By ഡാനിയൽ ഗുട്ടറസ്

ആഭ്യന്തരവും ആഗോളവുമായ നിരവധി വെല്ലുവിളികളുള്ള 2020 യുഗങ്ങളുടെ വർഷമാണ്. എന്നാൽ വൻകിട ഡാറ്റാ വ്യവസായത്തിന് 2021-ലേക്ക് കാര്യമായ ജഡത്വമുണ്ട്. അടുത്ത വർഷത്തേക്കുള്ള പ്രധാനപ്പെട്ട പുതിയ ട്രെൻഡുകളെക്കുറിച്ച് ഞങ്ങളുടെ മൂല്യമുള്ള വായനക്കാർക്ക് ഒരു സ്പന്ദനം നൽകുന്നതിന്, അവരുടെ ഉൾക്കാഴ്ചകളും പ്രതിഫലനങ്ങളും ലഭിക്കുന്നതിന് വെണ്ടർ ഇക്കോസിസ്റ്റത്തിലുടനീളമുള്ള ഞങ്ങളുടെ എല്ലാ സുഹൃത്തുക്കളിൽ നിന്നും ഞങ്ങൾ ഇവിടെ BIGDATA-യിൽ നിന്ന് കേട്ടു. വരാനിരിക്കുന്ന കാര്യങ്ങളുടെ പ്രവചനങ്ങൾ. അത്തരം ആവേശകരമായ വീക്ഷണങ്ങൾ കേൾക്കാൻ ഞങ്ങൾ വളരെയധികം പ്രോത്സാഹിപ്പിച്ചു. യഥാർത്ഥത്തിൽ പകുതി മാത്രമേ യാഥാർത്ഥ്യമായിട്ടുള്ളൂവെങ്കിലും, അടുത്ത വർഷം ബിഗ് ഡാറ്റ തികച്ചും ആവേശകരമായ ഒരു യാത്രയായിരിക്കും. ആസ്വദിക്കൂ!

ഡാനിയൽ ഡി. ഗുട്ടറസ് - എഡിറ്റർ-ഇൻ-ചീഫ് & റസിഡൻ്റ് ഡാറ്റ സയൻ്റിസ്റ്റ്

അനലിറ്റിക്സ്

"വിശകലന വിഭജനം" കൂടുതൽ വഷളാകാൻ പോകുന്നു. വളരെയധികം പ്രചരിച്ച "ഡിജിറ്റൽ വിഭജനം" പോലെ ഒരു "വിശകലന വിഭജനത്തിൻ്റെ" ആവിർഭാവവും ഞങ്ങൾ കാണുന്നു. പാൻഡെമിക് കാരണം പല കമ്പനികളും അനലിറ്റിക്‌സിൽ നിക്ഷേപിക്കാൻ പ്രേരിപ്പിച്ചു, മറ്റുള്ളവർ ലൈറ്റുകൾ ഓണാക്കാൻ നിർണായകമായി കാണാത്ത എന്തും വെട്ടിക്കുറയ്ക്കാൻ നിർബന്ധിതരായി - കൂടാതെ അനലിറ്റിക്‌സിൽ ശരിയായ നിക്ഷേപം ഈ ഓർഗനൈസേഷനുകളെ സംബന്ധിച്ചിടത്തോളം അനലിറ്റിക്‌സ് ആയിരുന്നു. ചോപ്പിംഗ് ബ്ലോക്ക്. ഇതിനർത്ഥം 2021-ൽ വിശകലന വിഭജനം കൂടുതൽ വർധിക്കുമെന്നും വരും വർഷങ്ങളിൽ ഈ പ്രവണത തുടരുമെന്നും. ഒരു സംശയവുമില്ലാതെ, എല്ലാ വ്യവസായത്തിലും വിജയികളും പരാജിതരും അനലിറ്റിക്‌സ് പ്രയോജനപ്പെടുത്തുന്നവരും അല്ലാത്തവരും നിർവചിക്കുന്നത് തുടരും. – അലൻ ജേക്കബ്സൺ, ചീഫ് ഡാറ്റ ആൻഡ് അനലിറ്റിക്സ് ഓഫീസർ, at Alteryx

ബിസിനസ് ഉപയോഗ കേസുകൾ നിറവേറ്റാൻ സാധ്യതയുള്ള പീസ്മീൽ അനലിറ്റിക്‌സിൻ്റെയും റിപ്പോർട്ടിംഗ് സൊല്യൂഷനുകളുടെയും നാളുകൾ കടന്നുപോകാൻ സാധ്യതയുണ്ട്. ഇത് അസ്ഥിരമാണ്. കമ്പനികൾക്ക് ഉയർന്ന ഡിപ്പാർട്ട്‌മെൻ്റലൈസ്ഡ് അനലിറ്റിക്‌സ് നടപ്പിലാക്കാൻ കഴിയില്ല, അത് പ്രാദേശികവൽക്കരിച്ച പ്രശ്‌നപരിഹാരത്തിൻ്റെ ഫലമുണ്ടാക്കുകയും വലിയ ബിസിനസ്സിന് പൂർണ്ണമായ നേട്ടം കാണാതിരിക്കുകയും ചെയ്യുന്നു. കമ്പനിക്ക് ആക്‌സസ് ഉള്ള എല്ലാ ഡാറ്റയിലും അനലിറ്റിക്‌സ് നടത്തുന്ന ഒന്നായി ഈ നിലവിലെ സാഹചര്യം മാറും, ഈ അനലിറ്റിക്‌സിൻ്റെ കഴിവ് ഉപയോഗിച്ച് വ്യത്യസ്ത കഴിവുകളുള്ള വിവിധ താൽപ്പര്യ ഗ്രൂപ്പുകൾ (ഉദാ, ഡാറ്റ സയൻസ്, ബിസിനസ്സ് നേതാക്കളുടെ വരികൾ) കൂടാതെ തത്സമയം അനലിറ്റിക്‌സ് സ്ഥിതിവിവരക്കണക്കുകൾ പ്രവർത്തനക്ഷമമാക്കുന്നതിൽ പൂർണ്ണമായ ശ്രദ്ധയോടെ. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, കൂടുതൽ കഷണങ്ങളല്ല, ശാസ്ത്ര പരീക്ഷണങ്ങളുമില്ല. – ശ്രീ രാഘവൻ, ഡയറക്ടർ, ഡാറ്റ സയൻസ് ആൻഡ് അഡ്വാൻസ്ഡ് അനലിറ്റിക്സ് പ്രൊഡക്റ്റ് മാർക്കറ്റിംഗ് തെരദത

പ്രിസ്‌ക്രിപ്റ്റീവ് അനലിറ്റിക്‌സ് ഡിജിറ്റൽ ട്രാൻസ്‌ഫോർമേഷൻ വിജയത്തിനുള്ള ഒരു പ്രധാന ഘടകമായിരിക്കും: നൂതന അനലിറ്റിക്‌സ് മാറുന്നു ബിസിനസ്സുകൾ അവരുടെ ഓർഗനൈസേഷനുകളിലുടനീളം ഡാറ്റ ശേഖരിക്കുകയും വിശകലനം ചെയ്യുകയും ചെയ്യുന്നതിനാൽ മുഖ്യധാരയിൽ 35% കഴിഞ്ഞ മൂന്ന് വർഷമായി യുഎസ് നിർമ്മാതാക്കൾ വിപുലമായ അനലിറ്റിക്‌സ് വിന്യസിച്ചു. മൂല്യ ശൃംഖലയിലുടനീളം AI-ക്ക് കാര്യമായ സ്വാധീനം ചെലുത്താൻ, പ്രിസ്‌ക്രിപ്റ്റീവ് അനലിറ്റിക്‌സ് പ്രകടനം ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിനുള്ള ഉത്തേജകമായിരിക്കും. പ്രോസസുകൾ മെച്ചപ്പെടുത്താനും ഉൽപ്പാദനം ക്രമീകരിക്കാനും കാര്യക്ഷമത വർദ്ധിപ്പിക്കാനും AI മോഡലുകളെ ഉപദേശിക്കുന്നതിന് ഉൽപന്നവും ഉപഭോക്തൃ ഡാറ്റയും പ്രയോജനപ്പെടുത്തുന്നതിലൂടെ, ഓർഗനൈസേഷനുകൾക്കുള്ളിൽ AI സ്കെയിലിംഗിന് പ്രിസ്‌ക്രിപ്റ്റീവ് അനലിറ്റിക്‌സ് അത്യന്താപേക്ഷിതമാകും. പ്രിസ്‌ക്രിപ്റ്റീവ് അനലിറ്റിക്‌സ്, വികസിച്ചുകൊണ്ടിരിക്കുന്ന അവസ്ഥകളെ അടിസ്ഥാനമാക്കി തുടർച്ചയായി നിരീക്ഷിക്കുകയും ക്രമീകരിക്കുകയും ചെയ്യുന്നതിലൂടെ ഒരു AI മോഡലിനൊപ്പം നിരന്തരമായ മെച്ചപ്പെടുത്തൽ സാധ്യമാക്കുന്നു. പ്രിസ്‌ക്രിപ്റ്റീവ് മോഡലുകൾക്ക് ഡിസിഷൻ ഓട്ടോമേഷൻ പ്രവർത്തനക്ഷമമാക്കാൻ കഴിയും, അവിടെ മോഡലുകൾക്ക് കുറിപ്പടികളെ അടിസ്ഥാനമാക്കി മികച്ച നടപടി സ്വീകരിക്കാൻ കഴിയും. പ്രവചനാത്മക വിശകലനങ്ങൾക്കപ്പുറം പ്രിസ്‌ക്രിപ്റ്റീവ് അനലിറ്റിക്‌സിലേക്ക് പോകുന്നത് 2021-ൽ നിർമ്മാതാക്കൾക്ക് ഡിജിറ്റൽ പരിവർത്തന വിജയം പ്രാപ്തമാക്കും. - ജോർജ്ജ് യംഗ്, ഗ്ലോബൽ മാനേജിംഗ് ഡയറക്ടർ ഓഫ് കാലിപ്സോ

വിതരണം ചെയ്യപ്പെട്ട തൊഴിൽ ശക്തിയും വിവരങ്ങളോടുള്ള ദാഹവും കണക്കിലെടുത്ത് ഓഗ്‌മെൻ്റഡ് അനലിറ്റിക്‌സും സ്വയം സേവനവും കൂടുതൽ ആവശ്യക്കാരായിത്തീരും. പ്രതികരണമായി, പരമ്പരാഗത അനലിറ്റിക്‌സ് AI മൂലം കൂടുതൽ തടസ്സപ്പെടും. വിതരണം ചെയ്യപ്പെടുന്ന തൊഴിലാളികളുടെ വർദ്ധനവ്, അവരുടെ ഡാറ്റാ ചോദ്യങ്ങൾക്ക് ഉടനടി ഉത്തരം ലഭിക്കുന്നതിന് ചോദ്യങ്ങൾ സൃഷ്‌ടിക്കുന്ന പ്രക്രിയയിലൂടെ വ്യക്തിഗത ഉപയോക്താവിനെ നയിക്കപ്പെടുന്ന ഓഗ്‌മെൻ്റഡ് അനലിറ്റിക്‌സിന് കൂടുതൽ ഡിമാൻഡ് സൃഷ്ടിക്കാൻ പോകുന്നു. ഇൻഫ്രാസ്ട്രക്ചർ തലത്തിലും അനലിസ്റ്റ് തലത്തിലും - രണ്ട് മേഖലകളിൽ അനലിറ്റിക്‌സിൻ്റെയും AI-യുടെയും ഒത്തുചേരൽ ഞങ്ങൾ കാണുന്നു.

ഒരു അനലിറ്റിക്‌സ് എഞ്ചിന് ഡാറ്റ നൽകുന്ന വ്യത്യസ്‌ത ഡാറ്റ പൈപ്പ്‌ലൈനുകൾ തങ്ങൾക്ക് ഉണ്ടെന്നും അവർ ML-നായി മറ്റൊരു സ്റ്റാക്ക് നിർമ്മിക്കുകയാണെന്നും ആളുകൾ മനസ്സിലാക്കാൻ തുടങ്ങിയിരിക്കുന്നു. തികച്ചും വ്യത്യസ്തമായ രണ്ട് സ്റ്റാക്കുകൾക്ക് പകരം, രണ്ട് എഞ്ചിനുകളും വിതരണം ചെയ്യാൻ ഒരേ ഡാറ്റയാണ് ഉപയോഗിക്കുന്നതെന്ന് ഉറപ്പാക്കുമ്പോൾ പരിപാലിക്കാൻ എളുപ്പമുള്ള ഒരു ഇൻഫ്രാസ്ട്രക്ചറായി ഇവയുടെ സംയോജനമാണ് ഞങ്ങൾ കാണുന്നത്. വിവരങ്ങൾക്കായുള്ള ഒരു 'വിശപ്പ്' സംബന്ധിച്ചും ഡാറ്റ ഉപയോഗിച്ച് ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകുന്നതിനുള്ള വിടവ് നികത്തുന്നതിലും രണ്ടാമത്തെ ഒത്തുചേരൽ സംഭവിക്കും. പരമ്പരാഗത വിശകലനങ്ങൾ AI മൂലം കൂടുതൽ തടസ്സപ്പെടാൻ തുടങ്ങും. സംഭാഷണ സ്വഭാവമുള്ള ബോട്ടുകളും വെർച്വൽ അസിസ്റ്റൻ്റുമാരും പ്ലാറ്റ്‌ഫോമുകൾ (ടേബിൾ, പവർ ബിഐ മുതലായവ) മാറ്റിസ്ഥാപിക്കാൻ തുടങ്ങും. സ്വയം സേവനത്തിനായുള്ള ഒരു പുൾ വേഗത്തിലാക്കാനുള്ള ഒരു പ്രേരണയായാണ് ഞങ്ങൾ ഇതിനെ കാണുന്നത്. 2021-ൽ NLP കൂടുതൽ വ്യാപകമായി ഉപയോഗിക്കപ്പെടുമെന്നും ഞങ്ങൾ പ്രതീക്ഷിക്കുന്നു. - Scott Schlesinger, Global Data, Analytics & AI പ്രാക്ടീസ് ലീഡർ നെസ്സ്

ഡാറ്റയുടെയും അനലിറ്റിക്സിൻ്റെയും കാര്യത്തിൽ ഐടിയും മറ്റ് വകുപ്പുകളും തമ്മിലുള്ള വരികൾ മങ്ങുന്നത് തുടരും. ഡാറ്റയ്ക്കും അനലിറ്റിക്‌സിനും വളരെ പോസിറ്റീവും അർത്ഥവത്തായതുമായ ബിസിനസ്സ് ഫലങ്ങൾ നൽകാനുള്ള കഴിവുണ്ട്, അത് സംഭവിക്കുമ്പോൾ, അനലിറ്റിക്‌സ് സമീപനത്തിൻ്റെ വിജയത്തിന് ഓരോരുത്തർക്കും ഉത്തരവാദിത്തത്തിൻ്റെ ഒരു തലമുള്ളതിനാൽ, വ്യത്യസ്ത പ്രവർത്തന മേഖലകളിലുടനീളം ശക്തമായ സഹകരണവും ഉണ്ടാകാറുണ്ട്. ഡാറ്റാ ഗവേണൻസ്, ഡാറ്റാ സാക്ഷരത, ഓപ്പൺ ഡാറ്റ പ്ലാറ്റ്‌ഫോമുകൾ, എൻ്റർപ്രൈസസിൻ്റെ വിവിധ ഭാഗങ്ങളിൽ ഡാറ്റയുടെ സംയോജനം, വിനിയോഗം തുടങ്ങിയ മേഖലകൾ, പരമ്പരാഗതമായി ഐടി ടീമുകൾക്കായി കരുതിവച്ചിരിക്കുന്ന ജോലികൾ ചെയ്യാൻ ബിസിനസ്സ് ഉപയോക്താക്കളെ പ്രാപ്തരാക്കും, കൂടാതെ ബിസിനസ് യൂണിറ്റുകൾ സൃഷ്ടിക്കുന്ന ഡാറ്റ ഐടി നിയന്ത്രിക്കുന്ന പ്ലാറ്റ്ഫോമുകളിലേക്ക് ഫീഡ് ചെയ്യും. ഇത് - ഡാറ്റാ സയൻ്റിസ്റ്റുകളുടെയും അനലിറ്റിക്സ് പ്രൊഫഷണലുകളുടെയും കുറവിനൊപ്പം - ഡാറ്റാ പ്ലാറ്റ്‌ഫോമുകൾ കൂടുതൽ തടസ്സമില്ലാത്തതും വിന്യസിക്കാൻ എളുപ്പവുമാകുമെന്നതിനാൽ ഒരു ഓർഗനൈസേഷൻ്റെ എല്ലാ ഭാഗങ്ങൾക്കും അത് പ്രയോജനപ്പെടുത്താൻ കഴിയും. – ഫ്രാൻസെസ് സെലാസ്നി, സിഎംഒ സിഗ്നൽ അനലിറ്റിക്സ്

2000-കളിൽ, മൈക്രോസോഫ്റ്റ് ഓഫീസ് നിങ്ങളുടെ ബയോഡാറ്റയിൽ ഇടുന്നത് നിങ്ങളെ ഒരു ജോലിക്ക് ഒരു നല്ല സ്ഥാനാർത്ഥിയാക്കിയേക്കാം, എന്നാൽ ഒരു ദശാബ്ദത്തിന് ശേഷം അത് ഒരു നൈപുണ്യമായിരുന്നു. ഇക്കാലത്ത്, SQL പ്രാവീണ്യം നിങ്ങളെ വേറിട്ട് നിർത്തും, എന്നാൽ വരും വർഷങ്ങളിൽ എന്ത് സംഭവിക്കും?

ഡാറ്റാ സാക്ഷരത വർദ്ധിക്കുന്നതിനനുസരിച്ച്, എല്ലാ ബിസിനസ് പ്രൊഫഷണലുകൾക്കും അനലിറ്റിക്സ് കഴിവുകൾ ഒരു മാനദണ്ഡമായി മാറുകയും ഉദ്യോഗാർത്ഥികളുടെ റെസ്യൂമെകളിൽ നിന്ന് അപ്രത്യക്ഷമാകുകയും ചെയ്യും. ഇന്ന് നിങ്ങൾ 'ഓഫീസ് പ്രാവീണ്യം' കാണാൻ സാധ്യതയില്ലാത്തതുപോലെ, ദശാബ്ദത്തിൻ്റെ അവസാനത്തോടെ നിങ്ങൾക്ക് 'ഡാറ്റ പ്രാവീണ്യം' കാണാൻ സാധ്യതയില്ല. ഞങ്ങൾ വിശകലനത്തിൻ്റെ മൂന്നാം തരംഗത്തിലേക്ക് പ്രവേശിച്ചു, ഒരു വിദഗ്ദ്ധൻ്റെ സഹായമില്ലാതെ ബിസിനസ്സ് ഉപയോക്താക്കൾക്ക് ഡാറ്റയുമായി സംവദിക്കാനാകുമെന്ന പ്രതീക്ഷയോടെ. വളരെ വേഗം, ഒരു തന്ത്രം നിർവചിക്കുന്നതിനും നടപ്പിലാക്കുന്നതിനുമുള്ള ബിസിനസ്സ് പശ്ചാത്തലമുള്ള ഹാർഡ് ഡാറ്റയെ നിങ്ങൾക്ക് വിവാഹം കഴിക്കാൻ കഴിയുന്നില്ലെങ്കിൽ, നിങ്ങൾ ജോലിസ്ഥലത്ത് പോരാടാൻ പോകുകയാണ്. 2021-ലും അതിനുശേഷവും ബിസിനസ്സുകൾക്ക് അനുയോജ്യമായ സ്ഥാനാർത്ഥി ഡാറ്റ മനസ്സിലാക്കാനും സംസാരിക്കാനും കഴിയുന്ന ഒരു വ്യക്തിയായിരിക്കും - കാരണം കുറച്ച് വർഷങ്ങൾക്കുള്ളിൽ, ഡാറ്റ സാക്ഷരത തൊഴിലുടമകൾ ആവശ്യപ്പെടുന്നതും പ്രതീക്ഷിക്കുന്നതും ആയിരിക്കും. മുന്നേറാൻ ആഗ്രഹിക്കുന്നവർ ഇപ്പോൾ ഈ പ്രതിഭകളെ സ്വന്തമാക്കുകയാണ്. – തോട്ട്സ്പോട്ട് സിഇഒ സുധീഷ് നായർ

കമ്പനികൾ അവരുടെ ഡാറ്റ ഇൻഫ്രാസ്ട്രക്ചർ ഫെഡറേറ്റഡ് (ഒരു എഞ്ചിൻ വ്യത്യസ്ത ഉറവിടങ്ങൾ അന്വേഷിക്കുന്നു), വേർതിരിക്കപ്പെട്ട (കമ്പ്യൂട്ട് സ്റ്റോറേജിൽ നിന്ന് വ്യത്യസ്തമാണ് ഡാറ്റാ തടാകത്തിൽ നിന്ന് വേർതിരിക്കുന്നു) സ്റ്റാക്കിലേക്ക് മാറ്റുമ്പോൾ, പരമ്പരാഗത ഡാറ്റാ വെയർഹൗസിംഗും ഇറുകിയ കപ്പിൾഡ് ഡാറ്റാബേസ് ആർക്കിടെക്ചറുകളും ലെഗസി വർക്ക് ലോഡുകളിലേക്ക് തരംതാഴ്ത്തുന്നത് ഞങ്ങൾ കാണും. എന്നാൽ ഈ ഷിഫ്റ്റിൽ വരുമ്പോൾ ഒരു കാര്യം അതേപടി നിലനിൽക്കും - SQL അനലിറ്റിക്‌സിൻ്റെ ഭാഷാ ഭാഷയായി തുടരും. ഡാറ്റാ അനലിസ്റ്റുകൾ, ഡാറ്റാ എഞ്ചിനീയർമാർ, ഡാറ്റാ സയൻ്റിസ്റ്റുകൾ, പ്രൊഡക്‌റ്റ് മാനേജർമാർ എന്നിവർക്കൊപ്പം അവരുടെ ഡാറ്റാബേസ് അഡ്മിൻമാരും അനലിറ്റിക്‌സിനായി SQL ഉപയോഗിക്കും. - ഡേവ് സിമ്മൻ, സഹസ്ഥാപകനും ചീഫ് ടെക്നോളജി ഓഫീസറും (CTO), അഹാന

എല്ലായിടത്തും ഓർഗനൈസേഷനുകൾ അവരുടെ അനലിറ്റിക്‌സ് സിസ്റ്റങ്ങളുടെ ഉപയോഗം വർദ്ധിപ്പിക്കുകയാണ്, എന്നാൽ തത്സമയ ഡാറ്റ തർക്കം നടത്താൻ കഴിയുന്ന ഇവൻ്റ്-ഡാറ്റ പ്ലാറ്റ്‌ഫോമുകളുടെ ആവശ്യകതയെ വെല്ലുവിളിക്കുന്നു. 2021-ൽ ഓർഗനൈസേഷനുകൾ ഇൻ്റലിജൻ്റ് ഡാറ്റ പ്ലാറ്റ്‌ഫോമുകൾ ആവശ്യപ്പെടും, അത് ഏത് ഫോർമാറ്റിലും വലുപ്പത്തിലും വേഗതയിലും വിവിധ ഉറവിടങ്ങളിൽ നിന്നുള്ള സ്റ്റാറ്റിക്, സ്ട്രീമിംഗ് ഡാറ്റ ഉപയോഗിക്കാനാകും; ഫ്ലൈയിൽ ഡാറ്റ (സമ്പന്നമാക്കുക, മാപ്പ് ചെയ്യുക) വഴക്കുണ്ടാക്കുക; കൂടാതെ സിസ്റ്റങ്ങളിലേക്കും ഉപകരണങ്ങളിലേക്കും ആപ്ലിക്കേഷനുകളിലേക്കും സുരക്ഷിതമായും തത്സമയം ഡാറ്റയും എത്തിക്കുക. - സീൻ ബോവൻ, സിഇഒ പുഷ് ടെക്നോളജി

എല്ലാ ഡാറ്റാ വർക്ക്ലോഡുകൾക്കുമായി ഒരൊറ്റ SQL അന്വേഷണം. മുന്നോട്ടുള്ള വഴി ഓട്ടോമേഷനിൽ മാത്രമല്ല, എത്ര വേഗത്തിലും വ്യാപകമായും നിങ്ങളുടെ അനലിറ്റിക്‌സ് ആക്‌സസ് ചെയ്യാവുന്നതും പങ്കിടാവുന്നതുമാക്കാം എന്നതിനെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്. ഉപഭോക്താക്കളെയും ജീവനക്കാരെയും സന്തോഷിപ്പിക്കാനും ജീവൻ രക്ഷിക്കാനും നിങ്ങളുടെ അടുത്ത ഘട്ടങ്ങൾ എന്തായിരിക്കണം എന്നതിൻ്റെ വ്യക്തമായ ദിശ അനലിറ്റിക്സ് നൽകുന്നു. നിങ്ങളുടെ ഡാറ്റ മാനേജുചെയ്യുന്നത് മേലിൽ ഒരു ആഡംബരമല്ല, മറിച്ച് ഒരു ആവശ്യകതയാണ്-നിങ്ങളും നിങ്ങളുടെ കമ്പനിയും എത്രത്തോളം വിജയിക്കുമെന്ന് നിർണ്ണയിക്കുന്നു. നിങ്ങൾക്ക് ഡാറ്റ കൈകാര്യം ചെയ്യുന്നതിനുള്ള സങ്കീർണ്ണതയോ ചെലവോ നീക്കം ചെയ്യാൻ കഴിയുമെങ്കിൽ, നിങ്ങൾ വളരെ ഫലപ്രദമായിരിക്കും. ആത്യന്തികമായി, സ്‌പെയ്‌സിൻ്റെ വിജയി ഡാറ്റാ മാനേജ്‌മെൻ്റിൻ്റെ സങ്കീർണ്ണതയും ചെലവും എടുക്കും, കൂടാതെ ജോലിഭാരങ്ങൾ ഏകീകരിക്കപ്പെടും, അതിനാൽ ഒന്നിലധികം ഡാറ്റാ റെസിഡൻസികളിലുടനീളം എല്ലാ വർക്ക്‌ലോഡുകളും നിയന്ത്രിക്കാനും ആക്‌സസ് ചെയ്യാനും നിങ്ങൾക്ക് ഒരൊറ്റ SQL അന്വേഷണം എഴുതാനാകും. – രാജ് വർമ, സിഇഒ സിംഗിൾ സ്റ്റോർ

