना प्रमुख प्रवृत्ति बन जाएगी। - सांग वोन ली, के सीईओ क्यूएक्सो

नैदानिक ​​समुदाय उनके उपयोग को बढ़ाएगा संघ के सीखने के दृष्टिकोण विभिन्न संस्थानों, भौगोलिक, रोगी जनसांख्यिकी और चिकित्सा स्कैनर में मजबूत एआई मॉडल का निर्माण करना। इन मॉडलों की संवेदनशीलता और चयनात्मकता एक ही संस्थान में निर्मित AI मॉडल से बेहतर प्रदर्शन कर रही है, यहां तक ​​कि जब प्रशिक्षण के लिए प्रचुर मात्रा में डेटा होता है। एक अतिरिक्त बोनस के रूप में, शोधकर्ता गोपनीय रोगी जानकारी साझा किए बिना एआई मॉडल निर्माण पर सहयोग कर सकते हैं। फेडरेटेड लर्निंग उन क्षेत्रों के लिए एआई मॉडल बनाने के लिए भी फायदेमंद है जहां डेटा दुर्लभ है, जैसे कि बाल रोग और दुर्लभ बीमारियों के लिए। - किम्बर्ली पॉवेल, उपाध्यक्ष और महाप्रबंधक, NVIDIA हेल्थकेयर

एआई सेंटर ऑफ एक्सीलेंस: कंपनियों ने पिछले 10 वर्षों में अत्यधिक भुगतान किए गए डेटा वैज्ञानिकों को बंद करने के लिए हाथापाई की है, फिर भी सहायक उत्पादकता की कमी के कारण उनकी उत्पादकता अपेक्षा से कम रही है। सुपरकंप्यूटिंग स्केल पर केंद्रीयकृत, साझा बुनियादी ढांचे के निर्माण से अधिक संगठन एआई पर निवेश रिटर्न को गति देंगे। इससे डेटा विज्ञान प्रतिभा को तैयार करने और स्केलिंग करने, सर्वोत्तम प्रथाओं को साझा करने और जटिल एआई समस्याओं के समाधान में तेजी लाने में मदद मिलेगी। - चार्ली बॉयल, उपाध्यक्ष और महाप्रबंधक, NVIDIA DGX सिस्टम्स

एअर एक्सप्रेशन विल नैरो इन ऑन सीमलेस यूजर एक्सपीरियंस: जैसा कि हम एआई के इतिहास को देखते हैं, एल्गोरिदम राजा थे और उपयोगकर्ता अनुभव दूसरा था। लेकिन जैसे ही हम 2021 में आते हैं, AI- सक्षम अनुप्रयोगों को प्राथमिकता के रूप में प्रयोज्य पर केंद्रित किया जाएगा। एआई के सर्वश्रेष्ठ भाव उपयोगकर्ता के लिए सहज हैं और पृष्ठभूमि में विनीत रूप से काम करते हैं। AI / ML द्वारा समर्थित प्लेटफ़ॉर्म उपयोगकर्ताओं को बेहतर निष्कर्ष और समाधानों की ओर ले जाने के नए तरीके खोजेगा।

यह डेटा के विशाल मात्रा में पूछताछ करने, विसंगतियों, अंतर्दृष्टि और रुझानों की तलाश करने, फिर उचित व्यावसायिक संदर्भ में परिणाम पेश करने से होता है। वास्तव में सभी व्यावसायिक प्लेटफार्मों के लिए लक्ष्यहीन एआई / एमएल अंतिम लक्ष्य होना चाहिए। मुझे आशा है कि एआई के अधिक परिष्कृत अनुप्रयोग देखने को मिलेंगे, जो यह पहचानेंगे कि प्रत्येक उपयोगकर्ता क्या हासिल करने की कोशिश कर रहा है और स्वचालित रूप से सतह की अंतर्दृष्टि जो त्वरित कार्रवाई के लिए लीवरेज हो सकती है। यह आसानी से उपयोग तकनीकी और गैर-तकनीकी दोनों उपयोगकर्ताओं के व्यापक आधार के लिए अविश्वसनीय रूप से मूल्यवान होगा। - संजय व्यास, सीटीओ योजनाबद्ध

एथिकल एआई 2021 में उत्पाद विकास में महत्वपूर्ण भूमिका निभाएगा, लेकिन इसे हल करना एक कठिन समस्या है: एथिकल एआई एक महत्वपूर्ण मुद्दा बन रहा है, लेकिन हल करने के लिए एक कठिन दुविधा। समाधान बनाने के लिए कंपनियां डेटा और AI का उपयोग कर रही हैं, लेकिन वे भेदभाव, निगरानी, ​​पारदर्शिता, गोपनीयता, सुरक्षा, अभिव्यक्ति की स्वतंत्रता, काम करने का अधिकार और सार्वजनिक सेवाओं तक पहुंच के मामले में मानवाधिकारों को दरकिनार कर सकती हैं। 

प्रतिष्ठित, विनियामक और कानूनी जोखिमों से बचने के लिए, नैतिक AI अनिवार्य है और अंततः AI नीति को रास्ता देगा। एआई पॉलिसी लोगों के लिए उच्च स्तर की पारदर्शिता और सुरक्षात्मक उपायों को सुनिश्चित करेगी। डेटा क्षेत्र में, सीईओ और सीटीओ को सावधानीपूर्वक विश्लेषण, पशु चिकित्सक और प्रोग्रामिंग के माध्यम से एल्गोरिदम में पूर्वाग्रह को खत्म करने के तरीके खोजने की आवश्यकता होगी। - कृष्णा तम्मना, सीटीओ टैलेंड

अगले साल, हम कंपनियों को एआई समाधानों पर ध्यान केंद्रित करने, अपनाने और विकसित करने के लिए देखेंगे जो वास्तव में प्रौद्योगिकी की खातिर नौटंकी या निर्माण प्रौद्योगिकी के विपरीत आरओआई वितरित करते हैं। संगठन प्रदर्शनकारी प्रगति और औसत दर्जे के परिणामों पर केंद्रित होंगे और इसलिए उन समाधानों में निवेश करेंगे जो विशिष्ट समस्याओं का समाधान करते हैं। जिन कंपनियों की जटिलताओं और चुनौतियों की गहरी समझ उनके ग्राहकों को है, वे समाधान करना चाह रहे हैं और समाधान में अपने आरएंडडी डॉलर का निवेश करने को तैयार हैं, उन्हें सफलता मिलेगी। - जो पेट्रो, सीटीओ एट Nuance संचार, इंक.

AI कौशल अंतर बना रहेगा, और संगठन अनुकूलन के नए तरीके सोचेंगे। संगठनों के लिए एआई को तैनात करने के लिए आवश्यक प्रतिभा को किराए पर लेना और सभी लाभों को प्राप्त करना मुश्किल है, उद्योग के आधे अंदरूनी सूत्रों ने इस चुनौती की रिपोर्टिंग की। क्या अधिक है, कई संगठनों ने महीनों या वर्षों से डिजिटल परिवर्तन की पहल तेज कर दी है - लेकिन इन पहलों का समर्थन करने के लिए उपलब्ध प्रतिभा और प्रशिक्षण के अवसरों में विसंगति है। बढ़ती मांग के कारण, हम यह अनुमान लगाते हैं कि कंपनियां नए कौशल सीखने के लिए कर्मचारियों के लिए अधिक उत्साहजनक पहल और प्रोत्साहन की पेशकश करेंगी, साथ ही संगठन के सभी स्तरों पर डेटा और एआई साक्षरता बनाने के लिए काम करेंगी।

महामारी ने संगठनों के लिए इन कार्यों को प्राथमिकता देने और कर्मचारियों को दूरस्थ कार्य के लिए तेजी से संक्रमण में नए कौशल विकसित करने में मदद करने का अवसर प्रस्तुत किया है। आगे देखते हुए, 2021 शिक्षा के बारे में होगा - दोनों एक नए सामान्य में काम कर रहे हैं और शीघ्र डिजिटल पहल को पकड़ रहे हैं। - ट्रेसी गुशर, प्रिंसिपल, डेटा एंड एनालिटिक्स, केपीएमजी

एआई एल्गोरिदम में पूर्वाग्रह को संबोधित करना एक सर्वोच्च प्राथमिकता होगी, जिससे चेहरे की पहचान के लिए जातीयता के मशीन लर्निंग समर्थन के लिए दिशा-निर्देश तैयार किए जाएंगे। एआई एल्गोरिदम (दौड़, आयु, लिंग) में जनसांख्यिकीय पूर्वाग्रह के बारे में उद्यम तेजी से चिंतित हो रहे हैं और इसके ब्रांड पर इसके प्रभाव और कानूनी मुद्दों को उठाने की क्षमता है। 2021 में पहचान प्रूफिंग सॉल्यूशंस का चयन करते समय वेंडर डेमोग्राफिक बायस को कैसे प्राथमिकता देते हैं, इसका मूल्यांकन करना। गार्टनर के अनुसार, डॉक्यूमेंट-सेंट्रिक आइडेंटिफिकेशन प्रूफिंग के लिए 95% से अधिक आरएफपी (सेल्फी के लिए सरकार द्वारा जारी आईडी की तुलना) में स्पष्ट आवश्यकताएं होंगी। 2022 तक जनसांख्यिकीय पूर्वाग्रह को कम करने के बारे में, आज 15% से कम की वृद्धि। संगठनों को उन संगठनों के लिए स्पष्ट जवाब देने की आवश्यकता होगी जो यह जानना चाहते हैं कि एक विक्रेता का एआई "ब्लैक बॉक्स" कैसे बनाया गया था, जहां डेटा की उत्पत्ति हुई थी और व्यापक आबादी को प्रशिक्षण डेटा के प्रतिनिधि कैसे पेश किए जा रहे हैं।

जैसा कि संगठनों ने पहचान सत्यापन के लिए बायोमेट्रिक आधारित फेशियल रिकग्निशन तकनीक को अपनाना जारी रखा है, उद्योग को सिस्टम में निहित पूर्वाग्रह को दूर करना चाहिए। एआई, डेटा और जातीयता का विषय नया नहीं है, लेकिन यह 2021 में एक सिर पर आना चाहिए शोधकर्ताओं MIT में, जिन्होंने चेहरे की पहचान तकनीकों को विकसित करने के लिए इमेजरी डेटासेट का विश्लेषण किया, 77% चित्र पुरुष थे और 83% सफेद थे, जो मुख्य कारणों में से एक का संकेत था कि चेहरे की पहचान तकनीक में व्यवस्थित पूर्वाग्रह क्यों मौजूद हैं। 2021 में, इस व्यवस्थित पूर्वाग्रह को दूर करने के लिए दिशानिर्देश पेश किए जाएंगे। ऐसा होने तक, चेहरे की पहचान तकनीक का उपयोग करने वाले संगठन अपने प्रौद्योगिकी प्रदाताओं से पूछ रहे होंगे कि उनके एल्गोरिदम कैसे प्रशिक्षित हैं और यह सुनिश्चित करें कि उनका विक्रेता खरीदे गए डेटा सेट पर एल्गोरिदम का प्रशिक्षण नहीं ले रहा है। - रॉबर्ट प्रिग, जुमियो के सीईओ

बड़ा डेटा

2021 में, खुला और मुफ्त डेटा संग्रह भविष्य के नवाचारों को बढ़ावा देगा। फ्रॉस्ट एंड सुलिवन के एक हालिया सर्वेक्षण में पाया गया कि आईटी निर्णय लेने वालों में से 54% अपने व्यवसायों की वृद्धि और ऑनलाइन प्रतियोगिता के साथ तालमेल रखने के लिए बड़े पैमाने पर डेटा संग्रह की आवश्यकता व्यक्त की। हालांकि, व्यवसायों के लिए ऑनलाइन डेटा को प्रभावी ढंग से उपयोग करने के लिए, पहले इसे सुलभ होना चाहिए - अवरुद्ध नहीं। आज, व्यवसाय अक्सर सार्वजनिक डेटा संग्रह प्रयासों को स्वयं एकत्र करने के बावजूद प्रतिबंधित करते हैं। यह स्थिति दो प्रमुख कारकों के कारण होती है: सुरक्षा सावधानियों के हिस्से के रूप में दुर्भावनापूर्ण या कपटपूर्ण ऑनलाइन गतिविधि को अवरुद्ध करने की निरंतर आवश्यकता, और यह धारणा कि यह सार्वजनिक डेटा किसी कंपनी के प्रतिस्पर्धी बढ़त में योगदान देता है।

मेरा मानना ​​है कि 2021 के दौरान और बाद में कंपनियों को एहसास होगा कि सार्वजनिक डेटा संग्रह सामान्य और आवश्यक चल रहे व्यावसायिक आचरण का हिस्सा है। वे यह भी महसूस करेंगे कि जब यह व्यवसाय के प्रतिस्पर्धी किनारे पर आता है तो डेटा सब कुछ नहीं होता है। इन्वेंट्री, कीमतें, उत्पाद की गुणवत्ता और सेवा की गुणवत्ता, आदि जैसे क्षेत्र एक बड़ी भूमिका निभाते हैं। एक बार यह बोध अंदर आ जाता है, तो अवरुद्ध डेटा केवल अपमानजनक ऑनलाइन गतिविधियों से बचाने के लिए काम करेगा। नैतिक डेटा संग्रह को सुरक्षित करने के लिए, मुझे उम्मीद है कि हम सभी केंद्रीय डेटा केंद्रों में जानकारी के खुले आदान-प्रदान को बढ़ावा देंगे। साइटें दुर्व्यवहारियों को रोकना जारी रखेंगी; यह नहीं बदलेगा। हालाँकि, वे नैतिक डेटा संग्राहकों को अनुमति दे सकते हैं। अंततः, ऑनलाइन डेटा संग्रह का भविष्य उन लोगों पर निर्भर है जो इसे नियंत्रित करते हैं। जिस तीव्र दर से डेटा का उत्पादन किया जा रहा है, भविष्य में डेटा संग्रह के प्रयासों को विकसित करने और विकसित होने की आवश्यकता होगी। कंपनियों को अपने प्रतिद्वंद्वियों के साथ बनाए रखने और तेज़ दर पर डेटा एकत्र करने में सक्षम होने के लिए स्वचालित डेटा संग्रह की आवश्यकता होगी। आखिरकार, जिस गति से कंपनियां ताजा डेटा एकत्र कर सकती हैं, वह उनकी प्रासंगिकता और सफलता का निर्धारण करेगा। - रॉन कोल, सीटीओ एट ल्यूमिनाटी नेटवर्क

