Prediksi Industri Big Data Tahun 2021 - Plato Data Intelligence

By daniel gutierrez

Tahun 2020 telah menjadi tahun berabad-abad, dengan begitu banyak tantangan domestik dan global. Tetapi industri data besar memiliki kelambanan yang signifikan untuk memasuki tahun 2021. Untuk memberikan informasi kepada pembaca kami tentang tren baru yang penting menuju tahun depan, kami di sini, di dalamBIGDATA mendengar dari semua teman kami di seluruh ekosistem vendor untuk mendapatkan wawasan, refleksi, dan prediksi untuk apa yang mungkin akan datang. Kami sangat terdorong untuk mendengar perspektif yang begitu menarik. Sekalipun hanya setengah yang benar-benar menjadi kenyataan, Big Data di tahun depan ditakdirkan menjadi perjalanan yang cukup mengasyikkan. Nikmati!

Daniel D. Gutierrez - Pemimpin Redaksi & Ilmuwan Data Residen

Analitik

"Pembagian analitik" akan menjadi lebih buruk. Seperti “kesenjangan digital” yang banyak dipublikasikan, kami juga melihat munculnya “kesenjangan analitik”. Banyak perusahaan didorong untuk berinvestasi dalam analitik karena pandemi, sementara yang lain terpaksa memotong apa pun yang mereka anggap tidak penting agar lampu tetap menyala - dan investasi yang tepat dalam analitik adalah, untuk organisasi-organisasi ini, analitik ada di Memotong blok. Artinya, kesenjangan analitik akan semakin melebar di tahun 2021, dan tren ini akan berlanjut selama beberapa tahun mendatang. Tanpa ragu, pemenang dan pecundang di setiap industri akan terus ditentukan oleh mereka yang memanfaatkan analitik dan yang tidak. - Alan Jacobson, Kepala Bagian Data dan Analisis, di Alteryx

Mungkin sudah tidak ada lagi hari-hari analitik sedikit demi sedikit dan solusi pelaporan yang kemungkinan memenuhi kasus penggunaan bisnis khusus. Ini tidak berkelanjutan. Perusahaan tidak dapat memiliki implementasi analitik yang sangat terdepartementalisasi yang memiliki efek pemecahan masalah yang dilokalkan dan bisnis yang lebih besar tidak melihat manfaat penuh. Situasi saat ini akan berubah menjadi situasi di mana analitik akan dilakukan pada semua data yang dapat diakses oleh perusahaan, dengan kemampuan analitik ini diimplementasikan secara kolaboratif oleh berbagai kelompok kepentingan dengan keahlian yang berbeda (misalnya, ilmu data, garis pemimpin bisnis) dan dengan fokus penuh untuk mengoperasionalkan wawasan analitik hampir secara real time. Dengan kata lain, tidak ada lagi sedikit demi sedikit dan tidak lebih hanya eksperimen sains. - Sri Raghavan, Direktur, Ilmu Data dan Pemasaran Produk Analisis Lanjutan di Teradata

Analisis preskriptif akan menjadi komponen kunci untuk kesuksesan transformasi digital: Analisis tingkat lanjut adalah menjadi diarusutamakan saat bisnis semakin mengumpulkan dan menganalisis data di seluruh organisasi mereka, dengan 35% produsen AS yang menerapkan analitik tingkat lanjut dalam tiga tahun terakhir. Agar AI memiliki dampak signifikan di seluruh rantai nilai, analisis preskriptif akan menjadi katalisator untuk mengoptimalkan kinerja. Analisis preskriptif akan menjadi bagian penting untuk menskalakan AI dalam organisasi, dengan memanfaatkan data produk dan pelanggan untuk memberi tahu model AI tentang cara meningkatkan proses, menyesuaikan produksi, dan meningkatkan efisiensi. Analisis preskriptif memungkinkan peningkatan konstan dengan model AI dengan terus memantau dan menyesuaikan berdasarkan kondisi yang berkembang. Model preskriptif kemudian dapat mengaktifkan otomatisasi keputusan, di mana model tersebut dapat mengambil tindakan terbaik berdasarkan resep. Melampaui analitik prediktif hingga analitik preskriptif pada akhirnya akan memungkinkan keberhasilan transformasi digital untuk produsen pada tahun 2021. - George Young, Direktur Pelaksana Global Kalypso

Analisis yang ditingkatkan dan layanan mandiri akan menjadi lebih banyak diminati mengingat tenaga kerja yang terdistribusi dan rasa lapar akan informasi. Sebagai tanggapan, analitik tradisional akan semakin terganggu oleh AI. Peningkatan tenaga kerja terdistribusi akan menciptakan permintaan yang lebih besar untuk augmented analytics di mana pengguna individu dipandu melalui proses pembuatan kueri untuk mendapatkan jawaban langsung atas pertanyaan data mereka. Kami melihat pemusatan analitik dan AI di dua area - di tingkat infrastruktur dan di tingkat analis.

Orang-orang mulai menyadari bahwa mereka memiliki pipeline data berbeda yang menyediakan data untuk mesin analitik dan mereka membangun tumpukan berbeda untuk ML. Alih-alih dua tumpukan yang benar-benar terpisah, kami melihat konvergensi ini menjadi infrastruktur yang lebih mudah dipelihara sambil memastikan bahwa data yang sama digunakan untuk memasok kedua mesin. Konvergensi kedua akan terjadi mengenai 'kelaparan' akan informasi dan menjembatani celah untuk menjawab pertanyaan menggunakan data. Analisis tradisional akan mulai semakin terganggu oleh AI. Platform (seperti Tableau, Power BI, dll.) Akan mulai digantikan oleh bot dan asisten virtual yang bersifat percakapan. Kami melihat ini sebagai dorongan untuk mempercepat tarikan untuk swalayan. Kami juga mengantisipasi NLP menjadi lebih banyak digunakan pada tahun 2021. - Scott Schlesinger, Global Data, Analytics & AI Practice Leader di ness

Garis antara TI dan departemen lain dalam hal data dan analitik khususnya akan terus kabur. Data dan analitik memiliki potensi untuk mendorong hasil bisnis yang sangat positif dan bermakna, dan ketika itu terjadi, sering kali ada juga kolaborasi yang kuat di berbagai area fungsional karena masing-masing memiliki tingkat akuntabilitas untuk keberhasilan pendekatan analitik. Area seperti tata kelola data, literasi data, platform data terbuka, integrasi dan pemanfaatan data di berbagai bagian perusahaan akan memungkinkan pengguna bisnis untuk melakukan tugas yang biasanya disediakan untuk tim TI dan data yang dihasilkan unit bisnis akan dimasukkan ke dalam platform yang dikelola TI. Ini - ditambah dengan kekurangan ilmuwan data dan profesional analitik - juga berarti bahwa platform data akan menjadi lebih mulus dan mudah digunakan sehingga semua bagian organisasi dapat memanfaatkannya. - Frances Zelazny, CMO dari Analisis Sinyal

Pada tahun 2000-an, menempatkan Microsoft Office di resume Anda dapat membuat Anda menjadi kandidat yang baik untuk suatu pekerjaan, tetapi satu dekade kemudian itu adalah keterampilan yang diterima begitu saja. Saat ini, kemampuan SQL dapat membuat Anda menonjol, tetapi apa yang akan terjadi di tahun-tahun mendatang?

Saat literasi data meningkat, keterampilan analitik akan menjadi norma bagi semua profesional bisnis dan mulai menghilang dari resume kandidat. Sama seperti Anda tidak mungkin melihat 'kemahiran Office' hari ini, Anda tidak mungkin melihat 'kemahiran data' pada akhir dekade ini. Kami telah memasuki gelombang analitik ketiga, dan dengan itu harapan bahwa pengguna bisnis dapat berinteraksi dengan data tanpa bantuan seorang ahli. Segera, jika Anda tidak dapat menggabungkan data keras dengan konteks bisnis untuk menentukan dan melaksanakan strategi, Anda akan kesulitan di tempat kerja. Kandidat ideal untuk bisnis pada tahun 2021 dan seterusnya adalah orang yang dapat memahami dan berbicara tentang data - karena dalam beberapa tahun yang singkat, literasi data akan menjadi sesuatu yang diminta dan diharapkan oleh pemberi kerja. Mereka yang ingin maju sedang memperoleh bakat-bakat ini sekarang. - CEO ThoughtSpot, Sudheesh Nair

Saat perusahaan mengalihkan infrastruktur data mereka ke tumpukan federasi (satu mesin menanyakan sumber yang berbeda), terpilah (komputasi terpisah dari penyimpanan terpisah dari data lake), kita akan melihat pergudangan data tradisional dan arsitektur database yang digabungkan erat diturunkan ke beban kerja lama. Tetapi satu hal akan tetap sama dalam hal pergeseran ini - SQL akan terus menjadi lingua franca untuk analitik. Analis data, insinyur data, ilmuwan data, dan manajer produk bersama dengan admin basis data mereka akan menggunakan SQL untuk analitik. - Dave Simmen, Co-founder dan Chief Technology Officer (CTO), Ahana

Organisasi di mana-mana meningkatkan penggunaan sistem analitik mereka tetapi ditantang dengan kebutuhan akan platform data peristiwa yang dapat melakukan perselisihan data waktu nyata. Pada tahun 2021, organisasi akan menuntut platform data cerdas yang dapat menggunakan data statis dan streaming dari berbagai sumber dalam format, ukuran, atau kecepatan apa pun; Menyulitkan data (memperkaya dan memetakan) dengan cepat; dan mengirimkan data ke sistem, perangkat, dan aplikasi dengan aman dan dalam waktu nyata. - Sean Bowen, CEO Dorong Teknologi

Satu kueri SQL untuk semua beban kerja data. Langkah ke depan tidak hanya didasarkan pada otomatisasi, tetapi juga pada seberapa cepat dan luas Anda dapat membuat analitik Anda dapat diakses dan dibagikan. Analytics memberi Anda arahan yang jelas tentang langkah selanjutnya yang harus Anda lakukan untuk membuat pelanggan dan karyawan senang, dan bahkan menyelamatkan nyawa. Mengelola data Anda tidak lagi menjadi barang mewah, tetapi sebuah kebutuhan – dan menentukan seberapa sukses Anda atau perusahaan Anda nantinya. Jika Anda dapat menghilangkan kerumitan atau biaya pengelolaan data, Anda akan sangat efektif. Pada akhirnya, pemenang ruang akan menghilangkan kerumitan dan biaya pengelolaan data, dan beban kerja akan disatukan sehingga Anda dapat menulis satu kueri SQL untuk mengelola dan mengakses semua beban kerja di beberapa residensi data. - Raj Verma, CEO Toko Tunggal

Kemampuan AI dan Analytics disediakan oleh platform / tim yang berbeda di masa lalu. Selama bertahun-tahun, kami melihat platform ini berkumpul dan tim AI lebih fokus pada sisi algoritmik, sementara tim platform AI & Analytics bergabung untuk menyediakan infrastruktur perangkat lunak untuk kasus penggunaan analitik dan AI. - Haoyuan Li, Pendiri dan CEO, Kiasan

Sebagai profesional data, kami memiliki tanggung jawab kepada publik yang lebih luas. Saya pikir dalam tahun depan kita akan melihat kemajuan menuju kode etik dalam ruang analitik data, yang dipimpin oleh perusahaan yang sadar yang menyadari keseriusan potensi pelanggaran. Mungkin pemerintah AS akan campur tangan dan mengesahkan beberapa versi GDPR-nya sendiri, tetapi saya yakin perusahaan teknologi akan memimpin tuntutan ini. Apa yang telah dilakukan Facebook dengan data keterlibatan tidak ilegal, tetapi kami telah melihat bahwa hal itu dapat berdampak buruk pada perkembangan anak dan kebiasaan pribadi kita. Di tahun-tahun mendatang, kita akan melihat kembali cara perusahaan menggunakan data pribadi di tahun 2010-an dan merasa ngeri seperti yang kita lakukan ketika kita melihat orang-orang merokok di pesawat dalam film-film dari tahun 1960-an. - Jeremy Levy, CEO indikatif

Emosi merupakan faktor kunci yang mempengaruhi perilaku pelanggan dan memiliki pengaruh yang kuat terhadap loyalitas merek. Oleh karena itu, semakin berguna bagi perusahaan untuk menemukan cara mengukur emosi pelanggan selama proses pengambilan keputusan mereka. Analisis emosional berfokus pada mempelajari dan mengenali keseluruhan emosi manusia yang mencakup suasana hati, sikap, dan kepribadian. Ini menggunakan model prediktif dan AI / ML untuk menganalisis gerakan manusia, pilihan kata, nada suara, dan ekspresi wajah. Analisis emosional dapat membantu perusahaan membangun profil pelanggan yang lebih holistik, memahami cara memengaruhi emosi, dan mengembangkan produk dan layanan yang disesuaikan untuk individu. Analisis sentimen tentang produk dan layanan, lintas geografi, jaringan sosial, dan situs web ulasan memungkinkan perusahaan untuk lebih memahami dan meningkatkan tingkat kepuasan pelanggan mereka. Dengan menggunakan analitik emosional, perusahaan dapat lebih memahami bagaimana pemasaran dan layanan mereka memengaruhi emosi untuk memberikan pengalaman pelanggan yang lebih menarik secara positif. - Paul Moxon, SVP, Arsitektur Data di denodo

Sulit untuk mendapatkan analisis produk dengan benar. Setiap interaksi menghasilkan gundukan data, dan menggalinya untuk menemukan bahwa wawasan 'jarum di tumpukan jerami' membutuhkan banyak upaya, disiplin, dan waktu untuk membuatnya berhasil. Hambatan masuk ini berarti analisis data seringkali terbatas pada perusahaan yang memiliki sumber daya, bandwidth, dan pengetahuan untuk melakukannya dengan benar. Tetapi itu juga merupakan disiplin ilmu yang semakin penting - bahkan sebelum pandemi, interaksi konsumen dengan merek umumnya terjadi di platform digital, dan sekarang mereka hampir secara eksklusif ada di sana. Ada banyak sekali informasi di luar sana yang dapat menjelaskan ROI dari setiap interaksi, dan tanpa ragu, beberapa di antaranya berpotensi mengubah permainan. Tapi, sejujurnya, kita manusia, dan jika kita harus bekerja keras untuk mendapatkan nilai dari sesuatu, kita akan cenderung melakukannya secara konsisten. Itulah mengapa pada tahun 2021, analitik akan beralih dari permainan reaktif - mengumpulkan data yang kemudian harus disaring oleh analis untuk menemukan wawasan tersebut - menjadi yang proaktif, menghubungkan tim langsung ke "a-ha!" momen yang menginspirasi tindakan segera dan terinformasi. - Matin Movassate, CEO dan Pendiri di Heap

Kecerdasan Buatan

Saat bisnis mencari tujuan untuk membuka kembali dan mendapatkan kembali aliran pendapatan yang cukup, mereka perlu memanfaatkan teknologi pintar untuk mengumpulkan wawasan penting secara real-time yang memungkinkan mereka melakukannya. Mengadopsi teknologi kecerdasan buatan (AI) dapat membantu memandu perusahaan untuk memahami apakah strategi mereka untuk menjaga keamanan pelanggan dan karyawan berhasil, sambil terus mendorong pertumbuhan. Saat perusahaan mengenali kemampuan unik AI untuk membantu memudahkan manajemen dan kepatuhan kebijakan perusahaan, memastikan keamanan, dan mengembangkan pengalaman pelanggan, kita akan melihat peningkatan tingkat adopsi AI di seluruh industri. - Hillary Ashton, EVP dan Chief Product Officer di Teradata

Pada tahun 2021 kita akan melihat AI, pembelajaran mesin, dan IoT menentukan dan membentuk kehidupan dan perilaku kita, sebuah fenomena yang akan berlanjut selama bertahun-tahun yang akan datang. Kemajuan ini memengaruhi cara kita bekerja, cara kita membeli, cara kita membelanjakan uang, cara kita melakukan setiap hal kecil dalam hidup kita. Tapi saya pikir bintang nyata yang akan dituju perusahaan adalah teknologi yang memungkinkan seperti cloud dan komputasi edge, yang akan terus mendominasi karena kemampuan mereka untuk memproses dan mengelola semua data yang diperlukan yang menjadi bahan bakar AI, ML, dan IoT, seperti serta memungkinkan teknologi seperti iPaaS, APIM dan RPA. Teknologi ini akan terus memimpin biaya transformasi digital untuk bisnis saat mereka beralih dari bisnis manual atau berbasis kertas ke bisnis digital yang pada akhirnya dapat memanfaatkan kekuatan AI dan IoT. - Manoj Choudhary, CTO di Jitterbit

Kecerdasan Buatan menjadi kurang artifisial pada tahun 2021: Bahkan dengan vaksin untuk COVID-19 di depan mata, cara orang bekerja dan berinteraksi telah berubah secara mendasar. Di tahun baru, pekerjaan jarak jauh akan terus berlanjut, persyaratan jarak sosial akan tetap ada, dan rantai pasokan akan terus menghadapi gangguan. Cara hidup baru ini menuntut cara baru bagi perusahaan untuk melanjutkan operasi secara efektif di seluruh rantai nilai - dari produk hingga pabrik hingga pengguna akhir. Penggunaan kecerdasan buatan (AI) akan menjadi standar untuk mengatasi tantangan ini. Namun, tanpa mempertimbangkan bagaimana manusia akan berinteraksi dan memanfaatkan sistem otonom baru ini, AI akan gagal.