AI, Analytics കഴിവുകൾ മുൻകാലങ്ങളിൽ വ്യത്യസ്ത പ്ലാറ്റ്‌ഫോമുകൾ / ടീമുകൾ നൽകിയിരുന്നു. വർഷങ്ങളായി, പ്ലാറ്റ്‌ഫോം ഒത്തുചേരുന്നതും AI ടീം അൽഗോരിതമിക് വശത്ത് കൂടുതൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നതും ഞങ്ങൾ കാണുന്നു, അതേസമയം AI & Analytics പ്ലാറ്റ്‌ഫോം ടീമുകൾ അനലിറ്റിക്‌സിനും AI ഉപയോഗ കേസുകൾക്കും സോഫ്റ്റ്‌വെയർ ഇൻഫ്രാസ്ട്രക്ചർ നൽകാൻ ലയിച്ചു. - ഹായുവാൻ ലി, സ്ഥാപകനും സിഇഒയും, അല്ലുക്സിയോ

ഡാറ്റ പ്രൊഫഷണലുകൾ എന്ന നിലയിൽ, വിശാലമായ പൊതുജനങ്ങളോട് ഞങ്ങൾക്ക് ഉത്തരവാദിത്തമുണ്ട്. അടുത്ത വർഷത്തിനുള്ളിൽ, ദുരുപയോഗത്തിൻ്റെ ഗൗരവം തിരിച്ചറിയുന്ന ബോധമുള്ള കമ്പനികളുടെ നേതൃത്വത്തിൽ, ഡാറ്റാ അനലിറ്റിക്‌സ് സ്‌പെയ്‌സിൽ ഒരു ധാർമ്മിക കോഡിലേക്കുള്ള പുരോഗതി ഞങ്ങൾ കാണുമെന്ന് ഞാൻ കരുതുന്നു. ഒരുപക്ഷേ യുഎസ് ഗവൺമെൻ്റ് ഇടപെട്ട് സ്വന്തം ജിഡിപിആറിൻ്റെ ചില പതിപ്പുകൾ പാസാക്കും, പക്ഷേ സാങ്കേതിക കമ്പനികൾ ഈ ചാർജിന് നേതൃത്വം നൽകുമെന്ന് ഞാൻ വിശ്വസിക്കുന്നു. എൻഗേജ്‌മെൻ്റ് ഡാറ്റയുമായി Facebook ചെയ്‌തത് നിയമവിരുദ്ധമല്ല, എന്നാൽ അത് കുട്ടികളുടെ വളർച്ചയിലും നമ്മുടെ വ്യക്തിപരമായ ശീലങ്ങളിലും ഹാനികരമായ ഫലങ്ങൾ ഉണ്ടാക്കുമെന്ന് ഞങ്ങൾ കണ്ടു. വരും വർഷങ്ങളിൽ, 2010 കളിൽ കമ്പനികൾ വ്യക്തിഗത ഡാറ്റ ഉപയോഗിച്ച രീതിയിലേക്ക് തിരിഞ്ഞുനോക്കുകയും 1960 കളിലെ സിനിമകളിൽ ആളുകൾ വിമാനത്തിൽ പുകവലിക്കുന്നത് കാണുമ്പോൾ നാം ചെയ്യുന്ന രീതിയിലേക്ക് പരിതപിക്കുകയും ചെയ്യും. - ജെറമി ലെവി, സിഇഒ സൂചിക

ഉപഭോക്തൃ സ്വഭാവത്തെ ബാധിക്കുന്ന ഒരു പ്രധാന ഘടകമാണ് വികാരം, ബ്രാൻഡ് ലോയൽറ്റിയിൽ ശക്തമായ സ്വാധീനമുണ്ട്. അതിനാൽ, കമ്പനികൾ അവരുടെ തീരുമാനമെടുക്കൽ പ്രക്രിയകളിൽ ഉപഭോക്താക്കളുടെ വികാരങ്ങൾ അളക്കുന്നതിനുള്ള ഒരു മാർഗം കണ്ടെത്തുന്നത് കൂടുതൽ ഉപയോഗപ്രദമാണ്. മാനസികാവസ്ഥ, മനോഭാവം, വ്യക്തിത്വം എന്നിവ ഉൾപ്പെടുന്ന മാനുഷിക വികാരങ്ങളുടെ മുഴുവൻ ശ്രേണിയും പഠിക്കുന്നതിലും തിരിച്ചറിയുന്നതിലും ഇമോഷണൽ അനലിറ്റിക്സ് ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു. മനുഷ്യൻ്റെ ചലനങ്ങൾ, വാക്കുകളുടെ തിരഞ്ഞെടുപ്പുകൾ, വോയ്‌സ് ടോണുകൾ, മുഖഭാവങ്ങൾ എന്നിവ വിശകലനം ചെയ്യാൻ ഇത് പ്രവചന മാതൃകകളും AI/ML ഉം ഉപയോഗിക്കുന്നു. കൂടുതൽ സമഗ്രമായ ഉപഭോക്തൃ പ്രൊഫൈൽ നിർമ്മിക്കാനും വികാരങ്ങളെ എങ്ങനെ സ്വാധീനിക്കാമെന്ന് മനസിലാക്കാനും വ്യക്തികൾക്ക് അനുയോജ്യമായ ഇഷ്‌ടാനുസൃത ഉൽപ്പന്നങ്ങളും സേവനങ്ങളും വികസിപ്പിക്കാനും കമ്പനികളെ ഇമോഷണൽ അനലിറ്റിക്‌സിന് സഹായിക്കാനാകും. ഉൽപ്പന്നങ്ങളെയും സേവനങ്ങളെയും കുറിച്ചുള്ള വികാര വിശകലനം, ഭൂമിശാസ്ത്രം, സോഷ്യൽ നെറ്റ്‌വർക്കുകൾ, റിവ്യൂ വെബ്‌സൈറ്റുകൾ എന്നിവയിലുടനീളമുള്ള കമ്പനികളെ അവരുടെ ഉപഭോക്തൃ സംതൃപ്തി നിലവാരം നന്നായി മനസ്സിലാക്കാനും മെച്ചപ്പെടുത്താനും പ്രാപ്‌തമാക്കുന്നു. ഇമോഷണൽ അനലിറ്റിക്‌സ് ഉപയോഗിച്ച്, കൂടുതൽ ക്രിയാത്മകമായി ഇടപഴകുന്ന ഉപഭോക്തൃ അനുഭവങ്ങൾ നൽകുന്നതിന് കമ്പനികൾക്ക് അവരുടെ മാർക്കറ്റിംഗും സേവനങ്ങളും വികാരത്തെ എങ്ങനെ സ്വാധീനിക്കുന്നുവെന്ന് നന്നായി മനസ്സിലാക്കാൻ കഴിയും. – പോൾ മോക്സൺ, എസ്വിപി, ഡാറ്റ ആർക്കിടെക്ചർ ഡെനോഡോ

ഉൽപ്പന്ന വിശകലനം ശരിയാക്കുന്നത് ബുദ്ധിമുട്ടാണ്. ഓരോ ഇടപെടലും ഡാറ്റയുടെ കൂമ്പാരങ്ങളിൽ കലാശിക്കുന്നു, 'വൈക്കോൽ കൂമ്പാരത്തിലെ സൂചി' ഉൾക്കാഴ്ച കണ്ടെത്താൻ അതിലൂടെ കുഴിക്കുന്നത് അത് പ്രവർത്തിക്കുന്നതിന് വളരെയധികം പരിശ്രമവും അച്ചടക്കവും സമയവും ആവശ്യമാണ്. പ്രവേശനത്തിനുള്ള ഈ തടസ്സങ്ങൾ, ഡാറ്റ വിശകലനം എന്നത് പലപ്പോഴും റിസോഴ്‌സുകളും ബാൻഡ്‌വിഡ്‌ത്തും ശരിയായി ചെയ്യാനുള്ള അറിവും ഉള്ള കമ്പനികൾക്ക് മാത്രമായി പരിമിതപ്പെടുത്തിയിരിക്കുന്നു. എന്നാൽ ഇത് പ്രാധാന്യത്തോടെ വളരുന്ന ഒരു അച്ചടക്കം കൂടിയാണ് - പകർച്ചവ്യാധിക്ക് മുമ്പുതന്നെ, ബ്രാൻഡുകളുമായുള്ള ഉപഭോക്തൃ ഇടപെടലുകൾ സാധാരണയായി ഡിജിറ്റൽ പ്ലാറ്റ്‌ഫോമുകളിൽ നടന്നിരുന്നു, ഇപ്പോൾ അവ മിക്കവാറും അവിടെയുണ്ട്. ഓരോ ഇടപെടലിൻ്റെയും ROI വിശദീകരിക്കാൻ കഴിയുന്ന എണ്ണമറ്റ അളവിലുള്ള വിവരങ്ങൾ അവിടെയുണ്ട്, ഒരു സംശയവുമില്ലാതെ, അവയിൽ ചിലത് ഗെയിം മാറാൻ സാധ്യതയുണ്ട്. പക്ഷേ, തുറന്നു പറഞ്ഞാൽ, നമ്മൾ മനുഷ്യരാണ്, എന്തെങ്കിലും മൂല്യം നേടുന്നതിന് കഠിനാധ്വാനം ചെയ്യേണ്ടിവന്നാൽ, അത് സ്ഥിരമായി ചെയ്യാനുള്ള സാധ്യത കുറവാണ്. അതുകൊണ്ടാണ് 2021-ൽ, അനലിറ്റിക്‌സ് ഒരു റിയാക്ടീവ് ഗെയിം എന്നതിൽ നിന്ന് മാറുന്നത് - വിശകലന വിദഗ്ധർ ആ സ്ഥിതിവിവരക്കണക്കുകൾ കണ്ടെത്താൻ വിശകലനം ചെയ്യേണ്ട ഡാറ്റ ശേഖരിക്കുന്നു - സജീവമായ ഒന്നിലേക്ക്, ടീമുകളെ നേരിട്ട് ആ "എ-ഹ!" പെട്ടെന്നുള്ളതും വിവരമുള്ളതുമായ പ്രവർത്തനത്തിന് പ്രചോദനം നൽകുന്ന നിമിഷങ്ങൾ. - മാറ്റിൻ മൊവസ്സേറ്റ്, സിഇഒയും ഹീപ്പിലെ സ്ഥാപകനുമാണ്

നിർമ്മിത ബുദ്ധി

മതിയായ വരുമാന സ്ട്രീമുകൾ വീണ്ടും തുറക്കുന്നതിനും വീണ്ടെടുക്കുന്നതിനുമുള്ള ലക്ഷ്യങ്ങളിലേക്ക് ബിസിനസുകൾ നോക്കുമ്പോൾ, തത്സമയം അത് ചെയ്യാൻ അനുവദിക്കുന്ന പ്രധാന സ്ഥിതിവിവരക്കണക്കുകൾ ശേഖരിക്കുന്നതിന് അവർ സ്മാർട്ട് സാങ്കേതികവിദ്യകൾ പ്രയോജനപ്പെടുത്തേണ്ടതുണ്ട്. ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് (എഐ) സാങ്കേതിക വിദ്യകൾ സ്വീകരിക്കുന്നത്, വളർച്ചയെ പ്രോത്സാഹിപ്പിക്കുന്നതിൽ തുടരുമ്പോൾ, ഉപഭോക്താക്കളെയും ജീവനക്കാരെയും സുരക്ഷിതമായി നിലനിർത്താനുള്ള അവരുടെ തന്ത്രങ്ങൾ പ്രവർത്തിക്കുന്നുണ്ടോയെന്ന് മനസ്സിലാക്കാൻ കമ്പനികളെ നയിക്കാൻ സഹായിക്കും. കോർപ്പറേറ്റ് പോളിസി മാനേജ്‌മെൻ്റും പാലിക്കലും സുഗമമാക്കാനും സുരക്ഷ ഉറപ്പാക്കാനും ഉപഭോക്തൃ അനുഭവം വികസിപ്പിക്കാനും സഹായിക്കുന്നതിന് AI-യുടെ അതുല്യമായ കഴിവുകൾ കമ്പനികൾ തിരിച്ചറിയുന്നതിനാൽ, വ്യവസായങ്ങളിലുടനീളം AI ദത്തെടുക്കലിൻ്റെ വർദ്ധിപ്പിച്ച നിരക്കുകൾ ഞങ്ങൾ കാണും. – ഹിലാരി ആഷ്ടൺ, EVP, ചീഫ് പ്രൊഡക്റ്റ് ഓഫീസർ തെരദത

2021-ൽ, AI, മെഷീൻ ലേണിംഗ്, IoT എന്നിവ നമ്മുടെ ജീവിതത്തെയും പെരുമാറ്റങ്ങളെയും നിർവചിക്കുകയും രൂപപ്പെടുത്തുകയും ചെയ്യുന്നത് ഞങ്ങൾ കാണും, ഈ പ്രതിഭാസം വരും വർഷങ്ങളിൽ തുടരും. ഈ പുരോഗതികൾ നമ്മൾ എങ്ങനെ പ്രവർത്തിക്കുന്നു, എങ്ങനെ വാങ്ങുന്നു, എങ്ങനെ ചെലവഴിക്കുന്നു, നമ്മുടെ ജീവിതത്തിലെ എല്ലാ ചെറിയ കാര്യങ്ങളും എങ്ങനെ ചെയ്യുന്നു എന്നതിനെ സ്വാധീനിക്കുന്നു. എന്നാൽ കമ്പനികൾ തിരിയുന്ന യഥാർത്ഥ നക്ഷത്രം ക്ലൗഡ്, എഡ്ജ് കമ്പ്യൂട്ടിംഗ് പോലുള്ള പ്രാപ്തമാക്കുന്ന സാങ്കേതികവിദ്യകളായിരിക്കുമെന്ന് ഞാൻ കരുതുന്നു, അത് AI, ML, IoT എന്നിവയ്ക്ക് ഇന്ധനം നൽകുന്ന ആവശ്യമായ എല്ലാ ഡാറ്റയും പ്രോസസ്സ് ചെയ്യാനും നിയന്ത്രിക്കാനുമുള്ള അവരുടെ കഴിവ് കാരണം ആധിപത്യം തുടരും. iPaaS, APIM, RPA തുടങ്ങിയ സാങ്കേതികവിദ്യകൾ പ്രവർത്തനക്ഷമമാക്കുന്നു. ഈ സാങ്കേതികവിദ്യകൾ മാനുവൽ അല്ലെങ്കിൽ പേപ്പർ-ഡ്രൈവ് ബിസിനസ്സിൽ നിന്ന് ഒടുവിൽ AI, IoT എന്നിവയുടെ പവർ ടാപ്പ് ചെയ്യാൻ കഴിയുന്ന ഡിജിറ്റൽ ബിസിനസ്സുകളിലേക്ക് മാറുമ്പോൾ ബിസിനസുകൾക്കുള്ള ഡിജിറ്റൽ ട്രാൻസ്ഫോർമേഷൻ ചാർജിന് നേതൃത്വം നൽകുന്നത് തുടരും. – മനോജ് ചൗധരി, സി.ടി.ഒ ജിറ്റർബിറ്റ്

ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് 2021-ൽ കൃത്രിമമായി മാറുന്നു: ചക്രവാളത്തിൽ COVID-19-നുള്ള വാക്സിൻ ഉണ്ടെങ്കിലും, ആളുകൾ എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്നും ഇടപഴകുന്നുവെന്നും അടിസ്ഥാനപരമായി മാറിയിരിക്കുന്നു. പുതിയ വർഷത്തിൽ, വിദൂര ജോലികൾ തുടരും, സാമൂഹിക അകലം പാലിക്കൽ ആവശ്യകതകൾ നിലനിൽക്കും, വിതരണ ശൃംഖലകൾ തടസ്സം നേരിടുന്നത് തുടരും. ഈ പുതിയ ജീവിതരീതി കമ്പനികൾക്ക് മൂല്യ ശൃംഖലയിലുടനീളം ഫലപ്രദമായി പ്രവർത്തനം തുടരാൻ ഒരു പുതിയ മാർഗം ആവശ്യപ്പെടുന്നു - ഉൽപ്പന്നം മുതൽ പ്ലാൻ്റ് വരെ അന്തിമ ഉപയോക്താവ് വരെ. ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ (എഐ) ഉപയോഗം ഈ വെല്ലുവിളികളെ നേരിടുന്നതിനുള്ള മാനദണ്ഡമായിരിക്കും. എന്നിരുന്നാലും, ഈ പുതിയ സ്വയംഭരണ സംവിധാനങ്ങളുമായി മനുഷ്യർ എങ്ങനെ ഇടപഴകുകയും പ്രയോജനപ്പെടുത്തുകയും ചെയ്യുമെന്ന് പരിഗണിക്കാതെ, AI പരാജയപ്പെടും.

2021-ൽ, എൻ്റർപ്രൈസസ് AI സംരംഭങ്ങളോട് മനുഷ്യ കേന്ദ്രീകൃതമായ സമീപനം സ്വീകരിക്കും, ഉപയോക്തൃ ആവശ്യങ്ങളും മൂല്യങ്ങളും മനസ്സിലാക്കുന്നു, തുടർന്ന് AI ഡിസൈനുകളും മോഡലുകളും അതിനനുസരിച്ച് സ്വീകരിക്കും, അത് ദത്തെടുക്കൽ മെച്ചപ്പെടുത്തും. AI വിജയകരമാകുന്നതിന് സാങ്കേതികവിദ്യയുടെ അതേ ശ്രദ്ധ എൻ്റർപ്രൈസസ് ആളുകളിലും സംസ്കാരത്തിലും നൽകണം. ഓർഗനൈസേഷണൽ ചേഞ്ച് മാനേജ്‌മെൻ്റ് (OCM) ടീമുകൾ ഡിജിറ്റൽ പരിവർത്തനത്തിനും AI യും മുന്നോട്ട് കൊണ്ടുപോകുന്നതിന് നിർണ്ണായകമാണ്, മാറ്റ യാത്രയ്‌ക്കായി ആളുകളെ കൊണ്ടുവരികയും അളക്കാവുന്ന ഫലങ്ങൾക്കായി ഓർഗനൈസേഷനെ സജ്ജമാക്കുകയും ചെയ്യുന്നു. ഏതൊരു ഡിജിറ്റൽ പരിവർത്തന സംരംഭത്തിൻ്റെയും ഏറ്റവും പ്രധാനപ്പെട്ടതും എന്നാൽ അവഗണിക്കപ്പെടുന്നതുമായ വശമാണ് ശരിയായ മാറ്റ മാനേജ്‌മെൻ്റ്. - ജോർജ്ജ് യംഗ്, ഗ്ലോബൽ മാനേജിംഗ് ഡയറക്ടർ കാലിപ്സോ

2021-ൽ, ശാശ്വതവും അർത്ഥവത്തായതുമായ ബിസിനസ്സ് മൂല്യത്തിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നതിന്, AI സിസ്റ്റങ്ങളെ ആശ്രയിച്ച് എൻ്റർപ്രൈസസ് പെട്ടെന്നുള്ള വിജയങ്ങളിൽ നിന്ന് മാറും. ഈ മാറ്റം ഓർഗനൈസേഷനുകളിലുടനീളം ആഴത്തിലുള്ള ഡാറ്റാ സാക്ഷരതാ സംരംഭങ്ങളെ നയിക്കും. പുതിയ കഴിവുകൾ പഠിക്കാനും പുതിയ രീതിയിൽ പെരുമാറാനും ആളുകൾ ആവശ്യപ്പെടും. – സന്ദീപ് റെഡ്ഡി മല്ലു, അനലിറ്റിക്സ് മേധാവി ഗ്രാമനർ 

ഭൂരിഭാഗം ഉപഭോക്താക്കളും AI-യെ സംശയത്തോടെ തുടരും. സംശയാസ്പദമായ AI ധാർമ്മികതയെ ചുറ്റിപ്പറ്റിയുള്ള ഹോട്ട് സീറ്റിൽ നിരവധി വലിയ ഉപഭോക്തൃ ബ്രാൻഡുകൾ ഉള്ളതിനാൽ, മിക്ക ആളുകളും ഇപ്പോഴും AI-യെ വിശ്വസിക്കുന്നില്ല. പലർക്കും ഇത് മനസ്സിലാകാത്തത് കൊണ്ടോ അല്ലെങ്കിൽ അവർ ഇത് ദിവസവും ഉപയോഗിക്കുന്നുണ്ടെന്ന് തിരിച്ചറിയുന്നതിനാലോ ആണ്. ഫേസ്ബുക്ക്, ഗൂഗിൾ, ടിക് ടോക്ക് മുതലായവ - ഉപഭോക്താക്കൾക്ക് AI- പവർ ചെയ്യുന്ന നിരവധി സേവനങ്ങൾ സൗജന്യമായി ലഭിക്കുന്നു. പൊതുജനങ്ങൾ നിഷ്കളങ്കരായി തുടരുന്നിടത്തോളം, AI-ന് അവതരിപ്പിക്കാനാകുന്ന അപകടങ്ങളെക്കുറിച്ചോ സ്വയം എങ്ങനെ സംരക്ഷിക്കാമെന്നോ അവർക്ക് മുൻകൂട്ടി അറിയാൻ കഴിയില്ല - വിപണി ഉപഭോക്താക്കളെ നന്നായി പഠിപ്പിക്കുകയോ അവരെ സംരക്ഷിക്കുന്നതിനുള്ള നിയന്ത്രണങ്ങൾ നടപ്പിലാക്കുകയോ ചെയ്തില്ലെങ്കിൽ. ഇതൊക്കെയാണെങ്കിലും, AI-യുടെ വിശ്വാസ്യതയിൽ ഞങ്ങൾ വഴി തിരിയുന്നു എന്നതിന് ചില തെളിവുകളുണ്ട്. പെഗയുടെ വരാനിരിക്കുന്ന സർവേയിൽ പ്രതികരിച്ചവരിൽ 81 ശതമാനം ബിസിനസ്സ് ലീഡർമാരും AI പക്ഷപാതം അഞ്ച് വർഷത്തിനുള്ളിൽ വേണ്ടത്ര ലഘൂകരിക്കുമെന്ന് തങ്ങൾ ശുഭാപ്തി വിശ്വാസികളാണെന്ന് പറഞ്ഞു. ഇത് സത്യമാകുമെന്ന് ബിസിനസുകൾക്ക് നല്ല പ്രതീക്ഷയുണ്ടായിരുന്നു - കാരണം AI അവരുടെ ജീവിതത്തെ എങ്ങനെ സ്വാധീനിക്കുന്നു എന്നതിനെ കുറിച്ച് കൂടുതൽ പൊതുജനങ്ങൾ ഉണരുകയും ചില സന്ദർഭങ്ങളിൽ പ്രിയങ്കരങ്ങൾ കളിക്കുകയും ചെയ്യുമ്പോൾ, അവർ AI-യിലുള്ള വിശ്വാസത്തെ കൂടുതൽ നശിപ്പിക്കുന്ന കഠിനമായ ചോദ്യങ്ങൾ ചോദിക്കുന്നത് തുടരും. അവരോട് ഉത്തരം പറയണം. – വിൻസ് ജെഫ്സ്, സീനിയർ ഡയറക്ടർ – ഉൽപ്പന്ന തന്ത്രം, മാർക്കറ്റിംഗ് AI ആൻഡ് ഡിസിഷനിംഗ്, പെഗ

AI പ്രവർത്തിക്കുന്ന ഡിജിറ്റൽ തൊഴിലാളികൾ ദീർഘകാലത്തേക്ക് തന്ത്രപരമായി തുടരാൻ ബിസിനസുകളെ സഹായിക്കും. കമ്പനികളുടെ മുന്നോട്ടുള്ള നിലനിൽപ്പിന് എഐയും ഓട്ടോമേഷനും അത്യന്താപേക്ഷിതമാണെന്ന ധാരണയോട് വിയോജിക്കുന്നവർ കുറവാണ്. എന്നിരുന്നാലും, മിക്ക കമ്പനികളും അവരുടെ AI, ഓട്ടോമേഷൻ നിക്ഷേപങ്ങളുടെ പ്രയോജനം പൂർണ്ണമായി തിരിച്ചറിഞ്ഞിട്ടില്ലെന്ന് ഗവേഷണം സൂചിപ്പിക്കുന്നു. ഡിജിറ്റൽ വർക്ക് ഫോഴ്‌സ് മുഖേന ശക്തമായ AI കഴിവുകളെ ബിസിനസ് പ്രക്രിയകളുമായി ബന്ധിപ്പിക്കുന്നതിലൂടെ, ഓർഗനൈസേഷനുകൾ സ്കെയിലിൽ AI പ്രവർത്തിക്കുന്ന ഓട്ടോമേഷൻ നടപ്പിലാക്കുന്നത് ഞങ്ങൾ കൂടുതലായി കാണും. മെച്ചപ്പെട്ട ഉപഭോക്തൃ ശ്രദ്ധ, വരുമാന വളർച്ച, മൂലധന വിഹിതം, സപ്ലൈ ചെയിൻ മാനേജ്മെൻ്റ്, റിസ്ക് മാനേജ്മെൻ്റ്, ചെലവ്, പ്രവർത്തനക്ഷമത എന്നിവയും അതിലേറെയും പോലുള്ള പ്രധാന തന്ത്രപരമായ സംരംഭങ്ങളുമായി AI ഇൻഫ്യൂസ്ഡ് ഓട്ടോമേഷൻ കൂടുതലായി ബന്ധപ്പെട്ടിരിക്കുന്നു. കോർപ്പറേറ്റ് തന്ത്രം നടപ്പിലാക്കുന്നതിനും എൻ്റർപ്രൈസ് സ്കെയിൽ അപകടസാധ്യതകൾ കൈകാര്യം ചെയ്യുന്നതിനുമുള്ള പ്രാഥമിക ഉപകരണങ്ങളായി AI പവർഡ് ഡിജിറ്റൽ തൊഴിലാളികളെ പ്രയോജനപ്പെടുത്തും. ഓട്ടോമേഷൻ വേഗത്തിലും ഫലപ്രദമായും സ്വീകരിക്കുന്നത് വിപണിയിൽ മത്സരാധിഷ്ഠിതമായി തുടരുന്നതിന് അത്യന്താപേക്ഷിതമായ ഘടകമായി കാണപ്പെടും. – എറിക് ടയർ, ബ്ലൂ പ്രിസത്തിലെ AI ആൻഡ് റിസർച്ച് മേധാവി