डेटा वास्तव में एक उद्यम पैमाने पर चालू हो जाएगा: डेटा व्यवसायों की मात्रा तेजी से बढ़ रही है - पहले से कहीं अधिक स्रोत, प्रकार और मात्राएं हैं, साथ ही डेटा की बढ़ती मात्रा निकट-वास्तविक समय में वितरित की जा रही है। लेकिन सही मायने में समझने, उपयोग करने और डेटा पर कार्रवाई करने के लिए, उद्यमों को बदलने की आवश्यकता होगी कि वे इसका उपभोग कैसे करते हैं - बिचौलिए को काटकर शुरू करना। डेटा कैटलॉग और प्रोफाइलिंग प्रक्रियाओं को स्वचालित करने के तरीके खोजने से, कर्मचारी - कम ओ वाले लोगों सहिततकनीकी पृष्ठभूमि - प्रभावी रूप से और कुशलता से अच्छे व्यावसायिक निर्णय लेने के लिए आवश्यक डेटा प्राप्त करने में सक्षम होंगे। - एरिक रब, एसवीपी, इंजीनियरिंग और उत्पाद, सूचना बिल्डर्स

"वैकल्पिक" डेटा को कैप्चर करना और संश्लेषित करना आवश्यक है: हम कितनी जल्दी COVID -19 का पता लगा सकते थे? "वैकल्पिक" डेटा का अध्ययन - इस मामले में, वुहान में अस्पतालों के बाहर यातायात डेटा और उस क्षेत्र में इंटरनेट उपयोगकर्ताओं द्वारा कीवर्ड खोजें - संकेत मिलता है कि वायरस 2019 के अंत में घूम रहा होगा। वैकल्पिक डेटा का उपयोग करने में निवेश समुदाय अग्रणी रहा है सहित, ऑडियो, हवाई तस्वीरें, पानी की गुणवत्ता, और सेंटीमेंट 10। यह डेटा-संचालित नवाचार के लिए सबसे आगे की रेखा है, और यहां बढ़त हासिल करने से भारी लाभ हो सकता है। लेकिन 2020 के मद्देनजर, वैकल्पिक डेटा मुख्यधारा बन जाएगा, विसंगतियों को बहुत पहले से ही लक्ष्य के साथ।

उस से, हम व्युत्पन्न डेटा प्राप्त कर सकते हैं, जो रिकॉर्ड सिस्टम से डेटा के संयोजन, संघों और संश्लेषण से आता है। जैसा कि IDC कहता है: “जैसे-जैसे अधिक डेटा कैप्चर होता है और बाहरी स्रोतों से उपलब्ध होता जाता है, इसका अधिक उपयोग करने की क्षमता एक विभेदक कारक बन जाती है। इसमें आपके अलावा अन्य उद्योगों से सबक लेना शामिल है। ” 11 यह प्रवृत्ति, जिसे गार्टनर "एक्स एनालिटिक्स" कहता है, के समान है, 12 नया नहीं है, लेकिन अंत में आधुनिक डेटा और एनालिटिक्स का एक महत्वपूर्ण आधार बनता जा रहा है, जो सस्ती प्रोसेसिंग और अधिक परिपक्व एआई तकनीकों के लिए धन्यवाद - ज्ञान ग्राफ, डेटा फैब्रिक, प्राकृतिक सहित सभी प्रकार की सामग्री पर भाषा प्रसंस्करण (एनएलपी), व्याख्यात्मक एआई और एनालिटिक्स। यह प्रवृत्ति पूरी तरह से एमएल और एआई पर निर्भर है, क्योंकि मानव आंख यह सब नहीं पकड़ सकती है। - डैन सोमर, वरिष्ठ निदेशक, ग्लोबल मार्केट इंटेलिजेंस लीड एट क्लिक करें

उद्योग में हम अक्सर डेटा साइलो को तोड़ने की बात करते हैं, लेकिन हमें यह स्वीकार करना चाहिए कि कुछ साइलो हमेशा रहेगा। बड़े संगठनों में आपके पास हमेशा स्थानीय विभाग या क्षेत्र होंगे जिनके पास अपने उपकरण या डेटाबेस होंगे, और यह जारी रहेगा। यदि आपके पास डेटा संप्रभुता है, तो आपके संगठन के स्थानीय कार्यालय में एक साइलो होगा। इसीलिए सबसे अच्छा तरीका यह देखना है कि आप अपने पास मौजूद डेटा की बेहतर समझ कैसे रख सकते हैं। एक डेटा खुफिया प्लेटफ़ॉर्म आपके सूचकांक और आपके नक्शे के रूप में काम कर सकता है, जो आपको आपके पास मौजूद साइलो दिखा सकता है और डेटा संपत्तियों के 360-डिग्री दृश्य प्रदान करके कैसे जुड़ा हुआ है। - स्टिजेन "स्टेन" क्रिस्टियेंस, सह-संस्थापक और सीटीओ कोलेबिरा

OpenTelemetry डेटा अधिभार बनाएगा। 2021 में, ओपनटेलमेट्री का उपयोग नए उद्योग का आदर्श बन जाएगा। हां, यह स्रोतों के बीच निरंतरता बनाकर डेटा संग्रह को आसान बना देगा - लेकिन यह कंपनियों के लिए एक डेटा फ़ायरहोज़ भी बनाएगा, जिससे डेटा के छोटे हिस्से को खोजने के लिए और भी कठिन हो जाएगा। डेटा की निरंतर धारा कंपनियों को पछाड़ देगी यदि उनके पास 5% खोजने के लिए एक प्रणाली नहीं है जो वास्तव में कार्रवाई योग्य है। इस वजह से, आईटी टीमें डेटा प्राप्त करने के लिए अपना ध्यान शिफ्ट करने से लेकर ढांचा बनाने तक का काम करेंगी। जैसा कि टीमें ऐसा करती हैं, ऐसे उपकरणों को लागू करना अत्यावश्यक होगा जो कैपुचिनो को बनाने में लगने वाले समय में तुरंत कार्रवाई योग्य डेटा को फिर से शुरू कर सकते हैं। - फिल टी, के सीईओ मोगसॉफ्ट

डिजिटल ट्विन एक प्रक्रिया, उत्पाद या सेवा का एक वर्चुअलाइज्ड मॉडल है। आभासी और भौतिक दुनिया की जोड़ी डेटा विश्लेषण और सिस्टम मॉनिटरिंग को समस्याओं की पहचान करने में मदद करने की अनुमति देती है, इससे पहले कि वे भी हो। यह डाउनटाइम को रोकता है, नए अवसरों को विकसित करता है और यहां तक ​​कि सिमुलेशन का उपयोग करके भविष्य की योजना भी बनाता है। डिजिटल जुड़वाँ की यह पीढ़ी व्यवसायों को न केवल मॉडल बनाने और एक व्यावसायिक संपत्ति की कल्पना करने की अनुमति देती है, बल्कि भविष्यवाणियां करने के लिए, वास्तविक समय में कार्रवाई करने और एआई और एमएल जैसी वर्तमान तकनीकों का उपयोग करने और चतुर तरीकों से डेटा पर कार्य करने की अनुमति देती है। - अनिल कौल, सीईओ सम्पूर्णता

डिजिटल परिवर्तन होगा - अंत में - परिवर्तनकारी बनना शुरू करें। इस बिंदु पर, "डिजिटल परिवर्तन" एक चर्चा बन गया है, जिसे सभी उद्यमों ने पहचानना सीख लिया है, फिर भी इन प्रयासों के विशाल बहुमत (आईडीसी के अनुसार 80%) अभी भी प्रकृति में बहुत अधिक सामरिक हैं। उदाहरण के लिए, रोबोट प्रक्रिया स्वचालन (RPA) को एक परिवर्तनकारी उपकरण माना जा सकता है, लेकिन अपने आप नहीं। 2021 में वास्तविक परिवर्तन देखने के लिए संगठनों के लिए, उन्हें अधिक उन्नत प्लेटफार्मों का लाभ उठाने की आवश्यकता होगी जो कोर स्वचालन और एआई विशेषताओं को जोड़ती हैं - जैसे कि पाठ विश्लेषिकी, दस्तावेज़ समझ और खनन प्रक्रिया। यह भी महत्वपूर्ण है कि इन प्लेटफार्मों में कम-कोड क्षमताएं हैं जो नागरिक डेवलपर्स को एंटरप्राइज़ ग्रेड ऑटोमेशन बनाने और तैनात करने में सक्षम बनाती हैं जो अपने संगठनों को वापस मान देते हैं। इसके बिना, यह कंपनियों के लिए उद्यम-व्यापी डिजिटल परिवर्तन देने के लिए चुनौतीपूर्ण बना रहेगा - जो कि आसानी से स्वचालन को तैनात करने की क्षमता से, यहां तक ​​कि सबसे जटिल प्रक्रियाओं तक पहुंच जाता है। - गाइ किर्कवुड, चीफ इवेंजलिस्ट यूआईपैथ

व्यवसाय ज्ञान

कम-कोड / नो-कोड एमएल का प्रसार। कम-कोड और नो-कोड एमएल सिस्टम की वृद्धि, एआई को कंपनियों के लिए अधिक सुलभ बनाने के लिए डिज़ाइन किया गया है, जो एआई को अपनाने में सुधार करने में मदद करेगा। हालांकि, अंततः कंपनियां एक छत तक पहुंचेंगी और एआई के लिए अधिक उन्नत उपयोग के मामलों की तलाश में एक-आकार-फिट-सभी दृष्टिकोण को आगे बढ़ाएंगी, जो कि गहन विशेषज्ञता है। अंतत: अनुकूलन की आवश्यकता को कम-कोड प्रणालियों के बजाय योग्य डेटा वैज्ञानिकों की आवश्यकता में वृद्धि होगी। हम जल्द ही किसी भी समय डेटा वैज्ञानिकों की आवश्यकता को दूर करने वाले नहीं हैं। - केविन गोल्डस्मिथ, सीटीओ, एनाकोंडा

बिजनेस इंटेलिजेंस प्राकृतिक भाषा, प्राकृतिक खोज, AI / ML, संवर्धित विश्लेषिकी, स्वचालित डेटा तैयारी और स्वचालित डेटा कैटलॉग के एकीकरण के साथ उन्नत डेटा विश्लेषिकी के एक नए प्रतिमान पर जा रहा है। यह उच्च-गुणवत्ता वाले वास्तविक समय की अंतर्दृष्टि के साथ व्यावसायिक निर्णय लेने की प्रक्रियाओं को बदल देगा। - रमेश पानुगांती, बीआई कंपनी माचेई के सीईओ

BI और AI उनके संपर्क को गहरा करेंगे। चाहे वह बीआई डेटा सेट करना एमएल मॉडल के खिलाफ सेट करता है और भविष्यवाणियों की कल्पना करता है, या विज़ुअलाइज़ेशन, अंतर्दृष्टि और सारांश उत्पन्न करने के लिए प्राकृतिक भाषा प्रसंस्करण का लाभ उठाता है, एआई और बीआई अपने तालमेल को बढ़ाएंगे। और जैसा कि पारंपरिक बीआई क्षमताओं को जारी रखने के लिए जारी रहता है, विक्रेताओं को नवाचार युद्धों में एक नए मोर्चे के रूप में बीआई + एआई की आवश्यकता होगी। - एंड्रयू ब्रस्ट, विश्लेषक, गिगाम

Chatbots

एंटरप्राइज़ टू एंटरप्राइज - संवादी एआई गोद लेना स्वाभाविक और अक्सर पहला संपर्क होगा। संवादी एआई सामान्यीकृत है और यहां रहने के लिए। ऑनलाइन मार्केटप्लेस के माध्यम से उपभोक्ताओं को मार्गदर्शन देने वाले इंटरफेस, सर्च कोर्स और वेबसाइटों के माध्यम से प्रशिक्षण पाठ्यक्रमों और उपयोगकर्ताओं के माध्यम से कर्मचारियों ने उन्नत संवादी एआई तकनीक के साथ निवेश करने पर निवेश पर शानदार रिटर्न देखा। - शिवा रमानी, सीईओ आईओपीएक्स

एआई किसी भी समय मानव को विस्थापित नहीं करेगा। जब आप आज उपभोक्ता-सामना के संचालन में AI के उपयोग को देखते हैं, तो इसका उपयोग मुख्य रूप से AI- समर्थित चैटबॉट और ग्राहक वैयक्तिकरण सुविधाओं में किया जाता है। यदि हम देखते हैं कि उपभोक्ताओं ने महामारी के दौरान एआई-समर्थित सुविधाओं का लाभ कैसे उठाया है, तो हम देख सकते हैं कि वे वास्तव में मानव एजेंटों के माध्यम से तेजी से मुद्दों को हल करने के लिए उनका उपयोग कर रहे हैं। एरिका नाम की एक कंज्यूमर फेसिंग AI- पावर्ड चैटबोट जैसी कंपनियों के बैंक ऑफ अमेरिका जैसी कंपनियों ने एरिका का इस्तेमाल करते हुए ग्राहकों की मदद करने वाली बेहतरीन टीमों का पता लगाया। एरिका से सीधे किसी भी मुद्दे को ठीक करने के लिए सवाल पूछने के बजाय, ग्राहकों ने एरिका से बस इतना पूछा कि उपयुक्त मानव एजेंट के साथ तेजी से अपनी समस्या को हल करने के लिए ग्राहक सेवा टीम तक पहुंचने के बारे में उन्हें कैसे जाना चाहिए। - जेम्स आइजैक, अध्यक्ष और सीईओ सियारा

आज, हम पहले से कहीं अधिक बॉट के साथ बातचीत करते हैं, चाहे वह हमारे डिवाइस पर ग्राहक सेवा चैटबॉट हो या एअर इंडिया, जैसे सिरी और एलेक्सा। इन बॉट्स का उपयोग वास्तविक समय में निर्णय लेने के लिए किया जाता है ताकि पहले मानव द्वारा की जाने वाली प्रक्रियाओं को स्वचालित किया जा सके। उदाहरण के लिए, बॉट्स ने अमेज़ॅन जैसी कंपनियों के लिए खुदरा रिटर्न प्रक्रियाओं को स्वचालित किया है। हालांकि, उद्यमों के लिए स्वचालित बॉट की पहचान का प्रबंधन करना अधिक जटिल हो जाता है, खासकर जब वे मशीन गति से अन्य बॉट्स के साथ बातचीत कर रहे होते हैं। बॉट की पहचान को कर्मचारी और ग्राहक पहचान के समान उद्यम द्वारा प्रबंधित और संरक्षित किया जाना चाहिए, ताकि डेटा से समझौता न हो। यह सीआईओ और सुरक्षा नेताओं के लिए ध्यान में रखना महत्वपूर्ण है, क्योंकि स्वचालन उद्देश्यों के लिए बॉट का उपयोग करने पर नए हमले वैक्टर खुल जाएंगे यदि उन बॉट्स एपीआई को हैक कर लिया जाता है। - जेसेन मिसे, के सीईओ मेघमयता