Pada tahun 2021, perusahaan akan mengambil pendekatan yang berpusat pada manusia untuk inisiatif AI, memahami kebutuhan dan nilai pengguna, kemudian mengadaptasi desain dan model AI yang sesuai, yang pada gilirannya akan meningkatkan adopsi. Perusahaan harus menempatkan fokus yang sama pada orang dan budaya sebagai teknologi itu sendiri agar AI berhasil. Tim manajemen perubahan organisasi (OCM) akan sangat penting untuk mendorong transformasi digital dan AI ke depan dengan membawa orang-orang dalam perjalanan perubahan dan menyiapkan organisasi untuk hasil yang terukur. Manajemen perubahan yang tepat adalah aspek terpenting - namun terlewatkan - dari setiap inisiatif transformasi digital. - George Young, Direktur Pelaksana Global di Kalypso

Pada tahun 2021, perusahaan akan beralih dari keuntungan cepat dengan mengandalkan sistem AI, untuk fokus pada nilai bisnis yang langgeng dan bermakna. Perubahan ini akan mendorong inisiatif literasi data yang lebih dalam di seluruh organisasi. Ini akan menuntut orang untuk mempelajari keterampilan baru dan berperilaku dengan cara baru. - Sundeep Reddy Mallu, Kepala Analisis di Gramer

Sebagian besar konsumen akan terus bersikap skeptis terhadap AI. Dengan beberapa merek konsumen besar di kursi panas seputar etika AI yang dipertanyakan, kebanyakan orang masih tidak mempercayai AI. Bagi banyak orang, itu karena mereka tidak memahaminya atau bahkan menyadari bahwa mereka menggunakannya setiap hari. Konsumen mendapatkan begitu banyak layanan yang didukung AI secara gratis - Facebook, Google, TikTok, dll. - sehingga mereka tidak memahami apa yang secara pribadi mereka serahkan sebagai imbalan - yaitu data pribadi mereka. Selama masyarakat umum terus bersikap naif, mereka tidak akan dapat mengantisipasi bahaya yang dapat ditimbulkan oleh AI atau cara melindungi diri mereka sendiri - kecuali pasar mendidik pelanggan dengan lebih baik atau menerapkan peraturan untuk melindungi mereka. Meskipun demikian, ada beberapa bukti bahwa kami sedang mengubah kepercayaan AI. Delapan puluh satu persen responden pemimpin bisnis untuk survei Pega yang akan datang mengatakan mereka optimis bahwa bias AI akan cukup dikurangi dalam lima tahun. Bisnis lebih baik berharap ini menjadi kenyataan - karena semakin banyak masyarakat yang sadar tentang bagaimana AI memengaruhi kehidupan mereka, dan dalam beberapa kasus menjadi favorit, mereka akan terus mengajukan pertanyaan yang lebih sulit yang semakin mengikis kepercayaan pada AI, memaksa bisnis untuk harus menjawabnya. - Vince Jeffs, Direktur Senior - Strategi Produk, AI Pemasaran dan Pengambilan Keputusan, Pega

Pekerja digital yang didukung AI akan membantu bisnis tetap strategis dalam jangka panjang. Beberapa tidak setuju dengan gagasan bahwa AI dan otomatisasi sangat penting untuk kelangsungan hidup perusahaan di masa depan. Namun, penelitian menunjukkan bahwa sebagian besar perusahaan belum sepenuhnya menyadari manfaat dari investasi AI dan otomasi mereka. Dengan menghubungkan kapabilitas AI yang kuat ke proses bisnis melalui tenaga kerja digital, kita akan melihat semakin banyak organisasi yang menerapkan otomatisasi berbasis AI dalam skala besar. Otomatisasi yang diinfuskan AI akan semakin dikaitkan dengan inisiatif strategis inti seperti peningkatan fokus pelanggan, pertumbuhan pendapatan, alokasi modal, manajemen rantai pasokan, manajemen risiko, efisiensi biaya dan operasional, dan banyak lagi. Pekerja digital yang didukung AI akan dimanfaatkan sebagai alat utama untuk melaksanakan strategi perusahaan dan mengelola risiko skala perusahaan. Penerapan otomasi yang cepat dan efektif akan semakin dilihat sebagai komponen penting untuk tetap kompetitif di pasar. - Eric Tyree, Kepala AI dan Riset di Blue Prism

Eksperimen AI akan menjadi lebih strategis. Eksperimen terjadi di seluruh proses pengembangan model - biasanya setiap keputusan atau asumsi penting hadir dengan setidaknya beberapa eksperimen atau penelitian sebelumnya untuk membenarkan keputusan tersebut. Eksperimen dapat memiliki berbagai bentuk, mulai dari membuat model ML prediktif lengkap hingga melakukan pengujian statistik atau membuat bagan data. Mencoba semua kombinasi dari setiap hyperparameter yang mungkin, penanganan fitur, dll., Dengan cepat menjadi tidak dapat dilacak. Oleh karena itu, kita akan mulai melihat organisasi menentukan waktu dan / atau anggaran komputasi untuk eksperimen serta ambang batas penerimaan untuk kegunaan model. - Florian Douetteau, CEO dan salah satu pendiri Dataku

Pada tahun 2021, kita akhirnya akan melihat AI menjadi arus utama. Akibat COVID-19, bisnis dipaksa untuk bertransformasi secara digital untuk bertahan dalam keadaan normal baru. Menurut penelitian kami, akselerasi digital tidak menunjukkan tanda-tanda akan berhenti di tahun baru, dengan 86% perusahaan saat ini menuai manfaat dari pengalaman pelanggan yang lebih baik melalui AI, kemungkinan akan terus berlanjut. Pandemi juga telah mengubah prioritas bisnis untuk investasi AI. Misalnya, kami telah melihat perusahaan bergeser dari tugas yang lebih sederhana seperti otomatisasi menjadi fokus pada perencanaan tenaga kerja dan pemodelan simulasi. Karena organisasi terus melihat manfaat dari investasi digital mereka dalam proses yang kompleks, AI hanya akan menjadi lebih luas dan digunakan secara luas selama tahun depan. - Anand Rao, Pemimpin Kecerdasan Buatan Global di PwC

Konvergensi AI & BI akan meningkatkan wawasan data. AI telah menjadi bagian dari setiap diskusi perusahaan selama 5 tahun terakhir. Namun, tantangan tetap ada dalam mendemokratisasi wawasan AI tingkat lanjut di seluruh bagian besar karyawan. Saat produk BI bertenaga AI baru muncul, silo akan rusak dan setiap pengguna akan dapat memanfaatkan analitik data dan menemukan wawasan dengan mudah. Antarmuka sederhana, wawasan yang dipersonalisasi, dan pengalaman data yang menarik akan menjadi keunggulan analisis data pada tahun 2021 dan seterusnya. - Dhiren Patel, Kepala Bagian Produk MachEye & Kepala Kesuksesan Pelanggan

Bias rasial dalam banyak algoritma pengenalan wajah yang digerakkan oleh AI telah menjadi topik pembicaraan besar selama setahun terakhir dan muncul karena kerusuhan sosial tahun 2020. Penelitian telah menemukan bukti yang tersebar luas bahwa ras minoritas jauh lebih mungkin dibandingkan orang kulit putih untuk salah diidentifikasi. Pada tahun 2021, kita akan melihat koreksi bias AI menjadi topik utama bagi perusahaan mana pun yang memanfaatkan AI atau teknologi pengenalan wajah. Dengan menggunakan dokumen yang dikeluarkan pemerintah, Anda dapat dengan cepat dan mudah membuktikan kepemilikan ID dengan menganalisis wajah di dokumen dan membandingkannya dengan wajah yang mencoba mengakses sistem Anda. 2021 akan menjadi tahun di mana bias AI terungkap dan perusahaan akan mulai menerapkan perubahan radikal untuk menghilangkan bias rasial dalam perangkat lunaknya - beberapa di antaranya dapat dilakukan dengan menempatkan fokus yang disengaja pada keadilan dan pelatihan sistem ML perusahaan untuk mengurangi rasial wajah. kesalahan pengenalan. - Mohan Mahadevan, Wakil Presiden Riset, Onfido

2021 akan menjadi tahun di mana tim beralih dari berkencan dengan AI dengan santai menjadi menjalin hubungan yang berkomitmen. AI tidak lagi hanya untuk proyek R&D. Saatnya berkomitmen untuk mengadaptasi solusi ini alih-alih hanya menggoda mereka. Kami harus mengotomatiskan sekarang. - David Karandish, Pendiri dan CEO Kapasitas

Dengan perpaduan kekuatan komputasi, data skala internet, dan algoritme pembelajaran mesin modern, kami telah membuat terobosan baru yang luar biasa dengan AI selama beberapa tahun terakhir. Di tahun-tahun mendatang, kita akan memasuki era ekspansif, di mana banyak kasus penggunaan komersial akan dibuat prototipe, dikemas dan diproduksi - baik untuk meningkatkan produk dan layanan yang ada atau untuk membuat yang sama sekali baru. - Dave Costenaro, Chief Data Officer di Kapasitas

Keberhasilan AI Beralih Dari Tujuan Umum ke Fokus Khusus. Sementara investasi AI terus tumbuh di perusahaan, bisnis mengevaluasi kembali tumpukan teknologi mereka untuk mengakomodasi AI khusus, daripada kotak hitam "tujuan umum" yang mengklaim melakukan segalanya. Kasus penggunaan yang ceruk dan disempurnakan yang memecahkan masalah spesifik akan mengambil prioritas anggaran, daripada otomatisasi yang menjanjikan untuk melakukan segalanya. - Viral Bajaria, CTO di 6sense

Rise of Artificial Narrow Intelligence: Belum lama ini, AI adalah apa yang sekarang kita kenal sebagai kecerdasan umum buatan, seperti mobil yang mengemudi sendiri atau pengenalan gambar. Namun, saat ini ada kategori baru kecerdasan buatan yang mencoba meniru proses pengambilan keputusan manusia. Dari perspektif rantai pasokan, AI baru ini dapat membantu menginformasikan pengambilan keputusan yang lebih baik seputar setiap aspek rantai pasokan, dari "Bagaimana cara mengisi truk?" atau "Bagaimana cara mendapatkan produk tepat waktu?" Pada tahun 2021, saya membayangkan peningkatan ini sempit solusi untuk menggantikan keputusan taktis dan skala yang lebih kecil. - Andy Fox, Direktur Dampak Global pada LLamasoft

Di pinggiran, kita akan mulai melihat "Counter-AI" mulai terwujud. Ketika pemerintah mencoba melacak orang dan bisnis mencoba memanipulasi mereka atau mendapatkan wawasan mendalam tentang perilaku, saya memperkirakan reaksi balik dari metode untuk menggagalkan pelacakan dan pelanggan 360. Tidak berbeda dengan pekerjaan yang telah dilakukan berbagai kelompok pada alat pengenalan anti-wajah, kita akan mulai melihat metode berteknologi tinggi dan rendah untuk mengejutkan AI yang digunakan untuk memantau dan memahami kita. - Kepala Arsitektur untuk Atos Amerika UtaraLab AI bekerja sama dengan Google Cloud, Jonas Bull

Karena semakin banyak lembaga yang mulai mengadopsi solusi berbasis AI dan ML ini, ada tanggung jawab penegak hukum untuk mematuhi kebijakan etika dan menghilangkan bias dalam alat tersebut. Dengan demikian, departemen akan mulai membuat kebijakan mereka sendiri dan bekerja dengan badan pengatur tentang penggunaan AI yang bertanggung jawab dan etis, termasuk pelatihan yang tepat untuk tim dan fungsi bisnis yang relevan, serta menciptakan lingkungan dengan etos pengambilan keputusan berdasarkan data dan bertanggung jawab. -membuat. Selangkah lebih maju, organisasi penegak hukum akan terus memastikan sistem AI diperiksa agar bebas bias dan diperbaiki sesuai kebutuhan. Dan mereka akan membuka jalur komunikasi dengan publik untuk mempromosikan transparansi terkait penggunaan alat-alat tersebut. - Heather Mahalik, Direktur Senior Intelijen Digital, Cellebrite

Kita akan melihat lebih banyak perusahaan berbasis data memanfaatkan sumber terbuka untuk analitik dan AI pada tahun 2021. Teknologi analitik sumber terbuka seperti platform AI bertenaga Presto dan Apache Spark dan jauh lebih fleksibel dan hemat biaya daripada rekan gudang data perusahaan tradisional mereka yang mengandalkan konsolidasi data di satu tempat – upaya yang memakan waktu dan mahal yang biasanya membutuhkan vendor lock-in. Tahun depan akan terlihat peningkatan penggunaan mesin analitik seperti Presto untuk aplikasi AI karena sifatnya yang terbuka - lisensi open source, format terbuka, antarmuka terbuka, dan cloud terbuka. - Dipti Borkar, Co-founder dan Chief Product Officer (CPO), Ahana

Industri akan beralih dari platform AI horizontal generik, seperti IBM Watson dan Amazon Lex, menuju produk yang didukung AI khusus domain dan model layanan terkelola. Platform generik bukanlah solusi, Mereka mulai dingin, tanpa data pelatihan atau struktur model data - membangun ini, kemudian mengoptimalkannya dalam produksi adalah tugas ahli dan sumber daya intensif yang berada di luar kemampuan sebagian besar perusahaan. Peralihan dari pasar inovator awal ke adopsi pasar massal akan didorong pada tahun 2021 oleh adopsi produk bertenaga AI khusus domain yang telah dilatih sebelumnya untuk industri tertentu dan terbukti berhasil. - Jake Tyler, salah satu pendiri & CEO, Finlandia AI