AI പരീക്ഷണം കൂടുതൽ തന്ത്രപ്രധാനമാകും. മുഴുവൻ മോഡൽ വികസന പ്രക്രിയയിലുടനീളം പരീക്ഷണം നടക്കുന്നു - സാധാരണയായി എല്ലാ പ്രധാനപ്പെട്ട തീരുമാനങ്ങളും അനുമാനങ്ങളും ആ തീരുമാനങ്ങളെ ന്യായീകരിക്കുന്നതിന് കുറഞ്ഞത് ചില പരീക്ഷണങ്ങളോ മുൻ ഗവേഷണങ്ങളോ ഉപയോഗിച്ച് വരുന്നു. പൂർണ്ണമായ പ്രവചനാത്മക ML മോഡലുകൾ നിർമ്മിക്കുന്നത് മുതൽ സ്റ്റാറ്റിസ്റ്റിക്കൽ ടെസ്റ്റുകൾ അല്ലെങ്കിൽ ചാർട്ടിംഗ് ഡാറ്റ വരെ പരീക്ഷണത്തിന് നിരവധി രൂപങ്ങൾ എടുക്കാം. സാധ്യമായ എല്ലാ ഹൈപ്പർപാരാമീറ്ററുകളുടെയും എല്ലാ കോമ്പിനേഷനുകളും പരീക്ഷിക്കുന്നത്, ഫീച്ചർ കൈകാര്യം ചെയ്യൽ മുതലായവ, പെട്ടെന്ന് കണ്ടെത്താനാകുന്നില്ല. അതിനാൽ, ഓർഗനൈസേഷനുകൾ പരീക്ഷണങ്ങൾക്കായുള്ള സമയവും കൂടാതെ/അല്ലെങ്കിൽ കമ്പ്യൂട്ടേഷൻ ബജറ്റും മോഡലിൻ്റെ ഉപയോഗത്തിനുള്ള സ്വീകാര്യത പരിധിയും നിർവചിക്കുന്നത് ഞങ്ങൾ കാണാൻ തുടങ്ങും. - ഫ്ലോറിയൻ ഡൗട്ടെ, സിഇഒയും സഹസ്ഥാപകനും ഡാറ്റികു

2021-ൽ, AI മുഖ്യധാരയിലേക്ക് വരുന്നത് ഞങ്ങൾ കാണും. COVID-19 ൻ്റെ ഫലമായി, പുതിയ സാധാരണ അവസ്ഥയിൽ അതിജീവിക്കാൻ ബിസിനസുകൾ ഡിജിറ്റലായി രൂപാന്തരപ്പെടാൻ നിർബന്ധിതരായി. ഞങ്ങളുടെ ഗവേഷണമനുസരിച്ച്, ഡിജിറ്റൽ ആക്‌സിലറേഷൻ പുതിയ വർഷത്തിൽ അവസാനിക്കുന്നതിൻ്റെ ലക്ഷണമൊന്നും കാണിക്കുന്നില്ല, 86% കമ്പനികളും നിലവിൽ AI വഴി മികച്ച ഉപഭോക്തൃ അനുഭവത്തിൻ്റെ നേട്ടങ്ങൾ കൊയ്യുന്നു, അത് തുടരാൻ സാധ്യതയുണ്ട്. പാൻഡെമിക് AI നിക്ഷേപത്തിനുള്ള ബിസിനസ് മുൻഗണനകളെയും മാറ്റി. ഉദാഹരണത്തിന്, കമ്പനികൾ ഓട്ടോമേഷൻ പോലെയുള്ള ലളിതമായ ജോലികളിൽ നിന്ന് തൊഴിൽ ശക്തി ആസൂത്രണത്തിലും സിമുലേഷൻ മോഡലിംഗിലും ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നത് ഞങ്ങൾ കണ്ടു. സങ്കീർണ്ണമായ പ്രക്രിയകളിൽ ഓർഗനൈസേഷനുകൾ അവരുടെ ഡിജിറ്റൽ നിക്ഷേപങ്ങളിൽ നിന്നുള്ള നേട്ടങ്ങൾ കാണുന്നത് തുടരുന്നതിനാൽ, അടുത്ത വർഷം മാത്രമേ AI കൂടുതൽ വ്യാപകമാവുകയും വ്യാപകമായി ഉപയോഗിക്കുകയും ചെയ്യും. – ആനന്ദ് റാവു, പിഡബ്ല്യുസിയിലെ ഗ്ലോബൽ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ലീഡ്

AI & BI എന്നിവയുടെ സംയോജനം ഡാറ്റ ഉൾക്കാഴ്ചകൾ വർദ്ധിപ്പിക്കും. കഴിഞ്ഞ 5 വർഷമായി എല്ലാ കോർപ്പറേറ്റ് ചർച്ചകളിലും AI ഭാഗമാണ്. എന്നിട്ടും, വലിയ വിഭാഗം ജീവനക്കാരിൽ ഉടനീളം വിപുലമായ AI സ്ഥിതിവിവരക്കണക്കുകൾ ജനാധിപത്യവത്കരിക്കുന്നതിൽ വെല്ലുവിളികൾ നിലനിൽക്കുന്നു. പുതിയ AI-പവർ BI ഉൽപ്പന്നങ്ങൾ ഉയർന്നുവരുമ്പോൾ, സിലോകൾ തകരുകയും ഓരോ ഉപയോക്താവിനും ഡാറ്റ അനലിറ്റിക്‌സ് പ്രയോജനപ്പെടുത്താനും സ്ഥിതിവിവരക്കണക്കുകൾ എളുപ്പത്തിൽ കണ്ടെത്താനും കഴിയും. ലളിതമായ ഇൻ്റർഫേസുകൾ, വ്യക്തിഗതമാക്കിയ സ്ഥിതിവിവരക്കണക്കുകൾ, ആകർഷകമായ ഡാറ്റാ അനുഭവങ്ങൾ എന്നിവ 2021-ലും അതിനുശേഷവും ഡാറ്റാ അനലിറ്റിക്‌സിൻ്റെ മുഖമുദ്രയായി മാറും. – ധീരൻ പട്ടേൽ, MachEye യുടെ ചീഫ് പ്രൊഡക്റ്റ് ഓഫീസറും കസ്റ്റമർ സക്സസ് മേധാവിയും

AI- നയിക്കുന്ന മുഖം തിരിച്ചറിയൽ അൽഗോരിതങ്ങളിലെ വംശീയ പക്ഷപാതം കഴിഞ്ഞ ഒരു വർഷമായി ഒരു വലിയ സംഭാഷണ വിഷയമാണ്, 2020-ലെ സാമൂഹിക അശാന്തി കാരണം ഇത് ഒരു തലത്തിലേക്ക് ഉയർന്നു. ഗവേഷണം കണ്ടെത്തി വ്യാപകമായ തെളിവുകൾ വംശീയ ന്യൂനപക്ഷങ്ങൾ തെറ്റിദ്ധരിക്കപ്പെടാനുള്ള സാധ്യത വെള്ളക്കാരേക്കാൾ വളരെ കൂടുതലാണെന്ന്. 2021-ൽ, AI അല്ലെങ്കിൽ ഫേഷ്യൽ റെക്കഗ്നിഷൻ സാങ്കേതികവിദ്യ പ്രയോജനപ്പെടുത്തുന്ന ഏതൊരു കമ്പനിക്കും AI ബയസിൻ്റെ തിരുത്തൽ ഒരു പ്രധാന വിഷയമായി മാറുന്നത് ഞങ്ങൾ കാണും. സർക്കാർ നൽകിയ ഡോക്യുമെൻ്റുകൾ ഉപയോഗിക്കുന്നതിലൂടെ, ഡോക്യുമെൻ്റിലെ മുഖം വിശകലനം ചെയ്തും നിങ്ങളുടെ സിസ്റ്റം ആക്‌സസ് ചെയ്യാൻ ശ്രമിക്കുന്ന മുഖവുമായി താരതമ്യം ചെയ്തും നിങ്ങൾക്ക് വേഗത്തിലും എളുപ്പത്തിലും ഐഡി ഉടമസ്ഥത തെളിയിക്കാനാകും. 2021 AI പക്ഷപാതം വെളിച്ചത്ത് വരുന്ന വർഷമായിരിക്കും, കമ്പനികൾ അതിൻ്റെ സോഫ്‌റ്റ്‌വെയറിലെ വംശീയ പക്ഷപാതം ഇല്ലാതാക്കാൻ സമൂലമായ മാറ്റം നടപ്പിലാക്കാൻ തുടങ്ങും - അവയിൽ ചിലത് കമ്പനിയുടെ ML സിസ്റ്റത്തിൻ്റെ നീതിയിലും പരിശീലനത്തിലും ശ്രദ്ധ കേന്ദ്രീകരിച്ച് വംശീയ മുഖച്ഛായ കുറയ്ക്കാൻ കഴിയും. തിരിച്ചറിയൽ പിശകുകൾ. – മോഹൻ മഹാദേവൻ, വിപി ഓഫ് റിസർച്ച്, ഓൺഫിഡോ

AI-യുമായി ആകസ്മികമായി ഡേറ്റിംഗ് നടത്തുന്നതിൽ നിന്ന് പ്രതിബദ്ധതയുള്ള ബന്ധത്തിലേക്ക് ടീമുകൾ പോകുന്ന വർഷമായിരിക്കും 2021. AI ഇപ്പോൾ ഗവേഷണ-വികസന പദ്ധതികൾക്ക് മാത്രമല്ല. ഈ പരിഹാരങ്ങളുമായി ശൃംഗരിക്കുന്നതിന് പകരം അവ സ്വീകരിക്കാൻ പ്രതിജ്ഞാബദ്ധരാകേണ്ട സമയമാണിത്. നമ്മൾ ഇപ്പോൾ ഓട്ടോമേറ്റ് ചെയ്യണം. – ഡേവിഡ് കരന്ദീഷ്, സ്ഥാപകനും സിഇഒ ശേഷി 

കമ്പ്യൂട്ടേഷണൽ പവർ, ഇൻറർനെറ്റ് സ്കെയിൽ ഡാറ്റ, ആധുനിക മെഷീൻ ലേണിംഗ് അൽഗോരിതങ്ങൾ എന്നിവയുടെ സംഗമം ഉപയോഗിച്ച്, കഴിഞ്ഞ കുറച്ച് വർഷങ്ങളായി ഞങ്ങൾ AI-യുമായി ശ്രദ്ധേയമായ പുതിയ അടിത്തറ തകർത്തു. വരും വർഷങ്ങളിൽ, ഞങ്ങൾ ഒരു വിപുലീകരണ യുഗത്തിലേക്ക് പ്രവേശിക്കും, അവിടെ നിലവിലുള്ള ഉൽപ്പന്നങ്ങളും സേവനങ്ങളും മെച്ചപ്പെടുത്തുന്നതിനോ അല്ലെങ്കിൽ പൂർണ്ണമായും പുതിയവ സൃഷ്ടിക്കുന്നതിനോ വേണ്ടി വാണിജ്യ ഉപയോഗ-കേസുകളുടെ ഒരു നീണ്ട വാൽ പ്രോട്ടോടൈപ്പ് ചെയ്യുകയും പാക്കേജ് ചെയ്യുകയും നിർമ്മിക്കുകയും ചെയ്യും. - ഡേവ് കോസ്റ്റനാരോ, ചീഫ് ഡാറ്റ ഓഫീസർ ശേഷി 

AI വിജയം പൊതു ഉദ്ദേശ്യത്തിൽ നിന്ന് നിച് ഫോക്കസുകളിലേക്ക് നീങ്ങുന്നു. എൻ്റർപ്രൈസസിൽ AI നിക്ഷേപം വർദ്ധിച്ചുകൊണ്ടിരിക്കുമ്പോൾ, എല്ലാം ചെയ്യുമെന്ന് അവകാശപ്പെടുന്ന "പൊതു ഉദ്ദേശ്യം" ബ്ലാക്ക് ബോക്സുകൾക്ക് പകരം, AI-യെ ഉൾക്കൊള്ളുന്നതിനായി ബിസിനസുകൾ അവരുടെ ടെക് സ്റ്റാക്കുകൾ പുനർമൂല്യനിർണയം നടത്തുന്നു. എല്ലാം ചെയ്യാമെന്ന് വാഗ്ദ്ധാനം ചെയ്യുന്ന ഓട്ടോമേഷനേക്കാൾ, പ്രത്യേക പ്രശ്‌നങ്ങൾ പരിഹരിക്കുന്ന, പൂർണ്ണമായ ഉപയോഗ-കേസുകൾ ബജറ്റ് മുൻഗണന എടുക്കും. – വൈറൽ ബജാരിയ, CTO at 6 സെൻസ്

ആർട്ടിഫിഷ്യൽ നാരോ ഇൻ്റലിജൻസിൻ്റെ ഉയർച്ച: വളരെക്കാലം മുമ്പ്, സ്വയം ഡ്രൈവിംഗ് കാറുകൾ അല്ലെങ്കിൽ ഇമേജ് തിരിച്ചറിയൽ പോലെയുള്ള ആർട്ടിഫിഷ്യൽ ജനറൽ ഇൻ്റലിജൻസ് എന്ന് നമ്മൾ ഇപ്പോൾ അറിയപ്പെടുന്നത് AI ആയിരുന്നു. എന്നിരുന്നാലും, ഇന്ന് കൃത്രിമ ഇടുങ്ങിയ ബുദ്ധിയുടെ ഒരു പുതിയ വിഭാഗമുണ്ട്, അത് മനുഷ്യൻ്റെ തീരുമാനമെടുക്കൽ പ്രക്രിയയെ ആവർത്തിക്കാൻ ശ്രമിക്കുന്നു. ഒരു വിതരണ ശൃംഖലയുടെ വീക്ഷണകോണിൽ നിന്ന്, "ഞാൻ എങ്ങനെയാണ് ഒരു ട്രക്ക് നിറയ്ക്കുക?" എന്നതിൽ നിന്ന്, ഒരു വിതരണ ശൃംഖലയുടെ എല്ലാ മേഖലകളിലും മികച്ച തീരുമാനമെടുക്കുന്നതിന് ഈ പുതിയ AI സഹായിക്കും. അല്ലെങ്കിൽ "എനിക്ക് എങ്ങനെ ഉൽപ്പന്നങ്ങൾ കൃത്യസമയത്ത് ലഭിക്കും?" 2021-ൽ, ഇവയിൽ വർദ്ധനവ് ഞാൻ വിഭാവനം ചെയ്യുന്നു ഇടുങ്ങിയത് തന്ത്രപരവും ചെറുതുമായ തീരുമാനങ്ങൾ മാറ്റിസ്ഥാപിക്കുന്നതിനുള്ള പരിഹാരങ്ങൾ. - ആൻഡി ഫോക്സ്, LLamasoft-നൊപ്പം ഗ്ലോബൽ ഇംപാക്ട് ഡയറക്ടർ

അരികുകളിൽ, "കൗണ്ടർ-എഐ" യാഥാർത്ഥ്യമാകുന്നത് ഞങ്ങൾ കാണാൻ തുടങ്ങും. ഗവൺമെൻ്റുകൾ ആളുകളെ ട്രാക്ക് ചെയ്യാൻ ശ്രമിക്കുമ്പോൾ, ബിസിനസുകൾ അവരെ കൈകാര്യം ചെയ്യാനോ പെരുമാറ്റത്തെക്കുറിച്ച് ആഴത്തിലുള്ള ഉൾക്കാഴ്ചകൾ നേടാനോ ശ്രമിക്കുമ്പോൾ, ട്രാക്കിംഗും ഉപഭോക്തൃ 360-കളും ഫോയിൽ ചെയ്യുന്നതിനുള്ള രീതികളുടെ ഒരു തിരിച്ചടി ഞാൻ പ്രവചിക്കുന്നു. ആൻറി ഫേഷ്യൽ റെക്കഗ്നിഷൻ ടൂളുകളിൽ വിവിധ ഗ്രൂപ്പുകൾ ചെയ്‌തിരിക്കുന്ന പ്രവർത്തനങ്ങളിൽ നിന്ന് വ്യത്യസ്തമായി, ഞങ്ങളെ നിരീക്ഷിക്കാനും മനസ്സിലാക്കാനും ഉപയോഗിക്കുന്ന AI- യെ തടസ്സപ്പെടുത്തുന്നതിനുള്ള ഉയർന്നതും കുറഞ്ഞതുമായ സാങ്കേതിക രീതികൾ ഞങ്ങൾ കാണാൻ തുടങ്ങും. – വാസ്തുവിദ്യാ മേധാവി അറ്റോസ് വടക്കേ അമേരിക്കഗൂഗിൾ ക്ലൗഡ് ജോനാസ് ബുളിൻ്റെ പങ്കാളിത്തത്തോടെയാണ് AI ലാബ്

കൂടുതൽ ഏജൻസികൾ ഈ AI-, ML-അധിഷ്‌ഠിത പരിഹാരങ്ങൾ സ്വീകരിക്കാൻ തുടങ്ങുമ്പോൾ, ധാർമ്മിക നയങ്ങൾ പാലിക്കാനും അത്തരം ഉപകരണങ്ങളിലെ പക്ഷപാതം നീക്കം ചെയ്യാനും നിയമപാലകർക്ക് ബാധ്യതയുണ്ട്. അതുപോലെ, ഡിപ്പാർട്ട്‌മെൻ്റുകൾ അവരുടെ സ്വന്തം നയങ്ങൾ സ്ഥാപിക്കാനും ഉത്തരവാദിത്തമുള്ളതും ധാർമ്മികവുമായ AI ഉപയോഗത്തിൽ ഭരണസംവിധാനങ്ങളുമായി പ്രവർത്തിക്കാനും തുടങ്ങും, പ്രസക്തമായ ടീമുകൾക്കും ബിസിനസ് പ്രവർത്തനങ്ങൾക്കും ശരിയായ പരിശീലനം ഉൾപ്പെടെ, ഡാറ്റാധിഷ്ഠിതവും ഉത്തരവാദിത്തമുള്ളതുമായ തീരുമാനത്തിൻ്റെ ധാർമ്മികതയുള്ള ഒരു അന്തരീക്ഷം സൃഷ്ടിക്കുക. -നിർമ്മാണം. ഒരു പടി കൂടി മുന്നോട്ട് പോകുമ്പോൾ, AI സംവിധാനങ്ങൾ പക്ഷപാതരഹിതമാണെന്നും ആവശ്യാനുസരണം തിരുത്തിയിട്ടുണ്ടെന്നും ഉറപ്പാക്കുന്നത് നിയമ നിർവ്വഹണ സംഘടനകൾ തുടരും. ഈ ഉപകരണങ്ങളുടെ ഉപയോഗം സംബന്ധിച്ച് സുതാര്യത പ്രോത്സാഹിപ്പിക്കുന്നതിനായി അവർ പൊതുജനങ്ങളുമായി ആശയവിനിമയത്തിൻ്റെ ഒരു ലൈൻ തുറക്കും. – ഹെതർ മഹാലിക്, ഡിജിറ്റൽ ഇൻ്റലിജൻസ് സീനിയർ ഡയറക്ടർ, സെലിബ്രൈറ്റ്

2021-ൽ കൂടുതൽ ഡാറ്റാധിഷ്ഠിത കമ്പനികൾ അനലിറ്റിക്‌സിനും AI-നും ഓപ്പൺ സോഴ്‌സ് പ്രയോജനപ്പെടുത്തുന്നത് ഞങ്ങൾ കാണും. ഓപ്പൺ സോഴ്‌സ് അനലിറ്റിക്‌സ് ടെക്‌നോളജികളായ Presto, Apache Spark power AI പ്ലാറ്റ്‌ഫോമുകൾ, അവയുടെ പരമ്പരാഗത എൻ്റർപ്രൈസ് ഡാറ്റ വെയർഹൗസ് എതിരാളികളേക്കാൾ കൂടുതൽ വഴക്കമുള്ളതും ചെലവ് കുറഞ്ഞതുമാണ്. ഒരിടത്ത് ഡാറ്റ-സാധാരണയായി വെണ്ടർ ലോക്ക്-ഇൻ ആവശ്യമായ സമയമെടുക്കുന്നതും ചെലവേറിയതുമായ ഒരു ശ്രമം. ഓപ്പൺ സോഴ്‌സ് ലൈസൻസ്, ഓപ്പൺ ഫോർമാറ്റ്, ഓപ്പൺ ഇൻ്റർഫേസുകൾ, ഓപ്പൺ ക്ലൗഡ് എന്നിവ കാരണം AI ആപ്ലിക്കേഷനുകൾക്കുള്ള പ്രെസ്റ്റോ പോലുള്ള അനലിറ്റിക് എഞ്ചിനുകളുടെ ഉപയോഗം അടുത്ത വർഷം വർദ്ധിക്കും. - ദീപ്തി ബോർക്കർ, സഹസ്ഥാപകയും ചീഫ് പ്രൊഡക്റ്റ് ഓഫീസറും (സിപിഒ), അഹാന

ഐബിഎം വാട്‌സൺ, ആമസോൺ ലെക്‌സ് തുടങ്ങിയ ജനറിക് ഹോറിസോണ്ടൽ എഐ പ്ലാറ്റ്‌ഫോമുകളിൽ നിന്ന് വ്യവസായം മാറി, ഡൊമെയ്ൻ നിർദ്ദിഷ്ട എഐ പവർ ചെയ്യുന്ന ഉൽപ്പന്നങ്ങളിലേക്കും നിയന്ത്രിത സേവന മോഡലുകളിലേക്കും മാറും. പൊതുവായ പ്ലാറ്റ്‌ഫോമുകൾ പരിഹാരങ്ങളല്ല, പരിശീലന ഡാറ്റയോ ഡാറ്റാ മോഡൽ ഘടനയോ ഇല്ലാതെ അവ തണുത്തുറയാൻ തുടങ്ങുന്നു - ഇത് നിർമ്മിക്കുക, തുടർന്ന് ഉൽപ്പാദനത്തിൽ ഒപ്റ്റിമൈസ് ചെയ്യുക എന്നത് ഒരു വിദഗ്ദ്ധവും വിഭവശേഷിയുള്ളതുമായ ഒരു ജോലിയാണ്, അത് മിക്ക കമ്പനികളുടെ കഴിവിനും അപ്പുറമാണ്. ആദ്യകാല ഇന്നൊവേറ്റർ മാർക്കറ്റിൽ നിന്ന് മാസ് മാർക്കറ്റ് അഡോപ്ഷനിലേക്കുള്ള നീക്കം 2021-ൽ ഒരു പ്രത്യേക വ്യവസായത്തിനായി മുൻകൂട്ടി പരിശീലിപ്പിച്ചതും പ്രവർത്തിക്കുമെന്ന് തെളിയിക്കപ്പെട്ടതുമായ ഡൊമെയ്ൻ നിർദ്ദിഷ്ട AI പവർ ഉൽപ്പന്നങ്ങൾ സ്വീകരിക്കുന്നതിലൂടെ നയിക്കപ്പെടും. - ജേക്ക് ടൈലർ, സഹസ്ഥാപകനും സിഇഒയും, ഫിൻ AI

2021-ൽ, മാനുഷിക ശേഷിയുടെ സ്പെക്ട്രത്തിൽ AI മാപ്പ് ചെയ്യപ്പെടില്ല. ചെസ്സിൽ ഏതൊരു മനുഷ്യനെയും തകർത്തുകളയുന്ന അൽഗോരിതങ്ങൾ നമുക്കുണ്ടാകാം, പക്ഷേ ഒരു കപ്പ് ചായയും കമ്പ്യൂട്ടർ പ്രോഗ്രാമുകളും ഉണ്ടാക്കാൻ കഴിയില്ല, അത് മനുഷ്യനേക്കാൾ ദശലക്ഷക്കണക്കിന് മടങ്ങ് വേഗത്തിൽ ഗണിതശാസ്ത്രം നിർവഹിക്കാൻ കഴിയും, എന്നാൽ അടുത്ത ലോകകപ്പ് ആർക്കാണ് ലഭിക്കുക എന്ന് ചോദിച്ചാൽ, അവർക്ക് മനസ്സിലാകില്ല. ചോദ്യം. അവരുടെ കഴിവുകൾ സാർവത്രികമല്ല. അൽഗോരിതങ്ങളുടെ ശക്തിയെ ഞങ്ങൾ ഒരേസമയം അമിതമായി വിലയിരുത്തുകയും കുറച്ചുകാണുകയും ചെയ്യുന്ന ഒരു ഘട്ടത്തിൽ ഞങ്ങൾ AI-യിൽ എത്തിയിരിക്കുന്നു. നാം അവരെ അമിതമായി വിലയിരുത്തുമ്പോൾ, മനുഷ്യൻ്റെ ന്യായവിധി ഒരു അനന്തര ചിന്തയിലേക്ക് തരംതാഴ്ത്തുന്നത് നാം കാണുന്നു - അപകടകരമായ ഒരു സ്ഥലത്തേക്ക്. എ-ലെവൽ ഫലങ്ങൾ ഗ്രേഡുചെയ്യുന്നതിൽ "മ്യൂട്ടൻ്റ് അൽഗോരിതം" ഉപയോഗിക്കുന്നത് യുകെയിലെ സ്‌കാൻഡൽ ഡു ജോർ ആണ്, അൽഗോരിതം സാമാന്യബുദ്ധിയെ ലംഘിക്കുന്ന നിരവധി ഫലങ്ങൾ ഉണ്ടാക്കുന്നുണ്ടെങ്കിലും. ഞങ്ങൾ അൽഗോരിതങ്ങളെ കുറച്ചുകാണുമ്പോൾ, ചക്രവാളത്തിൽ മാറ്റം കാണാത്തതിനാൽ മുഴുവൻ വ്യവസായങ്ങളും തകരുന്നത് ഞങ്ങൾ കാണുന്നു. Uber-ൻ്റെ അൽഗോരിതം നിങ്ങൾക്ക് 3 മിനിറ്റിൽ താഴെ സമയത്തിനുള്ളിൽ യാത്ര ചെയ്യാൻ കഴിയുമ്പോൾ പരമ്പരാഗത ടാക്സി ബിസിനസ്സിന് എങ്ങനെ മത്സരിക്കാനാകും? 2021-ൽ, കഴിവിൻ്റെ മാനുഷിക സ്പെക്ട്രത്തിലേക്ക് അൽഗോരിതങ്ങൾ മാപ്പ് ചെയ്യാൻ ശ്രമിക്കാതെ എഞ്ചിനീയർമാർ AI, അൽഗോരിതം തെറ്റുകൾ എന്നിവ ഒഴിവാക്കുമെന്ന് പ്രതീക്ഷിക്കുന്നു. മനുഷ്യർക്ക് ചെയ്യാൻ കഴിയുന്ന കാര്യങ്ങൾ മെച്ചപ്പെടുത്തുന്നതിനും ഉപഭോക്തൃ അനുഭവം, വെബ് കോൺഫറൻസിംഗ് എന്നിവ പോലുള്ള യഥാർത്ഥ ലോക ഉപയോഗ സാഹചര്യങ്ങൾക്കായി AI ഓട്ടോമേഷനും മനുഷ്യ അറിവും തമ്മിലുള്ള ശരിയായ ബാലൻസ് കണ്ടെത്തുന്നതിനും - ഏതെങ്കിലും സന്ദർഭ സംഭാഷണ തിരിച്ചറിയൽ പോലുള്ള AI സാങ്കേതികവിദ്യകൾ ഉപയോഗിക്കുന്നത് ഫലപ്രദമായ ഉപയോഗത്തിന് രൂപം നൽകാൻ തുടങ്ങും. ഭാവിയിലേക്കുള്ള AI യുടെ. – ഇയാൻ ഫിർത്ത്, വി.പി സ്പീച്ച്മാറ്റിക്സ്