एनएलपी (प्राकृतिक भाषा प्रसंस्करण) डेटा विश्लेषण पर बातचीत को बदलता है: जिस तरह हम अपने रोजमर्रा के जीवन में Google होम और एलेक्सा का उपयोग कर रहे हैं, एनएलपी के माध्यम से संवादी विश्लेषण उनके व्यावसायिक संचालन से मूल्यवान बड़ी डेटा अंतर्दृष्टि निकालने में उद्यमों के लिए सुनहरा टिकट होगा। इसमें अनअर्थिंग ट्रेंड्स शामिल हैं, जो शायद किसी ओर का ध्यान नहीं गया और एंटरप्राइज़ के विशेषज्ञों को डेटा के साथ सार्थक तरीके से जुड़ने की अनुमति देता है। - सैम महालिंगम, सीटीओ, अल्टेयर

संवादी एआई, पहले और सबसे महत्वपूर्ण, को मनाने के लिए एक सर्वव्यापी मैसेजिंग चैनल की आवश्यकता है। व्हाट्सएप, जीआईपी और अन्य जैसे आईपी-आधारित चैनलों पर बिजनेस मैसेजिंग का उदय संवादी एआई के उपयोग में पुनरुत्थान को बढ़ा रहा है। बैंकिंग, ई-कॉमर्स, रिटेल, ट्रैवल आदि उद्योगों में कंपनियां अब मार्केटिंग, सेल्स और सपोर्ट सहित लगभग हर ग्राहक के दृष्टिकोण के लिए संवादी AI सक्षम कर रही हैं। प्राकृतिक भाषा प्रसंस्करण (एनएलपी) में हाल के अग्रिमों द्वारा संचालित, संवादी एआई को बदलने के लिए तैयार किया गया है कि उपभोक्ता व्यवसायों के साथ कैसे बातचीत करते हैं। - बीरूद शेठ, सीईओ गुप्शप

बादल

मुझे लगता है कि हम मल्टी और हाइब्रिड क्लाउड अपनाने के लिए अधिक विचारशील, संतुलित दृष्टिकोण देखना शुरू करेंगे, विशेष रूप से हाइब्रिड क्लाउड के लिए। हम सार्वजनिक बनाम निजी क्लाउड वार्तालापों से अतीत हो रहे हैं, और व्यवसाय वास्तविकता को स्वीकार कर रहे हैं कि क्लाउड "या तो" या निर्णय नहीं है। ऐतिहासिक रूप से, हमने "सार्वजनिक क्लाउड" को अत्याधुनिक नवाचारों से जुड़ा हुआ देखा है और "निजी क्लाउड" को धीमी, विरासत वाले व्यवसायों से जोड़ा जा रहा है जो परिवर्तन के प्रतिरोधी हैं। यह भावना बदल रही है, क्योंकि व्यवसायों को एक हाइब्रिड क्लाउड आर्किटेक्चर से प्राप्त मूल्य को बेहतर ढंग से समझना शुरू हो रहा है जो उन्हें मंच पर चुस्त, आधुनिक अनुप्रयोगों को तैनात करने में सक्षम बनाता है जो उनकी विशिष्ट लागत, प्रदर्शन, सुरक्षा, अनुपालन और शासन की जरूरतों को संतुलित करता है।

इसके साथ हाइब्रिड इनेबल्ड टेक्नोलॉजी जैसे कंटेनर और हाइब्रिड इंटीग्रेशन प्लेटफॉर्म में बढ़ोतरी आती है। एक और विचार टिथर्ड कंप्यूट है, जो आपके स्वयं के डेटा केंद्र में चलने वाला हाइपरस्केल क्लाउड प्रदाता समाधान है। उदाहरण AWS आउटपोस्ट, Google एंथोस और Microsoft Azure स्टैक हैं। हालाँकि ये आज तक बहुत धीमी गति से चल रहे हैं, हम यहां विकास की शुरुआत देखना शुरू कर सकते हैं क्योंकि ग्राहक निजी / सार्वजनिक क्लाउड का मूल्य देखते हैं, जो हाइपरस्केल क्लाउड सेवा की खपत के साथ मिलकर बनता है। - किम किंग, उत्पाद विपणन निदेशक - स्नो सॉफ्टवेयर में क्लाउड प्रबंधन

COVID-19 क्लाउड खर्च में तेजी लाता है: COVID-19 महामारी के कारण दूरस्थ कार्य की वृद्धि के साथ, कंपनियां क्लाउड-आधारित तकनीकों पर आईटी बजट का एक बड़ा हिस्सा निवेश कर रही हैंकागज आधारित प्रक्रियाओं से दूर जा रहे हैं। 59 में उद्यमों का औसत बादल खर्च 2018 से 73.8% से $ 2020M तक है। यह प्रवृत्ति 2021 तक जारी रहेगी क्योंकि कंपनियों को दूरस्थ रूप से काम करने के लिए रणनीतियों को अपनाने के लिए मजबूर किया जाता है और संचालन के उन तरीकों को बनाए रखने के लाभों को पहचानना चाहिए, जब तक कि वे कर्मचारियों को संक्रमण करना शुरू नहीं करते हैं। वापस भौतिक स्थानों पर। एक प्रमुख उदाहरण अनुबंध करना होगा जहां COVID ने अनुबंध अनुरोध, अनुमोदन, निष्पादन और पोस्ट-पुरस्कार प्रबंधन प्रणालियों के डिजिटल परिवर्तन को हटा दिया और अनुबंध जीवन चक्र प्रबंधन में और भी अधिक प्रगति के लिए आधार तैयार किया। - हर्षद ओक, महाप्रबंधक, ग्राहक दत्तक ग्रहण और मूल्य, पर प्रतीक

एक बार क्लाउड के रास्ते पर "लेओओवर" पर विचार करने के बाद, हाइब्रिड अब गंतव्य है: एक हाइब्रिड क्लाउड दृष्टिकोण का उपयोग क्लाउड-प्रथम कार्यान्वयन के लिए कदम पत्थर माना जाता है। अब, ग्राहक देख रहे हैं कि एक हाइब्रिड दृष्टिकोण उनके व्यापार की जरूरतों और आर्थिक रूप से दोनों के लिए रणनीतिक रूप से सबसे अधिक समझ में आता है। IDC के अनुसार, 70% ग्राहकों के ऐप्स और डेटा सार्वजनिक क्लाउड के बाहर रहते हैं। इस बात को ध्यान में रखते हुए, 2021 में, हम और भी अधिक ग्राहकों को हाइब्रिड दृष्टिकोण अपनाते हुए देखेंगे। डेटा विलंबता, एप्लिकेशन उलझाव और सुरक्षा और अनुपालन कारणों के कारण हम उद्योगों में अधिक से अधिक संगठनों को अपने डेटा को परिसर में रखना चाहते हैं। इसके साथ ही, आंशिक रूप से महामारी अर्थशास्त्र, डेटा निकास शुल्क और सार्वजनिक क्लाउड प्रदाताओं के साथ विक्रेता लॉक-इन के कारण, वास्तविकता CIOs है और IT orgs परिणाम के रूप में हाइब्रिड को गले लगा रहे हैं और अंत का साधन नहीं हैं। - कीथ व्हाइट, महाप्रबंधक, ग्रीनलेक क्लाउड सर्विसेज

क्लाउड की चपलता शानदार है, लेकिन यह आसानी से भगोड़ा खर्च हो सकता है। इसी तरह, बड़े डेटा क्लस्टर्स को साझा करने से अक्सर संसाधनों की बर्बादी होती है। इन दोनों के परिणामस्वरूप SLA छूटी। यदि वे पुरानी ओवरस्पेंड को खत्म करना चाहते हैं, तो कंपनियों को अपने क्लाउड खर्च की निगरानी और प्रबंधन के लिए एक विधि की आवश्यकता होती है। ऐसा करने का सबसे प्रभावी तरीका अवलोकन और ऑटो-ट्यूनिंग है। - आशी मुंशी, सीईओ, पीपरदत्ता

डेटाबेस / डेटा वेयरहाउस / डेटा लेक

कंपनियां अपने डेटा को स्टोर करने के लिए जिन समाधानों का उपयोग करती हैं, वे अगले वर्ष तेजी से विकसित होते हैं। हम ओपन सोर्स रिलेशनल डेटाबेस सॉल्यूशंस, नॉन-रिलेशनल डेटाबेस सॉल्यूशंस, पासा-आधारित डेटाबेस सॉल्यूशंस और इसके संयोजन में बढ़े हुए माइग्रेशन को देख रहे हैं। इन पहलों का प्राथमिक ध्यान परिचालन लागत को कम करने के शीर्षक के तहत समूहीकरण किया जा सकता है, चाहे वे ओरेकल और माइक्रोसॉफ्ट जैसे विक्रेताओं से भारी समर्थन अनुबंध को कम करने के लिए किए जा रहे हों (खुले स्रोत और गैर-संबंधपरक डेटाबेस माइग्रेशन इस श्रेणी में आते हैं) हेडकाउंट खर्च को कम करना (PaaS सेवाओं में पलायन इस श्रेणी में आता है), या अधिक उद्देश्य से निर्मित डेटाबेस समाधान में माइग्रेट करके प्रदर्शन क्षमता प्राप्त करना।

डेटा का माइग्रेशन अभी और बड़े पैमाने पर हो रहा है, इसलिए ऐसे कई विचार हैं जिन्हें इन नए डेटाबेस समाधानों में परिवर्तित करते समय किए जाने की आवश्यकता है, जिसमें भविष्य की राज्य समाधान की क्षमताओं बनाम वर्तमान स्थिति, लाइसेंस और समर्थन अनुबंध का प्रभाव शामिल है। , और यह सुनिश्चित करने के लिए एक तरीका है कि सही समाधान तैनात किए जाएं। हालांकि, पीएएएस समाधान कुछ महान लाभ प्रदान करते हैं, डीबीए को अभी भी उन प्रणालियों की निगरानी और प्रबंधन करने की आवश्यकता होती है और प्रदर्शन, उपलब्धता और सुरक्षा में दक्षता हासिल करने के लिए एप्लिकेशन टीमों के साथ काम करते हैं। - मार्क कारुसो, मुख्य वास्तुकार, वाक्य - विन्यास

360. यह जंगली में डेटाबेस सिस्टम की संख्या है। और जबकि चुनाव अच्छा है और नौकरी के लिए सही उपकरण ढूंढना स्मार्ट है, यह प्रमुख जटिलता भी जोड़ता है। जैसा कि कंपनियां क्लाउड में आधुनिकीकरण करने के लिए आगे बढ़ती हैं, वे सरलीकरण की तलाश करेंगे, जिससे डेटाबेस बाजार में बड़े पैमाने पर समेकन होगा। डेटाबेस विक्रेताओं जो बहुआयामी क्षमताओं की पेशकश करते हैं, आला डेटाबेसों की एक भीड़ के बजाय जीतेंगे, जिन्हें एक साथ सिलाई करने और डेटा तक पहुंचने के विभिन्न तरीकों की आवश्यकता होती है। - फ्रांज अमन, रिलेशनल डेटाबेस कंपनी मारियाडीबी के सीएमओ

कंपनियां अपने डेटा को स्टोर करने के लिए जिन समाधानों का उपयोग करती हैं, वे अगले वर्ष तेजी से विकसित होते हैं। हम ओपन सोर्स रिलेशनल डेटाबेस सॉल्यूशंस, नॉन-रिलेशनल डेटाबेस सॉल्यूशंस, पासा-आधारित डेटाबेस सॉल्यूशंस और इसके संयोजन में बढ़े हुए माइग्रेशन को देख रहे हैं। इन पहलों का प्राथमिक ध्यान परिचालन लागत को कम करने के शीर्षक के तहत समूहीकरण किया जा सकता है, चाहे वे ओरेकल और माइक्रोसॉफ्ट जैसे विक्रेताओं से भारी समर्थन अनुबंध को कम करने के लिए किए जा रहे हों (खुले स्रोत और गैर-संबंधपरक डेटाबेस माइग्रेशन इस श्रेणी में आते हैं) हेडकाउंट खर्च को कम करना (PaaS सेवाओं में पलायन इस श्रेणी में आता है), या अधिक उद्देश्य से निर्मित डेटाबेस समाधान में माइग्रेट करके प्रदर्शन क्षमता प्राप्त करना।

डेटा का माइग्रेशन अभी और बड़े पैमाने पर हो रहा है, इसलिए ऐसे कई विचार हैं जिन्हें इन नए डेटाबेस समाधानों में परिवर्तित करते समय किए जाने की आवश्यकता है, जिसमें भविष्य की राज्य समाधान की क्षमताओं बनाम वर्तमान स्थिति, लाइसेंस और समर्थन अनुबंध का प्रभाव शामिल है। , और यह सुनिश्चित करने के लिए एक तरीका है कि सही समाधान तैनात किए जाएं। हालांकि, पीएएएस समाधान कुछ महान लाभ प्रदान करते हैं, डीबीए को अभी भी उन प्रणालियों की निगरानी और प्रबंधन करने की आवश्यकता होती है और प्रदर्शन, उपलब्धता और सुरक्षा में दक्षता हासिल करने के लिए एप्लिकेशन टीमों के साथ काम करते हैं। - मार्क कारुसो, मुख्य वास्तुकार, वाक्य - विन्यास

डेटाबेस बाजार 1 तक $ 2025 ट्रिलियन तक बढ़ जाएगा। पिछले दो दशकों से, आईबीएम, ओरेकल और एसएपी हाना के साथ डेटाबेस बाजार में एक लोहे की पकड़ है। अब हम गार्ड को बदलते हुए देख रहे हैं, जो ग्राहकों को यह निर्णय लेने का विकल्प देता है कि उनके व्यवसाय के लिए सबसे अच्छा क्या है। फॉरेस्टर ने यह भी बताया कि 35 में सार्वजनिक क्लाउड इन्फ्रास्ट्रक्चर मार्केट में 120 बिलियन में 2021% की वृद्धि होगी। मेरा अनुमान है कि डेटाबेस मार्केट कैप 1 तक बढ़कर 2025 ट्रिलियन डॉलर हो जाएगा और अगले दशक में सात से 10 से अधिक मजबूत डेटाबेस कंपनियां बढ़ेगी। । - राज वर्मा, सीईओ सिंगलस्टोर

