By 시그 모이 드

지난 몇 년 동안 조직은 비용 최적화, 수익 증대, 경쟁력 강화 및 혁신 추진과 관련하여 솔루션 구현 도구로서 데이터 분석을 점진적으로 채택해 왔습니다. 그 결과, 기술은 끊임없이 발전하고 진화해 왔습니다. 불과 XNUMX년 전만 해도 주류였던 데이터 분석 방법과 도구는 언제든지 구식이 될 수 있습니다. 데이터 분석 이니셔티브가 제공하는 끝없는 기회를 활용하려면 조직은 끊임없이 변화하는 데이터 분석 환경을 따라가고 미래에 수반되는 모든 변화에 대비해야 합니다.

2021년 XNUMX분기로 접어들면서 전문가와 열광적인 지지자들은 앞으로 중심 무대를 차지할 것으로 예상되는 데이터 및 분석 동향에 대해 이미 고민하기 시작했습니다. 다음은 올해 시장을 지배할 주요 트렌드 목록입니다.

1. 엣지 데이터와 분석이 주류가 될 것

 
IoT와 같은 신기술이 생성하는 엄청난 양의 데이터를 고려하면 더 이상 기업이 엣지에서 처리할 데이터 종류를 결정하는 것이 아닙니다. 오히려 이제는 데이터 생성 장치 내에서 또는 IT 인프라 근처에서 데이터를 처리하여 데이터 대기 시간을 줄이고 데이터 처리 속도를 높이는 데 더 중점을 두고 있습니다.

엣지에서의 데이터 처리는 조직에 비용 효율적인 방식으로 데이터를 저장하고 IoT 데이터에서 보다 실행 가능한 통찰력을 얻을 수 있는 기회를 제공합니다. 이는 운영 효율성 실현, 새로운 수익원 개발 및 차별화된 고객 경험을 통해 수백만 달러의 비용 절감으로 직접적으로 이어집니다.

2. 클라우드는 일정하게 유지됩니다.

 
가트너에 따르면, 퍼블릭 클라우드 서비스는 90년까지 모든 데이터 분석 혁신의 2022%를 뒷받침할 것으로 예상됩니다. 실제로 클라우드 기반 AI 활동은 2023년까지 XNUMX배 증가하여 AI가 향후 몇 년 동안 최고의 클라우드 기반 워크로드 중 하나가 될 것으로 예상됩니다. 오다. 이러한 추세는 이미 코로나XNUMX 이전 세계에서 힘을 얻기 시작했지만, 팬데믹으로 인해 더욱 가속화되었습니다.

클라우드 데이터 웨어하우스와 데이터 레이크는 AI/ML 프로젝트를 실행하기 위해 대량의 데이터를 수집하고 처리하기 위한 필수 데이터 스토리지 옵션으로 빠르게 등장했습니다. 오늘날 이러한 데이터 스토리지 옵션은 기업에 물리적 컴퓨팅 및 스토리지 인프라를 프로비저닝하지 않고도 갑작스러운 워크로드 급증을 처리할 수 있는 자유를 제공합니다.

3. 지속 가능한 ML 이니셔티브를 위한 데이터 엔지니어링 관련성

 
최고의 도구를 사용하여 애플리케이션 개발 팀의 역량을 강화하는 동시에 매우 유연한 통합 데이터 계층을 생성하는 것은 여전히 ​​대다수 기업의 운영 과제로 남아 있습니다. 따라서 데이터 엔지니어링은 데이터를 수집하고 처리하며 궁극적으로 소비하는 방식에서 변화의 주체 역할을 하며 빠르게 중심 무대를 차지하고 있습니다.

기업 수준에서 수행되는 모든 AI/ML 프로젝트가 성공적인 것은 아니며 이는 주로 정확한 데이터가 부족하기 때문에 발생합니다. 데이터 분석 이니셔티브에 아낌없이 투자했음에도 불구하고 일부 조직에서는 이를 실현하지 못하는 경우가 많습니다. 그러나 기업에서는 의사결정 모델링이나 분석에 데이터를 사용하기 전에 데이터를 준비하는 데 상당한 시간을 소비하게 됩니다. 데이터 엔지니어링이 변화를 만들어내는 곳이 바로 여기입니다. 이는 조직이 AI/ML 이니셔티브에 사용할 수 있는 깨끗하고 정확한 데이터를 수집하는 데 도움이 됩니다.