ഉത്തരവാദിത്തമുള്ള AI/ML ക്ലൗഡ് ML വ്യവസായത്തിലെ ഏറ്റവും ചൂടേറിയ വിഷയമായി മാറും. അനീതിയും പക്ഷപാതവും ചെറുക്കുന്നതിൽ സമൂഹത്തിൻ്റെ വർധിച്ച ഊന്നൽ, മെഷീൻ ലേണിംഗ് മോഡലുകളുടെ മികച്ച വ്യാഖ്യാനത്തിലും വിശദീകരണത്തിലും മൊത്തത്തിലുള്ള താൽപ്പര്യം എന്നിവ കണക്കിലെടുത്ത്, ക്ലൗഡ് ദാതാക്കൾ അവരുടെ ML ഓഫറുകൾ നിക്ഷേപിക്കുകയും മെച്ചപ്പെടുത്തുകയും ചെയ്യും, അത് ഉത്തരവാദിത്തമുള്ള ML / AI കഴിവുകളുടെ ഒരു സമ്പൂർണ്ണ സ്യൂട്ട് വാഗ്ദാനം ചെയ്യുന്നു. റെഗുലേറ്റർമാർ, മോഡലർമാർ, മാനേജ്‌മെൻ്റ്, ML-ൻ്റെ ന്യായമായ ഉപയോഗത്തെക്കുറിച്ചുള്ള മാർക്കറ്റ്. അതേസമയം, ഈ മേഖലയുടെ അടുത്ത വളർച്ച കുതിച്ചുയരുന്നതിന് ഉത്തരവാദിത്തമുള്ള AI / ML ചട്ടക്കൂടിനുള്ളിൽ സംയോജിപ്പിച്ച്, എളുപ്പത്തിൽ ഉപയോഗിക്കാവുന്നതും UX ഉം കാര്യമായ മെച്ചപ്പെടുത്തലുകളോടെ, AI / ML മുഴുവൻ വ്യവസായത്തിലുടനീളം സ്ഫോടനാത്മകമായ വളർച്ചയും ഉപയോഗവും തുടർന്നും കാണും. – Yiannis Antoniou, അനലിസ്റ്റ്, Gigaom

നെറ്റ്‌വർക്കിംഗിനായുള്ള AIO-കൾ മുഖ്യധാരയാകും: അടുത്ത വർഷം, AIOps നിരവധി ഓർഗനൈസേഷനുകൾക്കായി സിദ്ധാന്തത്തിൽ നിന്ന് പരിശീലനത്തിലേക്ക് പോകും. വിദൂര തൊഴിലാളികളുടെ വർദ്ധനവും വീടും പുതിയ മൈക്രോ ബ്രാഞ്ചായി മാറുന്നതോടെ, റിമോട്ട് ജീവനക്കാർക്കുള്ള ഐടി പിന്തുണാ ചെലവുകൾ നിയന്ത്രിക്കുമ്പോൾ ക്ലൗഡ് ഉപയോക്തൃ അനുഭവത്തിലേക്ക് ഒരു മികച്ച ക്ലയൻ്റിനെ എത്തിക്കുന്നതിനുള്ള ടേബിൾ സ്റ്റേക്ക് ആയി AI മാറും. ഐടി ടീമുകൾ അവരുടെ പ്രവർത്തനങ്ങൾ സ്കെയിൽ ചെയ്യാനും ഓട്ടോമേറ്റ് ചെയ്യാനും AIOps സ്വീകരിക്കേണ്ടതുണ്ട്. AIOps ക്ലൗഡ് SaaS ഉപഭോക്തൃ പിന്തുണ മാതൃകയെ തലകീഴായി മാറ്റും. ഉപയോക്താക്കൾ ഐടിയിലേക്ക് ടിക്കറ്റ് സമർപ്പിക്കുന്നതിനുപകരം, കണക്റ്റിവിറ്റിയോ അനുഭവപ്രശ്നങ്ങളോ ഉള്ള ഉപയോക്താക്കളെ AI മുൻകൂട്ടി തിരിച്ചറിയുകയും ഒന്നുകിൽ പരിഹരിക്കുകയും ചെയ്യും (സ്വയം-ഡ്രൈവിംഗ് നെറ്റ്‌വർക്ക്) അല്ലെങ്കിൽ ഐടിക്കായി നിർദ്ദേശിച്ച പരിഹാര നടപടികളോടെ ഒരു ടിക്കറ്റ് തുറക്കും. – ബോബ് ഫ്രൈഡേ, ജുനൈപ്പർ നെറ്റ്‌വർക്ക് കമ്പനിയായ മിസ്റ്റ് സിസ്റ്റംസിൻ്റെ CTO

ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസും മെഷീൻ ലേണിംഗും വിതരണ ശൃംഖലയിൽ മുൻ വർഷങ്ങളെ അപേക്ഷിച്ച് കൂടുതൽ അവിഭാജ്യ പങ്ക് വഹിക്കും. വിതരണ ശൃംഖലയിൽ ഉടനീളം കൂടുതൽ തത്സമയ സ്ഥിതിവിവരക്കണക്കുകളുടെ ആവശ്യകത 2021-ൽ വർദ്ധിച്ചുകൊണ്ടിരിക്കും, പ്രത്യേകിച്ചും COVID-19 പാൻഡെമിക് സമയത്ത് വാങ്ങൽ പെരുമാറ്റങ്ങളിലെ പെട്ടെന്നുള്ള മാറ്റങ്ങളുടെ ഫലമായി വിതരണ ശൃംഖല ഓർഗനൈസേഷനുകൾ അവരുടെ പ്രവർത്തനങ്ങൾ വീണ്ടും വിലയിരുത്തുന്നു.

ഈ ആവശ്യം പരിഹരിക്കാൻ, വിതരണ ശൃംഖല ഓർഗനൈസേഷനുകൾ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് (AI), മെഷീൻ ലേണിംഗ് (ML) പ്രാപ്തമാക്കിയ സാങ്കേതികവിദ്യ എന്നിവയിൽ നിന്ന് അപ്‌ഗ്രേഡ് ചെയ്യേണ്ടതുണ്ട്, കൂടാതെ നിലവിലുള്ളതും വിവരണാത്മകവും പ്രിസ്‌ക്രിപ്റ്റീവ് അനലിറ്റിക്‌സിൽ നിന്ന് അപ്‌ഗ്രേഡുചെയ്യാനും പ്രവചനാത്മക അനലിറ്റിക്‌സ് പ്രയോജനപ്പെടുത്താനും - ഇത് ശുപാർശ ചെയ്‌ത പ്രവർത്തനങ്ങൾ നൽകുന്നു. മുമ്പ് മുമ്പത്തെ പ്രവർത്തനങ്ങളെ അടിസ്ഥാനമാക്കി ഒരു സംഭവം സംഭവിക്കുന്നു. വ്യത്യസ്‌ത സംവിധാനങ്ങളുള്ള വൻകിട കമ്പനികൾ ഏറ്റെടുക്കുന്നതിനാൽ പലപ്പോഴും കമ്പനികൾ സിലോസിൻ്റെയും വിഘടനത്തിൻ്റെയും കുഴപ്പം അനുഭവിക്കുന്നു. 2021-ൽ, വിതരണ ശൃംഖലയിലെ പങ്കാളികൾ എല്ലാ മൊഡ്യൂളുകളിലും ഡിജിറ്റൽ ഇരട്ടകളെ ദൃശ്യപരതയുടെ ഒരു അധിക പാളിയായി വിന്യസിക്കുന്നതിനും കമ്പനിയുടെ നിലവിലുള്ള സിസ്റ്റങ്ങളും സെൻസറുകളും നാനോ സെൻസറുകളും പോലെയുള്ള പുതിയ സാങ്കേതികവിദ്യകളും തമ്മിലുള്ള സമന്വയം ഉറപ്പാക്കാനും നോക്കും. . – മഹേഷ് വീറീന, ക്ലൗഡ്ലീഫ് സിഇഒ

AI-യിലെ പക്ഷപാതം വലിയ തോതിൽ ദോഷം വരുത്തുന്നു - ലിംഗപരമായ സ്റ്റീരിയോടൈപ്പുകൾ ശക്തിപ്പെടുത്തുന്നതിലൂടെ റിക്രൂട്ട്‌മെൻ്റ് പ്രക്രിയയെ സ്വാധീനിക്കുന്നത് മുതൽ ക്രെഡിറ്റ് സ്‌കോറിംഗിലും വായ്പയിലും വംശീയ വിവേചനം വരെ. വൈവിധ്യമാർന്ന തൊഴിലാളികളെ നിയമിക്കുന്നത് AI മോഡലുകൾക്ക് സത്യത്തിൻ്റെ ഒരു തലം നൽകുമെന്ന് ഓർഗനൈസേഷനുകൾക്ക് അറിയാം, കൂടാതെ അൽഗോരിതങ്ങളുടെ ഗുണനിലവാരത്തെയും കൃത്യതയെയും ബാധിക്കുന്നതിനാൽ പരിശീലന ഡാറ്റ പക്ഷപാതത്തിനായി നിരന്തരം നിരീക്ഷിക്കേണ്ടതുണ്ടെന്ന് അവർക്കറിയാം. AI-യിലെ പക്ഷപാതത്തെ യഥാർത്ഥത്തിൽ ലഘൂകരിക്കുന്നതിന് ധാർമ്മികത അടിസ്ഥാനമാക്കിയുള്ള അളവുകൾക്ക് നിലവിലെ മാനദണ്ഡമില്ലെന്നും അവർക്കറിയാം. 2021-ൽ, ഓർഗനൈസേഷനുകൾ AI-യിലെ പക്ഷപാതിത്വത്തെ കുറിച്ച് "ആകുലപ്പെടുന്ന" ഭൂതകാലത്തിലേക്ക് നീങ്ങുന്നത് ഞങ്ങൾ കാണും, അത് പരിഹരിക്കാൻ കൂടുതൽ സുപ്രധാന നീക്കങ്ങൾ നടത്താൻ തുടങ്ങും - കാരണം അത് ആവശ്യമായി വരും. ഉത്തരവാദിത്തമുള്ള AI-യുടെ കുടക്കീഴിൽ വരുന്ന എല്ലാ ആശങ്കകളെയും ചെറുക്കുന്നതിന് പ്രത്യേക ടീമുകളും കൂടാതെ/അല്ലെങ്കിൽ സംരംഭങ്ങളും രൂപീകരിക്കും, ഡാറ്റയിലെ അന്തർലീനമായ പക്ഷപാതം മുതൽ ഡാറ്റ പരിശീലകരെ ന്യായമായി പരിഗണിക്കുന്നത് വരെ. ഉത്തരവാദിത്തമുള്ള AI സംരംഭങ്ങൾ സ്ഥാപിക്കുന്നത് ചിലർക്ക് ബോർഡ് ലെവൽ മാൻഡേറ്റ് ആയി മാറും എന്ന് മാത്രമല്ല, AI ശ്രമങ്ങൾക്ക് നേതൃത്വം നൽകുന്ന കമ്പനികളുടെ പങ്കാളികളും ഉപഭോക്താക്കളും അത് ആവശ്യപ്പെടും. – അപ്പൻ CTO വിൽസൺ പാങ്

ഉപഭോക്തൃ അനുഭവം വർധിപ്പിക്കാനും ആപ്ലിക്കേഷൻ അഷ്വറൻസും ഒപ്റ്റിമൈസേഷനും നൽകാനും AIOps ചൂടാക്കും. പ്രവചനാതീതമായ ഒരു വർഷത്തെ പിന്നിൽ, സാങ്കേതിക സ്റ്റാക്കുകൾ അപ്രമാദിത്വവും സജീവവുമാക്കുമ്പോൾ സംരംഭങ്ങൾക്ക് അപ്രതീക്ഷിതമായത് പ്രതീക്ഷിക്കേണ്ടി വരും. AI, ML, പ്രവചന അനലിറ്റിക്‌സ് എന്നിവ ഉപയോഗിച്ച് ഈ അപ്രതീക്ഷിത സാഹചര്യങ്ങളെ അഭിസംബോധന ചെയ്യാനും മുൻകൂട്ടി കാണാനും കഴിയുന്നതിനാൽ AIOps-നുള്ള ആവശ്യം വർദ്ധിക്കുന്നത് ഞങ്ങൾ കാണും. ഹൈബ്രിഡ് ഓൺ-പ്രിമൈസ്, ക്ലൗഡ് ഇൻഫ്രാസ്ട്രക്ചറുകൾ എന്നിവയിൽ വ്യാപിച്ചുകിടക്കുന്ന ഡിജിറ്റൽ എൻ്റർപ്രൈസ് ആപ്ലിക്കേഷനുകളുടെ വർദ്ധിച്ചുവരുന്ന സങ്കീർണ്ണതയും കണ്ടെയ്നറൈസേഷൻ പോലുള്ള ആധുനിക ആപ്ലിക്കേഷൻ ആർക്കിടെക്ചറുകൾ സ്വീകരിക്കുന്നതും ഡാറ്റയുടെ അളവിലും സങ്കീർണ്ണതയിലും അഭൂതപൂർവമായ വർദ്ധനവിന് കാരണമാകും. ആധുനിക ഡിജിറ്റൽ പരിതസ്ഥിതികളിൽ നിന്നുള്ള ഡാറ്റ ഓവർലോഡ് റിപ്പയർ വൈകിപ്പിക്കുകയും IT Ops ടീമുകളെ കീഴടക്കുകയും ചെയ്യുമെങ്കിലും, മികച്ച തന്ത്രങ്ങളും കേന്ദ്രീകൃത AIOps സിസ്റ്റങ്ങളും ഓർഗനൈസേഷനുകളെ ഉപഭോക്തൃ അനുഭവം മെച്ചപ്പെടുത്താനും ആധുനിക ആപ്ലിക്കേഷൻ ഉറപ്പ് നൽകാനും ഒപ്റ്റിമൈസേഷൻ നൽകാനും സഹായിക്കുന്നതിനാൽ ശബ്ദായമാനമായ ഡാറ്റാസെറ്റുകൾ ഭൂതകാലത്തിന് തടസ്സമാകും. ഇൻ്റലിജൻ്റ് ഓട്ടോമേഷൻ, കൂടാതെ സ്വയംഭരണ ഡിജിറ്റൽ സംരംഭങ്ങളായി അഭിവൃദ്ധിപ്പെടുക. വാസ്‌തവത്തിൽ, പരമ്പരാഗത ഐടി പ്രവർത്തന സമീപനങ്ങൾ ഇനി പ്രായോഗികമായേക്കില്ല - ഉറവിടങ്ങൾ അളക്കാനും ആധുനിക പരിതസ്ഥിതികൾ ഫലപ്രദമായി കൈകാര്യം ചെയ്യാനും AIOps സ്വീകരിക്കുന്നത് അനിവാര്യമാക്കുന്നു. – അലി സിദ്ദിഖി, ചീഫ് പ്രൊഡക്ട് ഓഫീസർ, ബിഎംസി സോഫ്റ്റ്വെയർ

യഥാർത്ഥത്തിൽ AI ചെയ്യുന്നവർ സ്കെയിലിൽ മൂല്യം കൈവരിക്കാൻ തുടങ്ങുന്ന വർഷമായിരിക്കും 2021, അതേസമയം പൊട്ടുന്ന മോഡലുകളെ പരിശീലിപ്പിച്ച് മാസങ്ങൾ ചെലവഴിക്കുന്നവരും പിടിച്ചെടുക്കുന്നതിൽ പരാജയപ്പെടുന്നവരും വർദ്ധിച്ചുവരുന്ന, എക്‌സ്‌പോണൻഷ്യൽ, പോരായ്മകളായിരിക്കും. ലാസ്റ്റ് മൈൽ വെല്ലുവിളികൾ എളുപ്പമാകില്ല - എന്നാൽ ചിന്തയിലും സമീപനത്തിലും അടിസ്ഥാനപരമായ മാറ്റം സങ്കീർണ്ണമായ പ്രതിബന്ധങ്ങളെ മറികടക്കാൻ നിർണായകമാകും. – ഡോ. ജോഷ് സള്ളിവൻ, മേധാവി മോഡ്സി

ഗംഭീരമായ അപകടസാധ്യത വിലയിരുത്തൽ: AIOps സ്‌പേസ് പക്വത പ്രാപിക്കുന്നതിനാൽ, സിസ്റ്റത്തിലെ മറ്റെന്തെങ്കിലും തകർക്കാതെ തന്നെ, ഏതാണ്ട് ഉറപ്പോടെ പ്രശ്‌നങ്ങൾ പരിഹരിക്കാൻ ഉപഭോക്താക്കളെ പ്രാപ്തരാക്കുന്നതിന് വെണ്ടർമാർക്ക് അവരുടെ റിസ്‌ക് അസസ്‌മെൻ്റ് കഴിവുകൾ പരിഷ്‌ക്കരിക്കാനുള്ള അവസരം ഞങ്ങൾ കാണുന്നു. 2021-ൽ, വെണ്ടർമാരിൽ നിന്ന് കൂടുതൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നതും ഉപയോക്താക്കൾക്കിടയിൽ കൂടുതൽ ദത്തെടുക്കുന്നതും ഞങ്ങൾ കാണുന്ന ഒരു മേഖല കൂടുതൽ ഗംഭീരമായ ഡിപൻഡൻസി മാപ്പിംഗ് പ്രവർത്തനക്ഷമമാക്കുന്നതായിരിക്കും, അതിനാൽ എഞ്ചിനീയർമാർക്ക് പരിഹാര പ്രക്രിയയുടെ ഭാഗമായി അപകടസാധ്യത കൃത്യമായി വിലയിരുത്താനോ സോഫ്റ്റ്വെയർ മാറ്റങ്ങൾക്കായി ബിൽഡ്-ഡിപ്ലോയ് സൈക്കിൾ ചെയ്യാനോ കഴിയും. ഒരു പരിതസ്ഥിതിയുടെ ഒരു ഭാഗത്തെ മാറ്റം മറ്റെവിടെയെങ്കിലും സിസ്റ്റത്തെ തകർക്കുന്നില്ലെന്ന് ഉറപ്പാക്കുക. - മൈക്കൽ ഓൾസൺ, ഡയറക്ടർ, ന്യൂ റെലിക്കിലെ ഉൽപ്പന്ന മാർക്കറ്റിംഗ്

2021-ൽ, മാനുഷിക കഴിവിൻ്റെ സ്പെക്ട്രത്തിൽ AI മാപ്പ് ചെയ്യപ്പെടില്ല: ചെസ്സിൽ ഏതൊരു മനുഷ്യനെയും തകർത്തുകളയുന്ന അൽഗോരിതങ്ങൾ നമുക്കുണ്ടാകാം, എന്നാൽ മനുഷ്യരേക്കാൾ ദശലക്ഷക്കണക്കിന് മടങ്ങ് വേഗത്തിൽ ഗണിതശാസ്ത്രം നിർവഹിക്കാൻ കഴിയുന്ന ഒരു കപ്പ് ചായയും കമ്പ്യൂട്ടർ പ്രോഗ്രാമുകളും ഉണ്ടാക്കാൻ കഴിയില്ല. അടുത്ത ലോകകപ്പ് ആർക്കാണ് ലഭിക്കുകയെന്ന് ചോദിച്ചാൽ, അവർക്ക് ആ ചോദ്യം പോലും മനസ്സിലാകില്ല. അവരുടെ കഴിവുകൾ സാർവത്രികമല്ല. അൽഗോരിതങ്ങളുടെ ശക്തിയെ ഞങ്ങൾ ഒരേസമയം അമിതമായി വിലയിരുത്തുകയും കുറച്ചുകാണുകയും ചെയ്യുന്ന ഒരു ഘട്ടത്തിൽ ഞങ്ങൾ AI-യിൽ എത്തിയിരിക്കുന്നു.

നാം അവരെ അമിതമായി വിലയിരുത്തുമ്പോൾ, മനുഷ്യൻ്റെ ന്യായവിധി ഒരു അനന്തര ചിന്തയിലേക്ക് തരംതാഴ്ത്തുന്നത് നാം കാണുന്നു - അപകടകരമായ ഒരു സ്ഥലത്തേക്ക്. എ-ലെവൽ ഫലങ്ങൾ ഗ്രേഡുചെയ്യുന്നതിൽ "മ്യൂട്ടൻ്റ് അൽഗോരിതം" ഉപയോഗിക്കുന്നത് യുകെയിലെ സ്‌കാൻഡൽ ഡു ജോർ ആണ്, അൽഗോരിതം സാമാന്യബുദ്ധിയെ ലംഘിക്കുന്ന നിരവധി ഫലങ്ങൾ ഉണ്ടാക്കുന്നുണ്ടെങ്കിലും. ഞങ്ങൾ അൽഗോരിതങ്ങളെ കുറച്ചുകാണുമ്പോൾ, ചക്രവാളത്തിൽ മാറ്റം കാണാത്തതിനാൽ മുഴുവൻ വ്യവസായങ്ങളും തകരുന്നത് ഞങ്ങൾ കാണുന്നു. Uber-ൻ്റെ അൽഗോരിതം നിങ്ങൾക്ക് 3 മിനിറ്റിൽ താഴെ സമയത്തിനുള്ളിൽ യാത്ര ചെയ്യാൻ കഴിയുമ്പോൾ പരമ്പരാഗത ടാക്സി ബിസിനസ്സിന് എങ്ങനെ മത്സരിക്കാനാകും? 2021-ൽ, കഴിവിൻ്റെ മാനുഷിക സ്പെക്ട്രത്തിലേക്ക് അൽഗോരിതങ്ങൾ മാപ്പ് ചെയ്യാൻ ശ്രമിക്കാതെ എഞ്ചിനീയർമാർ AI, അൽഗോരിതം തെറ്റുകൾ എന്നിവ ഒഴിവാക്കുമെന്ന് പ്രതീക്ഷിക്കുന്നു. മനുഷ്യർക്ക് ചെയ്യാൻ കഴിയുന്ന കാര്യങ്ങൾ മെച്ചപ്പെടുത്തുന്നതിനും ഉപഭോക്തൃ അനുഭവം, വെബ് കോൺഫറൻസിംഗ് എന്നിവ പോലുള്ള യഥാർത്ഥ ലോക ഉപയോഗ കേസുകൾക്കായി AI ഓട്ടോമേഷനും മനുഷ്യ അറിവും തമ്മിലുള്ള ശരിയായ ബാലൻസ് കണ്ടെത്തുന്നതിനും - ഏതെങ്കിലും സന്ദർഭ സംഭാഷണ തിരിച്ചറിയൽ പോലുള്ള AI സാങ്കേതികവിദ്യകൾ ഉപയോഗിക്കുന്നത് ഫലപ്രദമായ ഉപയോഗം രൂപപ്പെടുത്താൻ തുടങ്ങും. ഭാവിയിലേക്കുള്ള AI യുടെ. – ഇയാൻ ഫിർത്ത്, വി.പി സ്പീച്ച്മാറ്റിക്സ്

2021-ൽ AI/ML വ്യവസായത്തിലെ പ്രധാന ശ്രദ്ധാകേന്ദ്രങ്ങളിലൊന്നാണ് ML ഓൺ ദി എഡ്ജ്. ഓട്ടോമോട്ടീവ്, സ്മാർട്ട് ഫാക്ടറി, സ്മാർട്ട് ഹോം വ്യവസായം എന്നിവയിൽ ഇൻ്റലിജൻ്റ് എഡ്ജ് ആപ്ലിക്കേഷനുകൾക്കുള്ള ആവശ്യം അതിവേഗം ഉയരുകയാണ്. വ്യാപകമായി ലഭ്യമായ കാര്യക്ഷമമായ എഡ്ജ് എംഎൽ ഡെവലപ്‌മെൻ്റ് ടൂളുകളും അർദ്ധചാലക കമ്പനികളും എംഎൽ സവിശേഷതകളുള്ള പുതിയ എംസിയു സമാരംഭിക്കുന്നതിനാൽ, എഡ്ജ് എംഎൽ ആപ്ലിക്കേഷനുകൾ സ്വീകരിക്കുന്നത് പ്രധാന പ്രവണതയായി മാറും. – സാങ് വോൺ ലീ, സിഇഒ ക്യുക്സോ