डेटा लेक डेटा वेयरहाउस क्या कर सकता है और बहुत कुछ: जबकि गणना और डेटा का पृथक्करण डेटा वेयरहाउस पर डेटा झीलों के लिए लाभ प्रदान करता है, डेटा वेयरहाउस को ऐतिहासिक रूप से डेटा झीलों पर अन्य फायदे होते हैं। लेकिन यह अब डेटा टियर में नवीनतम ओपन सोर्स इनोवेशन के साथ बदल रहा है। उदाहरण के लिए, अपाचे आइसबर्ग एक नई तालिका स्वरूप है जो डेटा झील में महत्वपूर्ण डेटा वेयरहाउस कार्यक्षमता प्रदान करता है जैसे कि ट्रांज़ैक्शनल सुसंगतता, रोलबैक और समय यात्रा नई क्षमताओं को पेश करते हुए जो एक से अधिक एप्लिकेशन को एक समान डेटा पर एक साथ काम करने में सक्षम बनाते हैं। एक और नया ओपन सोर्स प्रोजेक्ट, प्रोजेक्ट नेस्सीडाटा झीलों के लिए गिट-जैसा शब्दार्थ प्रदान करके आइसबर्ग की क्षमताओं के साथ-साथ डेल्टा झील का निर्माण करता है। Nessie शिथिल-युग्मित लेन-देन को एक वास्तविकता बनाता है, जो स्पार्क, Dremio, Kafka और Hive सहित कई उपयोगकर्ताओं और इंजनों से एकल लेनदेन को संचालित करने में सक्षम बनाता है। - तोमर शिरान, सह-संस्थापक ड्रेमियो

2021 में तीन प्रमुख प्रवृत्तियां सामने आएंगी, मेटा-डेटा लेयर की वापसी, एआई और स्वचालित एनालिटिक्स और नए सरलीकृत क्वेरी इंटरफेस जो विशेष रूप से व्यापार उपयोगकर्ताओं के लिए डिज़ाइन किए गए हैं। विश्लेषणात्मक समाधानों के प्रमुख मूलभूत घटकों के रूप में मेटा डेटा लेयर्स की वापसी, बेहतर प्रशासन और डेटा परिसंपत्तियों की व्यापकता का समर्थन करने के लिए आवश्यक है। स्मार्ट मेटा-डेटा लेयर्स के साथ नए सरलीकृत उपयोगकर्ता इंटरफेस व्यापार उपयोगकर्ताओं को अधिक निर्देशित दृष्टिकोण में डेटा के साथ बातचीत करने की अनुमति देगा, जिससे उन्हें न्यूनतम विश्लेषणात्मक कौशल के साथ अंतर्दृष्टि को कम करने की अनुमति मिलेगी। AI और स्वचालित एनालिटिक्स एंटरप्राइज़ डोमेन से सॉफ़्टवेयर विक्रेताओं की ओर स्थानांतरित हो जाएंगे जो इन क्षमताओं को एम्बेड करेंगे और अपने ग्राहक आधार के माध्यम से बड़े पैमाने पर गोद लेने में सक्षम होंगे। - ग्लेन रबी, सीईओ एट येल्लोफिन

डाटा इंजीनियरिंग

कंपनियां डेटा इंजीनियर और डेटा पाइपलाइनों में पुनर्निवेश करेंगी। 2020 का एक प्रभाव यह था कि बहुत सी कंपनियां अस्तित्व-पहले दृष्टिकोण में बदल गईं, जिसके परिणामस्वरूप उनके डेटा एकीकरण के लिए "हड़पने और जाने" की मानसिकता पैदा हुई। जैसे-जैसे व्यवसायों की निचली रेखाएँ स्थिर हो रही हैं और हम वृहद आर्थिक स्तर पर अधिक पूर्वानुमान देख रहे हैं, हमारी भविष्यवाणी यह ​​है कि 2021 डेटा इंजीनियर का वर्ष है, और यह कि कंपनियां डेटा के लिए "बिल्ट टू लास्ट" दृष्टिकोण पर वापस आने वाली हैं। पाइपलाइन। घर पर आपके पाइप में पानी के लिए "अंतिम बार बनाया गया" का अर्थ है कि पानी हमेशा साफ और सही तापमान पर हो। डेटा के लिए "बिल्ट टू लास्ट" का मतलब है कि आप अपने डेटा एनालिटिक्स में समयबद्धता और विश्वास सुनिश्चित करने के लिए स्मार्ट डेटा पाइपलाइन का निर्माण करते हैं। - स्ट्रीमसेट्स सीईओ गिरीश पंचा

कंपनियों को DevOps में और अधिक प्रयास करने की आवश्यकता का एहसास होगा: “अभी भी बहुत काम है जिसे DevOps पाइपलाइनों के साथ करने की आवश्यकता है, जिसमें डिलीवरी प्रक्रिया को सुरक्षित और परीक्षण करना शामिल है। सॉफ़्टवेयर डेवलपर समुदाय जानता है कि उसे कहाँ जाना है, लेकिन काम और रास्ते में बाधाएँ हमेशा अपेक्षा से बड़ी होती हैं। इस वजह से, मुझे संदेह है कि हम टूलिंग या CI / CD पैटर्न के संदर्भ में 2021 में बड़े बदलाव देखेंगे। इसके बजाय, हम अधिक लोगों को यह महसूस करेंगे कि उन्हें अपने DevOps पाइपलाइन, प्रक्रियाओं और सत्यापन में अधिक प्रयास करने की आवश्यकता है। वे अपने सीआई / सीडी स्वचालन में तेजी लाने और सुधार करने के लिए डबल-डाउन करेंगे। केवल जब ये प्रक्रियाएँ परिपक्व होती हैं, तो संगठनों को उनकी डिलीवरी प्रथाओं और टूलींग में विश्वास हो सकता है। - फ्रेड साइमन, सह-संस्थापक और मुख्य डेटा वैज्ञानिक, जेफ्रॉग

डेटा प्रशासन

IT, 2021 में कार्यबल साइबर सुरक्षा की सुरक्षा के लिए इंटेलिजेंस के साथ एक्सेस गवर्नेंस को प्रभावित करेगा। एंटरप्राइज़ टेक्नॉलॉजी, साइबरहार्ट्स और उपयोगकर्ता परिदृश्य में तेजी से बदलाव से पारंपरिक पहचान शासन और प्रशासन (IGA) समाधानों पर दबाव बढ़ रहा है और बदले में, सुरक्षा और अनुपालन टीमों पर। बढ़ते अनुपालन जोखिमों के कारण, एंटरप्राइज़ आईटी वातावरण हर साल अधिक जटिल हो जाता है, जिससे अनुप्रयोगों और प्रणालियों की संख्या बढ़ जाती है, जिससे कंपनियां उपयोगकर्ता तक पहुंच प्रदान करती हैं। ये चुनौतियां एआई-संचालित समाधानों की तलाश करने के लिए संगठनों को चला रही हैं जो एक्सेस अनुरोध, पहुंच अनुमोदन, प्रमाणन और भूमिका मॉडलिंग प्रक्रियाओं को सरल और स्वचालित बनाती हैं। 2021 में, हम स्वायत्त पहचान दृष्टिकोण को सक्षम करने के लिए एआई को तेजी से नियोजित देखेंगे।

AI- इंफ़्यूज़्ड ऑथेंटिकेशन और ऑथराइज़ेशन सॉल्यूशंस को शीर्ष पर लेटाया जाएगा, या मौजूदा IGA सॉल्यूशंस के साथ इंटीग्रेट किया जाएगा, जो सभी पहचान डेटा का संग्रह और विश्लेषण करके प्रासंगिक, एंटरप्राइज़-वाइड विजिबिलिटी प्रदान करेगा और स्केल पर यूज़र एक्सेस के विभिन्न जोखिम स्तरों में अंतर्दृष्टि को सक्षम करेगा। एआई का उपयोग सिस्टम को उच्च-जोखिम या नीति उल्लंघन के बारे में सुरक्षा और अनुपालन टीमों की पहचान करने और सतर्क करने की अनुमति देगा। समय के साथ हम देखेंगे कि ये AI सिस्टम उद्यम के अंदर कुछ सबसे कठिन साइबर सुरक्षा चुनौतियों के स्वचालन को बढ़ाते हुए समझा जा सकता है। - ईव मालेर, सीटीओ एट फोर्जरॉक

हमने 2020 में एआई गवर्नेंस फ्रेमवर्क के वैश्विक कार्यान्वयन को देखा है, जहां उद्यम एआई अनुप्रयोगों के परिणाम के बारे में विवरण मांग रहे हैं। एआई अनुप्रयोगों की एक उपयुक्त स्तर की व्याख्या सुनिश्चित करना अच्छी गुणवत्ता वाले डेटा का उपयोग करने के साथ-साथ महत्वपूर्ण है, ऑडिटबिलिटी सुनिश्चित करना, नैतिक, निष्पक्ष और पारदर्शी होना, डेटा सुरक्षा आवश्यकताओं का अनुपालन करना और प्रभावी साइबर सुरक्षा उपायों को लागू करना। एआई गवर्नेंस फ्रेमवर्क के कार्यान्वयन को वर्तमान में वित्तीय और बैंकिंग में अधिक देखा जाता है, लेकिन 2021 में हम देखेंगे कि यह अधिक व्यापक हो जाएगा।

अन्य वर्टिकल जैसे स्वास्थ्य सेवा, ई-कॉमर्स और गतिशीलता सेवाएं इसे प्रतिस्पर्धी विभेदक के रूप में उपयोग करना शुरू कर देंगी। उदाहरण के लिए, स्वास्थ्य सेवा प्रदाता इस बात से अधिक पारदर्शी होने लगे हैं कि डेटा का उपयोग कैसे किया जाता है, और वे उस डेटा की सुरक्षा में नैतिक और निष्पक्ष कैसे होते हैं। यदि व्यवसाय वक्र से आगे रहना चाहते हैं, तो उन्हें खुद को इस वैश्विक आंदोलन में एक नेता के रूप में स्थान देने के लिए नैतिक एआई ढांचे को विकसित करना शुरू करना चाहिए। - मोहन महादेवन, वीपी ऑफ रिसर्च, ओनफिडो

ऐ विल गेन मोमेंटम इन क्लाउड सिक्योरिटी एंड गवर्नेंस। 2021 में, एआई केवल विसंगतियों का पता लगाने से आगे बढ़ेगा और इस तरह सुरक्षा टीमों को संभावित खतरों को चिह्नित करेगा। क्लाउड गवर्नेंस एक तेजी से जटिल कार्य है और जल्दी से एक ऐसे बिंदु पर पहुंच रहा है जहां मनुष्यों के लिए अकेले प्रबंधन करना असंभव है। एआई को आने वाले वर्ष में वर्कफ़्लोज़ को व्यवस्थित करने, परिवर्तनों को प्रबंधित करने और संग्रह करने से क्लाउड स्वच्छता बनाए रखने पर निर्भर किया जाएगा। एक बार उचित क्लाउड स्वच्छता एआई के साथ स्थापित और बनाए रखा जाता है, यह एक रणनीतिक भविष्य कहनेवाला ज्ञान उपकरण के रूप में भी इस्तेमाल किया जाएगा। खतरों और कमजोरियों की भविष्यवाणी और संबोधित करके, AI उद्यमों को उनके क्लाउड वातावरण के लिए सर्वोत्तम संभव परिणाम बनाने में मदद करेगा। एआई को एक रणनीतिक संपत्ति के रूप में उत्तोलन करने से सीआईओ को अपने क्लाउड वातावरणों के बारे में सूचित निर्णय लेने, जैसे कि लागत और अनुपालन जोखिमों का मूल्यांकन करने का अधिकार होगा। - कीथ नीलसन, के लिए तकनीकी इंजीलवादी क्लाउडस्फीयर

जैसा कि हम 2021 को देखते हैं, हम देखेंगे कि नैतिक AI और डेटा गवर्नेंस की बातचीत कई अलग-अलग क्षेत्रों में लागू होगी, जैसे संपर्क अनुरेखण (COVID-19 से लड़ना), कनेक्टेड वाहन और स्मार्ट डिवाइस (जो डेटा का मालिक है?), और व्यक्तिगत साइबर प्रोफाइल (गोपनीयता के सवालों के लिए साइबर फुटप्रिंट में वृद्धि)। - सिंडी मायके, वीपी ऑफ़ इंडस्ट्री सॉल्यूशंस, क्लूडेरा

एक बहु-पर्यावरण वास्तविकता के लिए डेटा शासन। लंबे समय से वे समय हैं जहां संगठनों ने अपने सभी डेटा को केवल एक क्लाउड प्रदाता के आधार पर या यहां तक ​​कि अपने स्वयं के डेटा पर रखा है। अब संगठनों के पास डेटा का आधार है और उनकी विशिष्ट आवश्यकताओं के आधार पर कई क्लाउड प्रदाताओं के साथ भागीदारी की जाती है। इस वास्तविकता ने एक "पुनर्विचार" बनाया है कि कैसे डेटा गवर्नेंस से संपर्क करने की आवश्यकता है। संगठनों को यह निर्धारित करना चाहिए कि उनके वर्तमान डेटा शासन को कैसे प्रभावित किया जाएगा और उन्हें समायोजित करने की आवश्यकता है, क्लाउड में डेटा की गुणवत्ता की निगरानी कैसे करें, और क्लाउड से (और उस के साथ आने वाले बड़े पैमाने पर व्यय) में डेटा आंदोलन का प्रबंधन कैसे करें। - टॉड राइट, एसएएस में डेटा प्रबंधन और डेटा गोपनीयता समाधान के प्रमुख

ऐ विल गेन मोमेंटम इन क्लाउड सिक्योरिटी एंड गवर्नेंस। 2021 में, एआई केवल विसंगतियों का पता लगाने से आगे बढ़ेगा और इस तरह सुरक्षा टीमों को संभावित खतरों को चिह्नित करेगा। क्लाउड गवर्नेंस एक तेजी से जटिल कार्य है और जल्दी से एक ऐसे बिंदु पर पहुंच रहा है जहां मनुष्यों के लिए अकेले प्रबंधन करना असंभव है। एआई को आने वाले वर्ष में वर्कफ़्लोज़ को व्यवस्थित करने, परिवर्तनों को प्रबंधित करने और संग्रह करने से क्लाउड स्वच्छता बनाए रखने पर निर्भर किया जाएगा। एक बार उचित क्लाउड स्वच्छता एआई के साथ स्थापित और बनाए रखा जाता है, यह एक रणनीतिक भविष्य कहनेवाला ज्ञान उपकरण के रूप में भी इस्तेमाल किया जाएगा। खतरों और कमजोरियों की भविष्यवाणी और संबोधित करके, AI उद्यमों को उनके क्लाउड वातावरण के लिए सर्वोत्तम संभव परिणाम बनाने में मदद करेगा। एआई को एक रणनीतिक संपत्ति के रूप में उत्तोलन करने से सीआईओ को अपने क्लाउड वातावरणों के बारे में सूचित निर्णय लेने, जैसे कि लागत और अनुपालन जोखिमों का मूल्यांकन करने का अधिकार होगा। - कीथ नीलसन, के लिए तकनीकी इंजीलवादी क्लाउडस्फीयर