Pada tahun 2021, AI tidak akan dipetakan pada spektrum kompetensi manusia. Kita dapat memiliki algoritme yang menghancurkan manusia mana pun dalam catur tetapi tidak dapat membuat secangkir teh dan program komputer yang dapat melakukan matematika jutaan kali lebih cepat daripada manusia, tetapi jika ditanya siapa yang mungkin memenangkan Piala Dunia berikutnya, mereka bahkan tidak akan mengerti pertanyaan. Kemampuan mereka tidak universal. Kami telah mencapai titik dengan AI di mana kami secara bersamaan melebih-lebihkan dan meremehkan kekuatan algoritme. Ketika kita melebih-lebihkan mereka, kita melihat penilaian manusia diturunkan ke renungan - tempat yang berbahaya. Penggunaan “algoritme mutan” dalam menilai hasil level A adalah skandal du jour di Inggris, meskipun algoritme tersebut menghasilkan banyak hasil yang melanggar akal sehat. Saat kami meremehkan algoritme, kami melihat seluruh industri runtuh karena mereka tidak melihat perubahan di cakrawala. Bagaimana bisnis taksi tradisional dapat bersaing jika algoritme Uber dapat membantu Anda dalam waktu kurang dari 3 menit? Pada tahun 2021, perkirakan para insinyur untuk menghindari AI dan kesalahan algoritmik dengan tidak mencoba memetakan algoritme ke spektrum kompetensi manusia. Menggunakan teknologi AI - seperti pengenalan ucapan konteks apa pun - untuk meningkatkan apa yang dapat dilakukan manusia dan menemukan keseimbangan yang tepat antara otomatisasi AI dan pengetahuan manusia untuk kasus penggunaan dunia nyata - seperti pengalaman pelanggan dan konferensi web - akan mulai membentuk penggunaan yang efektif. AI untuk masa depan. - Ian Firth, VP di Speechmatik

AI / ML yang bertanggung jawab akan menjadi topik terpanas di industri Cloud ML. Mengingat peningkatan penekanan masyarakat dalam memerangi ketidakadilan dan bias dan minat keseluruhan dalam interpretabilitas yang lebih baik dan penjelasan model pembelajaran mesin, penyedia cloud akan berinvestasi dan meningkatkan penawaran ML mereka untuk menawarkan rangkaian lengkap kemampuan ML / AI yang bertanggung jawab yang bertujuan untuk memuaskan dan meyakinkan regulator, pemodel, manajemen, dan pasar tentang penggunaan ML yang wajar. Sementara itu, AI / ML akan terus mengalami pertumbuhan dan penggunaan yang eksplosif di seluruh industri, dengan peningkatan signifikan dalam kemudahan penggunaan dan kombinasi UX dalam kerangka kerja AI / ML yang bertanggung jawab untuk mendorong lonjakan pertumbuhan berikutnya di sektor ini. - Yiannis Antoniou, analis, Gigaom

AIOps untuk jaringan akan menjadi arus utama: Tahun depan, AIOps akan beralih dari teori ke praktik untuk banyak organisasi. Dengan bertambahnya pekerja jarak jauh dan rumah menjadi cabang mikro baru, AI akan menjadi taruhan utama untuk memberikan pengalaman pengguna cloud yang hebat kepada klien sekaligus mengontrol biaya dukungan TI untuk karyawan jarak jauh. Tim TI perlu menggunakan AIOps untuk mengukur dan mengotomatiskan operasi mereka. AIOps cloud SaaS akan menjungkirbalikkan paradigma dukungan pelanggan. Alih-alih pengguna mengirimkan tiket ke TI, AI akan secara proaktif mengidentifikasi pengguna dengan masalah konektivitas atau pengalaman dan akan menyelesaikan (jaringan self-driving) atau akan membuka tiket dengan tindakan perbaikan yang disarankan untuk TI. - Bob Friday, CTO dari Mist Systems, perusahaan Juniper Networks

Kecerdasan buatan dan pembelajaran mesin akan memainkan peran yang jauh lebih integral dalam strategi rantai pasokan dibandingkan tahun-tahun sebelumnya. Kebutuhan akan lebih banyak wawasan waktu nyata di seluruh rantai pasokan akan terus tumbuh pada tahun 2021, terutama karena organisasi rantai pasokan mengevaluasi kembali operasi mereka sebagai akibat dari perubahan tiba-tiba dalam perilaku pembelian selama pandemi COVID-19.

Untuk mengatasi kebutuhan ini, organisasi rantai pasokan perlu melihat ke teknologi yang mendukung kecerdasan buatan (AI) dan pembelajaran mesin (ML) untuk meningkatkan dari analitik deskriptif dan preskriptif saat ini, dan memanfaatkan analitik prediktif - yang menyediakan tindakan yang direkomendasikan sebelum sebuah insiden terjadi berdasarkan tindakan sebelumnya. Seringkali, perusahaan mengalami kekacauan silo dan fragmentasi karena diakuisisi oleh perusahaan besar yang memiliki sistem berbeda. Pada tahun 2021, pemangku kepentingan rantai pasokan akan berupaya untuk menyebarkan digital twins di semua modul sebagai lapisan ekstra visibilitas dan untuk memastikan sinkronisasi antara sistem perusahaan yang ada dan teknologi baru, seperti sensor dan sensor nano, yang mulai dipasarkan dalam volume yang semakin besar. . - Mahesh Veerina, CEO Cloudleaf

Bias dalam AI menyebabkan kerugian dalam skala besar - mulai dari memengaruhi proses rekrutmen dengan memperkuat stereotip gender hingga diskriminasi rasial dalam penilaian kredit dan pemberian pinjaman. Organisasi tahu bahwa mempekerjakan tenaga kerja yang beragam dapat memberikan tingkat kebenaran untuk model AI, dan mereka tahu bahwa data pelatihan perlu terus dipantau untuk mengetahui adanya bias, karena hal itu memengaruhi kualitas dan keakuratan algoritme. Mereka juga tahu bahwa tidak ada patokan saat ini untuk pengukuran berbasis etika untuk benar-benar mengurangi bias dalam AI, dan itu perlu. Pada tahun 2021, kita akan melihat organisasi bergerak melewati hanya mengakui dan "mengkhawatirkan" tentang bias dalam AI dan mulai membuat langkah yang lebih signifikan untuk menyelesaikannya - karena itu akan diperlukan. Tim dan / atau inisiatif khusus akan dibentuk untuk memerangi semua masalah yang berada di bawah payung AI yang bertanggung jawab, termasuk segala sesuatu mulai dari bias inheren dalam data hingga memperlakukan pelatih data secara adil. Membangun inisiatif AI yang bertanggung jawab tidak hanya akan menjadi mandat tingkat dewan bagi beberapa orang, tetapi mitra dan pelanggan perusahaan yang memimpin upaya AI akan memintanya. - Appen CTO Wilson Pang

AIOps Akan Memanas untuk Meningkatkan Pengalaman Pelanggan dan memberikan Jaminan dan Pengoptimalan Aplikasi. Dengan tahun ketidakpastian di belakang kita, perusahaan harus mengharapkan hal yang tidak terduga dalam hal membuat tumpukan teknologi sempurna dan proaktif. Kami akan melihat permintaan untuk AIOps terus tumbuh, karena AIOps dapat mengatasi dan mengantisipasi skenario tak terduga ini menggunakan AI, ML, dan analitik prediktif. Meningkatnya kompleksitas aplikasi perusahaan digital yang mencakup infrastruktur hybrid on-premise dan cloud ditambah dengan adopsi arsitektur aplikasi modern seperti containerization akan menghasilkan peningkatan volume dan kompleksitas data yang belum pernah terjadi sebelumnya. Sementara kelebihan data dari lingkungan digital modern dapat menunda perbaikan dan membebani tim IT Ops, kumpulan data yang berisik akan menjadi penghalang masa lalu karena strategi yang lebih cerdas dan sistem AIOps terpusat membantu organisasi meningkatkan pengalaman pelanggan, memberikan jaminan dan pengoptimalan aplikasi modern, mengikatnya ke otomatisasi cerdas, dan berkembang sebagai perusahaan digital otonom. Faktanya, pendekatan Operasi TI konvensional mungkin tidak lagi dapat dilakukan - membuat adopsi AIOps menjadi tidak terhindarkan untuk dapat mengukur sumber daya dan mengelola lingkungan modern secara efektif. - Ali Siddiqui, Direktur Produk, Perangkat Lunak BMC

Kenyataan sebenarnya adalah bahwa 2021 akan menjadi tahun ketika mereka yang benar-benar melakukan AI akan mulai mencapai nilai dalam skala besar, sementara mereka yang menghabiskan waktu berbulan-bulan untuk melatih model yang rapuh dan gagal mengejar ketinggalan akan mengalami kerugian yang meningkat, eksponensial, dan tidak menguntungkan. Tantangan terakhir tidak akan menjadi lebih mudah - tetapi perubahan mendasar dalam pemikiran dan pendekatan akan sangat penting untuk mengatasi hambatan kompleksitas. - Dr. Josh Sullivan, Kepala Modzy

Penilaian risiko yang elegan: Karena ruang AIOps terus berkembang, kami melihat peluang bagi vendor untuk menyempurnakan kemampuan penilaian risiko mereka untuk memungkinkan pelanggan memperbaiki masalah dengan hampir pasti, tanpa merusak apa pun dalam sistem. Pada tahun 2021, satu area di mana kita akan melihat peningkatan fokus dari kedua vendor dan lebih banyak adopsi di antara pengguna akan memungkinkan pemetaan ketergantungan yang lebih elegan sehingga insinyur dapat menilai risiko secara akurat sebagai bagian dari proses remediasi atau siklus build-deploy untuk perubahan perangkat lunak, untuk memastikan bahwa perubahan di satu bagian lingkungan tidak akan merusak sistem di tempat lain. - Michael Olson, Direktur, Pemasaran Produk di New Relic

Pada tahun 2021, AI Tidak Akan Dipetakan pada Spektrum Kompetensi Manusia: Kita dapat memiliki algoritme yang menghancurkan manusia mana pun di catur tetapi tidak dapat membuat secangkir teh dan program komputer yang dapat melakukan matematika jutaan kali lebih cepat daripada manusia, tetapi, jika ditanya siapa yang akan memenangkan Piala Dunia berikutnya, mereka bahkan tidak akan mengerti pertanyaannya. Kemampuan mereka tidak universal. Kami telah mencapai titik dengan AI di mana kami secara bersamaan melebih-lebihkan dan meremehkan kekuatan algoritme.

Ketika kita melebih-lebihkan mereka, kita melihat penilaian manusia diturunkan ke renungan - tempat yang berbahaya. Penggunaan “algoritme mutan” dalam menilai hasil level A adalah skandal du jour di Inggris, meskipun algoritme tersebut menghasilkan banyak hasil yang melanggar akal sehat. Saat kami meremehkan algoritme, kami melihat seluruh industri runtuh karena mereka tidak melihat perubahan di cakrawala. Bagaimana bisnis taksi tradisional dapat bersaing jika algoritme Uber dapat membantu Anda dalam waktu kurang dari 3 menit? Pada tahun 2021, perkirakan para insinyur untuk menghindari AI dan kesalahan algoritmik dengan tidak mencoba memetakan algoritme ke spektrum kompetensi manusia. Menggunakan teknologi AI - seperti pengenalan ucapan konteks apa pun - untuk meningkatkan apa yang dapat dilakukan manusia dan menemukan keseimbangan yang tepat antara otomatisasi AI dan pengetahuan manusia untuk kasus penggunaan dunia nyata - seperti pengalaman pelanggan dan konferensi web - akan mulai membentuk penggunaan yang efektif. AI untuk masa depan. - Ian Firth, VP di Speechmatik

ML di ujung tanduk akan menjadi salah satu fokus utama dalam industri AI / ML pada tahun 2021. Permintaan untuk aplikasi edge cerdas meningkat pesat di otomotif, pabrik pintar, dan industri rumah pintar. Dengan alat pengembangan edge ML efisien yang tersedia secara luas dan perusahaan semikonduktor yang meluncurkan MCU baru dengan fitur ML, penerapan aplikasi edge ML akan menjadi tren utama. - Sang Won Lee, CEO queexo

Komunitas klinis akan meningkatkan penggunaannya pendekatan pembelajaran federasi untuk membangun model AI yang kuat di berbagai institusi, geografi, demografi pasien, dan pemindai medis. Sensitivitas dan selektivitas model ini mengungguli model AI yang dibuat di satu institusi, bahkan saat ada banyak data untuk dilatih. Sebagai bonus tambahan, peneliti dapat berkolaborasi dalam pembuatan model AI tanpa membagikan informasi rahasia pasien. Pembelajaran gabungan juga bermanfaat untuk membangun model AI untuk area di mana datanya langka, seperti untuk pediatri dan penyakit langka. - Kimberly Powell, Wakil Presiden & Manajer Umum, NVIDIA Healthcare

Pusat Keunggulan AI: Perusahaan telah berusaha keras selama 10 tahun terakhir untuk mendapatkan data scientist dengan bayaran tinggi, namun produktivitas mereka lebih rendah dari yang diharapkan karena kurangnya infrastruktur yang mendukung. Lebih banyak organisasi akan mempercepat pengembalian investasi pada AI dengan membangun infrastruktur bersama yang terpusat pada skala superkomputer. Ini akan memfasilitasi perawatan dan penskalaan bakat sains data, berbagi praktik terbaik, dan mempercepat penyelesaian masalah AI yang kompleks. - Charlie Boyle, Wakil Presiden & Manajer Umum, Sistem NVIDIA DGX

Ekspresi AI Akan Mempersempit Pengalaman Pengguna yang Mulus: Saat kita melihat sejarah AI, algoritme adalah raja dan pengalaman pengguna berada di urutan kedua. Namun menjelang tahun 2021, aplikasi yang mendukung AI akan semakin fokus pada kegunaan sebagai prioritas. Ekspresi AI terbaik terlihat mulus bagi pengguna dan bekerja tanpa mengganggu di latar belakang. Platform yang didukung oleh AI / ML akan menemukan cara baru untuk mengarahkan pengguna ke kesimpulan dan solusi yang lebih baik.

Ini terjadi dengan menginterogasi data dalam jumlah besar, mencari anomali, wawasan, dan tren, kemudian menyajikan hasil dalam konteks bisnis yang sesuai. AI / ML yang benar-benar tanpa hambatan harus menjadi tujuan akhir untuk semua platform bisnis. Saya berharap untuk melihat aplikasi AI yang lebih canggih yang akan mengidentifikasi apa yang setiap pengguna coba capai dan secara otomatis menampilkan wawasan yang dapat dimanfaatkan untuk tindakan cepat. Kemudahan penggunaan ini akan sangat berharga bagi basis pengguna yang luas, baik teknis maupun non-teknis. - Sanjay Vyas, CTO dari penuh rencana

Ethical AI akan mengambil peran kunci dalam pengembangan produk pada tahun 2021, tetapi ini adalah masalah yang sulit dipecahkan: Ethical AI menjadi masalah penting, tetapi dilema yang sulit dipecahkan. Perusahaan menggunakan data dan AI untuk menciptakan solusi, tetapi mereka mungkin melanggar hak asasi manusia dalam hal diskriminasi, pengawasan, transparansi, privasi, keamanan, kebebasan berekspresi, hak untuk bekerja, dan akses ke layanan publik.