ക്ലിനിക്കൽ സമൂഹം അവയുടെ ഉപയോഗം വർദ്ധിപ്പിക്കും ഫെഡറേറ്റഡ് പഠന സമീപനങ്ങൾ വിവിധ സ്ഥാപനങ്ങൾ, ഭൂമിശാസ്ത്രങ്ങൾ, രോഗികളുടെ ജനസംഖ്യാശാസ്‌ത്രം, മെഡിക്കൽ സ്‌കാനറുകൾ എന്നിവയിലുടനീളം ശക്തമായ AI മോഡലുകൾ നിർമ്മിക്കുന്നതിന്. ഈ മോഡലുകളുടെ സെൻസിറ്റിവിറ്റിയും സെലക്ടിവിറ്റിയും ഒരു സ്ഥാപനത്തിൽ നിർമ്മിച്ച AI മോഡലുകളെക്കാൾ മികച്ചതാണ്, പരിശീലിക്കാൻ ധാരാളം ഡാറ്റയുണ്ടെങ്കിൽ പോലും. ഒരു അധിക ബോണസ് എന്ന നിലയിൽ, ഗവേഷകർക്ക് രഹസ്യാത്മക രോഗി വിവരങ്ങൾ പങ്കിടാതെ തന്നെ AI മോഡൽ നിർമ്മാണത്തിൽ സഹകരിക്കാനാകും. പീഡിയാട്രിക്സ്, അപൂർവ രോഗങ്ങൾ എന്നിവ പോലുള്ള ഡാറ്റ ദൗർലഭ്യമുള്ള മേഖലകൾക്കായി AI മോഡലുകൾ നിർമ്മിക്കുന്നതിനും ഫെഡറേറ്റഡ് ലേണിംഗ് പ്രയോജനകരമാണ്. – കിംബർലി പവൽ, വൈസ് പ്രസിഡൻ്റും ജനറൽ മാനേജരും, എൻവിഡിയ ഹെൽത്ത്‌കെയർ

AI സെൻ്റർ ഓഫ് എക്‌സലൻസ്: ഉയർന്ന പ്രതിഫലം വാങ്ങുന്ന ഡാറ്റാ സയൻ്റിസ്റ്റുകളെ കണ്ടെത്തുന്നതിനായി കമ്പനികൾ കഴിഞ്ഞ 10 വർഷമായി നെട്ടോട്ടമോടുന്നു, എന്നിട്ടും പിന്തുണയ്ക്കുന്ന അടിസ്ഥാന സൗകര്യങ്ങളുടെ അഭാവം കാരണം അവരുടെ ഉൽപ്പാദനക്ഷമത പ്രതീക്ഷിച്ചതിലും കുറവാണ്. സൂപ്പർകമ്പ്യൂട്ടിംഗ് സ്കെയിലിൽ കേന്ദ്രീകൃതവും പങ്കിട്ടതുമായ ഇൻഫ്രാസ്ട്രക്ചർ നിർമ്മിക്കുന്നതിലൂടെ കൂടുതൽ ഓർഗനൈസേഷനുകൾ AI-യിലെ നിക്ഷേപ വരുമാനം വേഗത്തിലാക്കും. ഇത് ഡാറ്റാ സയൻസ് പ്രതിഭകളെ പരിചരിക്കുന്നതിനും സ്കെയിലിംഗിനും മികച്ച രീതികൾ പങ്കിടുന്നതിനും സങ്കീർണ്ണമായ AI പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നതിനും സഹായിക്കുന്നു. - ചാർലി ബോയിൽ, വൈസ് പ്രസിഡൻ്റും ജനറൽ മാനേജരും, എൻവിഡിയ ഡിജിഎക്സ് സിസ്റ്റംസ്

AI എക്സ്പ്രഷൻ തടസ്സമില്ലാത്ത ഉപയോക്തൃ അനുഭവങ്ങളിൽ ഇടുങ്ങിയതാക്കും: AI യുടെ ചരിത്രം നോക്കുമ്പോൾ, അൽഗോരിതങ്ങൾ രാജാവായിരുന്നു, ഉപയോക്തൃ അനുഭവം രണ്ടാമതെത്തി. എന്നാൽ ഞങ്ങൾ 2021-ലേക്ക് പോകുമ്പോൾ, AI- പ്രാപ്തമാക്കിയ ആപ്ലിക്കേഷനുകൾ മുൻഗണന എന്ന നിലയിൽ ഉപയോഗക്ഷമതയിൽ കൂടുതൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കും. AI-യുടെ മികച്ച എക്സ്പ്രഷനുകൾ ഉപയോക്താവിന് തടസ്സമില്ലാത്തതും പശ്ചാത്തലത്തിൽ തടസ്സമില്ലാതെ പ്രവർത്തിക്കുന്നതുമാണ്. AI/ML പിന്തുണയ്‌ക്കുന്ന പ്ലാറ്റ്‌ഫോമുകൾ ഉപയോക്താക്കളെ മികച്ച നിഗമനങ്ങളിലേക്കും പരിഹാരങ്ങളിലേക്കും നയിക്കുന്നതിന് പുതിയ വഴികൾ കണ്ടെത്തും.

വലിയ അളവിലുള്ള ഡാറ്റയെ ചോദ്യം ചെയ്യുന്നതിലൂടെയും അപാകതകൾ, സ്ഥിതിവിവരക്കണക്കുകൾ, ട്രെൻഡുകൾ എന്നിവയ്ക്കായി തിരയുകയും തുടർന്ന് ഉചിതമായ ബിസിനസ്സ് പശ്ചാത്തലത്തിൽ ഫലങ്ങൾ അവതരിപ്പിക്കുകയും ചെയ്യുന്നതിലൂടെ ഇത് സംഭവിക്കുന്നു. എല്ലാ ബിസിനസ് പ്ലാറ്റ്‌ഫോമുകളുടെയും അന്തിമലക്ഷ്യം യഥാർത്ഥത്തിൽ ഘർഷണരഹിതമായ AI/ML ആയിരിക്കണം. AI-യുടെ കൂടുതൽ സങ്കീർണ്ണമായ ആപ്ലിക്കേഷനുകൾ കാണാൻ കഴിയുമെന്ന് ഞാൻ പ്രതീക്ഷിക്കുന്നു, അത് ഓരോ ഉപയോക്താവും എന്താണ് ചെയ്യാൻ ശ്രമിക്കുന്നതെന്ന് തിരിച്ചറിയുകയും പെട്ടെന്നുള്ള പ്രവർത്തനത്തിനായി പ്രയോജനപ്പെടുത്താവുന്ന സ്ഥിതിവിവരക്കണക്കുകൾ യാന്ത്രികമായി പുറത്തുവിടുകയും ചെയ്യും. സാങ്കേതികവും അല്ലാത്തതുമായ ഉപയോക്താക്കളുടെ വിശാലമായ അടിത്തറയ്ക്ക് ഈ എളുപ്പത്തിലുള്ള ഉപയോഗം അവിശ്വസനീയമാംവിധം വിലപ്പെട്ടതാണ്. – സഞ്ജയ് വ്യാസ്, സി.ടി.ഒ ആസൂത്രിതമായ

2021-ൽ ഉൽപ്പന്ന വികസനത്തിൽ Ethical AI ഒരു പ്രധാന പങ്ക് വഹിക്കും, എന്നാൽ ഇത് പരിഹരിക്കാൻ ബുദ്ധിമുട്ടുള്ള ഒരു പ്രശ്നമാണ്: Ethical AI ഒരു പ്രധാന പ്രശ്നമായി മാറുകയാണ്, പക്ഷേ പരിഹരിക്കാൻ ബുദ്ധിമുട്ടുള്ള ഒരു പ്രതിസന്ധിയാണ്. പരിഹാരങ്ങൾ സൃഷ്ടിക്കാൻ കമ്പനികൾ ഡാറ്റയും AI-യും ഉപയോഗിക്കുന്നു, എന്നാൽ വിവേചനം, നിരീക്ഷണം, സുതാര്യത, സ്വകാര്യത, സുരക്ഷ, ആവിഷ്‌കാര സ്വാതന്ത്ര്യം, ജോലി ചെയ്യാനുള്ള അവകാശം, പൊതു സേവനങ്ങളിലേക്കുള്ള പ്രവേശനം എന്നിവയിൽ അവർ മനുഷ്യാവകാശങ്ങളെ മറികടന്നേക്കാം. 

പ്രശസ്തി, നിയന്ത്രണ, നിയമപരമായ അപകടസാധ്യതകൾ വർദ്ധിക്കുന്നത് ഒഴിവാക്കാൻ, നൈതിക AI അത്യന്താപേക്ഷിതമാണ്, അത് ഒടുവിൽ AI നയത്തിന് വഴിമാറുകയും ചെയ്യും. AI നയം ജനങ്ങൾക്ക് ഉയർന്ന നിലവാരത്തിലുള്ള സുതാര്യതയും സംരക്ഷണ നടപടികളും ഉറപ്പാക്കും. ഡാറ്റാ മേഖലയിൽ, സിഇഒമാരും സിടിഒമാരും സൂക്ഷ്മമായ വിശകലനം, പരിശോധന, പ്രോഗ്രാമിംഗ് എന്നിവയിലൂടെ അൽഗരിതങ്ങളിലെ പക്ഷപാതം ഇല്ലാതാക്കാനുള്ള വഴികൾ കണ്ടെത്തേണ്ടതുണ്ട്. – കൃഷ്ണ തമ്മന, ടാലൻഡിൻ്റെ സിടിഒ

അടുത്ത വർഷം, ഗിമ്മിക്കുകൾക്കും സാങ്കേതിക വിദ്യയുടെ നിർമ്മാണത്തിനും വിരുദ്ധമായി യഥാർത്ഥത്തിൽ ROI നൽകുന്ന AI പരിഹാരങ്ങളിൽ കമ്പനികൾ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നതും സ്വീകരിക്കുന്നതും വികസിപ്പിക്കുന്നതും ഞങ്ങൾ കാണും. ഓർഗനൈസേഷനുകൾ പ്രകടമായ പുരോഗതിയിലും അളക്കാവുന്ന ഫലങ്ങളിലും ശ്രദ്ധ കേന്ദ്രീകരിക്കും, അതിനാൽ നിർദ്ദിഷ്ട പ്രശ്നങ്ങൾ പരിഹരിക്കുന്ന പരിഹാരങ്ങളിൽ നിക്ഷേപിക്കും. തങ്ങളുടെ ഉപഭോക്താക്കൾ പരിഹരിക്കാൻ ആഗ്രഹിക്കുന്ന സങ്കീർണ്ണതകളെയും വെല്ലുവിളികളെയും കുറിച്ച് ആഴത്തിലുള്ള ധാരണയുള്ള കമ്പനികൾ അവരുടെ ഗവേഷണ-വികസന ഡോളർ പരിഹാരങ്ങളിൽ നിക്ഷേപിക്കാൻ തയ്യാറാണ്. – ജോ പെട്രോ, CTO at ന്യൂയൻസ് കമ്മ്യൂണിക്കേഷൻസ്, Inc..

AI നൈപുണ്യ വിടവ് നിലനിൽക്കും, പൊരുത്തപ്പെടുത്താനുള്ള പുതിയ വഴികളെക്കുറിച്ച് ഓർഗനൈസേഷനുകൾ ചിന്തിക്കും. AI വിന്യസിക്കാനും എല്ലാ നേട്ടങ്ങളും കൊയ്യാനും ആവശ്യമായ പ്രതിഭകളെ നിയമിക്കുന്നത് ഓർഗനൈസേഷനുകൾക്ക് ബുദ്ധിമുട്ടാണ്, വ്യവസായ മേഖലയിലെ പകുതിയോളം ആളുകൾ ഈ വെല്ലുവിളി റിപ്പോർട്ട് ചെയ്യുന്നു. എന്തിനധികം, പല ഓർഗനൈസേഷനുകളും മാസങ്ങളോ വർഷങ്ങളോ കൊണ്ട് ഡിജിറ്റൽ പരിവർത്തന സംരംഭങ്ങൾ ത്വരിതപ്പെടുത്തിയിട്ടുണ്ട് - എന്നാൽ ഈ സംരംഭങ്ങളെ പിന്തുണയ്ക്കാൻ ലഭ്യമായ കഴിവുകളിലും പരിശീലന അവസരങ്ങളിലും പൊരുത്തക്കേടുണ്ട്. വർദ്ധിച്ചുവരുന്ന ഡിമാൻഡ് കാരണം, കമ്പനികൾ ജീവനക്കാർക്ക് പുതിയ വൈദഗ്ധ്യം പഠിക്കാൻ കൂടുതൽ നൈപുണ്യമുള്ള സംരംഭങ്ങളും പ്രോത്സാഹനങ്ങളും നൽകുമെന്ന് ഞങ്ങൾ പ്രവചിക്കുന്നു, കൂടാതെ ഓർഗനൈസേഷൻ്റെ എല്ലാ തലങ്ങളിലുമുള്ള ഡാറ്റയും AI സാക്ഷരതയും നിർമ്മിക്കാൻ പ്രവർത്തിക്കുന്നു.

പാൻഡെമിക് ഓർഗനൈസേഷനുകൾക്ക് ഈ പ്രവർത്തനങ്ങൾക്ക് മുൻഗണന നൽകാനും വിദൂര ജോലിയിലേക്കുള്ള അവരുടെ ദ്രുതഗതിയിലുള്ള പരിവർത്തനത്തിൽ പുതിയ കഴിവുകൾ വികസിപ്പിക്കാനും ജീവനക്കാരെ സഹായിക്കാനും അവസരമൊരുക്കിയിട്ടുണ്ട്. മുന്നോട്ട് നോക്കുമ്പോൾ, 2021 വിദ്യാഭ്യാസത്തെ കുറിച്ചുള്ളതായിരിക്കും - രണ്ടും പുതിയ സാധാരണ രീതിയിൽ പ്രവർത്തിക്കുകയും ത്വരിതപ്പെടുത്തിയ ഡിജിറ്റൽ സംരംഭങ്ങൾ കൈവരിക്കുകയും ചെയ്യും. – ട്രാസി ഗുഷർ, പ്രിൻസിപ്പൽ, ഡാറ്റ & അനലിറ്റിക്സ്, കെപിഎംജി

AI അൽഗോരിതങ്ങളിലെ പക്ഷപാതത്തെ അഭിസംബോധന ചെയ്യുന്നത് ഒരു മുൻഗണനയാണ്, ഇത് മുഖത്തെ തിരിച്ചറിയലിനായി വംശീയതയുടെ മെഷീൻ ലേണിംഗ് പിന്തുണയ്‌ക്കായി മാർഗ്ഗനിർദ്ദേശങ്ങൾ പുറത്തിറക്കും. AI അൽഗോരിതങ്ങളിലെ (വംശം, പ്രായം, ലിംഗഭേദം) ജനസംഖ്യാപരമായ പക്ഷപാതത്തെക്കുറിച്ചും അവരുടെ ബ്രാൻഡിൽ അതിൻ്റെ സ്വാധീനത്തെക്കുറിച്ചും നിയമപരമായ പ്രശ്‌നങ്ങൾ ഉന്നയിക്കാനുള്ള സാധ്യതയെക്കുറിച്ചും എൻ്റർപ്രൈസുകൾ കൂടുതൽ ആശങ്കാകുലരാകുന്നു. 2021-ൽ ഐഡൻ്റിറ്റി പ്രൂഫിംഗ് സൊല്യൂഷനുകൾ തിരഞ്ഞെടുക്കുമ്പോൾ വെണ്ടർമാർ ഡെമോഗ്രാഫിക് പക്ഷപാതത്തെ എങ്ങനെ അഭിസംബോധന ചെയ്യുന്നു എന്നത് ഒരു മുൻഗണനയായി മാറും. ഗാർട്ട്‌നർ പറയുന്നതനുസരിച്ച്, ഡോക്യുമെൻ്റ് കേന്ദ്രീകൃത ഐഡൻ്റിറ്റി പ്രൂഫിംഗിനായുള്ള 95% RFP-കളിലും (സർക്കാർ നൽകിയ ഐഡിയെ സെൽഫിയുമായി താരതമ്യം ചെയ്യുന്നു) വ്യക്തമായ ആവശ്യകതകൾ അടങ്ങിയിരിക്കും. 2022-ഓടെ ജനസംഖ്യാപരമായ പക്ഷപാതം കുറയ്ക്കുന്നതുമായി ബന്ധപ്പെട്ട്, ഇന്നത്തെ 15% ൽ താഴെയുള്ള വർദ്ധനവ്. ഒരു വെണ്ടറുടെ AI "ബ്ലാക്ക് ബോക്സ്" എങ്ങനെ നിർമ്മിക്കപ്പെട്ടു, ഡാറ്റ എവിടെ നിന്നാണ് ഉത്ഭവിച്ചത്, പരിശീലന ഡാറ്റ നൽകുന്ന വിശാലമായ ജനവിഭാഗങ്ങൾക്ക് എത്രത്തോളം പ്രാതിനിധ്യം ഉണ്ട് എന്നറിയാൻ ആഗ്രഹിക്കുന്ന ഓർഗനൈസേഷനുകൾക്ക് വ്യക്തമായ ഉത്തരങ്ങൾ ഓർഗനൈസേഷനുകൾക്ക് കൂടുതലായി ആവശ്യമാണ്.

ഐഡൻ്റിറ്റി സ്ഥിരീകരണത്തിനായി ഓർഗനൈസേഷനുകൾ ബയോമെട്രിക് അടിസ്ഥാനമാക്കിയുള്ള മുഖം തിരിച്ചറിയൽ സാങ്കേതികവിദ്യ സ്വീകരിക്കുന്നത് തുടരുമ്പോൾ, വ്യവസായം സിസ്റ്റങ്ങളിലെ അന്തർലീനമായ പക്ഷപാതത്തെ അഭിസംബോധന ചെയ്യണം. AI, ഡാറ്റ, വംശീയത എന്നീ വിഷയങ്ങൾ പുതിയതല്ല, എന്നാൽ 2021-ൽ ഇത് ഒരു തലത്തിലെത്തണം. ഗവേഷകർ മുഖം തിരിച്ചറിയൽ സാങ്കേതികവിദ്യകൾ വികസിപ്പിക്കാൻ ഉപയോഗിക്കുന്ന ഇമേജറി ഡാറ്റാസെറ്റുകൾ വിശകലനം ചെയ്ത എംഐടിയിൽ, 77% ചിത്രങ്ങളും പുരുഷന്മാരും 83% വെളുത്തവരുമായിരുന്നു, ഇത് മുഖം തിരിച്ചറിയൽ സാങ്കേതികവിദ്യയിൽ ചിട്ടയായ പക്ഷപാതം നിലനിൽക്കുന്നതിൻ്റെ പ്രധാന കാരണങ്ങളിലൊന്നാണ്. 2021-ൽ, ഈ വ്യവസ്ഥാപിത പക്ഷപാതത്തെ മറികടക്കാൻ മാർഗ്ഗനിർദ്ദേശങ്ങൾ അവതരിപ്പിക്കും. അത് സംഭവിക്കുന്നത് വരെ, ഫേഷ്യൽ റെക്കഗ്നിഷൻ സാങ്കേതികവിദ്യ ഉപയോഗിക്കുന്ന ഓർഗനൈസേഷനുകൾ അവരുടെ അൽഗോരിതം എങ്ങനെ പരിശീലിപ്പിക്കപ്പെടുന്നുവെന്ന് അവരുടെ സാങ്കേതിക ദാതാക്കളോട് ചോദിക്കുകയും അവരുടെ വെണ്ടർ വാങ്ങിയ ഡാറ്റ സെറ്റുകളിൽ അൽഗോരിതം പരിശീലിപ്പിക്കുന്നില്ലെന്ന് ഉറപ്പാക്കുകയും വേണം. - റോബർട്ട് പ്രിഗ്, ജൂമിയോയുടെ സിഇഒ

വലിയ ഡാറ്റ

2021-ൽ തുറന്നതും സൗജന്യവുമായ ഡാറ്റാ ശേഖരണം ഭാവിയിലെ പുതുമകൾക്ക് ഊർജം പകരും. ഫ്രോസ്റ്റ് ആൻഡ് സള്ളിവൻ നടത്തിയ ഒരു സർവേയിൽ ഇത് കണ്ടെത്തി 54% ഐടി തീരുമാനമെടുക്കുന്നവർ തങ്ങളുടെ ബിസിനസ്സിൻ്റെ വളർച്ചയ്ക്കും ഓൺലൈൻ മത്സരത്തിനും അനുസൃതമായി വലിയ തോതിലുള്ള ഡാറ്റ ശേഖരണത്തിൻ്റെ ആവശ്യകത പ്രകടിപ്പിച്ചു. എന്നിരുന്നാലും, ബിസിനസ്സുകൾക്ക് ഓൺലൈൻ ഡാറ്റ ഫലപ്രദമായി ഉപയോഗിക്കുന്നതിന്, ആദ്യം അത് ആക്‌സസ് ചെയ്യേണ്ടതുണ്ട് - തടയില്ല. ഇന്ന്, ബിസിനസ്സുകൾ പൊതുവിവരശേഖരണ ശ്രമങ്ങളെ നിരോധിക്കുന്നു, അത് സ്വയം ശേഖരിച്ചിട്ടും. ഈ സാഹചര്യം രണ്ട് പ്രധാന ഘടകങ്ങളാൽ സംഭവിക്കുന്നു: സുരക്ഷാ മുൻകരുതലുകളുടെ ഭാഗമായി ക്ഷുദ്രകരമോ വഞ്ചനാപരമോ ആയ ഓൺലൈൻ പ്രവർത്തനം തടയേണ്ടതിൻ്റെ തുടർച്ചയായ ആവശ്യം, ഈ പൊതു ഡാറ്റ ഒരു കമ്പനിയുടെ മത്സരാധിഷ്ഠിത നേട്ടത്തിന് സംഭാവന ചെയ്യുന്നു എന്ന ധാരണ.

പൊതുവിവര ശേഖരണം പൊതുവായതും ആവശ്യമായതുമായ ബിസിനസ്സ് പെരുമാറ്റത്തിൻ്റെ ഭാഗമാണെന്ന് 2021-ലും അതിനുശേഷവും കമ്പനികൾ മനസ്സിലാക്കുമെന്ന് ഞാൻ വിശ്വസിക്കുന്നു. ഒരു ബിസിനസ്സിൻ്റെ മത്സരാധിഷ്ഠിതമായി വരുമ്പോൾ ഡാറ്റ എല്ലാമല്ലെന്നും അവർ മനസ്സിലാക്കും. ഇൻവെൻ്ററി, വിലകൾ, ഉൽപ്പന്ന നിലവാരം, സേവന നിലവാരം തുടങ്ങിയ മേഖലകളും ഒരു വലിയ പങ്ക് വഹിക്കുന്നു. അത് തിരിച്ചറിഞ്ഞുകഴിഞ്ഞാൽ, ഡാറ്റ തടയുന്നത് ദുരുപയോഗം ചെയ്യുന്ന ഓൺലൈൻ പ്രവർത്തനങ്ങളിൽ നിന്ന് പരിരക്ഷിക്കുന്നതിന് മാത്രമേ സഹായിക്കൂ. ധാർമ്മിക ഡാറ്റാ ശേഖരണം സുരക്ഷിതമാക്കാൻ, സെൻട്രൽ ഡാറ്റാ ഹബ്ബുകളിൽ വിവരങ്ങളുടെ തുറന്ന കൈമാറ്റം ഞങ്ങൾ എല്ലാവരും പ്രോത്സാഹിപ്പിക്കുമെന്ന് ഞാൻ പ്രതീക്ഷിക്കുന്നു. സൈറ്റുകൾ ദുരുപയോഗം ചെയ്യുന്നവരെ തടയുന്നത് തുടരും; ഇത് മാറില്ല. എന്നിരുന്നാലും, അവർ ധാർമ്മിക ഡാറ്റ ശേഖരിക്കുന്നവരെ അനുവദിച്ചേക്കാം. ആത്യന്തികമായി, ഓൺലൈൻ ഡാറ്റ ശേഖരണത്തിൻ്റെ ഭാവി അത് നിയന്ത്രിക്കുന്നവരുടേതാണ്. ഡാറ്റ നിർമ്മിക്കപ്പെടുന്ന അതിവേഗ നിരക്കിൽ, ഭാവിയിലെ ഡാറ്റാ ശേഖരണ ശ്രമങ്ങൾ വികസിക്കുകയും വളരുകയും വേണം. കമ്പനികൾക്ക് അവരുടെ എതിരാളികളെ നിലനിർത്താനും വേഗതയേറിയ നിരക്കിൽ ഡാറ്റ ശേഖരിക്കാനും ഓട്ടോമേറ്റഡ് ഡാറ്റ ശേഖരണം ആവശ്യമാണ്. എല്ലാത്തിനുമുപരി, കമ്പനികൾക്ക് പുതിയ ഡാറ്റ ശേഖരിക്കാൻ കഴിയുന്ന വേഗത അവരുടെ പ്രസക്തിയും വിജയവും നിർണ്ണയിക്കും. – റോൺ കോൾ, CTO at ലുമിനാറ്റി നെറ്റ്‌വർക്കുകൾ

ഒരു എൻ്റർപ്രൈസ് സ്കെയിലിൽ ഡാറ്റ യഥാർത്ഥത്തിൽ പ്രവർത്തനക്ഷമമാകും: ഡാറ്റാ ബിസിനസുകളുടെ അളവ് ക്രമാതീതമായി വളരുകയാണ് - മുമ്പത്തേക്കാൾ കൂടുതൽ സ്രോതസ്സുകളും തരങ്ങളും തുകയും ഉണ്ട്, കൂടാതെ തൽസമയത്ത് ഡാറ്റയുടെ അളവ് വർദ്ധിക്കുകയും ചെയ്യുന്നു. എന്നാൽ യഥാർത്ഥത്തിൽ മനസ്സിലാക്കാനും ഡാറ്റ ആക്‌സസ് ചെയ്യാനും നടപടിയെടുക്കാനും, എൻ്റർപ്രൈസസിന് അവർ അത് ഉപയോഗിക്കുന്ന രീതി മാറ്റേണ്ടതുണ്ട് - ഇടനിലക്കാരനെ വെട്ടിച്ചുരുക്കുന്നതിലൂടെ. ഡാറ്റ കാറ്റലോഗിംഗും പ്രൊഫൈലിംഗ് പ്രക്രിയകളും ഓട്ടോമേറ്റ് ചെയ്യുന്നതിനുള്ള വഴികൾ കണ്ടെത്തുന്നതിലൂടെ, ജീവനക്കാർ - കുറഞ്ഞ ഒ ഉള്ളവർ ഉൾപ്പെടെfa സാങ്കേതിക പശ്ചാത്തലം - അവർക്ക് ഫലപ്രദമായും കാര്യക്ഷമമായും നല്ല ബിസിനസ്സ് തീരുമാനങ്ങൾ എടുക്കുന്നതിന് ആവശ്യമായ ഡാറ്റ നേടാൻ കഴിയും. – എറിക് റാബ്, എസ്‌വിപി, എഞ്ചിനീയറിംഗും ഉൽപ്പന്നവും, വിവര നിർമ്മാതാക്കൾ

“ബദൽ” ഡാറ്റ ക്യാപ്‌ചർ ചെയ്യുകയും സമന്വയിപ്പിക്കുകയും ചെയ്യേണ്ടത് അത്യാവശ്യമാണ്: എത്ര നേരത്തെ നമുക്ക് COVID-19 കണ്ടെത്താനാവും? "ബദൽ" ഡാറ്റയെക്കുറിച്ചുള്ള പഠനങ്ങൾ - ഈ സാഹചര്യത്തിൽ, വുഹാനിലെ ആശുപത്രികൾക്ക് പുറത്തുള്ള ട്രാഫിക് ഡാറ്റയും ആ പ്രദേശത്തെ ഇൻ്റർനെറ്റ് ഉപയോക്താക്കളുടെ കീവേഡ് തിരയലുകളും - വൈറസ് 2019 അവസാനത്തോടെ പ്രചരിച്ചിരിക്കാമെന്ന് സൂചിപ്പിക്കുന്നു. ബദൽ ഡാറ്റ ഉപയോഗിക്കുന്നതിൽ നിക്ഷേപ കമ്മ്യൂണിറ്റി ഒരു മുൻനിരക്കാരാണ്. , ഓഡിയോ, ഏരിയൽ ഫോട്ടോകൾ, ജലത്തിൻ്റെ ഗുണനിലവാരം, വികാരം എന്നിവ ഉൾപ്പെടെ. എന്നാൽ 10-ൻ്റെ പശ്ചാത്തലത്തിൽ, അപാകതകൾ വളരെ നേരത്തെ കണ്ടെത്തുക എന്ന ലക്ഷ്യത്തോടെ ഇതര ഡാറ്റ മുഖ്യധാരയായി മാറും.