डाटा विज्ञान

2020 कुछ कंपनियों के लिए क्रूर था, दूसरों के लिए पुरस्कृत, और सभी के लिए चुनौतीपूर्ण। जैसे ही हम 2021 में प्रवेश करते हैं, लैगार्ड्स के पास खुद को डिजिटल रूप से सुदृढ़ करने के लिए एक अस्तित्वगत अनिवार्यता होती है, जिससे प्रमुख कंपनियाँ मांगों के साथ तालमेल रखने के लिए संघर्ष करती हैं। इन सभी उद्यमों को अनुमानित लागत, विश्वसनीय प्रदर्शन और वास्तविक समय की दृश्यता के साथ 100% डेटा एकीकरण को भुनाने की आवश्यकता है। - बोनी होलूब, प्रैक्टिस लीड, डेटा साइंस, अमेरिका में Teradata

डेटा डेमोक्रेटाइजेशन नया मानदंड बन जाएगा। यह सीडीओ का काम है कि पूरे कारोबार में विकास का विस्तार सुनिश्चित करे। यह संरचित डेटा प्रदान करके प्राप्त किया जा सकता है जो लोग वास्तव में उपयोग कर सकते हैं। एक सफल सीडीओ को डेटा का लोकतांत्रिकरण करना चाहिए ताकि यह लोगों द्वारा सुलभ और समझ में आए। एक अच्छा सीटीओ आवश्यक डेटा खोजने के लिए आवश्यक टूलिंग बनाकर सीडीओ को पूरक करेगा। इसका मतलब है कि उपयोगकर्ताओं को विज़ुअलाइज़ेशन टूल और रिपोर्टिंग टूल का एक सेट दिया गया है जो डेटा के बाद अंतर्दृष्टि प्राप्त करने के लिए उन्हें अनुमति देता है। जैसा कि हम 2021 में आगे बढ़ते हैं, हम आवश्यकता से प्रेरित, इन दो भूमिकाओं के बीच आगे और तंग सहयोग देखना जारी रखेंगे। यदि आपके पास खराब डेटा वाले उपकरण हैं, तो आप डेटा चुनौती को बढ़ा रहे हैं। यदि आपके पास सीमित उपकरण हैं, तो केवल एक छोटा सा सबसेट डेटा के साथ कुछ भी कर सकता है। - डेरेक नॉडसन, मुख्य प्रौद्योगिकी अधिकारी Alteryx

नागरिक विश्लेषक डेटा वैज्ञानिक बनने के लिए कौशल बढ़ाएंगे। अधिकांश उद्योगों और कंपनियों की बढ़ती जटिलता का मतलब यह भी है कि एक बार जब हम आईटी प्रक्रियाओं को विकसित करने या एनालिटिक्स का उपयोग करने के मामले में आत्मनिर्भरता देखते हैं, तो उस कौशल-सेट का और अधिक विस्तार करने के लिए जल्दी से एक बड़ा धक्का होगा। बाजार में महीने-दर-महीने बदलते हुए डेटा विज्ञान पर पहले से कहीं अधिक जोर दिया जाएगा। यह बदले में, अधिक नागरिक विश्लेषकों को डेटा वैज्ञानिक बनने के लिए अप-कौशल के लिए प्रेरित करेगा। - शर्मिला मुलिगन, मुख्य रणनीति और विपणन अधिकारी Alteryx

अजगर डेटा विज़ुअलाइज़ेशन लाइब्रेरी सिंक करेगा। हम अंत में पायथन डेटा विज़ुअलाइज़ेशन पुस्तकालयों को एक साथ देखना शुरू कर रहे हैं, और यह काम 2021 में जारी रहेगा। पायथन में कुछ वर्षों के लिए वास्तव में महान विज़ुअलाइज़ेशन लाइब्रेरी हैं, लेकिन बहुत सी विविधता और भ्रम हैं जो उपयोगकर्ताओं के लिए मुश्किल हैं। उपयुक्त उपकरण चुनें। कई अलग-अलग संगठनों के विकासकर्ता एनाकोंडा-विकसित क्षमताओं को एकीकृत करने के लिए काम कर रहे हैं, जैसे डेटाशेड के सर्वर-साइड बड़े डेटा रेंडरिंग और होलो व्यूज की लिंकिंग ब्रशिंग पुस्तकालयों की एक विस्तृत विविधता में, एक व्यापक उपयोगकर्ता आधार के लिए अधिक शक्ति उपलब्ध कराने और प्रयासों के दोहराव को कम करने के लिए। आगे का काम 2021 और उसके बाद के इस तुल्यकालन में सहायता करेगा। - जेम्स ए। बेदनार, सीनियर मैनेजर, तकनीकी परामर्श, एनाकोंडा

डेटा वैज्ञानिकों के लिए व्यावसायिक कौशल पहले से कहीं अधिक महत्वपूर्ण हो जाएंगे। डेटा वैज्ञानिकों को व्यवसाय के प्रभाव के लिए कार्रवाई अंतर्दृष्टि में डेटा अंतर्दृष्टि और भविष्य कहनेवाला मॉडलिंग का अनुवाद करने के लिए व्यवसाय की भाषा बोलने की आवश्यकता होगी। प्रौद्योगिकी मालिकों को भी प्रौद्योगिकी तक पहुंच को सरल बनाना होगा, ताकि तकनीकी और व्यावसायिक मालिक एक साथ काम कर सकें। डेटा वैज्ञानिकों के लिए जोर सिर्फ इस बात पर नहीं होगा कि वे कितनी जल्दी चीजों का निर्माण कर सकते हैं, बल्कि वे बाकी व्यापार के साथ कितना अच्छा सहयोग कर सकते हैं। - फ्लोरियन डौटेऊ, सीईओ और सह-संस्थापक दाताकु

स्व-सेवा आत्मनिर्भरता के लिए विकसित हुई है: एक आभासी दुनिया में, स्व-सेवा को विकसित करने की आवश्यकता है। जब कोई निर्देश पुस्तिका नहीं होती है और उपयोगकर्ता के हाथ को पकड़ने के लिए कोई नहीं होता है, तो एक तेज़, सहज ज्ञान युक्त रैंप-अप अपनाने के लिए एक स्वच्छता कारक बन जाता है, और उपयोगकर्ता इंटरफेस को मजबूर करना अब एक अच्छा नहीं होगा। लेकिन हमने यह भी देखा है कि उपयोगकर्ता अक्सर आत्म-सेवा नहीं करना चाहते हैं; वे तेजी से अंतर्दृष्टि उनके पास आने की उम्मीद करते हैं। नतीजतन, हम संवर्धित उपभोक्ता के लिए अधिक सूक्ष्म अंतर्दृष्टि और कहानियां देखेंगे। इसके अलावा, डेटा को अक्सर अनदेखा कर दिया जाता है। उपयोगकर्ताओं को पहले और अधिक सहज ज्ञान युक्त डेटा, अंतर्दृष्टि और व्यावसायिक तर्क तक पहुंचने के लिए सशक्त बनाने से दृश्य आत्म-सेवा से डेटा आत्मनिर्भरता तक कदम सक्षम हो जाएगा। AI यहां एक प्रमुख भूमिका निभाएगा, माइक्रो-इनसाइट्स की सरफेसिंग करेगा और हमें स्क्रिप्टेड और लोगों को उन्मुख प्रक्रियाओं से अधिक स्वचालित, कम-कोड और नो कोड डेटा तैयार करने और एनालिटिक्स में स्थानांतरित करने में मदद करेगा। यदि अधिक लोग मूल्य श्रृंखला में पहले डेटा के साथ आत्मनिर्भर हो सकते हैं, तो विसंगतियों का पहले ही पता लगाया जा सकता है और समस्याओं को जल्द हल किया जा सकता है। - डैन सोमर, वरिष्ठ निदेशक, ग्लोबल मार्केट इंटेलिजेंस लीड एट क्लिक करें

ऐतिहासिक रूप से कंपनियां उन लोगों पर बहुत अधिक मूल्य लगाती हैं जो "डेटा वैज्ञानिक" थे। आगे जाकर, ऐसे लोगों को काम पर रखने की जरूरत होगी जो विशेषज्ञ हैं डेटा संग्रहण। एआई मॉडल को काम करने के लिए, बड़ी मात्रा में डेटा की आवश्यकता होती है, और इसके अलावा, महत्वपूर्ण डेटा अभी भी कई संगठनों में सिलोस में रहता है; इसलिए, डेटा संग्रह में कौशल वाले व्यक्ति मांग में उच्च होंगे। - क्लारा अंगोटी, राष्ट्रपति अगला रास्ता

COVID-19 वैक्सीन के विकास में डेटा वैज्ञानिक महत्वपूर्ण भूमिका निभाएंगे। एक टीका के विकास से लेकर परीक्षण और तैनाती के विश्लेषण तक, डेटा यह जानने की कुंजी होगा कि क्या हमने निवारक समाधान पाया है। पहले व्यवहार्य वैक्सीन के निर्माण में परंपरागत रूप से प्रशिक्षित वैज्ञानिकों के रूप में डेटा वैज्ञानिक महत्वपूर्ण होंगे। टीकों के विकास में तेजी लाने के लिए, लोगों को उस डेटा को प्रबंधित करने, निर्णय लेने और विश्वास करने में सक्षम होना चाहिए। यह जानना कि गति महत्वपूर्ण है, डेटा चपलता की आवश्यकता है और नए स्वचालित सिस्टम नए नवाचारों को सक्षम करेंगे, अंत में एक वैक्सीन के लिए अग्रणी होंगे। वैक्सीन की डिलीवरी में तेजी लाने से डेटा को प्रबंधित करने में चपलता और स्वचालन की बहुत आवश्यकता होगी। - Infoworks के CEO Buno Pati।

जबकि डेटा दुनिया पर शासन करना जारी रखता है, संगठन अभी भी अपने आप को एक सच्चे प्रतिस्पर्धी लाभ के लिए उस डेटा का लाभ उठाने के लिए संघर्ष कर रहे हैं। सिटीजन डेटा साइंस आंदोलन डेटा में हेरफेर और व्याख्या करने की क्षमता को व्यापक रूप से बढ़ावा देने के लिए उभरा है। लेकिन क्या कोई बेहतर तरीका है? क्या यह आसान (और आसान) नहीं होगा कि केवल व्यवसाय के अर्थ को डेटा में लाया जाए और लोगों को ठीक करने के बजाय डेटा को ठीक किया जाए, क्योंकि सिस्टम में कहीं न कहीं स्थित कच्चा कच्चा डेटा बहुत उपयोगी नहीं है। - केंडल क्लार्क, एंटरप्राइज नॉलेज ग्राफ प्लेटफार्म डेवलपर के संस्थापक और सीईओ, स्टारडॉग

हम डेटा साइंस के लिए आर्किटेक्चरिंग की एक अपकमिंग देखेंगे: कई आईटी समूहों के लिए डेटा प्रबंधन में महारत हासिल होगी क्योंकि वे व्यवसाय की बुद्धिमत्ता और चपलता में सुधार करते हैं। इस कारण से, डेटा विज्ञान- वह छाता जिसके तहत कृत्रिम बुद्धिमत्ता, मशीन लर्निंग, ऑटोमेशन, डेटा झीलें और अन्य पनपते हैं- 2021 में भारी वृद्धि होगी। डेटा-चालित व्यवहारों का विश्लेषण करने से लेकर किराने की खरीदारी को क्लाउड में शक्तिशाली कंप्यूटिंग का लाभ उठाने के लिए बदलना मीडिया उत्पादन मॉडल में सुधार, डेटा विज्ञान प्रतिस्पर्धी बने रहने के लिए कई का नेतृत्व करेगा। अपने दम पर प्रावधान करने के लिए बहुत महंगा है, इनमें से कई कंपनियां अपने डेटा विज्ञान परियोजनाओं को एक सदस्यता मॉडल के साथ तीसरे पक्ष को आउटसोर्स करेंगी। - डस्टिन मिलबर्ग, फील्ड सीटीओ क्लाउड सर्विसेज एट अंतर्विरोध

डेटा वैज्ञानिकों की पूर्ण क्षमता को दिलाने के लिए अपनी पाइपलाइनों को स्वचालित करें: डेटा वैज्ञानिक अक्सर डेटा तैयार करने, इंजीनियरिंग और मॉडलिंग जैसे कार्यों में व्यस्त रहते हैं। जैसे ही ये कार्य उन उपकरणों के साथ संवर्धित हो जाते हैं, जो इन चरणों को स्वचालित बनाने में मदद करते हैं, हम समय-समय पर गहन, रणनीतिक दृष्टिकोणों के लिए डेटा वैज्ञानिकों को नियमित कार्यों में व्यापार करते देखेंगे, जो उन्हें अमूल्य संसाधन बना देंगे। हम व्यापार-एआई समाधानों के अधिक व्यवस्थित कार्यान्वयन को देखने की उम्मीद करते हैं ताकि तदर्थ विश्लेषण अधिक कुशलतापूर्वक दोहराए जा सकें। - जस्टिन सिल्वर, पीएचडी। पर एक एआई रणनीतिकार PROS

गहरी सीख

स्टार्टअप्स और एंटरप्राइजेज में डीप लर्निंग आधारित एंटरप्राइज सॉल्यूशंस को अपनाने से धीरे-धीरे तेजी आएगी। मुख्य बाधा GPU इंस्टेंस और उच्च लागत वाले मानव संसाधनों की खरीद की लागत बनी रहेगी। - संदीप रेड्डी मल्लू, प्रमुख एनालिटिक्स एट ग्राम करनेवाला

जैसा कि हम सभी ने हाल के वर्षों में देखा, प्राकृतिक भाषा प्रसंस्करण में अनुसंधान और विकास ट्रांसफार्मर भाषा के मॉडल जैसे कि BERT, GPT-3 इत्यादि में तेजी से प्रगति की है, जबकि वे अत्याधुनिक प्रदर्शन प्राप्त कर रहे हैं, उन्हें बड़े डेटासेट की आवश्यकता होती है और प्रशिक्षण के लिए एक महत्वपूर्ण कार्बन पदचिह्न के साथ कम्प्यूटेशनल संसाधनों की बड़ी मात्रा। हम कार्बन उत्सर्जन की चिंताओं को दूर करने के लिए नए मॉडल आर्किटेक्चर और प्रशिक्षण तकनीकों के साथ अधिक प्रयासों और अनुसंधान को देखेंगे, बहुत लंबे समय तक प्रशिक्षण, अंतरिक्ष के साथ और इन सफलताओं को और अधिक सुलभ बनाने के लिए प्रभावी मॉडल की गणना; फास्ट अटेंशन के साथ कलाकार जैसे हालिया मॉडल इस दिशा में कदम बढ़ाने के लिए उत्प्रेरक का काम करेंगे। - कवन शुक्ला, डाटा साइंटिस्ट, फिन ए.आई.