Untuk menghindari peningkatan risiko reputasi, peraturan, dan hukum, AI yang etis sangat penting dan pada akhirnya akan digantikan oleh kebijakan AI. Kebijakan AI akan memastikan standar transparansi dan langkah-langkah perlindungan yang tinggi bagi masyarakat. Dalam bidang data, CEO dan CTO perlu menemukan cara untuk menghilangkan bias dalam algoritme melalui analisis, pemeriksaan, dan pemrograman yang cermat. - Krishna Tammana, CTO dari Talend

Tahun depan, kita akan melihat perusahaan fokus pada, mengadopsi dan mengembangkan solusi AI yang benar-benar memberikan ROI sebagai lawan dari tipu muslihat atau membangun teknologi demi teknologi. Organisasi akan berfokus pada kemajuan yang dapat dibuktikan dan hasil yang dapat diukur dan oleh karena itu akan berinvestasi dalam solusi yang memecahkan masalah tertentu. Perusahaan yang memiliki pemahaman mendalam tentang kompleksitas dan tantangan yang ingin diselesaikan oleh pelanggan mereka dan bersedia menginvestasikan dolar R&D mereka dalam solusi akan menemukan kesuksesan. - Joe Petro, CTO di Nuansa Komunikasi, Inc..

Kesenjangan keterampilan AI akan terus ada, dan organisasi akan memikirkan cara baru untuk beradaptasi. Sulit bagi organisasi untuk merekrut talenta yang dibutuhkan untuk menerapkan AI dan menuai semua manfaat, dengan setengah dari orang dalam industri melaporkan tantangan ini. Terlebih lagi, banyak organisasi telah mempercepat inisiatif transformasi digital dalam hitungan bulan atau tahun - tetapi ada perbedaan dalam bakat yang tersedia dan peluang pelatihan untuk mendukung inisiatif ini. Karena meningkatnya permintaan, kami memperkirakan bahwa perusahaan akan menawarkan lebih banyak inisiatif dan insentif untuk karyawan untuk mempelajari keterampilan baru, serta bekerja untuk membangun data dan literasi AI di semua tingkat organisasi.

Pandemi telah memberikan peluang bagi organisasi untuk memprioritaskan tindakan ini dan membantu karyawan mengembangkan keterampilan baru dalam transisi cepat mereka ke pekerjaan jarak jauh. Ke depan, 2021 akan menjadi tentang pendidikan - baik yang beroperasi dalam normal baru dan mengikuti prakarsa digital yang dipercepat. - Traci Gusher, Kepala Sekolah, Data & Analitik, KPMG

Mengatasi bias dalam algoritme AI akan menjadi prioritas utama yang menyebabkan pedoman diluncurkan untuk dukungan pembelajaran mesin etnis untuk pengenalan wajah. Perusahaan menjadi semakin khawatir tentang bias demografis dalam algoritme AI (ras, usia, jenis kelamin) dan pengaruhnya terhadap merek dan potensi mereka untuk mengangkat masalah hukum. Mengevaluasi bagaimana vendor mengatasi bias demografis akan menjadi prioritas utama ketika memilih solusi pemeriksaan identitas pada tahun 2021. Menurut Gartner, lebih dari 95% RFP untuk pemeriksaan identitas yang berpusat pada dokumen (membandingkan ID yang dikeluarkan pemerintah dengan selfie) akan berisi persyaratan yang jelas mengenai meminimalkan bias demografis pada tahun 2022, meningkat dari kurang dari 15% saat ini. Organisasi akan semakin perlu memiliki jawaban yang jelas untuk organisasi yang ingin mengetahui bagaimana “kotak hitam” AI vendor dibuat, dari mana data berasal, dan seberapa representatif data pelatihan untuk populasi yang lebih luas yang dilayani.

Karena organisasi terus mengadopsi teknologi pengenalan wajah berbasis biometrik untuk verifikasi identitas, industri harus mengatasi bias yang melekat dalam sistem. Topik AI, data dan etnis bukanlah hal baru, tapi harus muncul di tahun 2021. Menurut peneliti di MIT yang menganalisis kumpulan data citra yang digunakan untuk mengembangkan teknologi pengenalan wajah, 77% gambar adalah laki-laki dan 83% berkulit putih, menandakan salah satu alasan utama mengapa ada bias sistematis dalam teknologi pengenalan wajah. Pada tahun 2021, pedoman akan diperkenalkan untuk mengimbangi bias sistematis ini. Hingga itu terjadi, organisasi yang menggunakan teknologi pengenalan wajah harus menanyakan penyedia teknologi mereka bagaimana algoritme mereka dilatih dan memastikan bahwa vendor mereka tidak melatih algoritme pada kumpulan data yang dibeli. - Robert Prigge, CEO Jumio

Big data

Pada tahun 2021, pengumpulan data terbuka dan gratis akan mendorong inovasi masa depan. Sebuah survei terbaru dari Frost & Sullivan menemukan hal itu 54% pembuat keputusan TI menyatakan kebutuhan akan pengumpulan data skala besar untuk mengimbangi pertumbuhan bisnis dan persaingan online mereka. Namun, agar bisnis dapat menggunakan data online secara efektif, data tersebut harus dapat diakses terlebih dahulu - tidak diblokir. Saat ini, bisnis sering melarang upaya pengumpulan data publik meskipun mengumpulkannya sendiri. Situasi ini disebabkan oleh dua faktor utama: kebutuhan terus-menerus untuk memblokir aktivitas online yang berbahaya atau curang sebagai bagian dari tindakan pencegahan keamanan, dan anggapan bahwa data publik ini berkontribusi pada keunggulan kompetitif perusahaan.

Saya percaya bahwa selama tahun 2021 dan seterusnya, perusahaan akan menyadari bahwa pengumpulan data publik adalah bagian dari perilaku bisnis yang umum dan perlu yang sedang berlangsung. Mereka juga akan menyadari bahwa data bukanlah segalanya dalam hal keunggulan kompetitif bisnis. Area seperti inventaris, harga, kualitas produk, dan kualitas layanan, dll., Juga memainkan peran besar. Setelah realisasi itu selesai, pemblokiran data hanya akan berfungsi untuk melindungi dari aktivitas online yang melanggar. Untuk mengamankan pengumpulan data etis, saya berharap kita semua mempromosikan pertukaran informasi terbuka di pusat data pusat. Situs akan terus memblokir pengguna; ini tidak akan berubah. Namun, mereka mungkin mengizinkan pengumpul data etis. Pada akhirnya, masa depan pengumpulan data online tergantung pada mereka yang mengontrolnya. Dengan kecepatan produksi data yang cepat, upaya pengumpulan data di masa depan perlu berkembang dan berkembang. Perusahaan akan membutuhkan pengumpulan data otomatis untuk mengikuti pesaing mereka dan dapat mengumpulkan data dengan lebih cepat. Lagipula, kecepatan perusahaan mengumpulkan data baru akan menentukan relevansi dan kesuksesannya. - Ron Kol, CTO di Jaringan Luminati

Data akan benar-benar beroperasi pada skala perusahaan: Jumlah data yang dimiliki bisnis tumbuh secara eksponensial - ada lebih banyak sumber, jenis, dan jumlah daripada sebelumnya, ditambah jumlah data yang dikirimkan hampir secara real-time. Namun untuk benar-benar memahami, mengakses, dan mengambil tindakan terhadap data, perusahaan perlu mengubah cara mereka mengkonsumsinya - dimulai dengan memotong perantara. Dengan menemukan cara untuk mengotomatiskan proses pembuatan katalog dan pembuatan profil data, karyawan - termasuk mereka yang memiliki lebih sedikit ofa latar belakang teknis - akan dapat memperoleh data yang mereka butuhkan untuk membuat keputusan bisnis yang baik secara efektif dan efisien. - Eric Raab, SVP, Teknik dan Produk, Pembangun Informasi

Sangat penting untuk menangkap dan mensintesis data "alternatif": Seberapa dini kami dapat mendeteksi COVID-19? Studi data "alternatif" - dalam hal ini, data lalu lintas di luar rumah sakit di Wuhan dan pencarian kata kunci oleh pengguna Internet di wilayah tersebut - menunjukkan bahwa virus mungkin telah beredar pada akhir 2019. Komunitas investasi telah menjadi pelopor dalam penggunaan data alternatif , termasuk audio, foto udara, kualitas air, dan sentimen.10 Ini adalah garis depan untuk inovasi berbasis data, dan mendapatkan keunggulan di sini dapat menghasilkan keuntungan besar. Namun di awal tahun 2020, data alternatif akan menjadi arus utama, dengan tujuan menemukan anomali jauh lebih awal.

Dari situ didapatkan data turunan yang berasal dari kombinasi, asosiasi dan sintesis dengan data dari sistem record. Seperti yang dikatakan IDC: “Semakin banyak data yang ditangkap dan tersedia dari sumber eksternal, kemampuan untuk menggunakannya lebih banyak menjadi faktor pembeda. Itu termasuk mengambil pelajaran dari industri selain industri Anda sendiri. " 11 Tren ini, mirip dengan apa yang Gartner sebut sebagai "analitik X," 12 bukanlah hal baru tetapi akhirnya menjadi fondasi penting dari data dan analitik modern, berkat pemrosesan yang lebih murah dan teknik AI yang lebih matang - termasuk grafik pengetahuan, struktur data, natural pemrosesan bahasa (NLP), AI yang dapat dijelaskan dan analitik pada semua jenis konten. Tren ini sepenuhnya bergantung pada ML dan AI, karena mata manusia tidak dapat menangkap semuanya. - Dan Sommer, Direktur Senior, Pemimpin Intelijen Pasar Global di Qlik

Dalam industri, kami sering berbicara tentang memecah silo data, tetapi kami harus mengakui bahwa beberapa silo akan selalu ada. Dalam organisasi besar, Anda akan selalu memiliki departemen atau wilayah lokal yang memiliki alat atau database sendiri, dan itu akan terus berlanjut. Jika Anda memiliki kedaulatan data, kantor lokal di organisasi Anda akan memiliki silo. Itulah mengapa pendekatan terbaik adalah melihat bagaimana Anda dapat memiliki pemahaman yang lebih baik tentang data yang Anda miliki. Platform kecerdasan data dapat berfungsi sebagai indeks dan peta Anda, menunjukkan silo yang Anda miliki dan bagaimana mereka terhubung dengan memberikan tampilan 360 derajat dari aset data. - Stijn “Stan” Christiaens, salah satu pendiri dan CTO Kolibra

OpenTelemetry akan membuat kelebihan data. Pada 2021, penggunaan OpenTelemetry akan menjadi norma industri baru. Ya, ini akan membuat pengumpulan data lebih mudah dengan menciptakan konsistensi di seluruh sumber - tetapi juga akan membuat data firehose untuk perusahaan, membuatnya lebih sulit untuk menemukan sebagian kecil dari data yang berisi wawasan yang dapat ditindaklanjuti. Aliran data yang konstan akan membebani perusahaan jika mereka tidak memiliki sistem untuk segera menemukan 5% yang benar-benar dapat ditindaklanjuti. Karena itu, tim TI akan mengalihkan fokus mereka dari memperoleh data menjadi membangun kerangka kerja untuk mengambil tindakan dari data. Saat tim melakukannya, sangat penting untuk menerapkan alat yang dapat segera mulai menampilkan data yang dapat ditindaklanjuti dalam waktu yang diperlukan untuk membuat cappuccino. - Phil Tee, CEO moogsoft

Kembaran digital adalah model virtual dari suatu proses, produk, atau layanan. Penyandingan dunia virtual dan fisik memungkinkan analisis data dan pemantauan sistem untuk membantu mengidentifikasi masalah bahkan sebelum terjadi. Ini mencegah downtime, mengembangkan peluang baru, dan bahkan merencanakan masa depan dengan menggunakan simulasi. Generasi kembar digital ini memungkinkan bisnis tidak hanya memodelkan dan memvisualisasikan aset bisnis, tetapi juga membuat prediksi, mengambil tindakan secara real-time, dan menggunakan teknologi terkini seperti AI dan ML untuk menambah dan menindaklanjuti data dengan cara yang cerdas. - Anil Kaul, CEO di data mutlak

Transformasi digital akan - akhirnya - mulai menjadi transformasional. Pada titik ini, "transformasi digital" telah menjadi kata kunci yang telah dipelajari oleh semua perusahaan, namun sebagian besar (80% menurut IDC) dari upaya ini masih bersifat terlalu taktis. Otomatisasi proses robotik (RPA), misalnya, dapat dianggap sebagai alat transformasional, tetapi tidak dengan sendirinya. Agar organisasi dapat melihat transformasi sebenarnya pada tahun 2021, mereka harus memanfaatkan platform yang lebih canggih yang menggabungkan otomatisasi inti dan fitur AI — seperti analitik teks, pemahaman dokumen, dan penambangan proses. Sangat penting juga bahwa platform ini memiliki kemampuan kode rendah yang memungkinkan pengembang warga untuk membangun dan menerapkan otomatisasi tingkat perusahaan yang mendorong nilai kembali ke organisasi mereka. Tanpa itu, akan terus menjadi tantangan bagi perusahaan untuk menghadirkan transformasi digital di seluruh perusahaan — yang didorong oleh kemampuan untuk menerapkan otomatisasi dengan mudah, bahkan ke proses yang paling kompleks. - Guy Kirkwood, Kepala Penginjil di Jalan Ui

Business Intelligence

Proliferasi ML kode rendah / tanpa kode. Peningkatan sistem ML berkode rendah dan tanpa kode, yang dirancang untuk membuat AI lebih mudah diakses oleh perusahaan, akan membantu meningkatkan adopsi AI. Namun, pada akhirnya perusahaan akan mencapai batas tertinggi dan melampaui pendekatan satu ukuran untuk semua, mencari kasus penggunaan yang lebih canggih untuk AI yang membutuhkan keahlian yang lebih dalam. Pada akhirnya, kebutuhan untuk kustomisasi akan meningkatkan kebutuhan data scientist yang memenuhi syarat, bukan sistem kode rendah yang menggantikannya. Kami tidak akan mengotomatiskan kebutuhan akan data scientist dalam waktu dekat. - Kevin Goldsmith, CTO, Anaconda

Business Intelligence beralih ke paradigma baru analisis data tingkat lanjut dengan integrasi Natural Language, Natural Search, AI / ML, Augmented Analytics, Automated Data Preparation, dan Automated Data Catalogs. Ini akan mengubah proses pengambilan keputusan bisnis dengan wawasan real-time berkualitas lebih tinggi. - Ramesh Panuganty, CEO perusahaan BI MachEye

BI dan AI akan memperdalam hubungan mereka. Baik menilai kumpulan data BI terhadap model ML dan memvisualisasikan prediksi, atau memanfaatkan pemrosesan bahasa alami untuk menghasilkan visualisasi, wawasan, dan ringkasan, AI dan BI akan meningkatkan sinerginya. Dan karena kapabilitas BI konvensional terus menjadi komoditas, vendor akan membutuhkan BI + AI sebagai barisan baru dalam perang inovasi. - Andrew Brust, analis, Gigaom

Chatbots

Karyawan untuk Perusahaan - Adopsi AI percakapan akan alami dan sering kali menjadi kontak pertama. AI percakapan dinormalisasi dan akan tetap ada. Antarmuka yang memandu konsumen melalui pasar online, karyawan melalui kursus pelatihan, dan pengguna melalui mesin pencari dan situs web memperoleh pengembalian investasi yang besar ketika dilengkapi dengan teknologi AI Percakapan yang canggih. - Shiva Ramani, CEO iOPEX

