著者の詳細については、ここをクリックしてください
サムマハリンガム.
データ分析のプロファイルには
決して高くはありませんでした。 COVID-19の前例のない課題に直面し、政府は
世界中で、通常、高度な統計モデリングに依存して作成されています
絶えず変化するメトリックの集中砲火の感覚。 データサイエンティストが遊んでいる
重要な役割、意思決定者が権利を実装しようとするときに助言する
適切なタイミングでのポリシー。
もちろん、深い洞察を引き出す
豊富なデータからは新しいものではありません。 近年、洗練されたものの急速な進化
効率的なリアルタイム分析を可能にするツールは、定義のXNUMXつです。
業界と企業のトレンド。
2021年に向けて、
この勢いの緩和の兆候。 人工知能（AI）の出現と
機械学習（ML）は、データ分析の方法を変革し続けます
設計、消費、共有、統合されています。 彼らは新しく設定するのに役立ちます
アクセシビリティ、洞察が提供される速度に関するベンチマーク、
そして、それが人間の意思決定に取って代わり、それを強化する程度。
今後12か月で、XNUMXつの主要なトレンド
これらの開発に力を与えるでしょう：
拡張分析
これは、データ分析における次の混乱の波を表しています。 最新の自然言語処理（NLP）、AI、およびML技術を活用して、データ分析の使用方法と使用者をすでに再定義しています。
最初に識別された ガートナー 2017年には、説得力のある理由があります 拡張分析 年齢が来ています。 何よりも、組織が利用できる膨大な量の情報により、効果的な解釈がますます困難になっています。 そして、それは悪化しているだけです。 一例を挙げると、2025年までに、世界中でXNUMX億を超えるセルラーIoT接続が確立されます。 1.3年の2019億から増加。 さらに、データから得られた洞察は、通常、保存期間が短くなります。 それが適切な時期に意思決定者に届かない場合、価値はすぐに薄れていきます。
MLとAIは、
データサイエンティストの最も骨の折れる要素の自動化と加速
作業：パターンと相関関係の収集、準備、クリーニング、および検索
データ。 ただし、拡張分析の重要性はそれをはるかに超えます
過労の専門家の負担を軽減します。 洗練されたツールを作ることによって
はるかに幅広いオーディエンスがアクセスできる拡張分析により、新しい
市民データサイエンティストの世代。 最前線の従業員—ビジネスラインマネージャー、
たとえば、運用管理者やドメインの専門家は、
より良い意思決定に迅速に到達するために必要なツール。
継続的インテリジェンス（CI）
CIの急速な成長は、現代の企業が運営するスピードの速さを反映しています。 決定を正しく行うには、現在何が起こっているのか、そしてそれに対応するための最善の行動方針を知る必要があります。 2021年以降、これらの回答の多くはCIから得られます。これは、リアルタイム分析がビジネスオペレーション内に統合されるデザインパターンです。 現在のデータと過去のデータの両方を処理し、意思決定プロセスをサポートするのではなく、自動化するためにますます採用されるようになります。
CIが活用するツールは
豊かで多様。 それらには、拡張分析とイベントストリームが含まれます
処理、最適化、ビジネスルール管理、およびML。 また、2020年は
「設定して忘れる」がもはや選択肢ではないことは明らかです。 市場
変化し、行動が進化し、イベントが起こります。 今日の予測子は機能しません
永遠に。 実際、明日はうまくいかないかもしれません。 CIはに影響を与えます
2021年は、継続的に調整しながら、独自に学習するツールを提供するためです。
と改善します。 拡張分析が市民の台頭を後押ししているように
データサイエンティスト、CIは、データでサイロ化されるのではなく、既存のワークフローに組み込まれます
科学の専門家。
拡張データ管理、データ検出、およびデータカタログ
これらも2021年には大きなニュースになるでしょう。繰り返しになりますが、ML機能とAIエンジンが機能し始めています。 この場合、それらはデータを見つけて理解し、データ品質、メタデータ管理、 マスターデータ管理、およびデータ統合、およびデータベース管理システム（DMS）—自己構成および自己調整。
自動ML /説明可能なAI
私がすでに示唆したように、2021年には意思決定プロセスの自動化へのシフトが加速するでしょう。 ただし、多くの場合、組織はそのような決定がどのように行われるかを調査し、正当化する必要があります。 したがって、アプリケーションリーダーは、解釈可能で説明可能なモデルを構築できなければなりません。 一部のソリューションで採用されている「ブラックボックス」アプローチは、ユーザーを締め出すためだけに役立ちます。 アナリストは、代わりに、展開されたモデルの蓋を持ち上げる、責任があり、説明可能で、解釈可能なAIをますます探しています。 この透明性は、生成された結果への信頼を高め、成長する市民データサイエンティストの軍隊に、システムを学習して成長させる機会を提供します。 さらに、絶えず変化する環境に合わせてモデルを変更および微調整することができます。 2021年以降は、自動化と民主化のどちらかを選択する必要はありません。 適切なソリューションが整っていれば、このXNUMXつは密接に関連しています。
出典：https：//www.dataversity.net/four-technology-trends-that-will-shape-data-analytics-in-2021/