हार्डवेयर

हार्डवेयर और सॉफ्टवेयर AI- विशिष्ट हार्डवेयर के उदय के साथ अभिसरण होते हैं। जैसा कि एम 1 चिप की एप्पल की घोषणा से पता चला है, उद्देश्य-निर्मित हार्डवेयर अधिक मुख्यधारा बन रहा है, जिसका अर्थ है कि लोग वास्तविक हार्डवेयर के बारे में अधिक सोचना शुरू कर देंगे, जो वे पहले से किए गए डेटा वैज्ञानिकों सहित काम कर रहे हैं। एमएल-विशिष्ट हार्डवेयर में वृद्धि से प्रदर्शन में सुधार होगा, लेकिन यह भी मॉडल तैनाती में एक और चर प्रदान करता है। यह विशेष रूप से क्लाउड और मोबाइल वातावरण में प्रभावी होगा। यह आगे उस दीवार को तोड़ देगा, जो परंपरागत रूप से हार्डवेयर और सॉफ्टवेयर के बीच मौजूद है, जिसमें AI उपयोग के मामले प्रमुख हैं। - केविन गोल्डस्मिथ, सीटीओ, एनाकोंडा

2012 के बाद से एआई की गणना शक्ति 5X हो गई है जो मूर के कानून की दर लगभग 3.5 महीने में दोगुनी हो गई है। एआई इंजनों के शीर्ष पर निर्मित अनुप्रयोगों की बढ़ती संख्या को देखते हुए हमारे रोजमर्रा के जीवन को प्रभावित करता है - कुछ मानवता के लिए भी महत्वपूर्ण है (उदाहरण के लिए मॉडलिंग और जलवायु परिवर्तन के लिए समाधान), इस प्रदर्शन का एक समाधान खोजने बेमेल हर गंभीर फैबलेस और उच्च पर है चिप निर्माण कंपनी की प्राथमिकता सूची। 2021 में मूर के कानून को किस तरह से देखा जाए, इस पर बदलाव की आवश्यकता अधिक स्पष्ट हो गई है। नवीनतम प्रवृत्ति साल दर साल के प्रदर्शन में सुधार लाने के लिए अधिक कुशल सॉफ्टवेयर लिखने के बारे में बात करना है। यह एक जोखिम भरा दांव है, क्योंकि मौलिक रूप से नए एल्गोरिदम का विकास एक शेड्यूल पर नहीं हो सकता है और इसलिए पारंपरिक सेमीकंडक्टर टिक-टूक उन्नति अनुसूची के साथ संगत नहीं है। कम्प्यूटिंग प्रौद्योगिकियों को कम करना भी सुधार करना चाहिए। हम आगामी वर्ष में बदलाव और सुधार देखना जारी रखेंगे। - निक हैरिस, सीईओ और सह-संस्थापक लाइटमैटर

इन-मेमोरी कम्प्यूटिंग

2021 में, COVID-19 और सख्त नियमों द्वारा त्वरित, उद्यम अपने डेटा परिवर्तन की पहल को बोझिल ऑनलाइन-डिजिटल अर्थव्यवस्था में कामयाब करने के लिए जारी रखेंगे। डेटा-संचालित संचालन को अनुकूलित करने और नई सेवाओं और अनुप्रयोगों को तेजी से पेश करने के लिए उद्यमों द्वारा चरम गति, क्लाउड चपलता और परिचालन विश्लेषिकी को अपनाया जाएगा।

क्लाउड-नेटिव डेटा फैब्रिक पर आधारित प्रौद्योगिकी समाधान, जिसे डिजिटल इंटीग्रेशन हब के रूप में भी जाना जाता है, संगठनों को अपनी डिजिटल और विश्लेषणात्मक आवश्यकताओं को पूरा करने के लिए रिकॉर्ड और डेटाबेस की विरासत प्रणालियों से उतारने और कम करने की अनुमति देगा। अपने मौजूदा-मिशन-महत्वपूर्ण प्रणालियों से पूरी तरह से विभाजित करने की आवश्यकता है। एनालिटिक्स और बीआई के लिए इन-मेमोरी स्पीड और स्केल की शुरूआत, वास्तविक समय की रिपोर्टिंग और ताजा डेटा की कल्पना को बढ़ावा देगी और एमएल मॉडल को ऑन-लाइन सेवाओं जैसे ऋण अनुमोदन, धोखाधड़ी विश्लेषण और ग्राहक के लिए अधिक सटीक वास्तविक समय डेटा का उपयोग करने में सक्षम करेगी। 360 क्षमताओं। AIOps भी एक फोकस होगा और जटिल डेटा और एनालिटिक्स के संचालन को स्वचालित और सुव्यवस्थित करने के लिए तैनात किया जाएगा, मानवीय त्रुटियों को कम करते हुए समय-से-बाज़ार और कम लागत को कम करेगा। - आदि पाज़ - CEO - गीगास्पेस 

2020 में, COVID-19 महामारी ने कई व्यवसायों को चलाई, विशेष रूप से खाद्य वितरण, ई-कॉमर्स, लॉजिस्टिक्स, और रिमोट एक्सेस और सहयोग सेवाओं में, नाटकीय रूप से बड़े पैमाने पर अपग्रेड करने और बुनियादी ढांचे को उन्नत करने के लिए, वेबसाइट आगंतुकों में उछाल के कारण उच्च प्रदर्शन को बनाए रखने के लिए। वितरण अनुरोध, बिक्री लेनदेन, वीडियो स्ट्रीमिंग और बहुत कुछ। इनमें से कई व्यवसायों ने पाया कि एक साथ एप्लिकेशन थ्रूपुट को बढ़ाते हुए प्रदर्शन को बनाए रखने या सुधारने के लिए सबसे तेज़ तरीका एक वितरित मेमोरी मेमोरी ग्रिड (IMDG) को तैनात करना था - इन-मेमोरी इग्निशन जैसे इन-मेमोरी कंप्यूटिंग प्लेटफॉर्म का उपयोग करके बनाया गया - जिसे डाला जा सकता है मौजूदा अनुप्रयोगों और डिस्क-आधारित डेटाबेस के बीच या तो बड़े संशोधनों के बिना। IMDG रैम में एप्लिकेशन डेटा को कैशिंग और सर्वर नोड्स के वितरित क्लस्टर में बड़े पैमाने पर समानांतर प्रसंस्करण (एमपीपी) को लागू करके प्रदर्शन में सुधार करता है। यह क्षमता को स्केल करने का एक सरल मार्ग भी प्रदान करता है क्योंकि वितरित आर्किटेक्चर क्लस्टर की रैम और रैम को केवल नए नोड्स जोड़कर बढ़ाया जा सकता है।

 2021 में, आईएमसी प्लेटफार्मों का उपयोग करना आसान हो जाएगा और जानकार आईएमसी चिकित्सकों की संख्या तेजी से बढ़ेगी। यह आईएमसी गोद लेने को अधिक उद्योगों में और कंपनियों के व्यापक पूल में फैलने में सक्षम करेगा। नतीजतन, तेजी से आवेदन त्वरण के लिए आईएमसी का लाभ उठाने के लिए और अधिक व्यवसायों को बेहतर रूप से तैनात किया जाएगा, न केवल सीओवीआईडी ​​की मांगों पर प्रतिक्रिया के लिए, बल्कि नई रणनीतिक और प्रतिस्पर्धी मांगों को पूरा करने के लिए भी, क्योंकि महामारी का खतरा समाप्त हो जाता है। - निकिता इवानोव, सीटीओ और ग्रिडगैन के संस्थापक सिस्टम

IoT

उद्यम में IoT अपनाने से पहले से अधिक गर्मी होगी: व्यापार पर महामारी के प्रभावों के प्रकाश में, उद्यम 2021 में निर्णय लेने की गति बढ़ाने के लिए नए या अतिरिक्त तरीकों की तलाश करेंगे। IoT इसमें भूमिका निभा सकते हैं। बीआई के दृष्टिकोण से, चुनौती यह पहचानने की है कि आईओटी के पास अलग-अलग डेटा मॉडल हैं जिन्हें समायोजित करने की आवश्यकता है, जैसे समय के साथ प्रदर्शन। डेटा उत्पादन और संचालन के बीच अंतराल समय को कम करना महत्वपूर्ण होगा। सबसे चतुर संगठनों को एहसास होगा कि वे केवल इस पर पैसा खर्च नहीं कर सकते हैं, बल्कि नए डेटा मॉडल बनाने के लिए रणनीतिक होने की आवश्यकता है जो विचारशील अंतर्दृष्टि साझा करते हैं। - एरिक रब, एसवीपी, इंजीनियरिंग और उत्पाद, सूचना बिल्डर्स

महामारी ने कंपनियों को समाधान के साथ अपने उद्योग 4.0 परिवर्तनों को पूरा करने के लिए कंपनियों की आवश्यकता को बहुत तेज कर दिया है जो उन्हें अपने संचालन में अधिक लचीलापन, दृश्यता और दक्षता प्रदान करने की अनुमति देते हैं। हम उन समाधानों को अपनाने का एक त्वरण देखेंगे जो कि मशीन सीखने, मशीन विजन और उन्नत एनालिटिक्स सहित AI से लेकर पते की जरूरत है। जैसा कि अर्थव्यवस्था वापस उछलती है, हम इन समाधानों को लागू करने के लिए खिलाड़ियों की व्यापक पारिस्थितिकी तंत्र की अनुमति देने के लिए अधिक आईटी क्षमताओं के साथ मूलभूत ओटी बुनियादी ढांचे में निवेश देखना जारी रखेंगे और 4.0 में उद्योग 2021 को गोद लेने में महत्वपूर्ण वृद्धि देखेंगे। - क्रिस्टीन बोल्स, वीपी , IoT समूह और जीएम, औद्योगिक समाधान प्रभाग, इंटेल

एज कंप्यूटिंग का धमाका: हम उपभोक्ताओं और कंपनियों से बढ़ती कंप्यूटिंग और गति मांगों के कारण पूरे डाटा सेंटर उद्योग में बढ़त कंप्यूटिंग में वृद्धि देखना जारी रखेंगे। कम विलंबता नेटवर्क उन वातावरणों में महत्वपूर्ण है जो थ्रूपुट को अधिकतम करने और सर्वर बेकार समय को कम करने का प्रयास करते हैं। - टिमोथी वांग, पीएचडी, विपणन और अनुप्रयोगों के उपाध्यक्ष Semtech के सिग्नल इंटीग्रिटी प्रोडक्ट्स ग्रुप

एज नया बादल है: 2021 में स्मार्ट फैक्टरी पहलों को बढ़ाने वाली कंपनियों के लिए, व्यावसायिक परिणामों को सुनिश्चित करने के लिए मिशन-क्रिटिकल वर्कलोड की वास्तविक समय पर उपलब्धता आवश्यक होगी। एज कंप्यूटिंग वास्तविक समय डेटा प्रसंस्करण को सक्षम करके मौजूदा क्लाउड इन्फ्रास्ट्रक्चर को पूरक करेगा जहां काम होता है (जैसे, मोटर्स, पंप, जनरेटर, या अन्य सेंसर)। किनारे से बादल तक एकीकृत एनालिटिक्स को लागू करने से इन उद्यमों को डिजिटल सिस्टम में निवेश के मूल्य को अधिकतम करने में मदद मिलेगी।

उद्योग अधिक विकेन्द्रीकृत गणना वातावरण की ओर बढ़ना जारी रखेगा, और किनारे डिजिटल परिवर्तन पहल के लिए महत्वपूर्ण मूल्य जोड़ देगा। मौजूदा क्लाउड इंफ्रास्ट्रक्चर के साथ एज फंक्शनालिटी को एकीकृत करके, संगठन आईटी लॉजिकल विचार के बारे में कम चिंता करेंगे और इसके बजाय, स्मार्ट मशीन में क्या संभव है, इस पर पुनर्विचार करने पर ध्यान केंद्रित करें: यह तेजी से क्या जवाब दे सकता है? क्या नई समस्याओं को हल कर सकते हैं? यह संचालन को बेहतर तरीके से कैसे बचा सकता है? विश्लेषकों का कहना है कि 2022 तक, 99% तक  औद्योगिक उद्यम इस कारण से बढ़त कंप्यूटिंग का उपयोग करेंगे। - कीथ हिगिंस, रॉकवेल स्वचालन के लिए डिजिटल परिवर्तन के वीपी

रचनात्मक दिमाग आईओटी को आगे बढ़ाते हैं: आईओटी और स्मार्ट उत्पाद विकास रचनात्मक डिजाइन और विचारशील समाधानों पर टिका रहेगा क्योंकि माइक्रोप्रोसेसरों के तकनीकी सुधार धीमी गति से इन उपकरणों के लिए सैद्धांतिक सीमा के पास चिपमेकर के रूप में शारीरिक रूप से क्या संभव है की सीमाओं के खिलाफ चलने वाले इंजीनियरों के कारण धीमी गति से। हो। मूर के बाद के कानून उत्पाद विकास व्यवसाय और समाज की समस्याओं को हल करने और रोजमर्रा की उपभोक्ता प्रक्रियाओं में सुधार करने के लिए कल्पनाशील समाधान बनाने के लिए इंजीनियरों और डिजाइनरों की सरलता पर निर्भर करेगा, बजाय केवल शक्तिशाली चिपसेट की अगली पीढ़ी पर भरोसा करने के। - सैम महालिंगम, सीटीओ, अल्टेयर

मशीन लर्निंग

आईटी ऑपरेशंस में निवेश डॉलर वेनिला वर्कफ़्लो ऑटोमेशन से डिजिटल ऑपरेशन बनने के लिए ड्राइव के साथ देशी एआई / एमएल समाधान में बदल जाएगा। वर्कफ़्लो ऑपरेशन और उनके संबंधित स्वचालन स्वाभाविक रूप से एआई / एमएल समाधान को शामिल करने के लिए विकसित होंगे क्योंकि तकनीक अधिक शक्तिशाली हो जाती है। एआई और एमएल आगे बढ़ रहे हैं और वर्कफ़्लो स्वचालन में सुधार कर रहे हैं क्योंकि कंपनियां अधिक डेटा एकत्र करने के साथ-साथ संगठन और प्रशासनिक कार्यों को स्थानांतरित करती हैं। - शिवा रमानी, सीईओ आईओपीएक्स