AI tidak akan menggantikan manusia dalam waktu dekat. Saat Anda melihat penggunaan AI dalam operasi yang dihadapi konsumen saat ini, ini terutama digunakan di chatbots yang didukung AI dan fitur personalisasi pelanggan. Jika kita melihat bagaimana konsumen memanfaatkan fitur yang didukung AI selama pandemi, kita dapat melihat bahwa mereka benar-benar menggunakannya untuk menyelesaikan masalah lebih cepat melalui agen manusia. Perusahaan seperti Bank of America, yang memiliki chatbot bertenaga AI yang berhadapan dengan konsumen bernama Erica, melihat konsumen menggunakan Erica untuk menemukan cara terbaik dalam melibatkan tim dukungan pelanggan. Daripada mengajukan pertanyaan Erica untuk memperbaiki masalah apa pun secara langsung, pelanggan hanya bertanya kepada Erica bagaimana mereka harus menghubungi tim layanan pelanggan untuk menyelesaikan masalah mereka dengan cepat dengan agen manusia yang sesuai. - James Isaacs, Presiden dan CEO Cyara

Hari ini, kami berinteraksi dengan bot lebih dari sebelumnya, baik itu chatbots layanan pelanggan atau AI di perangkat kami, seperti Siri dan Alexa. Bot ini digunakan untuk pengambilan keputusan secara real-time untuk mengotomatiskan proses yang sebelumnya dilakukan oleh manusia. Misalnya, bot telah mengotomatiskan proses pengembalian ritel untuk perusahaan seperti Amazon. Namun, menjadi lebih rumit bagi perusahaan untuk mengelola identitas bot otomatis, terutama ketika mereka berinteraksi dengan bot lain dengan kecepatan mesin. Identitas bot harus dikelola dan dilindungi oleh perusahaan, mirip dengan identitas karyawan dan pelanggan, sehingga data tidak dikompromikan. Hal ini penting untuk diingat oleh CIO dan pemimpin keamanan, karena menggunakan bot untuk tujuan otomatisasi akan membuka vektor serangan baru jika API bot tersebut diretas. - Jasen Meece, CEO entitas awan

NLP (pemrosesan bahasa alami) mengubah percakapan pada analisis data: Sama seperti kita menggunakan Google Home dan Alexa dalam kehidupan kita sehari-hari, analisis percakapan melalui NLP akan menjadi tiket emas bagi perusahaan dalam mengekstraksi wawasan data besar yang berharga dari operasi bisnis mereka. Ini termasuk menggali tren yang mungkin luput dari perhatian dan memungkinkan para ahli dari dalam perusahaan untuk terlibat dengan data dengan cara yang berarti. - Sam Mahalingam, CTO, Altair

AI percakapan, pertama dan terpenting, membutuhkan saluran perpesanan di mana-mana untuk berkomunikasi. Munculnya pesan bisnis di saluran berbasis IP seperti Whatsapp, GIP, dan lainnya mendorong kebangkitan dalam penggunaan AI Percakapan. Perusahaan lintas industri seperti perbankan, e-commerce, ritel, perjalanan, dll sekarang memungkinkan AI percakapan untuk hampir setiap titik kontak pelanggan termasuk pemasaran, penjualan, dan dukungan. Didukung oleh kemajuan terkini dalam pemrosesan bahasa alami (NLP), AI percakapan siap untuk mengubah cara konsumen berinteraksi dengan bisnis. - Beerud Sheth, CEO Gupshup

awan

Saya pikir kita akan mulai melihat pendekatan yang lebih bijaksana dan seimbang untuk adopsi cloud multi dan hybrid, terutama untuk cloud hybrid. Kami melewati percakapan cloud publik versus privat, dan bisnis menerima kenyataan bahwa cloud bukanlah keputusan "salah satu atau". Secara historis, kami telah melihat "cloud publik" dikaitkan dengan inovasi mutakhir dan "cloud pribadi" dikaitkan dengan bisnis lama yang lambat dan tahan terhadap perubahan. Sentimen ini berubah, karena bisnis mulai lebih memahami nilai yang dapat mereka peroleh dari arsitektur cloud hybrid yang memungkinkan mereka menerapkan aplikasi modern yang gesit pada platform yang paling menyeimbangkan kebutuhan biaya, kinerja, keamanan, kepatuhan, dan tata kelola spesifik mereka.

Dengan ini muncul peningkatan teknologi yang memungkinkan hibrida seperti wadah dan platform integrasi hibrida. Pertimbangan lain adalah komputasi tertambat, yang merupakan solusi penyedia cloud hyperscale yang berjalan di pusat data Anda sendiri. Contohnya adalah AWS Outposts, Google Anthos, dan Microsoft Azure Stack. Meskipun ini terlalu lambat untuk diadopsi hingga saat ini, kami dapat mulai melihat awal pertumbuhan di sini karena pelanggan melihat nilai cloud pribadi / publik, ditambah dengan konsistensi konsumsi layanan cloud hyperscale. - Kim King, Direktur Pemasaran Produk - Manajemen Cloud di Snow Software

COVID-19 Mempercepat Pengeluaran Cloud: Dengan meningkatnya kerja jarak jauh karena pandemi COVID-19, perusahaan menginvestasikan sebagian besar anggaran TI pada teknologi berbasis cloud, menjauh dari proses berbasis kertas. Rata-rata pengeluaran cloud perusahaan naik 59% dari 2018 menjadi $ 73.8 juta pada tahun 2020. Tren itu akan berlanjut hingga 2021 karena perusahaan dipaksa untuk mengadopsi strategi untuk bekerja dari jarak jauh dan mengakui manfaat dari mempertahankan mode operasi tersebut bahkan ketika mereka mulai mentransisikan karyawan kembali ke lokasi fisik. Contoh utama adalah kontrak di mana COVID mendorong transformasi digital dari permintaan kontrak, persetujuan, pelaksanaan, dan sistem manajemen pasca-penghargaan dan telah meletakkan dasar untuk lebih banyak kemajuan dalam manajemen siklus hidup kontrak. - Harshad Oak, Manajer Umum, Adopsi & Nilai Pelanggan, di esertis

Setelah dianggap sebagai "persinggahan" dalam perjalanan ke cloud, hybrid sekarang menjadi tujuan: Pendekatan cloud hybrid dulu dianggap sebagai batu loncatan menuju implementasi cloud-first. Sekarang, pelanggan melihat bahwa pendekatan hibrida paling masuk akal, baik secara strategis untuk kebutuhan bisnis mereka maupun secara ekonomi. Menurut IDC, 70% aplikasi dan data pelanggan tetap berada di luar cloud publik. Dengan pemikiran tersebut, pada tahun 2021, kita akan melihat lebih banyak lagi pelanggan yang menggunakan pendekatan hybrid. Karena latensi data, keterikatan aplikasi, dan alasan keamanan dan kepatuhan, kami melihat semakin banyak organisasi di seluruh industri yang ingin menyimpan datanya di lokasi. Pada saat yang sama, sebagian karena pandemi ekonomi, biaya keluar data dan vendor lock-in dengan penyedia cloud publik, kenyataannya adalah CIO dan organisasi TI merangkul hybrid sebagai hasil dan bukan sarana untuk mencapai tujuan. - Keith White, Manajer Umum, Layanan Cloud GreenLake

Ketangkasan cloud memang luar biasa, tetapi dapat dengan mudah menyebabkan biaya yang tak terkira. Demikian pula, cluster data besar di lokasi yang dibagikan sering kali membuang-buang sumber daya. Keduanya menghasilkan SLA yang terlewat. Jika mereka ingin menghilangkan pengeluaran berlebihan kronis, perusahaan perlu menerapkan metode untuk memantau dan mengelola pengeluaran cloud mereka. Cara paling efektif untuk melakukan ini adalah melalui observabilitas dan penyetelan otomatis. - Ash Munshi, CEO, data lada

Database / Data Warehouse / Data Lake

Solusi yang digunakan perusahaan untuk menyimpan data mereka terus berkembang pesat di tahun depan. Kami melihat peningkatan migrasi ke solusi database relasional open source, solusi database non-relasional, solusi database berbasis PaaS, dan kombinasinya. Fokus utama dari inisiatif ini dapat dikelompokkan di bawah judul pengurangan biaya operasi, apakah itu dilakukan untuk mengurangi kontrak dukungan yang besar dan kuat dari vendor seperti Oracle dan Microsoft (baik migrasi database open source dan non-relasional termasuk dalam kategori ini), mengurangi biaya jumlah pegawai (migrasi ke layanan PaaS termasuk dalam kategori ini), atau mendapatkan efisiensi kinerja dengan bermigrasi ke solusi database yang dibuat khusus untuk tujuan tertentu.

Migrasi data sedang terjadi saat ini dan dalam skala besar, jadi ada banyak pertimbangan yang perlu dibuat saat bertransisi ke solusi database baru ini, termasuk kemampuan solusi status masa depan versus kondisi saat ini, dampak terhadap perizinan dan kontrak dukungan , dan metode untuk memastikan bahwa solusi yang benar diterapkan. Meskipun solusi PaaS memberikan beberapa manfaat besar, DBA masih diperlukan untuk memantau dan mengelola sistem tersebut dan bekerja dengan tim aplikasi untuk mendorong efisiensi dalam kinerja, ketersediaan, dan keamanan. - Marc Caruso, Kepala Arsitek, Sintaksis

360. Itulah jumlah sistem database di alam liar. Dan meskipun pilihan itu bagus dan menemukan alat yang tepat untuk pekerjaan itu cerdas, itu juga menambah kompleksitas utama. Saat perusahaan beralih ke modernisasi di cloud, mereka akan mencari penyederhanaan, yang akan mengarah pada konsolidasi besar-besaran di pasar database. Vendor database yang menawarkan kemampuan multi-fungsi akan menang, daripada banyak database niche yang perlu digabungkan dan membutuhkan cara yang berbeda untuk mengakses data. - Franz Aman, CMO dari perusahaan database relasional MariaDB

Pasar database akan tumbuh menjadi $ 1 triliun pada tahun 2025. Selama dua dekade terakhir, ada cengkeraman besi di pasar database dengan IBM, Oracle dan SAP HANA yang memimpin. Sekarang kita melihat pergantian penjaga, yang memberi pelanggan pilihan untuk memutuskan apa yang terbaik untuk bisnis mereka. Forrester bahkan menunjukkan bahwa pasar infrastruktur cloud publik akan tumbuh 35% dalam 120 miliar pada tahun 2021. Saya memperkirakan bahwa kapitalisasi pasar database akan tumbuh menjadi $ 1 triliun pada tahun 2025 dan lebih dari tujuh hingga 10 perusahaan database yang sangat kuat akan tumbuh secara signifikan dalam dekade berikutnya. . - Raj Verma, CEO Toko Tunggal

Data Lake Dapat Melakukan Apa yang Dilakukan Data Warehouse dan Banyak Lagi: Meskipun pemisahan komputasi dan data memberikan keuntungan bagi data lake dibandingkan gudang data, gudang data secara historis memiliki keunggulan lain dibandingkan data lake. Tapi itu sekarang berubah dengan inovasi open source terbaru di tingkat data. Sebagai contoh, Gunung Es Apache adalah format tabel baru yang menyediakan fungsionalitas gudang data utama di data lake seperti konsistensi transaksional, rollback, dan perjalanan waktu sambil memperkenalkan kemampuan baru yang memungkinkan beberapa aplikasi bekerja sama pada data yang sama dengan cara yang konsisten secara transaksional. Proyek open source baru lainnya, Proyek Nessie, dibangun di atas kemampuan Iceberg serta Delta Lake dengan menyediakan semantik seperti Git untuk data lake. Nessie juga membuat transaksi yang digabungkan secara longgar menjadi kenyataan, memungkinkan satu transaksi yang mencakup operasi dari banyak pengguna dan mesin termasuk Spark, Dremio, Kafka, dan Hive. - Tomer Shiran, salah satu pendiri mimpi buruk

Tiga tren utama akan muncul pada tahun 2021, kembalinya lapisan meta-data, AI tertanam dan analitik otomatis dan antarmuka kueri baru yang disederhanakan yang dirancang khusus untuk pengguna bisnis. Kembalinya lapisan meta data, sebagai komponen dasar utama dari solusi analitik, diperlukan untuk mendukung tata kelola yang lebih baik dan perluasan aset data. Dengan lapisan meta-data yang cerdas, antarmuka pengguna baru yang disederhanakan akan muncul yang memungkinkan pengguna bisnis untuk berinteraksi dengan data dalam pendekatan yang lebih terpandu sehingga mereka dapat mengurangi waktu untuk mendapatkan wawasan dengan keterampilan analitis minimal. AI dan analitik otomatis akan bergeser dari domain perusahaan ke vendor perangkat lunak yang akan menanamkan kemampuan ini dan memungkinkan adopsi massal melalui basis pelanggan mereka. - Glen Rabie, CEO di Sirip kuning

Rekayasa Data

Perusahaan akan berinvestasi kembali pada insinyur data dan pipeline data. Salah satu dampak tahun 2020 adalah banyak perusahaan yang beralih ke pendekatan yang mengutamakan kelangsungan hidup, yang menghasilkan mentalitas "ambil-dan-pergi" dalam integrasi data mereka. Ketika garis bawah bisnis stabil dan kami melihat lebih banyak prediktabilitas di tingkat makroekonomi, prediksi kami adalah bahwa 2021 adalah tahun insinyur data, dan bahwa perusahaan akan kembali ke pendekatan "dibangun untuk bertahan" untuk data saluran pipa. “Dibuat untuk tahan lama” untuk air di pipa Anda di rumah berarti air selalu menyala, bersih, dan pada suhu yang tepat. "Dibangun untuk bertahan lama" untuk data berarti Anda membangun jalur data cerdas untuk memastikan ketepatan waktu dan kepercayaan dalam analisis data Anda. - Set AliranSet CEO Girish Pancha

Perusahaan akan menyadari kebutuhan untuk lebih berupaya dalam DevOps: “Masih banyak pekerjaan yang harus dilakukan dengan pipeline DevOps, termasuk mengamankan dan menguji proses pengiriman. Komunitas pengembang perangkat lunak tahu ke mana harus pergi, tetapi pekerjaan dan rintangan yang menghadang selalu lebih besar dari yang diharapkan. Karena itu, saya skeptis kita akan melihat perubahan besar pada 2021 dalam hal tooling atau pola CI / CD. Sebaliknya, kita akan melihat lebih banyak orang menyadari bahwa mereka perlu lebih berupaya untuk pipeline, proses, dan validasi DevOps mereka. Mereka akan menggandakan untuk mempercepat dan meningkatkan otomatisasi CI / CD mereka. Hanya ketika proses ini matang, organisasi dapat memiliki keyakinan dalam praktik dan peralatan pengiriman mereka. - Fred Simon, salah satu pendiri dan Kepala Ilmuwan Data, JFrog

Tata Kelola Data

TI akan menanamkan tata kelola akses dengan kecerdasan untuk melindungi keamanan siber tenaga kerja pada tahun 2021. Perubahan yang semakin cepat dalam teknologi perusahaan, ancaman siber, dan lanskap pengguna meningkatkan tekanan pada solusi tata kelola dan administrasi identitas tradisional (IGA) dan, pada gilirannya, pada tim keamanan dan kepatuhan. Selain risiko kepatuhan yang terus meningkat, lingkungan TI perusahaan menjadi lebih kompleks setiap tahun, meningkatkan jumlah aplikasi dan sistem yang diberikan akses pengguna oleh perusahaan. Tantangan ini mendorong organisasi untuk mencari solusi berbasis AI yang menyederhanakan dan mengotomatiskan permintaan akses, persetujuan akses, sertifikasi, dan proses pemodelan peran. Pada tahun 2021, kita akan melihat AI semakin banyak digunakan untuk memungkinkan pendekatan identitas otonom.