അതിൽ നിന്ന്, റെക്കോർഡ് സിസ്റ്റങ്ങളിൽ നിന്നുള്ള ഡാറ്റയുമായുള്ള കോമ്പിനേഷനുകൾ, അസോസിയേഷനുകൾ, സിന്തസിസ് എന്നിവയിൽ നിന്ന് വരുന്ന ഡെറിവേറ്റീവ് ഡാറ്റ നമുക്ക് ലഭിക്കും. IDC പറയുന്നതുപോലെ: “കൂടുതൽ ഡാറ്റ ക്യാപ്‌ചർ ചെയ്യുകയും ബാഹ്യ ഉറവിടങ്ങളിൽ നിന്ന് ലഭ്യമാകുകയും ചെയ്യുമ്പോൾ, അതിൽ കൂടുതൽ ഉപയോഗിക്കാനുള്ള കഴിവ് ഒരു വ്യത്യസ്ത ഘടകമായി മാറുന്നു. നിങ്ങളുടേതല്ലാത്ത വ്യവസായങ്ങളിൽ നിന്നുള്ള പാഠങ്ങൾ അതിൽ ഉൾപ്പെടുന്നു. 11 ഗാർട്ട്നർ "എക്സ് അനലിറ്റിക്സ്" എന്ന് വിളിക്കുന്നതിന് സമാനമായ ഈ പ്രവണത, 12 പുതിയതല്ല, എന്നാൽ ആധുനിക ഡാറ്റയുടെയും അനലിറ്റിക്സിൻ്റെയും ഒരു പ്രധാന അടിത്തറയായി മാറുകയാണ്, വിലകുറഞ്ഞ പ്രോസസ്സിംഗിനും കൂടുതൽ പക്വതയാർന്ന AI സാങ്കേതികതകൾക്കും നന്ദി - വിജ്ഞാന ഗ്രാഫുകൾ, ഡാറ്റാ തുണിത്തരങ്ങൾ, പ്രകൃതിദത്തമായവ എന്നിവയുൾപ്പെടെ. ഭാഷാ പ്രോസസ്സിംഗ് (NLP), വിശദീകരിക്കാവുന്ന AI, എല്ലാത്തരം ഉള്ളടക്കങ്ങളിലുമുള്ള അനലിറ്റിക്‌സ്. ഈ പ്രവണത പൂർണ്ണമായും ML, AI എന്നിവയെ ആശ്രയിച്ചിരിക്കുന്നു, കാരണം മനുഷ്യൻ്റെ കണ്ണിന് എല്ലാം പിടിക്കാൻ കഴിയില്ല. – ഡാൻ സോമർ, സീനിയർ ഡയറക്ടർ, ഗ്ലോബൽ മാർക്കറ്റ് ഇൻ്റലിജൻസ് ലീഡ് ക്ലിക്ക്

വ്യവസായത്തിൽ ഞങ്ങൾ പലപ്പോഴും ഡാറ്റാ സിലോകളെ തകർക്കുന്നതിനെക്കുറിച്ച് സംസാരിക്കാറുണ്ട്, എന്നാൽ ചില സിലോകൾ എപ്പോഴും ഉണ്ടായിരിക്കുമെന്ന് നാം അംഗീകരിക്കണം. വലിയ ഓർഗനൈസേഷനുകളിൽ നിങ്ങൾക്ക് എല്ലായ്പ്പോഴും സ്വന്തം ഉപകരണങ്ങളോ ഡാറ്റാബേസുകളോ ഉള്ള പ്രാദേശിക വകുപ്പുകളോ പ്രദേശങ്ങളോ ഉണ്ടായിരിക്കും, അത് തുടരും. നിങ്ങൾക്ക് ഡാറ്റ പരമാധികാരം ഉണ്ടെങ്കിൽ, നിങ്ങളുടെ സ്ഥാപനത്തിലെ പ്രാദേശിക ഓഫീസിന് ഒരു സൈലോ ഉണ്ടായിരിക്കും. അതുകൊണ്ടാണ് നിങ്ങളുടെ പക്കലുള്ള ഡാറ്റയെക്കുറിച്ച് നിങ്ങൾക്ക് എങ്ങനെ നന്നായി മനസ്സിലാക്കാൻ കഴിയുമെന്ന് നോക്കുന്നതാണ് മികച്ച സമീപനം. ഡാറ്റാ അസറ്റുകളുടെ 360-ഡിഗ്രി കാഴ്‌ച നൽകിക്കൊണ്ട് നിങ്ങളുടെ പക്കലുള്ള സൈലോകളും അവ എങ്ങനെ കണക്‌റ്റ് ചെയ്‌തിരിക്കുന്നുവെന്നും കാണിക്കുന്ന ഒരു ഡാറ്റ ഇൻ്റലിജൻസ് പ്ലാറ്റ്‌ഫോമിന് നിങ്ങളുടെ സൂചികയായും മാപ്പായും പ്രവർത്തിക്കാനാകും. - സ്റ്റിജൻ "സ്റ്റാൻ" ക്രിസ്റ്റ്യൻസ്, സഹസ്ഥാപകനും സിടിഒ കോളിബ്ര

OpenTelemetry ഡാറ്റ ഓവർലോഡ് സൃഷ്ടിക്കും. 2021-ൽ ഓപ്പൺ ടെലിമെട്രിയുടെ ഉപയോഗം പുതിയ വ്യവസായ മാനദണ്ഡമായി മാറും. അതെ, ഉറവിടങ്ങളിൽ ഉടനീളം സ്ഥിരത സൃഷ്ടിച്ചുകൊണ്ട് ഇത് ഡാറ്റ ശേഖരണം എളുപ്പമാക്കും - എന്നാൽ ഇത് കമ്പനികൾക്കായി ഒരു ഡാറ്റ ഫയർഹോസ് സൃഷ്ടിക്കും, ഇത് പ്രവർത്തനക്ഷമമായ സ്ഥിതിവിവരക്കണക്കുകൾ അടങ്ങിയ ഡാറ്റയുടെ ചെറിയ ഭാഗം കണ്ടെത്തുന്നത് കൂടുതൽ ബുദ്ധിമുട്ടാക്കും. യഥാർത്ഥത്തിൽ പ്രവർത്തനക്ഷമമായ 5% വേഗത്തിൽ കണ്ടെത്താൻ കമ്പനികൾക്ക് ഒരു സംവിധാനം ഇല്ലെങ്കിൽ ഡാറ്റയുടെ നിരന്തരമായ സ്ട്രീം അവരെ കീഴടക്കും. ഇക്കാരണത്താൽ, ഐടി ടീമുകൾ ഡാറ്റ ഏറ്റെടുക്കുന്നതിൽ നിന്ന് ഡാറ്റയിൽ നിന്ന് നടപടിയെടുക്കുന്നതിനുള്ള ഒരു ചട്ടക്കൂട് നിർമ്മിക്കുന്നതിലേക്ക് അവരുടെ ശ്രദ്ധ മാറ്റും. ടീമുകൾ അങ്ങനെ ചെയ്യുന്നതിനാൽ, ഒരു കപ്പുച്ചിനോ നിർമ്മിക്കാൻ എടുക്കുന്ന സമയത്തിനുള്ളിൽ പ്രവർത്തനക്ഷമമായ ഡാറ്റ ഉടനടി പുറത്തുവരാൻ കഴിയുന്ന ഉപകരണങ്ങൾ നടപ്പിലാക്കേണ്ടത് അത്യന്താപേക്ഷിതമായിരിക്കും. - ഫിൽ ടീ, സിഇഒ മൂഗ്‌സോഫ്റ്റ്

ഒരു പ്രോസസിൻ്റെയോ ഉൽപ്പന്നത്തിൻ്റെയോ സേവനത്തിൻ്റെയോ വെർച്വലൈസ്ഡ് മോഡലാണ് ഡിജിറ്റൽ ഇരട്ട. വെർച്വൽ, ഫിസിക്കൽ വേൾഡുകളുടെ ജോടിയാക്കൽ, പ്രശ്നങ്ങൾ ഉണ്ടാകുന്നതിന് മുമ്പുതന്നെ അവ തിരിച്ചറിയാൻ സഹായിക്കുന്നതിന് ഡാറ്റാ വിശകലനത്തെയും സിസ്റ്റം നിരീക്ഷണത്തെയും അനുവദിക്കുന്നു. ഇത് പ്രവർത്തനരഹിതമായ സമയത്തെ തടയുന്നു, പുതിയ അവസരങ്ങൾ വികസിപ്പിക്കുന്നു, സിമുലേഷനുകൾ ഉപയോഗിച്ച് ഭാവിയിലേക്കുള്ള ആസൂത്രണം പോലും ചെയ്യുന്നു. ഈ തലമുറയുടെ ഡിജിറ്റൽ ഇരട്ടകൾ ബിസിനസ്സ് അസറ്റ് മോഡലാക്കാനും ദൃശ്യവൽക്കരിക്കാനും മാത്രമല്ല, പ്രവചനങ്ങൾ നടത്താനും തത്സമയം നടപടികൾ കൈക്കൊള്ളാനും AI, ML പോലുള്ള നിലവിലെ സാങ്കേതികവിദ്യകൾ ഉപയോഗിച്ച് ഡാറ്റ വർദ്ധിപ്പിക്കാനും സമർത്ഥമായ രീതിയിൽ പ്രവർത്തിക്കാനും ബിസിനസുകളെ അനുവദിക്കുന്നു. – അനിൽ കൗൾ, സിഇഒ സമ്പൂർണ്ണ ഡാറ്റ

ഡിജിറ്റൽ പരിവർത്തനം - അവസാനം - രൂപാന്തരപ്പെടാൻ തുടങ്ങും. ഈ ഘട്ടത്തിൽ, "ഡിജിറ്റൽ ട്രാൻസ്‌ഫോർമേഷൻ" എന്നത് എല്ലാ സംരംഭങ്ങളും തിരിച്ചറിയാൻ പഠിച്ച ഒരു വാക്കായി മാറിയിരിക്കുന്നു, എന്നിട്ടും ഈ ശ്രമങ്ങളിൽ ഭൂരിഭാഗവും (IDC പ്രകാരം 80%) ഇപ്പോഴും തന്ത്രപരമായ സ്വഭാവമാണ്. ഉദാഹരണത്തിന്, റോബോട്ടിക് പ്രോസസ് ഓട്ടോമേഷൻ (ആർപിഎ), ഒരു പരിവർത്തന ഉപകരണമായി കണക്കാക്കാം, പക്ഷേ സ്വന്തമായി അത് അങ്ങനെയല്ല. 2021-ൽ ഓർഗനൈസേഷനുകൾക്ക് യഥാർത്ഥ പരിവർത്തനം കാണുന്നതിന്, ടെക്സ്റ്റ് അനലിറ്റിക്‌സ്, ഡോക്യുമെൻ്റ് മനസ്സിലാക്കൽ, പ്രോസസ്സ് മൈനിംഗ് എന്നിവ പോലുള്ള കോർ ഓട്ടോമേഷനും AI സവിശേഷതകളും സംയോജിപ്പിക്കുന്ന കൂടുതൽ വിപുലമായ പ്ലാറ്റ്‌ഫോമുകൾ അവർ പ്രയോജനപ്പെടുത്തേണ്ടതുണ്ട്. ഈ പ്ലാറ്റ്‌ഫോമുകൾക്ക് അവരുടെ ഓർഗനൈസേഷനുകളിലേക്ക് മൂല്യം തിരികെ നൽകുന്ന എൻ്റർപ്രൈസ് ഗ്രേഡ് ഓട്ടോമേഷനുകൾ നിർമ്മിക്കാനും വിന്യസിക്കാനും പൗര ഡെവലപ്പർമാരെ പ്രാപ്‌തമാക്കുന്ന ലോ-കോഡ് കഴിവുകൾ ഉണ്ടെന്നതും നിർണായകമാണ്. അതില്ലാതെ, എൻ്റർപ്രൈസ്-വൈഡ് ഡിജിറ്റൽ പരിവർത്തനം നൽകുന്നത് കമ്പനികൾക്ക് വെല്ലുവിളിയായി തുടരും-ഏറ്റവും സങ്കീർണ്ണമായ പ്രക്രിയകളിലേക്ക് പോലും ഓട്ടോമേഷൻ എളുപ്പത്തിൽ വിന്യസിക്കാനുള്ള കഴിവ് ഇത് പ്രേരിപ്പിക്കുന്നു. - ഗൈ കിർക്ക്‌വുഡ്, ചീഫ് ഇവാഞ്ചലിസ്റ്റ് യുഐപാത്ത്

ബിസിനസ് ഇന്റലിജൻസ്

ലോ-കോഡ്/നോ-കോഡ് ML-ൻ്റെ വ്യാപനം. കമ്പനികൾക്ക് AI കൂടുതൽ പ്രാപ്യമാക്കാൻ രൂപകൽപ്പന ചെയ്ത ലോ-കോഡ്, നോ-കോഡ് ML സിസ്റ്റങ്ങളുടെ വർദ്ധനവ്, AI സ്വീകരിക്കുന്നത് മെച്ചപ്പെടുത്താൻ സഹായിക്കും. എന്നിരുന്നാലും, ഒടുവിൽ കമ്പനികൾ ഒരു പരിധിയിലെത്തുകയും എല്ലാവരുടെയും ഒരേ വലുപ്പത്തിലുള്ള സമീപനത്തെ മറികടക്കുകയും ചെയ്യും, ആഴത്തിലുള്ള വൈദഗ്ദ്ധ്യം ആവശ്യമുള്ള AI-ക്കായി കൂടുതൽ വിപുലമായ ഉപയോഗ കേസുകൾ തേടുന്നു. ആത്യന്തികമായി, ഇഷ്‌ടാനുസൃതമാക്കലിൻ്റെ ആവശ്യകത, യോഗ്യതയുള്ള ഡാറ്റാ സയൻ്റിസ്റ്റുകളുടെ ആവശ്യകത വർദ്ധിപ്പിക്കും, പകരം ലോ-കോഡ് സിസ്റ്റങ്ങളെ മാറ്റിസ്ഥാപിക്കും. ഡാറ്റാ സയൻ്റിസ്റ്റുകളുടെ ആവശ്യം ഞങ്ങൾ ഉടൻ യാന്ത്രികമാക്കാൻ പോകുന്നില്ല. - കെവിൻ ഗോൾഡ്സ്മിത്ത്, സിടിഒ, അനക്കോണ്ട

നാച്ചുറൽ ലാംഗ്വേജ്, നാച്ചുറൽ സെർച്ച്, എഐ/എംഎൽ, ഓഗ്മെൻ്റഡ് അനലിറ്റിക്സ്, ഓട്ടോമേറ്റഡ് ഡാറ്റ തയ്യാറാക്കൽ, ഓട്ടോമേറ്റഡ് ഡാറ്റ കാറ്റലോഗുകൾ എന്നിവയുടെ സംയോജനത്തോടെ വിപുലമായ ഡാറ്റാ അനലിറ്റിക്സിൻ്റെ ഒരു പുതിയ മാതൃകയിലേക്ക് ബിസിനസ് ഇൻ്റലിജൻസ് മാറുന്നു. ഇത് ഉയർന്ന നിലവാരമുള്ള തത്സമയ സ്ഥിതിവിവരക്കണക്കുകൾ ഉപയോഗിച്ച് ബിസിനസ്സ് തീരുമാനമെടുക്കൽ പ്രക്രിയകളെ പരിവർത്തനം ചെയ്യും. – രമേഷ് പനുഗന്തി, ബിഐ കമ്പനിയായ മാച്ച് ഐയുടെ സിഇഒ

ബിഐയും എഐയും അവരുടെ ബന്ധം കൂടുതൽ ആഴത്തിലാക്കും. എംഎൽ മോഡലുകൾക്കെതിരെ ബിഐ ഡാറ്റ സ്‌കോർ ചെയ്യുന്നതും പ്രവചനങ്ങൾ ദൃശ്യവൽക്കരിക്കുന്നതും അല്ലെങ്കിൽ വിഷ്വലൈസേഷനുകളും സ്ഥിതിവിവരക്കണക്കുകളും സംഗ്രഹങ്ങളും സൃഷ്‌ടിക്കുന്നതിന് സ്വാഭാവിക ഭാഷാ പ്രോസസ്സിംഗ് പ്രയോജനപ്പെടുത്തിയാലും, AI, BI എന്നിവ അവയുടെ സമന്വയം വർദ്ധിപ്പിക്കും. പരമ്പരാഗത ബിഐ കഴിവുകൾ ചരക്ക്വൽക്കരിക്കുന്നത് തുടരുന്നതിനാൽ, ഇന്നൊവേഷൻ യുദ്ധങ്ങളിൽ ഒരു പുതിയ മുന്നണിയായി വെണ്ടർമാർക്ക് BI+AI ആവശ്യമാണ്. – ആൻഡ്രൂ ബ്രസ്റ്റ്, അനലിസ്റ്റ്, ഗിഗാം

ചാറ്റ്ബോട്ടുകൾ

എംപ്ലോയീസ് ടു എൻ്റർപ്രൈസ് - സംഭാഷണ AI ദത്തെടുക്കൽ സ്വാഭാവികവും പലപ്പോഴും ആദ്യ കോൺടാക്റ്റും ആയിരിക്കും. സംഭാഷണ AI നോർമലൈസ് ചെയ്‌തിരിക്കുന്നു, ഇവിടെ തുടരാം. ഓൺലൈൻ വിപണിയിലൂടെ ഉപഭോക്താക്കളെയും പരിശീലന കോഴ്‌സുകളിലൂടെ ജീവനക്കാരെയും സെർച്ച് എഞ്ചിനുകളിലും വെബ്‌സൈറ്റുകളിലൂടെയും ഉപയോക്താക്കളെ നയിക്കുന്ന ഇൻ്റർഫേസുകൾ നൂതന സംഭാഷണ AI സാങ്കേതികവിദ്യ ഉപയോഗിച്ച് നിക്ഷേപത്തിൽ മികച്ച വരുമാനം നേടി. – ശിവ രമണി, സിഇഒ iOPEX

AI ഉടൻ തന്നെ മനുഷ്യരെ സ്ഥാനഭ്രഷ്ടരാക്കില്ല. ഇന്ന് ഉപഭോക്താവിനെ അഭിമുഖീകരിക്കുന്ന പ്രവർത്തനങ്ങളിൽ AI യുടെ ഉപയോഗം നോക്കുമ്പോൾ, ഇത് പ്രധാനമായും ഉപയോഗിക്കുന്നത് AI- പിന്തുണയുള്ള ചാറ്റ്ബോട്ടുകളിലും ഉപഭോക്തൃ വ്യക്തിഗതമാക്കൽ ഫീച്ചറുകളിലും ആണ്. പാൻഡെമിക് സമയത്ത് ഉപഭോക്താക്കൾ AI- പിന്തുണയ്‌ക്കുന്ന സവിശേഷതകൾ എങ്ങനെ പ്രയോജനപ്പെടുത്തി എന്ന് നോക്കുകയാണെങ്കിൽ, മനുഷ്യ ഏജൻ്റുമാർ വഴി പ്രശ്‌നങ്ങൾ വേഗത്തിൽ പരിഹരിക്കാൻ അവർ യഥാർത്ഥത്തിൽ അവ ഉപയോഗിക്കുന്നുണ്ടെന്ന് നമുക്ക് കാണാൻ കഴിയും. ഉപഭോക്താവിനെ അഭിമുഖീകരിക്കുന്ന എറിക്ക എന്ന പേരിലുള്ള AI- പവർഡ് ചാറ്റ്ബോട്ട് ഉള്ള ബാങ്ക് ഓഫ് അമേരിക്ക പോലുള്ള കമ്പനികൾ, ഉപഭോക്തൃ പിന്തുണാ ടീമുകളുമായി ഇടപഴകുന്നതിനുള്ള മികച്ച ഗതി കണ്ടെത്താൻ ഉപഭോക്താക്കൾ എറിക്ക ഉപയോഗിക്കുന്നത് കണ്ടു. എന്തെങ്കിലും പ്രശ്‌നങ്ങൾ നേരിട്ട് പരിഹരിക്കാൻ എറിക്കയോട് ചോദ്യങ്ങൾ ചോദിക്കുന്നതിനുപകരം, ഉചിതമായ ഹ്യൂമൻ ഏജൻ്റുമായുള്ള പ്രശ്‌നം വേഗത്തിൽ പരിഹരിക്കുന്നതിന് ഉപഭോക്തൃ സേവന ടീമിനെ എങ്ങനെ സമീപിക്കണമെന്ന് ഉപയോക്താക്കൾ എറിക്കയോട് ചോദിച്ചു. - ജെയിംസ് ഐസക്ക്, പ്രസിഡൻ്റും സിഇഒയും സൈറ

ഇന്ന്, ഉപഭോക്തൃ സേവന ചാറ്റ്ബോട്ടുകളായാലും സിരി, അലക്‌സ പോലുള്ള ഞങ്ങളുടെ ഉപകരണങ്ങളിലെ AI ആയാലും ഞങ്ങൾ മുമ്പെന്നത്തേക്കാളും കൂടുതൽ ബോട്ടുകളുമായി സംവദിക്കുന്നു. മുമ്പ് മനുഷ്യർ ചെയ്തിരുന്ന പ്രക്രിയകൾ ഓട്ടോമേറ്റ് ചെയ്യുന്നതിന് തത്സമയ തീരുമാനമെടുക്കുന്നതിന് ഈ ബോട്ടുകൾ ഉപയോഗിക്കുന്നു. ഉദാഹരണത്തിന്, ആമസോൺ പോലുള്ള കമ്പനികൾക്കായി ബോട്ടുകൾ റീട്ടെയിൽ റിട്ടേൺ പ്രോസസ്സുകൾ ഓട്ടോമേറ്റ് ചെയ്തിട്ടുണ്ട്. എന്നിരുന്നാലും, എൻ്റർപ്രൈസസിന് ഓട്ടോമേറ്റഡ് ബോട്ടുകളുടെ ഐഡൻ്റിറ്റികൾ കൈകാര്യം ചെയ്യുന്നത് കൂടുതൽ സങ്കീർണ്ണമാകുന്നു, പ്രത്യേകിച്ചും അവ മെഷീൻ വേഗതയിൽ മറ്റ് ബോട്ടുകളുമായി ഇടപഴകുമ്പോൾ. ബോട്ടുകളുടെ ഐഡൻ്റിറ്റികൾ എൻ്റർപ്രൈസ് മാനേജുചെയ്യുകയും പരിരക്ഷിക്കുകയും വേണം, ജീവനക്കാരുടെയും ഉപഭോക്തൃ ഐഡൻ്റിറ്റിയും പോലെ, ഡാറ്റ വിട്ടുവീഴ്ച ചെയ്യപ്പെടില്ല. CIO-കളും സുരക്ഷാ നേതാക്കളും മനസ്സിൽ സൂക്ഷിക്കേണ്ടത് പ്രധാനമാണ്, കാരണം ഓട്ടോമേഷൻ ആവശ്യങ്ങൾക്കായി ബോട്ടുകൾ ഉപയോഗിക്കുന്നത് ആ ബോട്ടുകളുടെ API-കൾ ഹാക്ക് ചെയ്യപ്പെട്ടാൽ പുതിയ ആക്രമണ വെക്റ്ററുകൾ തുറക്കും. - ജാസെൻ മീസ്, സിഇഒ ക്ലൗഡൻ്റിറ്റി

NLP (നാച്ചുറൽ ലാംഗ്വേജ് പ്രോസസ്സിംഗ്) ഡാറ്റാ വിശകലനത്തിലെ സംഭാഷണത്തെ മാറ്റുന്നു: നമ്മൾ ദൈനംദിന ജീവിതത്തിൽ Google Home, Alexa എന്നിവ ഉപയോഗിക്കുന്നത് പോലെ, NLP വഴിയുള്ള സംഭാഷണ അനലിറ്റിക്‌സ് സംരംഭങ്ങൾക്ക് അവരുടെ ബിസിനസ്സ് പ്രവർത്തനങ്ങളിൽ നിന്ന് മൂല്യവത്തായ ബിഗ് ഡാറ്റ ഉൾക്കാഴ്ചകൾ എക്‌സ്‌ട്രാക്റ്റുചെയ്യുന്നതിനുള്ള സുവർണ്ണ ടിക്കറ്റായിരിക്കും. ശ്രദ്ധിക്കപ്പെടാതെ പോയേക്കാവുന്ന ട്രെൻഡുകൾ കണ്ടെത്തുന്നതും എൻ്റർപ്രൈസിനുള്ളിൽ നിന്നുള്ള വിദഗ്ധരെ അർത്ഥവത്തായ രീതിയിൽ ഡാറ്റയുമായി ഇടപഴകാൻ അനുവദിക്കുന്നതും ഇതിൽ ഉൾപ്പെടുന്നു. – സാം മഹാലിംഗം, സിടിഒ, ആൾട്ടർ