उद्यम मशीन सीखने की प्रौद्योगिकियों के लिए नए एप्लिकेशन पाएंगे जो मैन्युअल प्रक्रियाओं को स्वचालित करते हैं और निगरानी क्षमताओं को बढ़ाते हैं। कंपनियां उन उत्पादों की तलाश करेंगी जो अपने आईटी खर्च में गहरी निगरानी, ​​अधिक स्वचालन और मूल्य वर्धित जानकारी प्रदान करते हैं। उदाहरण के लिए, उपलब्धता समाधान जो कॉन्फ़िगरेशन और प्रबंधन कार्यों के अनुप्रयोग-जागरूक निगरानी और स्वचालन प्रदान करते हैं, पारंपरिक विफलता समाधानों पर प्राथमिकता दी जाएगी। HA में नए नवाचार IoT उपकरणों और उनके आश्रितों द्वारा लाई गई विफलताओं और आपदाओं की बढ़ती जटिलता को संभालने के लिए उभरेंगे। - कैसियस Rhue, VP, ग्राहक अनुभव, SIOS प्रौद्योगिकी

ऐतिहासिक रूप से, एल्गोरिदम मशीन सीखने और तंत्रिका नेटवर्क के बारे में अधिक थे। अब हम अधिक से अधिक मशीनों को देख रहे हैं जो स्व-निहित हैं और खुद को इस तरह से सिखा और प्रशिक्षित कर सकते हैं जो मानव मस्तिष्क के अवचेतन भाग के समान है। दूसरे शब्दों में, एल्गोरिदम मस्तिष्क के विश्लेषणात्मक भाग की नकल करते थे; अब वे मानव मस्तिष्क के सबसे बड़े, सबसे शक्तिशाली और सबसे पेचीदा हिस्से की नकल कर रहे हैं, जिसे हम सामान्य ज्ञान, आंत की भावना और अंतर्ज्ञान कहते हैं। इंसानों को प्रशिक्षित करने और उन्हें पढ़ाने के लिए भरोसा करने के बजाय, आज की अनसुनी मशीन एल्गोरिदम भारी मात्रा में डेटा एकत्र करने, दुनिया की तस्वीरें बनाने और कटौती करने में सक्षम हैं जो कि मनुष्यों द्वारा बनाई जाने वाली चीजों के समान हैं। हम एक ऐसी दुनिया में आ रहे हैं जहाँ कंप्यूटर खुद को प्रशिक्षित कर सकते हैं। - मार्क गज़िट, थीटा के सीईओ

पूर्वाग्रह को कम करना: इस साल, एआई एल्गोरिदम में पूर्वाग्रह और शमन के आसपास कई आवश्यक वार्तालाप हुए हैं और एल्गोरिदम-आधारित वैयक्तिकरण के सामाजिक प्रभावों को कैसे संबोधित किया जाए। हालांकि, हमें उन उपकरणों के विकास को जारी रखने की आवश्यकता है जो एमएल सिस्टम के परिणामों में अंतर्दृष्टि प्रदान करते हैं, पूर्वाग्रह प्रकट करते हैं, और समय पर तैनात मॉडल में बहाव की जांच करते हैं। यह कभी भी अधिक महत्वपूर्ण हो जाता है क्योंकि इन प्रणालियों में से अधिक को उत्पादन में डाल दिया जाता है, यह सुनिश्चित करने के लिए कि हम हानिकारक पूर्वाग्रह के स्रोतों को बनाए या नहीं बना रहे हैं। - केविन गोल्डस्मिथ, सीटीओ, एनाकोंडा

उद्यम मशीन सीखने की प्रौद्योगिकियों के लिए नए एप्लिकेशन पाएंगे जो मैन्युअल प्रक्रियाओं को स्वचालित करते हैं और निगरानी क्षमताओं को बढ़ाते हैं। कंपनियां उन उत्पादों की तलाश करेंगी जो अपने आईटी खर्च में गहरी निगरानी, ​​अधिक स्वचालन और मूल्य वर्धित जानकारी प्रदान करते हैं। उदाहरण के लिए, उपलब्धता समाधान जो कॉन्फ़िगरेशन और प्रबंधन कार्यों के अनुप्रयोग-जागरूक निगरानी और स्वचालन प्रदान करते हैं, पारंपरिक विफलता समाधानों पर प्राथमिकता दी जाएगी। HA में नए नवाचार IoT उपकरणों और उनके आश्रितों द्वारा लाई गई विफलताओं और आपदाओं की बढ़ती जटिलता को संभालने के लिए उभरेंगे। - कैसियस Rhue, VP, ग्राहक अनुभव, SIOS प्रौद्योगिकी

संगठन जिनकी मशीन सीखने में शुरुआती सफलता ने उन्हें अपने कार्यक्रमों का विस्तार करने के लिए प्रेरित किया है, वे पा रहे हैं कि उच्च गुणवत्ता वाले डेटासेट की एक तेज चलती उत्पादन लाइन ईंधन है जो उस विस्तार को चलाएगी। यह डेटा इंजीनियरिंग टीमों के लिए एक उच्च प्राथमिकता के लिए सेवा के रूप में डेटा को ऊपर उठाएगा। - ल्यूक हान, सह-संस्थापक और सीईओ, काइलेंस

ट्रस्ट और ऑपरेशनलीज एमएल के लिए क्षमता 2021 का लिटमस टेस्ट फॉर सर्वाइवल होगा: एक महामारी और मंदी के शीर्ष पर, हम तेजी से बढ़ती मात्रा में डेटा और नई प्रौद्योगिकियों की बढ़ती-बढ़ती मात्रा के साथ जूझ रहे हैं। यदि व्यवसाय अपने बड़े डेटा सोम्स और तकनीकी जटिलताओं की समझ बनाने में सफल होना चाहते हैं, तो उन्हें मशीन लर्निंग मॉडल का लाभ उठाने और संचालन करने में मदद करनी चाहिए और तरीकों को समझने में आसान होना चाहिए। यह अब उत्पादन में मॉडल प्राप्त करने पर ध्यान केंद्रित करने के लिए पर्याप्त नहीं है, ध्यान अब व्यापार उपयोगकर्ताओं और निर्णय निर्माताओं के हाथों में मॉडल प्राप्त करने पर होना चाहिए। लेकिन परिचालन के लिए, व्यवसायों को एक मॉडल पर भरोसा करने, समझने और उससे संवाद करने में सक्षम होना चाहिए, जो एक मॉडल की सार्थक प्रभाव व्यापार क्षमता की क्षमता है। 2021 में, एक व्यवसाय की अपने मॉडल पर भरोसा करने की क्षमता - इस हद तक कि वे एआई-व्युत्पन्न अंतर्दृष्टि से कार्रवाई करने में सक्षम हैं - जीवित रहने की अपनी क्षमता के निर्धारक होंगे। - सैंटियागो गिराल्डो, मशीन लर्निंग के वरिष्ठ उत्पाद विपणन प्रबंधक, क्लाउडरा

सभी आकारों की कंपनियां और सभी चरणों में मशीन सीखने के प्रयासों को संचालित करने की दिशा में आक्रामक रूप से बढ़ रही हैं। मॉडल प्रशिक्षण के लिए कई लोकप्रिय फ्रेमवर्क हैं, जिसमें टेन्सरफ्लो और प्योरच शामिल हैं, जो खेल का नेतृत्व करते हैं। जैसे अपाचे स्पार्क को डेटा ट्रांसफ़ॉर्मेशन जॉब्स के लिए एक लीडर माना जाता है और प्रेस्टो इंटरेक्टिव क्वेरी के लिए अग्रणी तकनीक के रूप में उभर रहा है, 2021 वह वर्ष होगा जब हम एक अग्रणी मॉडल को व्यापक दावेदार के रूप में टाइटरॉक या टेनसोरफ़्लो के साथ व्यापक मॉडल प्रशिक्षण स्थान पर हावी होते देखेंगे। - Haoyuan ली, संस्थापक और सीईओ, अल्लुक्सियो

सास एमएल / एआई के लिए लापता टुकड़े के रूप में डेटा को बदलते हैं: कृत्रिम बुद्धिमत्ता और मशीन लर्निंग पर ध्यान केंद्रित करने वाले संगठन सार्थक प्रशिक्षण डेटासेट के लिए भूख जारी रखेंगे जो समय के साथ कारण-और-प्रभाव परिवर्तन पैटर्न को स्पॉट करने के लिए अपने एमएल एल्गोरिदम में खिलाए जा सकते हैं। ऐसा करने के लिए, वे इन एल्गोरिदम में इनपुट के रूप में 3-पार्टी क्लाउड / सास अनुप्रयोगों में अपने कभी-बदलते डेटासेट की ओर मुड़ जाएंगे। यह उनके डेटा को समय-समय पर उस डेटा में मौजूद हर एक परिवर्तन को कैप्चर और निगलना करने के लिए दबाव बनाएगा, जो उनके डेटा ऑप्स पारिस्थितिकी तंत्र में है। - जो गेस्का, के सीईओ धन्यवाद

एआई और एमएल द्वारा निभाई गई भूमिका का विस्तार होगा क्योंकि पहचान की बुद्धि सबसे आगे आती है। जैसा कि हम प्रमाणीकरण के भविष्य में एक टिपिंग बिंदु तक पहुंचते हैं, उपयोगकर्ताओं को ऑनलाइन डिजिटल पहचान की रक्षा करने की बात आती है। पहचान सत्यापन तेजी से प्रासंगिक हो जाएगा, और एआई पहुंच के गतिशील जोखिम को निर्धारित करने के लिए एक विस्तारित भूमिका निभाएगा जो एक नियम-आधारित प्रणाली बस प्रदान नहीं कर सकती है। पर्यवेक्षित और असुरक्षित गहरी शिक्षा, सुदृढीकरण सीखने और आनुवांशिक एल्गोरिदम न केवल पूर्व-परिभाषित निष्कर्ष मॉडल लागू करेंगे, बल्कि सुरक्षा समाधानों को बदलते हुए उद्यम व्यवहार के अनुकूल होने और दूसरी कंपनियों से सीखने और खतरों को कम करने की अनुमति देंगे। इन-बिल्ट एल्गोरिदम के साथ गहरे फेक का संयोजन, बड़े डेटा से मूल्य प्राप्त करना और शक्तिशाली एनालिटिक्स के माध्यम से निर्णय लेने की क्षमता, पहचान बुद्धि में महत्वपूर्ण भूमिका निभाएगी। - राजेश गणेशन, उपाध्यक्ष, प्रबंधित करें (जोहो कॉर्प का विभाजन)

रोबोटिक्स

नए साल में लोगों को करीब से बाहर रखने की आवश्यकता के साथ, हम स्वाभाविक रूप से स्वचालन में महत्वपूर्ण निवेश देखेंगे। हालांकि, शायद पहली बार, रोबोटिक्स सांसारिक, सरल मानव कार्यों पर ले जा रहा होगा, क्योंकि यह अधिक कठिन और रणनीतिक है। हमने रोबोटों को कई जटिल अनुप्रयोगों में मनुष्यों की सहायता करते हुए देखा है, जैसे कि रोबोट सबसे सटीक सूक्ष्मजीवों का प्रदर्शन करने के लिए प्रशिक्षित होते हैं। रोबोट अब उन कार्यों को लेना शुरू कर देंगे जो आवश्यक श्रमिकों को पहले व्यक्ति में रहने की जरूरत है, उन्हें दूरस्थ रूप से काम करते हैं। संवर्धित और आभासी वास्तविकता में अधिक निवेश के साथ, उदाहरण के लिए, हम रोबोट सुरक्षा गार्डों को दूरस्थ कार्यालय और कारखाने के फर्श पर घूमते हुए श्रमिकों द्वारा नियंत्रित देखेंगे; दूरस्थ श्रमिक एक गोदाम में बक्से लेने और पैक करने के लिए दूर से ड्रोन को नियंत्रित करने में सक्षम होंगे। 2021 में क्रांति को लूटा जाएगा। - अहसन अहमद, मुख्य उत्पाद और ग्राहक अधिकारी, रस्सा

सुरक्षा

Deepfakes व्यापार अखंडता के लिए एक महत्वपूर्ण खतरा बन जाएगा। COVID-19 ने इन-पर्सन कम्युनिकेशन को वर्चुअल करने के लिए मजबूर कर दिया है, जिसका अर्थ है कि व्यवसाय पहले से कहीं अधिक मीटिंग करने के लिए वीडियो कॉन्फ्रेंसिंग पर भरोसा कर रहे हैं। हालांकि डीपफेक की धारणा नई नहीं हो सकती है, वे तेजी से परिष्कृत हो रहे हैं और उत्पन्न करने के लिए उल्लेखनीय रूप से आसान हो रहे हैं। उदाहरण के लिए, ThisPersonDoesNotExist.com को लें, जो वास्तविक जीवन में मौजूद लोगों की पूरी तरह से विश्वसनीय छवि बनाने के लिए AI का लाभ उठाता है। यदि यह प्रक्रिया अपेक्षाकृत कम जानकारी के साथ आयोजित की जा सकती है, तो निश्चित रूप से हैकर्स वीडियो कॉन्फ्रेंसिंग तकनीक के लिए उपयोग किए जाने वाले काम प्रोफाइल का लाभ उठा सकते हैं - जिसमें कर्मचारियों के नाम और उनके साथ स्वचालित रूप से जुड़े चित्र हैं - आश्वस्त करने के लिए। - जेम्स कार्डर, मुख्य सुरक्षा अधिकारी LogRhythm

भविष्यवाणी: जैसा कि धोखाधड़ी का पता लगाना कठिन हो जाता है, एमएल फ्रॉड मॉडल को मजबूत करेगा लेकिन अधिक हाल के डेटासेट का उपयोग करें: धोखाधड़ी के जोखिम का निर्धारण करने के लिए, कंपनियां आमतौर पर पिछले लेनदेन के एक डेटा सेट का उपयोग करती हैं जो उन्हें विश्वास है कि भविष्य के प्रतिनिधि अपने मशीन लर्निंग (एमएल) को प्रशिक्षित करने के लिए होंगे। मॉडल। हालांकि, उपभोक्ता डेटा और व्यवहार पर COVID -19 के भारी प्रभाव ने एक डिस्कनेक्ट पैदा कर दिया है क्योंकि पिछले डेटा भविष्य का प्रतिनिधि नहीं है। इसने कई संगठनों को या तो अंडरफिट मॉडल का उपयोग करने के लिए प्रेरित किया है जो अच्छा प्रदर्शन करते हैं लेकिन नए धोखाधड़ी पैटर्न, या ओवरफिट मॉडल को नहीं पकड़ते हैं जो बहुत सारे आश्चर्य पैदा करते हैं जैसे कि बाढ़ मैनुअल समीक्षा कतार या अधिक चार्जबैक और धोखाधड़ी। कई कंपनियों ने भी एमएल का उपयोग नियम-आधारित मॉडल और मैन्युअल समीक्षाओं से स्थानांतरित किया है जो मानव अंतर्ज्ञान पर अधिक भरोसा करते हैं। 2021 में, कंपनियां फिर से मजबूत एमएल मॉडल का निर्माण शुरू करने के लिए इन नए व्यवहार पैटर्न की अपनी समझ का लाभ उठाने में सक्षम होंगी। हालांकि, सफल होने के लिए, उन्हें अधिक हालिया डेटा का उपयोग करने की आवश्यकता होगी, मॉडल बनाते समय चीजों को ले जाएं, और जाते समय उनकी प्रगति का आकलन करें। - अर्जुन कक्कड़, रणनीति और संचालन के उपाध्यक्ष Ekata