Solusi otentikasi dan otorisasi yang diinfus AI akan dilapisi di atas, atau diintegrasikan dengan, solusi IGA yang ada, memberikan visibilitas kontekstual dan seluruh perusahaan dengan mengumpulkan dan menganalisis semua data identitas, dan memungkinkan wawasan tentang berbagai tingkat risiko akses pengguna dalam skala besar. Penggunaan AI akan memungkinkan sistem untuk mengidentifikasi dan memperingatkan tim keamanan dan kepatuhan tentang akses berisiko tinggi atau pelanggaran kebijakan. Seiring waktu kita akan melihat sistem AI ini menghasilkan hasil yang dapat dijelaskan sambil meningkatkan otomatisasi dari beberapa tantangan keamanan siber yang paling sulit di dalam perusahaan. - Eve Maler, CTO di ForgeBatu

Kami telah melihat implementasi global kerangka tata kelola AI lepas landas pada tahun 2020 di mana perusahaan meminta detail tentang hasil aplikasi AI. Memastikan tingkat penjelasan yang tepat dari aplikasi AI adalah kuncinya serta menggunakan data berkualitas baik, memastikan kemampuan diaudit, bersikap etis, adil dan transparan, mematuhi persyaratan perlindungan data, dan menerapkan langkah-langkah keamanan siber yang efektif. Penerapan kerangka kerja tata kelola AI terlihat lebih banyak di keuangan dan perbankan saat ini, tetapi pada tahun 2021 kita akan melihat ini menjadi lebih luas.

Vertikal lain seperti perawatan kesehatan, e-commerce, dan layanan mobilitas akan mulai menggunakannya sebagai pembeda kompetitif. Misalnya, penyedia layanan kesehatan mulai lebih transparan tentang bagaimana data digunakan, dan bagaimana mereka etis dan adil dalam melindungi data tersebut. Jika bisnis ingin tetap menjadi yang terdepan, mereka harus mulai mengembangkan kerangka kerja AI yang etis sekarang untuk memposisikan diri sebagai pemimpin dalam gerakan global ini. - Mohan Mahadevan, Wakil Presiden Riset, Onfido

AI Akan Mendapatkan Momentum dalam Keamanan dan Tata Kelola Cloud. Pada tahun 2021, AI akan lebih dari sekadar mendeteksi anomali dan dengan demikian menandai potensi ancaman bagi tim keamanan. Tata kelola cloud adalah tugas yang semakin kompleks dan dengan cepat mencapai titik di mana manusia tidak mungkin mengelola sendiri. AI akan semakin diandalkan di tahun mendatang untuk menjaga kebersihan cloud dengan menyederhanakan alur kerja, mengelola perubahan, dan pengarsipan. Setelah cloud hygiene yang tepat dibangun dan dipelihara dengan AI, cloud hygiene juga akan digunakan sebagai alat pengetahuan prediktif strategis. Dengan memprediksi dan mengatasi ancaman dan kerentanan, AI akan membantu perusahaan menciptakan hasil terbaik untuk lingkungan cloud mereka. Memanfaatkan AI sebagai aset strategis akan memberdayakan CIO untuk membuat keputusan yang tepat tentang lingkungan cloud mereka, seperti mengevaluasi biaya dan risiko kepatuhan. - Keith Neilson, Penginjil Teknis untuk CloudSphere

Melihat ke tahun 2021, kita akan melihat percakapan tentang AI yang etis dan tata kelola data diterapkan ke berbagai bidang, seperti pelacakan kontak (memerangi COVID-19), kendaraan yang terhubung, dan perangkat pintar (siapa yang memiliki data?), Dan pribadi profil dunia maya (peningkatan jejak dunia maya yang mengarah ke pertanyaan privasi). - Cindy Maike, Wakil Presiden Solusi Industri, Cloudera

Tata kelola data untuk realitas multi-lingkungan. Sudah lama berlalu adalah waktu di mana organisasi hanya menyimpan semua data mereka sendiri di lokasi atau bahkan hanya dalam satu penyedia cloud. Sekarang organisasi memiliki data di lokasi dan bermitra dengan beberapa penyedia cloud berdasarkan kebutuhan spesifik mereka. Realitas ini telah menciptakan “pemikiran ulang” tentang bagaimana tata kelola data perlu didekati. Organisasi harus menentukan bagaimana tata kelola data mereka saat ini akan terpengaruh dan apa yang perlu disesuaikan, cara memantau kualitas data di cloud, dan cara mengelola pergerakan data masuk dan keluar dari cloud (dan biaya besar yang menyertainya). - Todd Wright, Kepala Manajemen Data dan Solusi Privasi Data di SAS

Ilmu Data

Tahun 2020 brutal bagi beberapa perusahaan, memberi penghargaan bagi yang lain, dan menantang bagi semua. Saat kita memasuki tahun 2021, para lamban memiliki keharusan eksistensial untuk menemukan kembali diri mereka secara digital, perusahaan terkemuka berjuang untuk mengimbangi permintaan. Semua perusahaan ini perlu memanfaatkan integrasi data 100% dengan biaya yang dapat diprediksi, kinerja yang andal, dan visibilitas waktu nyata. - Bonnie Holub, Pimpinan Praktik, Ilmu Data, Amerika di Teradata

Demokratisasi data akan menjadi norma baru. Ini adalah tugas CDO untuk memastikan perluasan pertumbuhan di seluruh bisnis. Ini dapat dicapai dengan menyediakan data terstruktur yang benar-benar dapat digunakan orang. CDO yang sukses harus mendemokratisasi data sehingga dapat diakses dan dimengerti oleh orang-orang. CTO yang baik akan melengkapi CDO dengan membuat perkakas yang diperlukan untuk menemukan data yang diperlukan. Ini berarti memberi pengguna seperangkat alat visualisasi dan alat pelaporan yang memungkinkan mereka untuk mendapatkan data untuk menjalankan wawasan. Saat kami memasuki tahun 2021, kami akan terus melihat kolaborasi yang lebih jauh dan lebih erat antara kedua peran ini, yang didorong oleh kebutuhan. Jika Anda memiliki alat dengan data yang buruk, Anda memperburuk tantangan data. Jika Anda memiliki alat terbatas, hanya sebagian kecil yang dapat melakukan apa pun dengan data tersebut. - Derek Knudsen, Direktur Teknologi di Alteryx

Analis warga akan semakin terampil untuk menjadi ilmuwan data. Kompleksitas yang berkembang di sebagian besar industri dan perusahaan juga berarti bahwa begitu kita melihat kemandirian dalam hal mengembangkan proses TI atau menggunakan analitik, akan segera ada dorongan besar untuk memperluas keahlian itu lebih jauh. Dengan pasar yang berubah secara tidak menentu dari bulan ke bulan, akan ada penekanan yang jauh lebih besar pada ilmu data daripada sebelumnya. Hal ini, pada gilirannya, akan mendorong lebih banyak analis warga untuk meningkatkan keterampilan menjadi ilmuwan data. - Sharmila Mulligan, Direktur Strategi dan Pemasaran di Alteryx

Library visualisasi data Python akan disinkronkan. Kami akhirnya mulai melihat pustaka visualisasi data Python bekerja bersama, dan pekerjaan ini akan berlanjut pada 2021. Python telah memiliki beberapa pustaka visualisasi yang sangat bagus selama bertahun-tahun, tetapi ada banyak variasi dan kebingungan yang menyulitkan pengguna untuk pilih alat yang sesuai. Pengembang di banyak organisasi yang berbeda telah bekerja untuk mengintegrasikan kemampuan yang dikembangkan Anaconda seperti rendering data besar sisi server Datashader dan penyatuan terkait HoloViews ke berbagai pustaka plotting, membuat lebih banyak daya tersedia untuk basis pengguna yang lebih luas dan mengurangi upaya duplikasi. Pekerjaan yang sedang berlangsung akan semakin membantu sinkronisasi ini pada tahun 2021 dan seterusnya. - James A. Bednar, Manajer Senior, Konsultasi Teknis, Anaconda

Keterampilan bisnis akan menjadi lebih penting dari sebelumnya bagi ilmuwan data. Ilmuwan data perlu berbicara bahasa bisnis untuk menerjemahkan wawasan data dan pemodelan prediktif menjadi wawasan yang dapat ditindaklanjuti untuk dampak bisnis. Pemilik teknologi juga harus menyederhanakan akses ke teknologi, sehingga pemilik teknis dan bisnis dapat bekerja sama. Penekanan bagi data scientist tidak hanya pada seberapa cepat mereka dapat membangun sesuatu, tetapi pada seberapa baik mereka dapat berkolaborasi dengan bagian bisnis lainnya. - Florian Douetteau, CEO dan salah satu pendiri Dataku

Swalayan telah berkembang menjadi swasembada: Dalam dunia maya, swalayan perlu berkembang. Ketika tidak ada instruksi manual dan tidak ada orang yang memegang tangan pengguna, peningkatan yang cepat dan intuitif menjadi faktor kebersihan untuk adopsi, dan antarmuka pengguna yang menarik tidak lagi bagus untuk dimiliki. Namun kami juga telah melihat bahwa pengguna sering kali tidak ingin melayani diri sendiri; mereka semakin mengharapkan wawasan datang kepada mereka. Hasilnya, kita akan melihat lebih banyak wawasan dan cerita mikro untuk konsumen tambahan. Selain itu, data terlalu sering terlewatkan. Memberdayakan pengguna untuk mengakses data, wawasan, dan logika bisnis lebih awal dan lebih intuitif akan memungkinkan perpindahan dari layanan mandiri visualisasi ke swasembada data. AI akan memainkan peran utama di sini, menampilkan wawasan mikro dan membantu kami beralih dari proses yang dibuat berdasarkan skrip dan berorientasi pada orang ke yang lebih otomatis, berkode rendah, dan tanpa persiapan dan analisis data kode. Jika lebih banyak orang dapat mandiri dengan data di awal rantai nilai, anomali dapat dideteksi lebih awal dan masalah diselesaikan lebih cepat. - Dan Sommer, Direktur Senior, Pemimpin Intelijen Pasar Global di Qlik

Secara historis, perusahaan memberi banyak nilai pada orang-orang yang merupakan "Ilmuwan Data". Ke depannya, akan ada kebutuhan untuk mempekerjakan orang-orang yang ahli pengumpulan data. Agar model AI dapat berfungsi, diperlukan data dalam jumlah besar, dan terlebih lagi, data penting masih berada dalam silo di banyak organisasi; oleh karena itu, individu yang memiliki keterampilan dalam pengumpulan data akan banyak diminati. - Clara Angotti, Presiden Jalur Berikutnya

Ilmuwan data akan memainkan peran penting dalam pengembangan vaksin COVID-19. Dari pengembangan vaksin hingga analisis uji coba dan penyebaran, data akan menjadi kunci untuk mengetahui apakah kami telah menemukan solusi pencegahan. Ilmuwan data akan sama pentingnya dengan ilmuwan yang terlatih secara tradisional dalam menghasilkan vaksin pertama yang layak. Untuk mempercepat pengembangan vaksin, masyarakat harus mampu mengelola, mengambil keputusan dan mempercayai data tersebut. Mengetahui bahwa kecepatan sangat penting, kelincahan data diperlukan dan sistem otomatis baru akan memungkinkan inovasi baru, yang pada akhirnya mengarah pada vaksin. Mempercepat pengiriman vaksin akan membutuhkan banyak kelincahan dan otomatisasi dalam mengelola data. - CEO Infoworks Buno Pati.

Sementara data terus menguasai dunia, organisasi masih menemukan diri mereka berjuang untuk memanfaatkan data tersebut untuk keunggulan kompetitif yang sebenarnya. Gerakan Ilmu Data Warga telah muncul untuk mempromosikan kemampuan memanipulasi dan menafsirkan data secara luas. Tapi apakah ada cara yang lebih baik? Bukankah akan lebih pintar (dan lebih mudah) untuk hanya membawa makna bisnis ke data dan memperbaiki data daripada memperbaiki orang-orang mengingat bahwa data mentah yang tidak diinterpretasikan yang terletak di suatu tempat dalam sistem tidak terlalu membantu. - Kendall Clark, pendiri & CEO pengembang Platform Grafik Pengetahuan Perusahaan, anjing bintang

Kita akan melihat Uptick of Architecting for Data Science: Menguasai manajemen data akan menjadi prioritas utama bagi banyak grup TI karena mereka ingin meningkatkan kecerdasan dan kelincahan bisnis. Untuk alasan ini, ilmu data — payung tempat kecerdasan buatan, pembelajaran mesin, otomatisasi, data lake, dan lainnya berkembang — akan melihat pertumbuhan besar pada tahun 2021. Dari menganalisis perilaku berbasis data hingga mengubah belanja bahan makanan hingga memanfaatkan komputasi canggih di cloud hingga meningkatkan model produksi media, ilmu data akan memimpin banyak orang untuk tetap kompetitif. Terlalu mahal untuk disediakan sendiri, banyak dari perusahaan ini akan mengalihkan proyek sains data mereka ke pihak ketiga dengan model langganan. - Dustin Milberg, Layanan Cloud CTO Lapangan di Intervisi

Otomatiskan Saluran Pipa Anda untuk Membebaskan Potensi Penuh Ilmuwan Data: Ilmuwan data terlalu sering sibuk dengan tugas-tugas seperti persiapan data, rekayasa fitur, dan pemodelan. Saat tugas ini ditambah dengan alat yang membantu mengotomatiskan langkah-langkah ini, kita akan melihat data scientist menukar tugas rutin dengan waktu yang dihabiskan untuk pendekatan strategis yang lebih dalam yang akan menjadikannya sumber daya yang tak ternilai. Kami berharap untuk melihat implementasi yang lebih sistematis dari solusi AI bisnis untuk membuat analisis ad-hoc lebih efisien dapat diulang. - Justin Silver, Ph.D. seorang Ahli Strategi AI di PROS

Belajar mendalam

Penerapan solusi perusahaan berbasis Pembelajaran Mendalam di perusahaan rintisan dan perusahaan akan melihat peningkatan bertahap. Hambatan utama adalah biaya pengadaan instans GPU dan sumber daya manusia berbiaya tinggi. - Sundeep Reddy Mallu, Kepala Analisis di Gramer

Seperti yang kita semua saksikan dalam beberapa tahun terakhir, penelitian dan pengembangan dalam Pemrosesan Bahasa Alami telah berkembang pesat dengan terobosan dalam model bahasa Transformer seperti BERT, GPT-3 dll. Sementara mereka mencapai kinerja mutakhir, mereka membutuhkan kumpulan data yang besar dan sejumlah besar sumber daya komputasi untuk pelatihan dan inferensi dengan jejak karbon yang signifikan. Kami akan melihat lebih banyak upaya dan penelitian yang keluar dengan arsitektur model baru dan teknik pelatihan untuk mengatasi masalah emisi karbon, waktu pelatihan yang sangat lama, dengan ruang dan menghitung model yang efektif untuk membuat terobosan ini lebih mudah diakses; model terbaru seperti Performers with Fast Attention akan berfungsi sebagai katalisator untuk bergerak ke arah ini. - Kavan Shukla, Ilmuwan Data, Finlandia AI

Perangkat keras

Perangkat keras dan perangkat lunak bertemu dengan munculnya perangkat keras khusus AI. Seperti yang ditunjukkan oleh pengumuman Apple tentang chip M1, perangkat keras yang dibuat khusus menjadi lebih umum, yang berarti bahwa orang akan mulai berpikir lebih banyak tentang perangkat keras sebenarnya yang sedang mereka kerjakan daripada sebelumnya — termasuk ilmuwan data. Peningkatan perangkat keras khusus ML kemungkinan akan mengarah pada peningkatan kinerja, tetapi juga menyediakan variabel lain dalam penerapan model. Ini akan sangat berdampak di lingkungan cloud dan seluler. Ini selanjutnya akan meruntuhkan tembok yang secara tradisional ada antara perangkat keras dan perangkat lunak, dengan kasus penggunaan AI yang memimpin. - Kevin Goldsmith, CTO, Anaconda

Sejak tahun 2012, daya komputasi AI telah tumbuh sebesar 5X lipat dari laju Hukum Moore, berlipat ganda kira-kira setiap 3.5 bulan. Mengingat semakin banyaknya aplikasi yang dibangun di atas mesin AI yang berdampak pada kehidupan kita sehari-hari - beberapa bahkan penting bagi umat manusia secara keseluruhan (misalnya pemodelan dan penyelesaian untuk perubahan iklim), menemukan solusi untuk ketidakcocokan penskalaan kinerja ini tinggi pada setiap fabless serius dan daftar prioritas perusahaan pembuat chip. Perlunya perubahan dalam cara pandang Hukum Moore akan menjadi lebih jelas pada tahun 2021. Tren terbaru adalah berbicara tentang penulisan perangkat lunak yang lebih efisien untuk menghasilkan peningkatan kinerja dari tahun ke tahun. Ini adalah taruhan yang berisiko, karena pengembangan algoritme yang pada dasarnya baru tidak dapat terjadi pada jadwal dan oleh karena itu tidak kompatibel dengan jadwal kemajuan tick-tock semikonduktor tradisional. Teknologi komputasi yang mendasari juga harus ditingkatkan. Kami akan terus melihat pergeseran dan peningkatan di tahun mendatang. - Nick Harris, CEO dan salah satu pendiri materi ringan

Komputasi Dalam Memori

Pada tahun 2021, dipercepat oleh COVID-19 dan peraturan yang lebih ketat, perusahaan akan terus mendorong inisiatif transformasi data mereka untuk berkembang dalam ekonomi online-digital yang sedang berkembang. Kecepatan ekstrem, kelincahan cloud, dan analitik operasional akan diadopsi oleh perusahaan untuk mengoptimalkan operasi berbasis data dan dengan cepat memperkenalkan layanan dan aplikasi baru.