സംഭാഷണ AI-ന്, ഒന്നാമതായി, സംഭാഷണം നടത്താൻ സർവ്വവ്യാപിയായ ഒരു സന്ദേശമയയ്‌ക്കൽ ചാനൽ ആവശ്യമാണ്. വാട്ട്‌സ്ആപ്പ്, ജിഐപി തുടങ്ങിയ ഐപി അധിഷ്‌ഠിത ചാനലുകളിലെ ബിസിനസ്സ് സന്ദേശമയയ്‌ക്കലിൻ്റെ വർദ്ധനവ് സംഭാഷണ AI-യുടെ ഉപയോഗത്തിൽ ഒരു പുനരുജ്ജീവനത്തിന് കാരണമാകുന്നു. ബാങ്കിംഗ്, ഇ-കൊമേഴ്‌സ്, റീട്ടെയിൽ, ട്രാവൽ തുടങ്ങിയ വ്യവസായങ്ങളിലുടനീളമുള്ള കമ്പനികൾ ഇപ്പോൾ മാർക്കറ്റിംഗ്, സെയിൽസ്, സപ്പോർട്ട് എന്നിവയുൾപ്പെടെ എല്ലാ ഉപഭോക്തൃ ടച്ച് പോയിൻ്റുകൾക്കും സംഭാഷണ AI പ്രാപ്തമാക്കുന്നു. നാച്ചുറൽ ലാംഗ്വേജ് പ്രോസസിംഗിലെ (NLP) സമീപകാല മുന്നേറ്റങ്ങളാൽ പ്രവർത്തിക്കുന്ന, സംഭാഷണപരമായ AI ഉപഭോക്താക്കൾ ബിസിനസുകളുമായി എങ്ങനെ ഇടപഴകുന്നു എന്നതിനെ പരിവർത്തനം ചെയ്യാൻ സജ്ജമാണ്. – ബീറൂദ് ഷെത്ത്, സിഇഒ ഗുപ്ഷപ്പ്

മേഘം

മൾട്ടി- ഹൈബ്രിഡ് ക്ലൗഡ് ദത്തെടുക്കലിലേക്ക്, പ്രത്യേകിച്ച് ഹൈബ്രിഡ് ക്ലൗഡിനായി കൂടുതൽ ചിന്തനീയവും സന്തുലിതവുമായ സമീപനം ഞങ്ങൾ കാണാൻ തുടങ്ങുമെന്ന് ഞാൻ കരുതുന്നു. ഞങ്ങൾ പൊതുവായതും സ്വകാര്യവുമായ ക്ലൗഡ് സംഭാഷണങ്ങളെ മറികടക്കുകയാണ്, ക്ലൗഡ് ഒരു “ഒന്നുകിൽ അല്ലെങ്കിൽ” തീരുമാനമല്ലെന്ന യാഥാർത്ഥ്യം ബിസിനസുകൾ അംഗീകരിക്കുന്നു. ചരിത്രപരമായി, "പബ്ലിക് ക്ലൗഡ്" അത്യാധുനിക നവീകരണവുമായി ബന്ധപ്പെട്ടിരിക്കുന്നതും "സ്വകാര്യ ക്ലൗഡ്" മാറ്റത്തെ പ്രതിരോധിക്കുന്ന മന്ദഗതിയിലുള്ള, ലെഗസി ബിസിനസുകളുമായി ബന്ധപ്പെട്ടിരിക്കുന്നതും ഞങ്ങൾ കണ്ടു. തങ്ങളുടെ നിർദ്ദിഷ്ട ചെലവ്, പ്രകടനം, സുരക്ഷ, കംപ്ലയിൻസ്, ഗവേണൻസ് ആവശ്യങ്ങൾ എന്നിവയെ മികച്ച രീതിയിൽ സന്തുലിതമാക്കുന്ന പ്ലാറ്റ്‌ഫോമിൽ ചടുലവും ആധുനികവുമായ ആപ്ലിക്കേഷനുകൾ വിന്യസിക്കാൻ അവരെ പ്രാപ്‌തമാക്കുന്ന ഒരു ഹൈബ്രിഡ് ക്ലൗഡ് ആർക്കിടെക്ചറിൽ നിന്ന് ബിസിനസ്സുകൾക്ക് ലഭിക്കുന്ന മൂല്യം നന്നായി മനസ്സിലാക്കാൻ തുടങ്ങിയതിനാൽ ഈ വികാരം മാറുകയാണ്.

ഇതോടൊപ്പം കണ്ടെയ്‌നറുകളും ഹൈബ്രിഡ് ഇൻ്റഗ്രേഷൻ പ്ലാറ്റ്‌ഫോമുകളും പോലുള്ള ഹൈബ്രിഡ് പ്രവർത്തനക്ഷമമാക്കുന്ന സാങ്കേതികവിദ്യകളുടെ വർദ്ധനവ് വരുന്നു. നിങ്ങളുടെ സ്വന്തം ഡാറ്റാ സെൻ്ററിൽ പ്രവർത്തിക്കുന്ന ഒരു ഹൈപ്പർസ്‌കെയിൽ ക്ലൗഡ് പ്രൊവൈഡർ സൊല്യൂഷനാണ് ടെതർഡ് കമ്പ്യൂട്ട് എന്നതാണ് മറ്റൊരു പരിഗണന. AWS ഔട്ട്‌പോസ്റ്റുകൾ, Google Anthos, Microsoft Azure Stack എന്നിവ ഉദാഹരണങ്ങളാണ്. ഇന്നുവരെ ഇവ സ്വീകരിക്കാൻ വളരെ മന്ദഗതിയിലാണെങ്കിലും, ഹൈപ്പർസ്‌കെയിൽ ക്ലൗഡ് സേവന ഉപഭോഗത്തിൻ്റെ സ്ഥിരതയ്‌ക്കൊപ്പം ഉപഭോക്താക്കൾ സ്വകാര്യ/പൊതു ക്ലൗഡിൻ്റെ മൂല്യം കാണുന്നതിനാൽ വളർച്ചയുടെ തുടക്കം ഇവിടെ കാണാൻ തുടങ്ങും. - കിം കിംഗ്, പ്രൊഡക്റ്റ് മാർക്കറ്റിംഗ് ഡയറക്ടർ - സ്നോ സോഫ്റ്റ്വെയറിലെ ക്ലൗഡ് മാനേജ്മെൻ്റ്

COVID-19 ക്ലൗഡ് ചെലവ് ത്വരിതപ്പെടുത്തുന്നു: COVID-19 പാൻഡെമിക് കാരണം റിമോട്ട് വർക്കിംഗ് വർധിച്ചതോടെ, കമ്പനികൾ ഐടി ബജറ്റിൻ്റെ വലിയൊരു ഭാഗം ക്ലൗഡ് അധിഷ്ഠിത സാങ്കേതികവിദ്യകളിൽ നിക്ഷേപിക്കുന്നു, പേപ്പർ അധിഷ്ഠിത പ്രക്രിയകളിൽ നിന്ന് അകന്നുപോകുന്നു. എൻ്റർപ്രൈസസിൻ്റെ ശരാശരി ക്ലൗഡ് ചെലവ് 59-ൽ നിന്ന് 2018-ൽ $73.8M ആയി 2020% ഉയർന്നു. ആ ട്രെൻഡ് 2021-ലും തുടരും, വിദൂരമായി പ്രവർത്തിക്കാനുള്ള തന്ത്രങ്ങൾ സ്വീകരിക്കാൻ കമ്പനികൾ നിർബന്ധിതരായതിനാൽ, ജീവനക്കാരെ മാറ്റാൻ തുടങ്ങുമ്പോഴും ആ പ്രവർത്തന രീതികൾ നിലനിർത്തുന്നതിൻ്റെ നേട്ടങ്ങൾ തിരിച്ചറിയാൻ കമ്പനികൾ നിർബന്ധിതരാകുന്നു. ഭൗതിക സ്ഥാനങ്ങളിലേക്ക് മടങ്ങുക. കരാർ അഭ്യർത്ഥന, അംഗീകാരം, നിർവ്വഹണം, അവാർഡിന് ശേഷമുള്ള മാനേജ്മെൻ്റ് സംവിധാനങ്ങൾ എന്നിവയുടെ ഡിജിറ്റൽ പരിവർത്തനത്തിന് കോവിഡ് കാരണമാവുകയും കരാർ ലൈഫ് സൈക്കിൾ മാനേജ്മെൻ്റിൽ കൂടുതൽ പുരോഗതിക്ക് അടിത്തറ പാകുകയും ചെയ്ത കരാറാണ് ഒരു പ്രധാന ഉദാഹരണം. – ഹർഷാദ് ഓക്ക്, ജനറൽ മാനേജർ, കസ്റ്റമർ അഡോപ്ഷൻ & വാല്യൂ, at ഐസിറ്റിസ്

ഒരിക്കൽ ക്ലൗഡിലേക്കുള്ള വഴിയിലെ "ലേഓവർ" ആയി കണക്കാക്കപ്പെട്ടിരുന്നെങ്കിൽ, ഹൈബ്രിഡ് ഇപ്പോൾ ലക്ഷ്യസ്ഥാനമാണ്: ഒരു ഹൈബ്രിഡ് ക്ലൗഡ് സമീപനം ക്ലൗഡ്-ആദ്യം നടപ്പിലാക്കുന്നതിനുള്ള ചവിട്ടുപടിയായി കണക്കാക്കപ്പെട്ടിരുന്നു. ഇപ്പോൾ, ഉപഭോക്താക്കൾ അവരുടെ ബിസിനസ് ആവശ്യങ്ങൾക്കും സാമ്പത്തികമായും ഒരു ഹൈബ്രിഡ് സമീപനം ഏറ്റവും അർത്ഥവത്തായതാണെന്ന് കാണുന്നു. IDC അനുസരിച്ച്, ഉപഭോക്താക്കളുടെ 70% ആപ്പുകളും ഡാറ്റയും പൊതു ക്ലൗഡിന് പുറത്താണ്. അത് മനസ്സിൽ വെച്ചുകൊണ്ട്, 2021-ൽ, കൂടുതൽ ഉപഭോക്താക്കൾ ഒരു ഹൈബ്രിഡ് സമീപനം സ്വീകരിക്കുന്നത് ഞങ്ങൾ കാണും. ഡാറ്റാ കാലതാമസം, ആപ്ലിക്കേഷൻ എൻടാൻഗിൾമെൻ്റ്, സുരക്ഷ, പാലിക്കൽ കാരണങ്ങൾ എന്നിവ കാരണം വ്യവസായങ്ങളിലുടനീളമുള്ള കൂടുതൽ ഓർഗനൈസേഷനുകൾ അവരുടെ ഡാറ്റ പരിസരത്ത് സൂക്ഷിക്കാൻ ആഗ്രഹിക്കുന്നതായി ഞങ്ങൾ കാണുന്നു. അതേസമയം, പാൻഡെമിക് ഇക്കണോമിക്‌സ്, ഡാറ്റാ എക്‌സ് ചാർജുകൾ, പബ്ലിക് ക്ലൗഡ് പ്രൊവൈഡർമാരുമായുള്ള വെണ്ടർ ലോക്ക്-ഇൻ എന്നിവ കാരണം ഭാഗികമായി, യാഥാർത്ഥ്യം സിഐഒകളും ഐടി ഓർഗനൈസേഷനുകളും ഹൈബ്രിഡിനെ ഫലമായാണ് സ്വീകരിക്കുന്നത്, അത് അവസാനിപ്പിക്കാനുള്ള മാർഗമല്ല. – കീത്ത് വൈറ്റ്, ജനറൽ മാനേജർ, ഗ്രീൻലേക്ക് ക്ലൗഡ് സർവീസസ്

ക്ലൗഡ് ചാപല്യം അതിശയകരമാണ്, പക്ഷേ ഇത് എളുപ്പത്തിൽ റൺവേ ചെലവിലേക്ക് നയിച്ചേക്കാം. അതുപോലെ, പങ്കിട്ട ഓൺ-പ്രെമൈസ് ബിഗ് ഡാറ്റ ക്ലസ്റ്ററുകൾ പലപ്പോഴും വിഭവങ്ങൾ പാഴാക്കുന്നു. ഇവ രണ്ടും SLA-കൾ നഷ്‌ടപ്പെടുന്നതിന് കാരണമാകുന്നു. വിട്ടുമാറാത്ത അമിത ചെലവ് ഇല്ലാതാക്കാൻ അവർ ആഗ്രഹിക്കുന്നുവെങ്കിൽ, കമ്പനികൾ അവരുടെ ക്ലൗഡ് ചെലവുകൾ നിരീക്ഷിക്കാനും നിയന്ത്രിക്കാനും ഒരു രീതി സ്ഥാപിക്കേണ്ടതുണ്ട്. ഇതിനുള്ള ഏറ്റവും ഫലപ്രദമായ മാർഗം നിരീക്ഷണവും യാന്ത്രിക-ട്യൂണിംഗും ആണ്. – ആഷ് മുൻഷി, സിഇഒ പെപ്പെര്ദത

ഡാറ്റാബേസ്/ഡാറ്റ വെയർഹൗസ്/ഡാറ്റ ലേക്ക്

കമ്പനികൾ അവരുടെ ഡാറ്റ സംഭരിക്കുന്നതിന് ഉപയോഗിക്കുന്ന പരിഹാരങ്ങൾ അടുത്ത വർഷവും അതിവേഗം വികസിച്ചുകൊണ്ടിരിക്കുന്നു. ഓപ്പൺ സോഴ്‌സ് റിലേഷണൽ ഡാറ്റാബേസ് സൊല്യൂഷനുകൾ, നോൺ-റിലേഷണൽ ഡാറ്റാബേസ് സൊല്യൂഷനുകൾ, PaaS-അധിഷ്‌ഠിത ഡാറ്റാബേസ് സൊല്യൂഷനുകൾ, അവയുടെ സംയോജനം എന്നിവയിലേക്കുള്ള മൈഗ്രേഷനുകൾ വർധിച്ചതായി ഞങ്ങൾ കാണുന്നു. ഓറാക്കിൾ, മൈക്രോസോഫ്റ്റ് തുടങ്ങിയ വെണ്ടർമാരിൽ നിന്നുള്ള (ഓപ്പൺ സോഴ്‌സ്, നോൺ റിലേഷണൽ ഡാറ്റാബേസ് മൈഗ്രേഷനുകൾ ഈ വിഭാഗത്തിൽ പെടുന്നു) എന്നിവയിൽ നിന്നുള്ള കനത്ത പിന്തുണാ കരാറുകൾ കുറയ്ക്കുന്നതിനുവേണ്ടിയാണോ അവ ഏറ്റെടുക്കുന്നത്, പ്രവർത്തനച്ചെലവ് കുറയ്ക്കുക എന്ന തലക്കെട്ടിന് കീഴിൽ ഗ്രൂപ്പുചെയ്യുന്നതാണ് ഈ സംരംഭങ്ങളുടെ പ്രാഥമിക ശ്രദ്ധ. ആളുകളുടെ എണ്ണം കുറയ്ക്കുക (PaaS സേവനങ്ങളിലേക്കുള്ള മൈഗ്രേഷൻ ഈ വിഭാഗത്തിൽ പെടുന്നു), അല്ലെങ്കിൽ കൂടുതൽ ഉദ്ദേശ്യത്തോടെ നിർമ്മിച്ച ഡാറ്റാബേസ് സൊല്യൂഷനിലേക്ക് മൈഗ്രേറ്റ് ചെയ്യുന്നതിലൂടെ പ്രകടന കാര്യക്ഷമത നേടുക.

ഡാറ്റാ മൈഗ്രേഷൻ ഇപ്പോൾ വലിയ തോതിൽ നടക്കുന്നുണ്ട്, അതിനാൽ ഈ പുതിയ ഡാറ്റാബേസ് സൊല്യൂഷനുകളിലേക്ക് മാറുമ്പോൾ, ഭാവിയിലെ സംസ്ഥാന പരിഹാരത്തിൻ്റെ കഴിവുകളും നിലവിലെ അവസ്ഥയും, ലൈസൻസിംഗിലെ ആഘാതം, പിന്തുണ കരാറുകൾ എന്നിവ ഉൾപ്പെടെ നിരവധി പരിഗണനകൾ ആവശ്യമാണ്. , കൂടാതെ ശരിയായ പരിഹാരങ്ങൾ വിന്യസിച്ചിട്ടുണ്ടെന്ന് ഉറപ്പാക്കാനുള്ള ഒരു രീതിയും. PaaS സൊല്യൂഷനുകൾ ചില മികച്ച നേട്ടങ്ങൾ നൽകുന്നുണ്ടെങ്കിലും, ആ സിസ്റ്റങ്ങൾ നിരീക്ഷിക്കാനും നിയന്ത്രിക്കാനും പ്രകടനം, ലഭ്യത, സുരക്ഷ എന്നിവയിൽ കാര്യക്ഷമത വർദ്ധിപ്പിക്കുന്നതിന് ആപ്ലിക്കേഷൻ ടീമുകളുമായി പ്രവർത്തിക്കാനും DBA-കൾ ഇപ്പോഴും ആവശ്യമാണ്. - മാർക്ക് കരുസോ, ചീഫ് ആർക്കിടെക്റ്റ്, പദവിന്യാസം

360. അത് കാട്ടിലെ ഡാറ്റാബേസ് സിസ്റ്റങ്ങളുടെ എണ്ണമാണ്. തിരഞ്ഞെടുക്കൽ നല്ലതാണെങ്കിലും ജോലിക്ക് ശരിയായ ഉപകരണം കണ്ടെത്തുന്നത് മികച്ചതാണെങ്കിലും, ഇത് വലിയ സങ്കീർണ്ണതയും ചേർക്കുന്നു. കമ്പനികൾ ക്ലൗഡിൽ ആധുനികവത്കരിക്കാൻ നീങ്ങുമ്പോൾ, അവർ ലളിതവൽക്കരണം തേടും, ഇത് ഡാറ്റാബേസ് വിപണിയിൽ വൻതോതിലുള്ള ഏകീകരണത്തിലേക്ക് നയിക്കും. ഒന്നിച്ചു ചേർക്കേണ്ടതും ഡാറ്റ ആക്‌സസ്സുചെയ്യുന്നതിന് വ്യത്യസ്‌ത മാർഗങ്ങൾ ആവശ്യമുള്ളതുമായ ഒരു കൂട്ടം ഡാറ്റാബേസുകളേക്കാൾ, മൾട്ടി-ഫങ്ഷണൽ കഴിവുകൾ വാഗ്ദാനം ചെയ്യുന്ന ഡാറ്റാബേസ് വെണ്ടർമാർ വിജയിക്കും. – ഫ്രാൻസ് അമൻ, റിലേഷണൽ ഡാറ്റാബേസ് കമ്പനിയായ മരിയാഡിബിയുടെ സിഎംഒ

കമ്പനികൾ അവരുടെ ഡാറ്റ സംഭരിക്കുന്നതിന് ഉപയോഗിക്കുന്ന പരിഹാരങ്ങൾ അടുത്ത വർഷവും അതിവേഗം വികസിച്ചുകൊണ്ടിരിക്കുന്നു. ഓപ്പൺ സോഴ്‌സ് റിലേഷണൽ ഡാറ്റാബേസ് സൊല്യൂഷനുകൾ, നോൺ-റിലേഷണൽ ഡാറ്റാബേസ് സൊല്യൂഷനുകൾ, PaaS-അധിഷ്‌ഠിത ഡാറ്റാബേസ് സൊല്യൂഷനുകൾ, അവയുടെ സംയോജനം എന്നിവയിലേക്കുള്ള മൈഗ്രേഷനുകൾ വർധിച്ചതായി ഞങ്ങൾ കാണുന്നു. ഓറാക്കിൾ, മൈക്രോസോഫ്റ്റ് തുടങ്ങിയ വെണ്ടർമാരിൽ നിന്നുള്ള (ഓപ്പൺ സോഴ്‌സ്, നോൺ റിലേഷണൽ ഡാറ്റാബേസ് മൈഗ്രേഷനുകൾ ഈ വിഭാഗത്തിൽ പെടുന്നു) എന്നിവയിൽ നിന്നുള്ള കനത്ത പിന്തുണാ കരാറുകൾ കുറയ്ക്കുന്നതിനുവേണ്ടിയാണോ അവ ഏറ്റെടുക്കുന്നത്, പ്രവർത്തനച്ചെലവ് കുറയ്ക്കുക എന്ന തലക്കെട്ടിന് കീഴിൽ ഗ്രൂപ്പുചെയ്യുന്നതാണ് ഈ സംരംഭങ്ങളുടെ പ്രാഥമിക ശ്രദ്ധ. ആളുകളുടെ എണ്ണം കുറയ്ക്കുക (PaaS സേവനങ്ങളിലേക്കുള്ള മൈഗ്രേഷൻ ഈ വിഭാഗത്തിൽ പെടുന്നു), അല്ലെങ്കിൽ കൂടുതൽ ഉദ്ദേശ്യത്തോടെ നിർമ്മിച്ച ഡാറ്റാബേസ് സൊല്യൂഷനിലേക്ക് മൈഗ്രേറ്റ് ചെയ്യുന്നതിലൂടെ പ്രകടന കാര്യക്ഷമത നേടുക.

ഡാറ്റാ മൈഗ്രേഷൻ ഇപ്പോൾ വലിയ തോതിൽ നടക്കുന്നുണ്ട്, അതിനാൽ ഈ പുതിയ ഡാറ്റാബേസ് സൊല്യൂഷനുകളിലേക്ക് മാറുമ്പോൾ, ഭാവിയിലെ സംസ്ഥാന പരിഹാരത്തിൻ്റെ കഴിവുകളും നിലവിലെ അവസ്ഥയും, ലൈസൻസിംഗിലെ ആഘാതം, പിന്തുണ കരാറുകൾ എന്നിവ ഉൾപ്പെടെ നിരവധി പരിഗണനകൾ ആവശ്യമാണ്. , കൂടാതെ ശരിയായ പരിഹാരങ്ങൾ വിന്യസിച്ചിട്ടുണ്ടെന്ന് ഉറപ്പാക്കാനുള്ള ഒരു രീതിയും. PaaS സൊല്യൂഷനുകൾ ചില മികച്ച നേട്ടങ്ങൾ നൽകുന്നുണ്ടെങ്കിലും, ആ സിസ്റ്റങ്ങൾ നിരീക്ഷിക്കാനും നിയന്ത്രിക്കാനും പ്രകടനം, ലഭ്യത, സുരക്ഷ എന്നിവയിൽ കാര്യക്ഷമത വർദ്ധിപ്പിക്കുന്നതിന് ആപ്ലിക്കേഷൻ ടീമുകളുമായി പ്രവർത്തിക്കാനും DBA-കൾ ഇപ്പോഴും ആവശ്യമാണ്. - മാർക്ക് കരുസോ, ചീഫ് ആർക്കിടെക്റ്റ്, പദവിന്യാസം

ഡാറ്റാബേസ് മാർക്കറ്റ് 1-ഓടെ $2025 ട്രില്യൺ ആയി വളരും. കഴിഞ്ഞ രണ്ട് പതിറ്റാണ്ടുകളായി, IBM, Oracle, SAP HANA എന്നിവയ്‌ക്കൊപ്പം ഡാറ്റാബേസ് വിപണിയിൽ ഇരുമ്പ് പിടിയുണ്ട്. ഗാർഡിൻ്റെ മാറ്റമാണ് ഞങ്ങൾ ഇപ്പോൾ കാണുന്നത്, ഇത് ഉപഭോക്താക്കൾക്ക് അവരുടെ ബിസിനസിന് ഏറ്റവും മികച്ചത് എന്താണെന്ന് തീരുമാനിക്കാനുള്ള ഓപ്ഷൻ നൽകുന്നു. 35-ൽ പബ്ലിക് ക്ലൗഡ് ഇൻഫ്രാസ്ട്രക്ചർ മാർക്കറ്റ് 120 ബില്യണിൽ 2021% വളരുമെന്ന് ഫോറസ്റ്റർ ചൂണ്ടിക്കാണിക്കുന്നു. ഡാറ്റാബേസ് മാർക്കറ്റ് ക്യാപ് 1 ഓടെ 2025 ട്രില്യൺ ഡോളറായി വളരുമെന്നും അടുത്ത ദശകത്തിൽ ഏഴ് മുതൽ 10 വരെ ശക്തമായ ഡാറ്റാബേസ് കമ്പനികൾ ഗണ്യമായി വളരുമെന്നും ഞാൻ പ്രവചിക്കുന്നു. . – രാജ് വർമ, സിഇഒ സിംഗിൾ സ്റ്റോർ

ഡാറ്റാ വെയർഹൗസുകൾ ചെയ്യുന്നതെന്തും അതിലേറെയും ചെയ്യാൻ ഡാറ്റാ തടാകത്തിന് കഴിയും: കംപ്യൂട്ടിൻ്റെയും ഡാറ്റയുടെയും വേർതിരിവ് ഡാറ്റാ തടാകങ്ങൾക്ക് ഡാറ്റാ വെയർഹൗസുകളെ അപേക്ഷിച്ച് നേട്ടങ്ങൾ നൽകുമ്പോൾ, ഡാറ്റാ വെയർഹൗസുകൾക്ക് ചരിത്രപരമായി ഡാറ്റാ തടാകങ്ങളേക്കാൾ മറ്റ് ഗുണങ്ങളുണ്ട്. എന്നാൽ ഡാറ്റ ടയറിലെ ഏറ്റവും പുതിയ ഓപ്പൺ സോഴ്‌സ് കണ്ടുപിടുത്തങ്ങൾക്കൊപ്പം അത് ഇപ്പോൾ മാറുകയാണ്. ഉദാഹരണത്തിന്, അപ്പാച്ചെ ഐസ്ബർഗ് ഇടപാട് സ്ഥിരത, റോൾബാക്ക്, ടൈം ട്രാവൽ എന്നിവ പോലുള്ള ഡാറ്റാ തടാകത്തിലെ പ്രധാന ഡാറ്റാ വെയർഹൗസ് പ്രവർത്തനം നൽകുന്ന ഒരു പുതിയ ടേബിൾ ഫോർമാറ്റാണ്, ഒരേ ഡാറ്റയിൽ ഒന്നിലധികം ആപ്ലിക്കേഷനുകളെ ഇടപാട് സ്ഥിരതയുള്ള രീതിയിൽ ഒരുമിച്ച് പ്രവർത്തിക്കാൻ പ്രാപ്തമാക്കുന്ന പുതിയ കഴിവുകൾ അവതരിപ്പിക്കുന്നു. മറ്റൊരു പുതിയ ഓപ്പൺ സോഴ്സ് പ്രോജക്റ്റ്, പ്രൊജക്റ്റ് നെസ്സി, ഡാറ്റ തടാകങ്ങൾക്കായി Git പോലെയുള്ള സെമാൻ്റിക്സ് നൽകിക്കൊണ്ട് ഐസ്ബർഗിൻ്റെയും ഡെൽറ്റ തടാകത്തിൻ്റെയും കഴിവുകളെ അടിസ്ഥാനമാക്കി നിർമ്മിക്കുന്നു. സ്പാർക്ക്, ഡ്രെമിയോ, കാഫ്ക, ഹൈവ് എന്നിവയുൾപ്പെടെ ഒന്നിലധികം ഉപയോക്താക്കളിൽ നിന്നും എഞ്ചിനുകളിൽ നിന്നുമുള്ള ഒരൊറ്റ ഇടപാട് പ്രവർത്തനക്ഷമമാക്കിക്കൊണ്ട് നെസ്സി അയഞ്ഞ-കപ്പിൾഡ് ഇടപാടുകൾ യാഥാർത്ഥ്യമാക്കുന്നു. - ടോമർ ഷിരാൻ, സഹസ്ഥാപകൻ ഡ്രെമിയോ