आर्टिफिशियल इंटेलिजेंस ने नए सुरक्षा खतरे पैदा किए हैं, जिनमें से सबसे बड़ा हो सकता है डीपफेक। डीपफेक नकली ऑडियो, वीडियो या चित्र हैं जो वास्तविकता की नकल करने के लिए कृत्रिम बुद्धिमत्ता तकनीक पर निर्भर करते हैं। डीपफेक के गलत हाथों में गंभीर परिणाम हो सकते हैं, जैसे कि डीपफेक फ्रॉड। जबकि हमने इनमें से कई हमलों को अभी तक नहीं देखा है 2019, धोखेबाजों ने ब्रिटेन की एक ऊर्जा कंपनी से 200,000 डॉलर से अधिक की चोरी करने के लिए डीपफेक ऑडियो का इस्तेमाल किया। और दूरदराज के काम के माहौल के साथ धोखेबाजों को अपने हमलों को अंजाम देने के लिए अधिक गोला-बारूद देने के साथ, 2021 वह वर्ष होगा जब प्रौद्योगिकी वास्तविक समय ऑडियो ट्रांसक्रिप्शन को हटाती है और व्यवसायों को यह सुनिश्चित करने के लिए सतर्क रहना होगा कि वे घोटाले न करें। व्यवसायों को किसी भी संदिग्ध फोन कॉल से सावधान रहना चाहिए, और कभी भी पैसे भेजने या संवेदनशील जानकारी को सत्यापित किए बिना साझा नहीं करना चाहिए कि एक कॉलर वह है जो वे होने का दावा करते हैं।

इसके अतिरिक्त, बुनियादी साइबर सुरक्षा उपकरण और प्रोटोकॉल स्थापित करने से धोखेबाजों को उन संवेदनशील सूचनाओं तक पहुंच प्राप्त करने से रोका जा सकता है जिनकी उन्हें पहली जगह पर डीपफेक इमेज और ऑडियो बनाने की आवश्यकता होती है। साइबरस्पेस रिसर्चर्स डीपफेक सामग्री का पता लगाने के लिए उपकरणों पर काम कर रहे हैं, लेकिन तब तक, कंपनियों को अपने अंतर्ज्ञान और मौजूदा साइबर सुरक्षा उपकरणों पर भरोसा करने की आवश्यकता होगी ताकि यह सुनिश्चित हो सके कि वे ठगा नहीं जाता है। - टेरी नेल्स, पीएचडी, सीनियर रिसर्च डायरेक्टर, सुई का गिरना

बिग बॉस द्वारा डेटा उल्लंघनों और व्यक्तिगत डेटा के कथित शोषण से भड़का, उपभोक्ता डेटा गोपनीयता 2021 और उसके बाद का एक बड़ा फोकस बना रहेगा, और हम पेश किए गए और अधिक कानूनों को देखने की उम्मीद कर सकते हैं जो उपभोक्ता अधिकारों और जुर्माना कारोबार की रक्षा करते हैं डेटा का गैर जिम्मेदाराना उपयोग। तेजी से प्रतिस्पर्धी व्यवसाय परिदृश्य में विश्वास की खेती करने और ग्राहकों के अनुभव को बेहतर बनाने के लिए, अधिक संगठन आने वाले वर्षों में उपभोक्ताओं को अपने व्यक्तिगत डेटा का स्वामित्व और नियंत्रण देंगे। भविष्य के पैमाने के लिए निर्मित प्रौद्योगिकी बुनियादी ढांचे के साथ नैतिक, अनुपालन और गोपनीयता-संरक्षण के सिद्धांतों को मिलाकर, समाज एक ऐसी प्रणाली की ओर बढ़ेगा जहां डेटा का मूल्य दोनों व्यक्तियों और उद्यमों को समान रूप से लाभान्वित करेगा। - जेम्स किंग्स्टन, डेटासफ़्ट, एआई शोधकर्ता और एचएटी-एलएबी के निदेशक के अनुसंधान और नवाचार भागीदारी के वीपी।

शमन की धमकी के लिए डेटा सुरक्षा प्रशासन एक आवश्यक और महत्वपूर्ण बिल्डिंग ब्लॉक है। हाल तक तक, अधिकांश डेटा शासन कार्यक्रमों ने सुरक्षा के बारे में अधिक विचार किए बिना डेटा प्रवाह और विश्लेषण पर ध्यान केंद्रित किया है। नए डेटा गोपनीयता कानूनों और विनियमों ने सीडीओ, सीएफओ, सीआईएसओ और डीपीओ जैसे डेटा हितधारकों को डेटा सुरक्षा को उनके डेटा गवर्नेंस प्रयासों के आवश्यक बिल्डिंग ब्लॉक्स में से एक बनाने के लिए मजबूर किया है। लेकिन डेटा सुरक्षा प्रशासन जटिल है क्योंकि कोई एकल विक्रेता उत्पाद सभी आवश्यक डेटा सुरक्षा प्रशासन नियंत्रणों को लागू नहीं कर सकता है। 2021 में, जैसा कि व्यवसायों ने अधिक से अधिक डेटा एकत्र करना और संसाधित करना जारी रखा है, उन्हें यह पता लगाना होगा कि कैसे जल्दी से अपनी जानकारी को एकजुट करना है, इसलिए उनका पूरा संगठन उसी से जानकारी खींच रहा है, विश्वसनीय और सुरक्षित रूप से। अगला, व्यवसायों को आवश्यक गोपनीयता नियंत्रण के साथ डेटा सुरक्षा प्रणाली के माध्यम से अपने डेटा स्रोत को लागू करने और प्रबंधित करने की आवश्यकता होती है, इसलिए डेटा खतरों को कम किया जाता है। ये कदम भविष्य के व्यापार को सुनिश्चित करेंगे और वित्तीय जोखिम कम से कम होंगे। - ऐनी हार्डी, टैलेंड के CISO

एक दूरस्थ दुनिया में AI बोल्स्टरिंग सिक्योरिटी की कुंजी होगी। सुरक्षा किसी भी संगठन के सी-सूट के लिए सबसे ऊपर है, जिसने डिजिटल परिवर्तन यात्रा शुरू की है, लेकिन इसका महत्व केवल महामारी द्वारा तेज किया गया है। दुनिया भर में फैले हुए इतने सारे समापन बिंदुओं के साथ क्योंकि कर्मचारियों के पास जहां भी वे चुनते हैं, वहां से दूरस्थ रूप से काम करने की लचीलापन है, कमजोरियां गुणा करती हैं। एक प्रमुख प्रवृत्ति जिसे हम 2021 में देखेंगे और उससे परे सुरक्षा उपायों के लिए एआई का आवेदन है, क्योंकि मानव अकेले एक आधुनिक उद्यम की पर्याप्त रूप से या कुशलता से रक्षा करने के लिए प्रत्येक बिंदु की निगरानी, ​​नियंत्रण और जांच नहीं कर सकता है। यदि सुरक्षा नेता (विशेषकर फॉर्च्यून 500 कंपनियों में) अब एआई के साथ सुरक्षा बढ़ाने के लिए समय और वित्तीय निवेश नहीं करते हैं, तो वे भविष्य में हैकर्स द्वारा लक्षित किए जाने और अपने डेटा की सुरक्षा के लिए हाथापाई कर सकते हैं। -स्कॉट बोएचर, वीपी, एंटरप्राइज इंफॉर्मेशन मैनेजमेंट, एनटीटी डेटा सर्विसेज

भंडारण

AI के लिए लिगेसी NAS डेड है। PCIe Gen4 की शुरुआत के साथ, I / O दरें अब CPU कोर एवोल्यूशन से पूरी तरह से टूट गई हैं। लीगेसी एनएफएस प्रदाता सिंगल-स्ट्रीम टीसीपी के साथ फंस गए हैं जो एप्लिकेशन सर्वर पर एकल सीपीयू कोर की क्षमता से सीमित है। PCIe Gen4 2021 में अनुप्रयोगों के शिखर I / O प्रदर्शन को दोगुना कर देगा, जबकि एक CPU कोर अब समान रूप से डबल-कोर I / O प्रदर्शन करने में सक्षम नहीं होगा। एआई बाजार की तुलना में एकल-मेजबान आईओ की कोई अधिक एकाग्रता नहीं है - मशीन सीखने और गहन सीखने जैसे अनुप्रयोगों के लिए। इसे हल करने के लिए, ग्राहक ऐसे समाधानों की तलाश करेंगे जो मल्टी-थ्रेडिंग, आरडीएमए, और सीपीयू को पूरी तरह से बायपास करने की क्षमता का समर्थन करते हैं - जैसा कि NVIDIA के GPUDirect Storage के साथ होता है। GPU और AI प्रोसेसरों को रखने और कुशल बनाने की मांग नाटकीय रूप से I / O क्षमताओं की टीसीपी-आधारित NAS से आगे निकल जाएगी, जिससे अग्रणी ग्राहक 2021 में पूरी तरह से विरासत NAS से दूर चले जाएंगे। - रेने हल्क, VAST डेटा के संस्थापक और मुख्य कार्यकारी अधिकारी

ऑब्जेक्ट स्टोरेज उस मिथक को बिखरता है जिसका उपयोग केवल संग्रह के लिए किया जाता है। यद्यपि ऑब्जेक्ट स्टोरेज को बैकअप और आर्काइव स्टोरेज समाधान के रूप में जाना जाता है, तीन रुझान 2021 में उस धारणा का विस्तार करेंगे। सबसे पहले, फ्लैश-आधारित ऑब्जेक्ट स्टोरेज डेटा एनालिटिक्स वर्कलोड में अनुकूलता प्राप्त करेगा जिसमें उच्च क्षमता की आवश्यकताएं भी हैं। दूसरा, S3- संगत भंडारण कुबेरनेट की तैनाती को सरल करेगा, जिससे यह आधुनिक अनुप्रयोगों के लिए एक तार्किक विकल्प बन जाएगा। तीसरा, क्लाउड-देशी अनुप्रयोगों को तेजी से समय पर तैनात किया जाएगा, जिससे एप्लिकेशन पोर्टेबिलिटी बढ़ाने के लिए ऑन-प्रिमाइसेस S3- संगत स्टोरेज की आवश्यकता होगी। परिणामस्वरूप, अधिक संगठन ऑब्जेक्ट-स्टोरेज का उपयोग कंप्यूट-हेवी उपयोग के मामलों जैसे एआई, एमएल और डेटा एनालिटिक्स का समर्थन करने के लिए करेंगे, एक बार और सभी के लिए "सस्ते और गहरे" मिथक को चकनाचूर कर देंगे। - जॉन टॉर, के लिए सीएमओ Cloudian

संगठन अब बड़े पैमाने पर मशीन लर्निंग और IoT डेटा एकत्र कर रहे हैं। यदि आपकी कंपनी संचालित करने और सफल होने के लिए डेटा एकत्र करने और विश्लेषण करने पर निर्भर करती है, तो क्या होगा यदि वह डेटा पूरी तरह से बैकअप नहीं है और आसानी से पुनर्प्राप्त करने योग्य है? ज्यादातर कंपनियां मुख्य रूप से डेटा विश्लेषण के बारे में सोच रही हैं और डेटा बैकअप या सुरक्षा के बारे में बहुत कम हैं। लेकिन जैसे-जैसे डेटा विश्लेषण से लेकर उत्पादन के माहौल तक बढ़ता जा रहा है, वैसे-वैसे संरक्षण महत्वपूर्ण हो जाता है। अत्याधुनिक संग्रहण उपकरण तेजी से AI और मशीन लर्निंग पर निर्भर करते हैं ताकि डेटा बैकअप प्रक्रिया को स्वचालित किया जा सके। एंटरप्राइज़ डेटा के विस्फोट के आकार को देखते हुए, ये बुद्धिमान उपकरण एक कुशल बैकअप प्रक्रिया को बनाए रखने के लिए महत्वपूर्ण हो जाएंगे, जो मैन्युअल बैकअप पर अनकही घंटों की बचत करते हुए जल्दी और आसानी से बदलती आवश्यकताओं पर प्रतिक्रिया कर सकते हैं। - श्रीधर सुब्रमण्यन, के सीएमओ भंडारण

कार्यक्षेत्र

एआई के लिए आपूर्ति श्रृंखला प्रक्रियाओं में सुधार करने की क्षमता कम से कम 5 वर्षों के लिए कंपनियों का ध्यान केंद्रित करने का क्षेत्र रही है, लेकिन COVID-19 के कारण हुए व्यवधानों के बाद, कई आपूर्ति श्रृंखला विश्लेषकों और उद्यमों ने एआई को एक संभावित समाधान के रूप में अपना ध्यान आकर्षित किया है। उनका कहर। 67% तक  कुछ प्रौद्योगिकी समाधान में निवेश किए गए उद्यमों की मदद से उन्हें महामारी का मौसम और 60% तक औद्योगिक उद्यम विशेष रूप से एआई को देख रहे हैं। हालाँकि, AI मॉडल डेटा द्वारा ईंधन भर रहे हैं। एआई मॉडल की सटीकता, गुंजाइश और क्षमताएं इसके पीछे प्रशिक्षण डेटा पर पूरी तरह निर्भर करती हैं। हालांकि, एआई प्रोग्राम को पचाने से पहले उस डेटा को मशीन-पठनीय प्रारूप में व्यवस्थित और लेबल किया जाना चाहिए। इससे पहले कि वे एआई को गले लगाते हैं, उद्यमों को आधुनिक एकीकरण प्रौद्योगिकी का लाभ उठाना चाहिए, जो आपूर्तिकर्ताओं, भागीदारों, व्यापारियों और ग्राहकों के पारिस्थितिकी तंत्र के साथ बातचीत से डेटा को स्वचालित रूप से संकलित करने के लिए तैयार होता है, जो एआई मॉडल को ईंधन देने के लिए संरचित है।

चेकआउट PrimeXBT
एसी मिलान के आधिकारिक सीएफडी भागीदारों के साथ व्यापार
व्यापार क्रिप्टो करने के लिए सबसे आसान तरीका है।
स्रोत: https://www.fintechnews.org/big-data-ind Industries-predictions-for-2021/