Solusi teknologi yang didasarkan pada data fabric cloud-native, juga dikenal sebagai Digital Integration Hub, akan memungkinkan organisasi untuk melepaskan dan memisahkan dari sistem pencatatan dan database lama untuk memenuhi persyaratan digital dan analitis mereka serta dapat bermigrasi ke cloud tanpa perlu melepaskan sepenuhnya dari sistem misi-kritis mereka yang ada. Pengenalan kecepatan dan skala dalam memori untuk analitik dan BI akan mendorong pelaporan dan visualisasi data baru secara real-time dan memungkinkan model ML untuk menggunakan data waktu nyata yang lebih akurat untuk layanan online seperti persetujuan pinjaman, analisis penipuan, dan pelanggan 360 kemampuan. AIOps juga akan menjadi fokus dan digunakan untuk mengotomatiskan dan merampingkan data kompleks dan operasi analitik, mengurangi waktu ke pasar dan menurunkan biaya sambil meminimalkan kesalahan manusia. - Adi Paz - CEO - GigaSpaces

Pada tahun 2020, pandemi COVID-19 mendorong banyak bisnis, terutama yang bergerak di bidang pengiriman makanan, e-niaga, logistik, dan akses jarak jauh serta layanan kolaborasi, untuk secara dramatis meningkatkan dan meningkatkan infrastruktur untuk mempertahankan kinerja aplikasi yang tinggi dalam menghadapi lonjakan pengunjung situs web, permintaan pengiriman, transaksi penjualan, streaming video, dan lainnya. Banyak dari bisnis ini menemukan bahwa pendekatan tercepat untuk mempertahankan atau meningkatkan kinerja sekaligus meningkatkan throughput aplikasi adalah dengan menerapkan jaringan data dalam memori (IMDG) terdistribusi - dibangun menggunakan platform komputasi dalam memori seperti Apache Ignite - yang dapat disisipkan. antara aplikasi yang ada dan database berbasis disk tanpa modifikasi besar pada keduanya. IMDG meningkatkan kinerja dengan menyimpan data aplikasi dalam RAM dan menerapkan pemrosesan paralel besar-besaran (MPP) di seluruh cluster node server yang terdistribusi. Ini juga menyediakan jalur sederhana untuk menskalakan kapasitas karena arsitektur terdistribusi memungkinkan daya komputasi dan RAM cluster ditingkatkan hanya dengan menambahkan node baru.

Pada tahun 2021, platform IMC akan menjadi lebih mudah digunakan dan jumlah praktisi IMC yang berpengetahuan luas akan terus bertambah dengan cepat. Ini akan memungkinkan adopsi IMC tersebar di lebih banyak industri dan ke kumpulan perusahaan yang lebih luas. Hasilnya, lebih banyak bisnis akan berada pada posisi yang lebih baik untuk memanfaatkan IMC untuk akselerasi aplikasi yang cepat, tidak hanya untuk menanggapi tuntutan COVID, tetapi juga untuk memenuhi tuntutan strategis dan kompetitif baru seiring dengan meredanya ancaman pandemi. - Nikita Ivanov, CTO dan pendiri GridGain sistem

IOT

Adopsi IoT di perusahaan akan memanas lebih dari sebelumnya: Mengingat dampak pandemi pada bisnis, perusahaan akan mencari cara baru atau tambahan untuk meningkatkan kecepatan pengambilan keputusan pada tahun 2021. IoT dapat berperan dalam hal ini. Dari sudut pandang BI, tantangannya adalah untuk mengenali bahwa IoT memiliki model data berbeda yang perlu diakomodasi, seperti kinerja dari waktu ke waktu. Kuncinya adalah mengurangi jeda waktu antara produksi data dan operasi. Organisasi terpintar akan menyadari bahwa mereka tidak bisa begitu saja mengeluarkan uang untuk ini, tetapi harus strategis untuk membuat model data baru yang berbagi wawasan yang bijaksana. - Eric Raab, SVP, Teknik dan Produk, Pembangun Informasi

Pandemi telah sangat mempercepat kebutuhan perusahaan untuk menyelesaikan transformasi Industri 4.0 mereka dengan solusi yang memungkinkan mereka memiliki lebih banyak fleksibilitas, visibilitas, dan efisiensi dalam operasi mereka. Kita akan melihat percepatan adopsi solusi yang membantu memenuhi kebutuhan itu, mulai dari AI termasuk pembelajaran mesin, visi mesin, dan analitik tingkat lanjut. Saat ekonomi pulih, kami akan terus melihat investasi dalam infrastruktur PL dasar dengan lebih banyak kemampuan TI untuk memungkinkan ekosistem pemain yang luas menerapkan solusi ini dan akan melihat adopsi Industri 4.0 meningkat secara signifikan pada tahun 2021. - Christine Boles, VP , IoT Group dan GM, Divisi Solusi Industri, Intel

Ledakan komputasi tepi: Kami akan terus melihat peningkatan komputasi tepi di seluruh industri pusat data karena peningkatan komputasi dan permintaan kecepatan dari konsumen dan perusahaan. Jaringan latensi rendah sangat penting dalam lingkungan yang berusaha memaksimalkan throughput komputasi dan mengurangi waktu idle server. - Timothy Vang, Ph.D., wakil presiden pemasaran & aplikasi untuk Semtech's Grup Produk Integritas Signal

Edge adalah cloud baru: Untuk perusahaan yang menskalakan inisiatif pabrik pintar pada tahun 2021, ketersediaan beban kerja mission-critical secara real-time akan diperlukan untuk memastikan hasil bisnis. Edge computing akan melengkapi infrastruktur cloud yang ada dengan mengaktifkan pemrosesan data real-time di mana pekerjaan berlangsung (misalnya, motor, pompa, generator, atau sensor lainnya). Menerapkan analitik terintegrasi dari edge ke cloud akan membantu perusahaan ini memaksimalkan nilai investasi dalam sistem digital.

Industri ini akan terus bergerak menuju lingkungan komputasi yang lebih terdesentralisasi, dan keunggulannya akan menambah nilai signifikan pada inisiatif transformasi digital. Dengan mengintegrasikan fungsionalitas edge dengan infrastruktur cloud yang ada, organisasi tidak akan terlalu khawatir tentang pertimbangan IT logistik dan, sebaliknya, berfokus pada memikirkan kembali apa yang mungkin dilakukan di mesin pintar: Pertanyaan apa yang dapat dijawab lebih cepat? Masalah baru apa yang bisa dipecahkannya? Bagaimana cara melindungi operasi dengan lebih baik? Para analis mencatat bahwa pada tahun 2022, 99% perusahaan industri akan memanfaatkan komputasi tepi untuk alasan ini. - Keith Higgins, Wakil Presiden Transformasi Digital untuk Otomasi Rockwell

Pikiran kreatif mendorong IoT maju: IoT dan pengembangan produk pintar akan bergantung pada desain kreatif dan solusi yang bijaksana karena peningkatan teknis mikroprosesor lambat karena para insinyur menghadapi keterbatasan dari apa yang mungkin secara fisik sebagai pembuat chip mendekati batas teoritis untuk seberapa tipis perangkat ini dapat menjadi. Pengembangan produk Hukum Pasca-Moore akan bergantung pada kecerdikan para insinyur dan perancang untuk menciptakan solusi imajinatif untuk memecahkan masalah bisnis dan masyarakat serta meningkatkan proses konsumen sehari-hari, alih-alih hanya mengandalkan chipset canggih generasi berikutnya. - Sam Mahalingam, CTO, Altair

Pembelajaran mesin

Dolar investasi dalam Operasi TI akan bergeser dari otomatisasi alur kerja vanilla ke solusi AI / ML asli dengan dorongan untuk menjadi operasi digital. Operasi alur kerja dan otomatisasi masing-masing secara alami akan berkembang untuk menyertakan solusi AI / ML saat teknologinya menjadi lebih kuat. AI dan ML semakin maju dan pada gilirannya meningkatkan otomatisasi alur kerja karena perusahaan mengumpulkan lebih banyak data serta mengubah organisasi dan operasi administratif. - Shiva Ramani, CEO iOPEX

Perusahaan akan menemukan aplikasi baru untuk teknologi pembelajaran mesin yang mengotomatiskan proses manual dan meningkatkan kemampuan pemantauan. Perusahaan akan mencari produk yang memberikan pemantauan lebih dalam, lebih banyak otomatisasi, dan informasi bernilai tambah di seluruh pengeluaran TI mereka. Misalnya, solusi ketersediaan yang menyediakan pemantauan sadar aplikasi dan otomatisasi konfigurasi dan tugas manajemen akan diprioritaskan daripada solusi failover tradisional. Inovasi baru di HA akan muncul untuk menangani peningkatan kompleksitas kegagalan dan bencana yang disebabkan oleh perangkat IoT dan ketergantungannya. - Cassius Rhue, VP, Pengalaman Pelanggan, Teknologi SIOS

Secara historis, algoritme lebih banyak tentang pembelajaran mesin dan jaringan neural. Kita sekarang melihat semakin banyak mesin yang mandiri dan dapat mengajar dan melatih diri mereka sendiri dengan cara yang sangat mirip dengan bagian bawah sadar otak manusia. Dengan kata lain, algoritme yang digunakan untuk meniru bagian analitik otak; sekarang mereka meniru bagian terbesar, paling kuat, dan paling menarik dari otak manusia, yang kita sebut akal sehat, firasat, dan intuisi. Alih-alih mengandalkan manusia untuk melatih dan mengajari mereka, algoritme mesin tanpa pengawasan saat ini mampu mengumpulkan data dalam jumlah besar, membuat gambar dunia, dan membuat deduksi yang sangat mirip dengan yang dibuat oleh manusia. Kami datang ke dunia di mana komputer dapat melatih dirinya sendiri. - Mark Gazit, CEO ThetaRay

Mengurangi bias: tahun ini, ada banyak percakapan yang diperlukan seputar bias dan mitigasi dalam algoritma AI dan seputar bagaimana mengatasi dampak sosial dari personalisasi berbasis algoritma. Namun, kami perlu melanjutkan pengembangan fitur yang memberikan wawasan tentang hasil sistem ML, mengungkapkan bias, dan memeriksa penyimpangan dalam model yang diterapkan dari waktu ke waktu. Ini menjadi semakin penting karena semakin banyak sistem ini yang diproduksi, untuk memastikan bahwa kami tidak mengabadikan atau menciptakan sumber bias yang berbahaya. - Kevin Goldsmith, CTO, Anaconda

Organisasi yang awalnya sukses dalam pembelajaran mesin telah memacu mereka untuk memperluas program mereka menemukan bahwa jalur produksi yang bergerak cepat dari kumpulan data berkualitas tinggi adalah bahan bakar yang akan mendorong perluasan tersebut. Ini akan meningkatkan Data sebagai Layanan ke prioritas tinggi untuk tim teknik data. - Luke Han, salah satu pendiri dan CEO, Keagungan

Kemampuan untuk Mempercayai dan Mengoperasikan ML akan menjadi Tes Litmus untuk Bertahan Hidup 2021: Di atas pandemi dan resesi, kami terus bergulat dengan jumlah data yang tumbuh secara eksponensial dan kompleksitas teknologi baru yang terus meningkat. Jika bisnis ingin berhasil memahami jumlah data yang besar dan kerumitan teknis, mereka harus memanfaatkan dan mengoperasionalkan model pembelajaran mesin dengan cara yang dapat dijelaskan dan mudah dipahami. Tidak lagi cukup hanya berfokus pada memasukkan model ke dalam produksi, fokusnya sekarang harus pada memberikan model ke tangan pengguna bisnis dan pembuat keputusan. Tetapi untuk mengoperasionalkan, bisnis harus dapat mempercayai, memperoleh pemahaman dari, dan mengkomunikasikan tentang, kemampuan model untuk memengaruhi potensi bisnis secara bermakna. Pada tahun 2021, kemampuan bisnis untuk mempercayai modelnya - sejauh mereka mampu menghasilkan tindakan dari wawasan yang diturunkan dari AI - akan menjadi penentu kemampuannya untuk bertahan hidup. - Santiago Giraldo, Manajer Pemasaran Produk Senior Machine Learning, Cloudera

Perusahaan dari semua ukuran dan di semua tahap bergerak secara agresif untuk mengoperasionalkan upaya pembelajaran mesin. Ada beberapa framework populer untuk pelatihan model, termasuk Tensorflow dan PyTorch, yang memimpin game ini. Sama seperti Apache Spark yang dianggap sebagai pemimpin untuk pekerjaan transformasi data dan Presto muncul sebagai teknologi terdepan untuk kueri interaktif, 2021 akan menjadi tahun dimana kita akan melihat pelopor mendominasi ruang pelatihan model yang lebih luas dengan pyTorch atau Tensorflow sebagai pesaing utama. - Haoyuan Li, Pendiri dan CEO, Kiasan

SaaS mengubah data sebagai bagian yang hilang untuk ML / AI: Organisasi dengan fokus pada kecerdasan buatan dan pembelajaran mesin akan terus lapar akan kumpulan data pelatihan yang bermakna yang dapat dimasukkan ke dalam algoritme ML mereka untuk menemukan pola perubahan sebab-akibat dari waktu ke waktu. Untuk melakukan ini, mereka akan beralih ke kumpulan data yang selalu berubah di aplikasi cloud / SaaS pihak ketiga sebagai masukan ke dalam algoritme ini. Ini akan menciptakan tekanan bagi mereka untuk menangkap dan mencerna setiap perubahan dalam data itu dari waktu ke waktu ke dalam ekosistem DataOps mereka. - Joe Gaska, CEO Grax

Peran yang dimainkan oleh AI dan ML akan berkembang saat kecerdasan identitas menjadi yang terdepan. Saat kami mencapai titik kritis di masa depan autentikasi, pengguna semakin sadar akan keamanan dalam hal melindungi identitas digital mereka secara online. Verifikasi identitas akan menjadi semakin kontekstual, dan AI akan memainkan peran yang meluas untuk menentukan risiko dinamis dari akses yang tidak dapat disediakan oleh sistem berbasis aturan. Pembelajaran mendalam yang diawasi dan tidak diawasi, pembelajaran penguatan, dan algoritme genetika tidak hanya akan menerapkan model inferensi yang telah ditentukan sebelumnya, tetapi juga akan memungkinkan solusi keamanan untuk beradaptasi dengan perubahan perilaku perusahaan dan belajar dari perusahaan lain saat mereka menghadapi dan mengurangi ancaman. Memerangi kesalahan besar dengan algoritme bawaan, memperoleh nilai dari data besar, dan mendorong pengambilan keputusan melalui analitik yang kuat akan memainkan peran kunci dalam kecerdasan identitas. - Rajesh Ganesan, Wakil Presiden, ManageEngine (divisi dari Zoho Corp.)