4. 스마트하고 책임감 있고 확장 가능한 AI의 탄생

 
Gartner는 2024년 말까지 예측합니다., 5분의 XNUMX의 조직이 실험적인 AI 프로그램에서 응용 AI 사용 사례 생성으로의 전환을 성공적으로 완료할 것입니다. 이로 인해 스트리밍 데이터 및 분석 인프라가 거의 XNUMX배 증가할 것으로 예상됩니다. AI와 ML은 이미 현재 비즈니스 환경에서 조직이 전염병의 확산을 모델링하고 이에 대응하는 최선의 방법을 이해하는 데 중요한 역할을 하고 있습니다. 분산 학습 및 강화 학습과 같은 기타 AI 기술은 기업이 복잡한 비즈니스 시나리오를 관리할 수 있는 유연성과 적응력이 뛰어난 시스템을 만드는 데 도움이 됩니다.

앞으로는 엣지 장치에 원활하게 배포할 수 있는 새로운 칩 아키텍처에 대한 아낌없는 투자로 AI, ML 워크로드 및 계산이 더욱 가속화될 것입니다. 이를 통해 대역폭 요구 사항이 높은 중앙 집중식 시스템에 대한 의존도가 크게 줄어듭니다.

5. 개인화의 증가로 고객이 왕이 될 것입니다.

 
2020년은 소매업이든 헬스케어 분야든 고객이 확실히 통제할 수 있게 되었습니다. 팬데믹으로 인해 재택근무가 의무화되면서 그 어느 때보다 많은 사람들이 온라인으로 일하고 쇼핑하게 되었고, 기업은 운영을 디지털화하고 디지털 비즈니스 모델을 수용해야 했습니다. 이제 디지털화가 증가하면서 더 많은 데이터가 생성되었으며, 이는 체계적으로 처리하면 필연적으로 더 많은 통찰력을 의미합니다.

데이터 과학은 비즈니스 역학을 빠르게 다시 작성하고 있습니다. 그리고 시간이 지나면서 점점 더 많은 기업이 고도로 개인화된 제품과 서비스를 고객에게 제공하는 것을 보게 될 것입니다. 즉, 고도로 상황에 맞는 소비자 통찰력을 제공하여 맞춤화를 늘릴 수 있는 것입니다.

6. 의사결정 인텔리전스가 더욱 널리 퍼질 것입니다.

 
앞으로 점점 더 많은 회사에서 의사결정 모델링과 같은 의사결정 인텔리전스 기술을 실습하는 분석가를 고용하게 될 것입니다. 의사결정 인텔리전스는 복잡한 적응형 애플리케이션과 관련된 여러 의사결정 방법론을 포함하는 새로운 영역입니다. 이는 기본적으로 기존 의사결정 모델링 접근 방식과 AI 및 ML과 같은 최신 기술을 결합한 프레임워크입니다. 이를 통해 기술적인 지식이 없는 사용자도 프로그래머의 개입 없이 복잡한 결정 논리로 작업할 수 있습니다.

7. 데이터 관리 프로세스가 더욱 강화됩니다.

 
활성 메타데이터, ML 및 데이터 패브릭을 활용하여 데이터 관리 프로세스를 연결하고 최적화하는 조직은 이미 데이터 제공 시간을 크게 단축했습니다. 좋은 소식은 AI 기술을 통해 조직은 데이터 거버넌스 제어 자동 모니터링 및 메타데이터 자동 검색을 통해 데이터 관리 프로세스를 더욱 강화할 수 있다는 것입니다. 이는 다음 프로세스를 통해 활성화될 수 있습니다. Gartner는 데이터 패브릭(Data Fabric)을 지칭합니다.. Gartner는 이 프로세스가 기존 메타데이터 자산에 대한 지속적인 분석을 활용하여 아키텍처나 배포 플랫폼에 관계없이 재사용 가능한 데이터 구성 요소의 설계 및 배포를 지원한다고 정의합니다.

코로나19는 디지털화 노력을 크게 가속화하여 비즈니스 수행에 대한 새로운 표준을 만들었습니다. 이제 그 어느 때보다 데이터는 모든 산업의 동맹자가 되었습니다. 미래에는 비즈니스 요구 사항과 데이터 분석 간의 격차를 해소하기 위해 기업이 더 많은 노력을 기울이게 될 것입니다. 실행 가능한 통찰력은 필연적으로 핵심 초점이 될 것이며 분석을 쉽게 사용할 수 있게 만드는 새롭고 더욱 강력한 AI/ML 플랫폼과 시각화 기술에 대한 투자는 계속해서 탄력을 받을 것입니다.

 
실물. 허가를 받아 다시 게시했습니다.

관련 :

• 데이터 과학자에게 도움이 되는 6가지 비즈니스 동향
• Baidu Research : 10 년 2021 가지 기술 동향
• 데이터 및 분석 리더를 위한 3가지 주요 과제