Robotika

Dengan kebutuhan untuk mencegah orang-orang terus mengabadikannya di tahun baru, secara alami kita akan melihat investasi yang signifikan dalam otomatisasi. Namun, mungkin untuk pertama kalinya, robotika akan melakukan tugas manusia biasa dan sederhana, bukan tugas yang lebih sulit dan strategis. Kami telah melihat robot membantu manusia dalam banyak aplikasi rumit, seperti robot yang dilatih untuk melakukan bedah mikro yang paling tepat. Robot sekarang akan mulai melakukan tugas-tugas yang memungkinkan pekerja penting yang sebelumnya diperlukan secara langsung, bekerja dari jarak jauh. Dengan lebih banyak investasi dalam augmented reality dan virtual reality, misalnya, kita akan melihat penjaga keamanan robot yang dikendalikan oleh pekerja jarak jauh yang berkeliaran di kantor dan lantai pabrik; pekerja jarak jauh akan dapat mengontrol drone dari jarak jauh untuk mengambil dan mengemas kotak di gudang. Pada tahun 2021, revolusi akan menjadi robotik. - Ahson Ahmad, Direktur Produk dan Pelanggan, Tali pembuka parasut

Security

Deepfakes akan menjadi ancaman signifikan bagi integritas bisnis. COVID-19 telah memaksa komunikasi langsung menjadi virtual, yang berarti bisnis mengandalkan konferensi video untuk melakukan pertemuan lebih dari sebelumnya. Meskipun gagasan tentang deepfake mungkin bukan hal baru, mereka semakin canggih dan menjadi sangat mudah dibuat. Ambil ThisPersonDoesNotExist.com, misalnya, yang memanfaatkan AI untuk membuat gambar yang benar-benar dapat dipercaya dari orang-orang yang tidak ada dalam kehidupan nyata. Jika proses ini dapat dilakukan dengan informasi yang relatif sedikit, maka tentu saja peretas dapat memanfaatkan profil kerja yang digunakan untuk teknologi konferensi video - yang nama dan gambar karyawan secara otomatis dikaitkan dengannya - untuk membuat pemalsuan yang meyakinkan. - James Carder, Kepala Petugas Keamanan LogRhythm

Prediksi: Saat Deteksi Penipuan Menjadi Lebih Sulit, Model Penipuan ML Akan Lebih Kuat Namun Menggunakan Lebih Banyak Set Data Terbaru: Untuk menentukan risiko penipuan, perusahaan biasanya menggunakan kumpulan data dari transaksi masa lalu yang mereka yakini akan mewakili masa depan untuk melatih pembelajaran mesin (ML) mereka model. Namun, dampak besar COVID-19 pada data dan perilaku konsumen telah menyebabkan terputusnya hubungan karena data masa lalu tidak lagi mewakili masa depan. Hal ini menyebabkan banyak organisasi menggunakan model pakaian dalam yang berkinerja baik tetapi tidak menemukan pola penipuan baru, atau model pakaian berlebih yang menciptakan banyak kejutan seperti membanjirnya antrean tinjauan manual atau lebih banyak tagihan balik dan penipuan. Banyak perusahaan juga telah beralih dari penggunaan ML ke model berbasis aturan dan ulasan manual yang lebih mengandalkan intuisi manusia. Pada tahun 2021, perusahaan akan dapat memanfaatkan pemahaman mereka tentang pola perilaku baru ini untuk mulai membangun kembali model ML yang lebih kuat. Namun, untuk menjadi sukses, mereka perlu menggunakan data yang lebih baru, mengambil sesuatu saat mereka membuat model, dan menilai kemajuan mereka saat itu. - Arjun Kakkar, Wakil Presiden Strategi & Operasi di Ekata

Kecerdasan buatan telah menciptakan ancaman keamanan baru, yang terbesar mungkin adalah kesalahan besar. Deepfake adalah audio, video, atau gambar palsu yang mengandalkan teknologi kecerdasan buatan untuk meniru kenyataan. Deepfake dapat menimbulkan konsekuensi serius di tangan yang salah, seperti penipuan deepfake. Meskipun kami belum melihat banyak dari serangan ini, di 2019, penipu menggunakan audio deepfake untuk mencuri lebih dari $ 200,000 dari perusahaan energi yang berbasis di Inggris. Dan dengan lingkungan kerja jarak jauh yang memberi lebih banyak amunisi bagi penipu untuk melakukan serangan mereka, 2021 akan menjadi tahun di mana teknologi mengeluarkan transkripsi audio secara real time dan bisnis harus tetap waspada untuk memastikan mereka tidak tertipu. Bisnis harus waspada terhadap setiap panggilan telepon yang mencurigakan, dan tidak pernah mengirim uang atau berbagi informasi sensitif tanpa memverifikasi bahwa penelepon adalah orang yang mereka klaim.

Selain itu, menyiapkan alat dan protokol keamanan siber dasar dapat mencegah penipu mendapatkan akses ke informasi sensitif yang mereka butuhkan untuk membuat gambar dan audio deepfake. Peneliti keamanan siber sedang mengerjakan alat untuk mendeteksi konten deepfake, tetapi hingga saat itu, perusahaan harus mengandalkan intuisi dan alat keamanan siber yang ada untuk memastikan mereka tidak tertipu. - Terry Nelms, PhD, Sr. Direktur Riset, pindrop

Dipicu oleh masuknya pelanggaran data dan dugaan eksploitasi data pribadi oleh Big Tech, privasi data konsumen akan terus menjadi fokus besar pada tahun 2021 dan seterusnya, dan kita dapat berharap untuk melihat lebih banyak undang-undang diperkenalkan yang melindungi hak-hak konsumen dan bisnis denda untuk penggunaan data yang tidak bertanggung jawab. Untuk menumbuhkan kepercayaan dan meningkatkan pengalaman pelanggan dalam lanskap bisnis yang semakin kompetitif, lebih banyak organisasi akan memberikan kepemilikan dan kendali kepada konsumen atas data pribadi mereka di tahun-tahun mendatang. Dengan menggabungkan prinsip etis, patuh, dan menjaga privasi dengan infrastruktur teknologi yang dibangun untuk masa depan, masyarakat akan bergerak menuju sistem di mana nilai data akan menguntungkan baik individu maupun perusahaan. - James Kingston, Wakil Presiden Riset dan Kemitraan Inovasi di Dataswift, peneliti AI, dan Direktur HAT-LAB.

Tata kelola keamanan data adalah blok bangunan yang diperlukan dan penting untuk mitigasi ancaman. Hingga saat ini, sebagian besar program tata kelola data berfokus pada aliran data dan analitik tanpa terlalu memikirkan keamanan. Undang-undang dan peraturan privasi data baru telah memaksa pemangku kepentingan data seperti CDO, CFO, CISO, dan DPO untuk menjadikan keamanan data sebagai salah satu blok bangunan yang diperlukan untuk upaya tata kelola data mereka. Namun tata kelola keamanan data itu rumit karena tidak ada produk vendor tunggal yang dapat menerapkan semua kontrol tata kelola keamanan data yang diperlukan. Pada tahun 2021, karena bisnis terus mengumpulkan dan memproses lebih banyak data, mereka harus mencari cara untuk menyatukan informasi mereka dengan cepat, sehingga seluruh organisasi mereka menarik informasi dari yang sama, tepercaya, dan aman dengan baik. Selanjutnya, bisnis perlu menerapkan dan mengelola sumber datanya melalui sistem perlindungan data dengan kontrol privasi yang diperlukan, sehingga ancaman data dapat dikurangi. Langkah-langkah ini akan memastikan risiko bisnis dan keuangan di masa depan diminimalkan. - Anne Hardy, CISO dari Talend

AI akan menjadi Kunci untuk Mendukung Keamanan di Dunia Terpencil. Keamanan adalah prioritas utama untuk C-suite organisasi mana pun yang telah memulai perjalanan transformasi digital, tetapi kepentingannya hanya dipercepat oleh pandemi. Dengan begitu banyak titik akhir yang tersebar di seluruh dunia karena karyawan memiliki fleksibilitas untuk bekerja jauh dari mana pun yang mereka pilih, kerentanan berlipat ganda. Tren utama yang akan kita lihat pada tahun 2021 dan seterusnya adalah penerapan AI pada langkah-langkah keamanan, karena manusia sendiri tidak dapat memantau, mengontrol, dan memeriksa setiap titik akhir untuk melindungi perusahaan modern secara memadai atau efisien. Jika para pemimpin keamanan (terutama yang ada di perusahaan Fortune 500) tidak meluangkan waktu dan investasi finansial untuk meningkatkan keamanan dengan AI sekarang, mereka dapat berharap menjadi sasaran peretas di masa depan dan berebut untuk melindungi data mereka. -Scott Boettcher, Wakil Presiden, Manajemen Informasi Perusahaan, Layanan NTT DATA

Storage

NAS Lama Sudah Mati untuk AI. Dengan diperkenalkannya PCIe Gen4, kecepatan I / O kini telah sepenuhnya terlepas dari evolusi inti CPU. Penyedia NFS lama terjebak dengan TCP aliran tunggal yang dibatasi kecepatannya oleh kemampuan inti CPU tunggal di server aplikasi. PCIe Gen4 akan menggandakan kinerja I / O puncak aplikasi pada tahun 2021, sementara inti CPU tidak lagi dapat menggandakan kinerja I / O inti tunggal. Tidak ada konsentrasi IO host tunggal yang lebih besar daripada di pasar AI - untuk aplikasi seperti pembelajaran mesin dan pembelajaran mendalam. Untuk mengatasi ini, pelanggan akan mencari solusi yang mendukung multi-threading, RDMA, dan kemampuan untuk melewati CPU sama sekali - seperti halnya dengan Penyimpanan GPUDirect NVIDIA. Tuntutan untuk menjaga agar GPU dan Prosesor AI tetap bekerja dan efisien akan secara dramatis melampaui kemampuan I / O dari NAS lama berbasis TCP, yang mengarahkan pelanggan untuk meninggalkan NAS lama pada tahun 2021. - Renen Hallak, Pendiri dan CEO VAST Data

Penyimpanan objek menghancurkan mitos bahwa itu hanya digunakan untuk arsip. Meskipun penyimpanan objek paling dikenal sebagai solusi penyimpanan cadangan dan arsip, tiga tren akan memperluas persepsi itu pada tahun 2021. Pertama, penyimpanan objek berbasis flash akan mendapatkan keuntungan dalam beban kerja analitik data yang juga memiliki persyaratan kapasitas tinggi. Kedua, penyimpanan yang kompatibel dengan S3 akan menyederhanakan penerapan Kubernetes, menjadikannya pilihan logis untuk aplikasi modern. Ketiga, aplikasi cloud-native akan semakin banyak digunakan di lokasi, mendorong kebutuhan penyimpanan yang kompatibel dengan S3 di lokasi untuk meningkatkan portabilitas aplikasi. Akibatnya, lebih banyak organisasi akan menggunakan penyimpanan objek untuk mendukung kasus penggunaan komputasi berat, seperti AI, ML, dan analitik data, menghancurkan mitos "murah dan mendalam" untuk selamanya. - Jon Toor, CMO untuk Cloudian

Organisasi sekarang mengumpulkan data pembelajaran mesin dan IoT dalam jumlah besar. Jika perusahaan Anda bergantung pada pengumpulan dan analisis data untuk beroperasi dan berhasil, apa yang terjadi jika data tersebut tidak sepenuhnya dicadangkan dan mudah dipulihkan? Sebagian besar perusahaan hanya memikirkan tentang analisis data dan lebih sedikit lagi tentang backup atau keamanan data. Namun karena data semakin berpindah dari analisis ke lingkungan produksi, saat itulah perlindungan menjadi penting. Alat penyimpanan mutakhir semakin mengandalkan AI dan pembelajaran mesin untuk mengotomatiskan proses pencadangan data. Mengingat besarnya ukuran data perusahaan, alat cerdas ini akan menjadi penting untuk menjaga proses pencadangan yang efisien yang dapat dengan cepat dan mudah bereaksi terhadap perubahan persyaratan sambil menghemat waktu yang tak terhitung pada pencadangan manual. - Shridar Subramanian, CMO dari PenyimpananKerajinan

Vertikal

Potensi AI untuk meningkatkan proses rantai pasokan telah menjadi area fokus bagi perusahaan setidaknya selama 5 tahun, tetapi setelah gangguan yang disebabkan oleh COVID-19, banyak analis rantai pasokan dan perusahaan telah mengalihkan perhatian mereka ke AI sebagai solusi yang memungkinkan. kesengsaraan mereka. 67% perusahaan yang berinvestasi dalam beberapa solusi teknologi untuk membantu mereka mengatasi pandemi, dan 60% perusahaan industri mencari AI secara khusus. Namun, model AI didorong oleh data. Akurasi, ruang lingkup, dan kapabilitas model AI bergantung sepenuhnya pada data pelatihan di belakangnya. Namun, data tersebut harus diatur dan diberi label dalam format yang dapat dibaca mesin sebelum program AI dapat mencernanya. Sebelum merangkul AI, perusahaan harus memanfaatkan teknologi integrasi modern untuk secara otomatis mengumpulkan data dari interaksi dengan ekosistem pemasok, mitra, pedagang, dan pelanggan mereka dalam format yang terstruktur untuk mendorong model AI

Lihat PrimeXBT
Berdaganglah dengan Mitra CFD Resmi AC Milan
Cara termudah untuk berdagang Crypto.
Sumber: https://www.fintechnews.org/big-data-industry-predictions-for-2021/

Kecerdasan Data Generatif

Prediksi industri Big Data untuk tahun 2021

Beranda

Beranda – Suite Crowdfund

Intelijen Terbaru

Pengantar Pemrosesan Bahasa Alami [Kursus NLP Gratis]

ESL Challenger Melbourne 2024: Skor, Klasemen, dan Banyak Lagi – Snowball Esports

Uji terbang berawak Starliner lolos tinjauan penting

Nilai Draf NFL 2024

Pembaruan: BAE Systems menguraikan kemajuan fregat Tipe 26 di tengah kekurangan pekerja baja

Ethereum, Solana, dan Altcoin Mendekati 'Zona Pisang', Menurut Guru Makro Raoul Pal – Inilah Pandangannya – The Daily Hodl

Hubungi kami