2021-ൽ മൂന്ന് പ്രധാന ട്രെൻഡുകൾ ഉയർന്നുവരും, മെറ്റാ-ഡാറ്റ ലെയറിൻ്റെ തിരിച്ചുവരവ്, ഉൾച്ചേർത്ത AI, ഓട്ടോമേറ്റഡ് അനലിറ്റിക്‌സ്, ബിസിനസ്സ് ഉപയോക്താക്കൾക്കായി പ്രത്യേകം രൂപകൽപ്പന ചെയ്‌തിരിക്കുന്ന പുതിയ ലളിതമായ അന്വേഷണ ഇൻ്റർഫേസുകൾ. മെറ്റാ ഡാറ്റ ലെയറുകളുടെ റിട്ടേൺ, അനലിറ്റിക് സൊല്യൂഷനുകളുടെ പ്രധാന അടിസ്ഥാന ഘടകങ്ങളായി, മെച്ചപ്പെട്ട ഭരണവും ഡാറ്റാ അസറ്റുകളുടെ വിപുലീകരണവും പിന്തുണയ്ക്കുന്നതിന് ആവശ്യമാണ്. സ്മാർട്ട് മെറ്റാ-ഡാറ്റ ലെയറുകളോടൊപ്പം, പുതിയ ലളിതമായ ഉപയോക്തൃ ഇൻ്റർഫേസുകൾ ഉയർന്നുവരും, ബിസിനസ്സ് ഉപയോക്താക്കൾക്ക് കൂടുതൽ ഗൈഡഡ് സമീപനത്തിൽ ഡാറ്റയുമായി ഇടപഴകാൻ അനുവദിക്കുകയും കുറഞ്ഞ വിശകലന വൈദഗ്ധ്യത്തോടെ ഉൾക്കാഴ്ചയ്ക്കുള്ള സമയം കുറയ്ക്കുകയും ചെയ്യുന്നു. AI, ഓട്ടോമേറ്റഡ് അനലിറ്റിക്‌സ് എന്നിവ എൻ്റർപ്രൈസ് ഡൊമെയ്‌നിൽ നിന്ന് സോഫ്റ്റ്‌വെയർ വെണ്ടർമാരിലേക്ക് മാറും, അവർ ഈ കഴിവുകൾ ഉൾച്ചേർക്കുകയും അവരുടെ ഉപഭോക്തൃ അടിത്തറ വഴി വൻതോതിൽ ദത്തെടുക്കൽ സാധ്യമാക്കുകയും ചെയ്യും. - ഗ്ലെൻ റാബി, സിഇഒ യെല്ലോഫിൻ

ഡാറ്റ എഞ്ചിനീയറിംഗ്

ഡാറ്റാ എഞ്ചിനീയറിലും ഡാറ്റ പൈപ്പ് ലൈനിലും കമ്പനികൾ വീണ്ടും നിക്ഷേപിക്കും. 2020-ൻ്റെ ഒരു ആഘാതം, ഒരുപാട് കമ്പനികൾ അതിജീവനം-ആദ്യ സമീപനത്തിലേക്ക് മാറി, ഇത് അവരുടെ ഡാറ്റാ സംയോജനത്തിലേക്ക് "ഗ്രാബ്-ആൻഡ്-ഗോ" മാനസികാവസ്ഥയിലേക്ക് നയിച്ചു. ബിസിനസ്സുകളുടെ അടിവരകൾ സ്ഥിരത കൈവരിക്കുകയും മാക്രോ ഇക്കണോമിക് തലത്തിൽ കൂടുതൽ പ്രവചനാത്മകത കാണുകയും ചെയ്യുന്നതിനാൽ, ഞങ്ങളുടെ പ്രവചനം 2021 ഡാറ്റാ എഞ്ചിനീയറുടെ വർഷമാണ്, കൂടാതെ കമ്പനികൾ ഡാറ്റയ്‌ക്കായി “ബിൽറ്റ് ടു ലാസ്റ്റ്” സമീപനത്തിലേക്ക് മടങ്ങാൻ പോകുകയാണ്. പൈപ്പ് ലൈനുകൾ. വീട്ടിലെ പൈപ്പുകളിലെ വെള്ളത്തിനായി "അവസാനിക്കാൻ നിർമ്മിച്ചത്" എന്നതിനർത്ഥം വെള്ളം എല്ലായ്പ്പോഴും ഓണാണ്, ശുദ്ധവും ശരിയായ താപനിലയുമാണ്. ഡാറ്റയ്‌ക്കായുള്ള "ബിൽറ്റ് ടു ലാസ്റ്റ്" എന്നതിനർത്ഥം നിങ്ങളുടെ ഡാറ്റ അനലിറ്റിക്‌സിൽ സമയബന്ധിതവും ആത്മവിശ്വാസവും ഉറപ്പാക്കാൻ നിങ്ങൾ സ്മാർട്ട് ഡാറ്റ പൈപ്പ് ലൈനുകൾ നിർമ്മിക്കുന്നു എന്നാണ്. – സ്ട്രീംസെറ്റുകൾ സിഇഒ ഗിരീഷ് പാഞ്ച

DevOps-ലേക്ക് കൂടുതൽ പരിശ്രമിക്കേണ്ടതിൻ്റെ ആവശ്യകത കമ്പനികൾ തിരിച്ചറിയും: “ഡെലിവറി പ്രക്രിയ സുരക്ഷിതമാക്കുന്നതും പരിശോധിക്കുന്നതും ഉൾപ്പെടെ, DevOps പൈപ്പ്ലൈനുകളിൽ ഇനിയും വളരെയധികം ജോലികൾ ചെയ്യേണ്ടതുണ്ട്. സോഫ്‌റ്റ്‌വെയർ ഡെവലപ്പർ കമ്മ്യൂണിറ്റിക്ക് അത് എവിടേക്കാണ് പോകേണ്ടതെന്ന് അറിയാം, പക്ഷേ ജോലിയും വഴിയിലെ തടസ്സങ്ങളും എല്ലായ്പ്പോഴും പ്രതീക്ഷിച്ചതിലും വലുതാണ്. ഇക്കാരണത്താൽ, ടൂളിങ്ങിൻ്റെയോ CI/CD പാറ്റേണുകളുടെയോ കാര്യത്തിൽ 2021-ൽ നമുക്ക് വലിയ മാറ്റങ്ങൾ കാണാൻ കഴിയുമെന്ന് എനിക്ക് സംശയമുണ്ട്. പകരം, കൂടുതൽ ആളുകൾ തങ്ങളുടെ DevOps പൈപ്പ്‌ലൈൻ, പ്രോസസ്സുകൾ, മൂല്യനിർണ്ണയം എന്നിവയിൽ കൂടുതൽ പരിശ്രമിക്കണമെന്ന് മനസ്സിലാക്കുന്നത് ഞങ്ങൾ കാണും. അവരുടെ CI/CD ഓട്ടോമേഷൻ ത്വരിതപ്പെടുത്തുന്നതിനും മെച്ചപ്പെടുത്തുന്നതിനും അവർ ഇരട്ടി-ഡൗൺ ചെയ്യും. ഈ പ്രക്രിയകൾ പക്വത പ്രാപിച്ചാൽ മാത്രമേ ഓർഗനൈസേഷനുകൾക്ക് അവരുടെ ഡെലിവറി രീതികളിലും ടൂളിംഗിലും വിശ്വാസമുണ്ടാകൂ. - ഫ്രെഡ് സൈമൺ, സഹസ്ഥാപകനും ചീഫ് ഡാറ്റ സയൻ്റിസ്റ്റും, ജെഫ്രോഗ്

ഡാറ്റ ഭരണം

2021-ൽ വർക്ക്ഫോഴ്സ് സൈബർ സുരക്ഷ പരിരക്ഷിക്കുന്നതിനായി ആക്സസ് ഗവേണൻസ് ഇൻ്റലിജൻസ് ഉപയോഗിച്ച് ഐടി നൽകും. എൻ്റർപ്രൈസ് സാങ്കേതികവിദ്യകളിലെ ത്വരിതഗതിയിലുള്ള മാറ്റങ്ങൾ, സൈബർ ഭീഷണികൾ, ഉപയോക്തൃ ലാൻഡ്സ്കേപ്പ് എന്നിവ പരമ്പരാഗത ഐഡൻ്റിറ്റി ഗവേണൻസ് ആൻഡ് അഡ്മിനിസ്ട്രേഷൻ (ഐജിഎ) സൊല്യൂഷനുകളിൽ സമ്മർദ്ദം വർദ്ധിപ്പിക്കുന്നു. വർദ്ധിച്ചുവരുന്ന പാലിക്കൽ അപകടസാധ്യതകൾക്ക് മുകളിൽ, എൻ്റർപ്രൈസ് ഐടി പരിതസ്ഥിതികൾ ഓരോ വർഷവും കൂടുതൽ സങ്കീർണ്ണമായിത്തീരുന്നു, കമ്പനികൾ ഉപയോക്തൃ ആക്സസ് നൽകുന്ന ആപ്ലിക്കേഷനുകളുടെയും സിസ്റ്റങ്ങളുടെയും എണ്ണം വർദ്ധിപ്പിക്കുന്നു. ആക്‌സസ് അഭ്യർത്ഥന, ആക്‌സസ് അംഗീകാരം, സർട്ടിഫിക്കേഷൻ, റോൾ മോഡലിംഗ് പ്രക്രിയകൾ എന്നിവ ലളിതമാക്കുകയും യാന്ത്രികമാക്കുകയും ചെയ്യുന്ന AI-അധിഷ്ഠിത പരിഹാരങ്ങൾ തേടാൻ ഓർഗനൈസേഷനുകളെ പ്രേരിപ്പിക്കുന്നതാണ് ഈ വെല്ലുവിളികൾ. 2021-ൽ, ഒരു സ്വയംഭരണ ഐഡൻ്റിറ്റി സമീപനം പ്രവർത്തനക്ഷമമാക്കാൻ AI കൂടുതലായി ഉപയോഗിക്കുന്നത് നമുക്ക് കാണാം.

എല്ലാ ഐഡൻ്റിറ്റി ഡാറ്റയും ശേഖരിക്കുകയും വിശകലനം ചെയ്യുകയും ചെയ്തുകൊണ്ട് സാന്ദർഭികവും എൻ്റർപ്രൈസ്-വൈഡ് ദൃശ്യപരത നൽകുന്നതും, സ്കെയിലിൽ ഉപയോക്തൃ ആക്‌സസ്സിൻ്റെ വിവിധ റിസ്ക് ലെവലുകളെക്കുറിച്ചുള്ള ഉൾക്കാഴ്ച പ്രാപ്തമാക്കുന്നതിലൂടെയും, നിലവിലുള്ള ഐജിഎ സൊല്യൂഷനുകൾക്ക് മുകളിൽ AI-ഇൻഫ്യൂസ്ഡ് ആധികാരികത, അംഗീകാര സൊല്യൂഷനുകൾ ലേയേർഡ് ചെയ്യപ്പെടും. ഉയർന്ന അപകടസാധ്യതയുള്ള ആക്‌സസ് അല്ലെങ്കിൽ നയ ലംഘനങ്ങളെക്കുറിച്ച് സുരക്ഷാ, കംപ്ലയിൻസ് ടീമുകളെ തിരിച്ചറിയാനും മുന്നറിയിപ്പ് നൽകാനും AI-യുടെ ഉപയോഗം സിസ്റ്റങ്ങളെ അനുവദിക്കും. കാലക്രമേണ, എൻ്റർപ്രൈസിനുള്ളിലെ ഏറ്റവും ബുദ്ധിമുട്ടുള്ള ചില സൈബർ സുരക്ഷാ വെല്ലുവിളികളുടെ ഓട്ടോമേഷൻ വർദ്ധിപ്പിക്കുമ്പോൾ ഈ AI സിസ്റ്റങ്ങൾ വിശദീകരിക്കാവുന്ന ഫലങ്ങൾ സൃഷ്ടിക്കുന്നത് ഞങ്ങൾ കാണും. – ഈവ് മലർ, CTO at ഫോർജ് റോക്ക്

AI ഗവേണൻസ് ചട്ടക്കൂടുകളുടെ ആഗോള നടപ്പാക്കൽ 2020-ൽ ആരംഭിക്കുന്നത് ഞങ്ങൾ കണ്ടു, അവിടെ സംരംഭങ്ങൾ AI ആപ്ലിക്കേഷനുകളുടെ ഫലത്തെക്കുറിച്ചുള്ള വിശദാംശങ്ങൾ ചോദിക്കുന്നു. AI ആപ്ലിക്കേഷനുകളുടെ ഉചിതമായ തലത്തിലുള്ള വിശദീകരണം ഉറപ്പാക്കുക, നല്ല നിലവാരമുള്ള ഡാറ്റ ഉപയോഗിക്കൽ, ഓഡിറ്റബിലിറ്റി ഉറപ്പാക്കൽ, ധാർമ്മികവും നീതിപൂർവകവും സുതാര്യവും, ഡാറ്റ സംരക്ഷണ ആവശ്യകതകൾ പാലിക്കൽ, ഫലപ്രദമായ സൈബർ സുരക്ഷാ നടപടികൾ നടപ്പിലാക്കൽ എന്നിവയും പ്രധാനമാണ്. AI ഗവേണൻസ് ചട്ടക്കൂടുകൾ നടപ്പിലാക്കുന്നത് നിലവിൽ സാമ്പത്തിക, ബാങ്കിംഗിൽ കൂടുതലായി കാണപ്പെടുന്നു, എന്നാൽ 2021 ൽ ഇത് കൂടുതൽ വ്യാപകമാകുന്നത് ഞങ്ങൾ കാണും.

ആരോഗ്യ സംരക്ഷണം, ഇ-കൊമേഴ്‌സ്, മൊബിലിറ്റി സേവനങ്ങൾ എന്നിവ പോലുള്ള മറ്റ് ലംബങ്ങൾ ഇത് ഒരു മത്സര വ്യത്യാസമായി ഉപയോഗിക്കാൻ തുടങ്ങും. ഉദാഹരണത്തിന്, ഹെൽത്ത് കെയർ പ്രൊവൈഡർമാർ ഡാറ്റ എങ്ങനെ ഉപയോഗിക്കുന്നു എന്നതും ആ ഡാറ്റ പരിരക്ഷിക്കുന്നതിൽ അവർ എങ്ങനെ ധാർമ്മികവും നീതിയുക്തവുമാണ് എന്നതിൽ കൂടുതൽ സുതാര്യത പുലർത്താൻ തുടങ്ങിയിരിക്കുന്നു. ബിസിനസ്സുകൾ വക്രതയ്ക്ക് മുന്നിൽ നിൽക്കാൻ ആഗ്രഹിക്കുന്നുവെങ്കിൽ, ഈ ആഗോള പ്രസ്ഥാനത്തിൽ ഒരു നേതാവായി തങ്ങളെത്തന്നെ നിലനിറുത്തുന്നതിന് അവർ ഇപ്പോൾ തന്നെ ധാർമ്മിക AI ചട്ടക്കൂടുകൾ വികസിപ്പിക്കാൻ തുടങ്ങണം. – മോഹൻ മഹാദേവൻ, വിപി ഓഫ് റിസർച്ച്, ഓൺഫിഡോ

ക്ലൗഡ് സുരക്ഷയിലും ഭരണത്തിലും AI ആക്കം കൂട്ടും. 2021-ൽ, അപാകതകൾ കണ്ടെത്തുന്നതിനും അതുവഴി സുരക്ഷാ ടീമുകൾക്കുള്ള സാധ്യതയുള്ള ഭീഷണികൾ ഫ്ലാഗുചെയ്യുന്നതിനും അപ്പുറത്തേക്ക് AI പോകും. ക്ലൗഡ് ഗവേണൻസ് വർദ്ധിച്ചുവരുന്ന സങ്കീർണ്ണമായ ഒരു ജോലിയാണ്, മാത്രമല്ല മനുഷ്യർക്ക് ഒറ്റയ്ക്ക് കൈകാര്യം ചെയ്യാൻ കഴിയാത്ത ഒരു ഘട്ടത്തിലേക്ക് അതിവേഗം എത്തിച്ചേരുകയും ചെയ്യുന്നു. വർക്ക്ഫ്ലോകൾ കാര്യക്ഷമമാക്കുകയും മാറ്റങ്ങൾ കൈകാര്യം ചെയ്യുകയും ആർക്കൈവ് ചെയ്യുകയും ചെയ്തുകൊണ്ട് ക്ലൗഡ് ശുചിത്വം നിലനിർത്താൻ വരും വർഷത്തിൽ AI-യെ കൂടുതലായി ആശ്രയിക്കും. AI ഉപയോഗിച്ച് ശരിയായ ക്ലൗഡ് ശുചിത്വം സ്ഥാപിക്കുകയും പരിപാലിക്കുകയും ചെയ്തുകഴിഞ്ഞാൽ, അത് ഒരു തന്ത്രപരമായ പ്രവചന വിജ്ഞാന ഉപകരണമായും ഉപയോഗിക്കും. ഭീഷണികളും കേടുപാടുകളും പ്രവചിക്കുന്നതിലൂടെയും അഭിസംബോധന ചെയ്യുന്നതിലൂടെയും, സംരംഭങ്ങളെ അവരുടെ ക്ലൗഡ് പരിതസ്ഥിതികൾക്ക് ഏറ്റവും മികച്ച ഫലം സൃഷ്ടിക്കാൻ AI സഹായിക്കും. AI-യെ ഒരു തന്ത്രപ്രധാനമായ ആസ്തിയായി ഉപയോഗിക്കുന്നത് CIO-കളെ അവരുടെ ക്ലൗഡ് പരിതസ്ഥിതികളെ കുറിച്ച്, ചെലവ് വിലയിരുത്തൽ, പാലിക്കൽ അപകടസാധ്യതകൾ എന്നിവയെ കുറിച്ച് അറിവുള്ള തീരുമാനങ്ങൾ എടുക്കാൻ പ്രാപ്തരാക്കും. - കീത്ത് നീൽസൺ, സാങ്കേതിക സുവിശേഷകൻ ക്ലൗഡ്സ്ഫിയർ

ഞങ്ങൾ 2021-ലേക്ക് നോക്കുമ്പോൾ, കോൺടാക്റ്റ് ട്രെയ്‌സിംഗ് (കോവിഡ്-19-നെ പ്രതിരോധിക്കുക), കണക്റ്റുചെയ്‌ത വാഹനങ്ങളും സ്‌മാർട്ട് ഉപകരണങ്ങളും (ഡാറ്റ ആരുടേതാണ്?), വ്യക്തിപരം എന്നിങ്ങനെ ഒന്നിലധികം മേഖലകളിൽ നൈതിക AI-യുടെയും ഡാറ്റാ ഭരണത്തിൻ്റെയും സംഭാഷണം പ്രയോഗിക്കുന്നത് ഞങ്ങൾ കാണും. സൈബർ പ്രൊഫൈലുകൾ (സ്വകാര്യത ചോദ്യങ്ങളിലേക്ക് നയിക്കുന്ന വർദ്ധിച്ച സൈബർ കാൽപ്പാടുകൾ). – സിണ്ടി മൈക്ക്, ഇൻഡസ്ട്രി സൊല്യൂഷൻസ് വിപി, ക്ലൗഡേറ

ഒരു മൾട്ടി-പരിസ്ഥിതി യാഥാർത്ഥ്യത്തിനായുള്ള ഡാറ്റാ ഗവേണൻസ്. ഓർഗനൈസേഷനുകൾ അവരുടെ എല്ലാ ഡാറ്റയും പരിസരത്ത് അല്ലെങ്കിൽ ഒരു ക്ലൗഡ് ദാതാവിനുള്ളിൽ പോലും സൂക്ഷിക്കുന്ന സമയം വളരെക്കാലം കഴിഞ്ഞു. ഇപ്പോൾ ഓർഗനൈസേഷനുകൾക്ക് ഡാറ്റ ഓൺ-പ്രിമൈസ് ഉണ്ട് കൂടാതെ അവരുടെ നിർദ്ദിഷ്ട ആവശ്യങ്ങളെ അടിസ്ഥാനമാക്കി നിരവധി ക്ലൗഡ് ദാതാക്കളുമായി പങ്കാളിത്തമുണ്ട്. ഈ യാഥാർത്ഥ്യം ഡാറ്റാ ഭരണത്തെ എങ്ങനെ സമീപിക്കണം എന്നതിനെക്കുറിച്ചുള്ള ഒരു "പുനർവിചിന്തനം" സൃഷ്ടിച്ചു. ഓർഗനൈസേഷനുകൾ അവരുടെ നിലവിലെ ഡാറ്റാ ഭരണത്തെ എങ്ങനെ ബാധിക്കുമെന്നും എന്താണ് ക്രമീകരിക്കേണ്ടത്, ക്ലൗഡിലെ ഡാറ്റയുടെ ഗുണനിലവാരം എങ്ങനെ നിരീക്ഷിക്കണം, ക്ലൗഡിനകത്തും പുറത്തും ഡാറ്റാ ചലനം എങ്ങനെ നിയന്ത്രിക്കണം (അതുമായി ബന്ധപ്പെട്ട വലിയ ചെലവ്) എന്നിവ നിർണ്ണയിക്കണം. – ടോഡ് റൈറ്റ്, എസ്എഎസിലെ ഡാറ്റാ മാനേജ്‌മെൻ്റ് ആൻഡ് ഡാറ്റ പ്രൈവസി സൊല്യൂഷൻസ് മേധാവി

ക്ലൗഡ് സുരക്ഷയിലും ഭരണത്തിലും AI ആക്കം കൂട്ടും. 2021-ൽ, അപാകതകൾ കണ്ടെത്തുന്നതിനും അതുവഴി സുരക്ഷാ ടീമുകൾക്കുള്ള സാധ്യതയുള്ള ഭീഷണികൾ ഫ്ലാഗുചെയ്യുന്നതിനും അപ്പുറത്തേക്ക് AI പോകും. ക്ലൗഡ് ഗവേണൻസ് വർദ്ധിച്ചുവരുന്ന സങ്കീർണ്ണമായ ഒരു ജോലിയാണ്, മാത്രമല്ല മനുഷ്യർക്ക് ഒറ്റയ്ക്ക് കൈകാര്യം ചെയ്യാൻ കഴിയാത്ത ഒരു ഘട്ടത്തിലേക്ക് അതിവേഗം എത്തിച്ചേരുകയും ചെയ്യുന്നു. വർക്ക്ഫ്ലോകൾ കാര്യക്ഷമമാക്കുകയും മാറ്റങ്ങൾ കൈകാര്യം ചെയ്യുകയും ആർക്കൈവ് ചെയ്യുകയും ചെയ്തുകൊണ്ട് ക്ലൗഡ് ശുചിത്വം നിലനിർത്താൻ വരും വർഷത്തിൽ AI-യെ കൂടുതലായി ആശ്രയിക്കും. AI ഉപയോഗിച്ച് ശരിയായ ക്ലൗഡ് ശുചിത്വം സ്ഥാപിക്കുകയും പരിപാലിക്കുകയും ചെയ്തുകഴിഞ്ഞാൽ, അത് ഒരു തന്ത്രപരമായ പ്രവചന വിജ്ഞാന ഉപകരണമായും ഉപയോഗിക്കും. ഭീഷണികളും കേടുപാടുകളും പ്രവചിക്കുന്നതിലൂടെയും അഭിസംബോധന ചെയ്യുന്നതിലൂടെയും, സംരംഭങ്ങളെ അവരുടെ ക്ലൗഡ് പരിതസ്ഥിതികൾക്ക് ഏറ്റവും മികച്ച ഫലം സൃഷ്ടിക്കാൻ AI സഹായിക്കും. AI-യെ ഒരു തന്ത്രപ്രധാനമായ ആസ്തിയായി ഉപയോഗിക്കുന്നത് CIO-കളെ അവരുടെ ക്ലൗഡ് പരിതസ്ഥിതികളെ കുറിച്ച്, ചെലവ് വിലയിരുത്തൽ, പാലിക്കൽ അപകടസാധ്യതകൾ എന്നിവയെ കുറിച്ച് അറിവുള്ള തീരുമാനങ്ങൾ എടുക്കാൻ പ്രാപ്തരാക്കും. - കീത്ത് നീൽസൺ, സാങ്കേതിക സുവിശേഷകൻ ക്ലൗഡ്സ്ഫിയർ

ഡാറ്റാ സയൻസ്

2020 ചില സ്ഥാപനങ്ങൾക്ക് ക്രൂരവും മറ്റുള്ളവയ്ക്ക് പ്രതിഫലദായകവും എല്ലാവർക്കും വെല്ലുവിളിയും ആയിരുന്നു. ഞങ്ങൾ 2021-ൽ പ്രവേശിക്കുമ്പോൾ, പിന്നോക്കാവസ്ഥയിലുള്ളവർക്ക് ഡിജിറ്റലായി സ്വയം പുനർനിർമ്മിക്കാനുള്ള അസ്തിത്വപരമായ അനിവാര്യതയുണ്ട്, മുൻനിര സ്ഥാപനങ്ങൾ ആവശ്യങ്ങളുമായി മുന്നോട്ട് പോകാൻ പാടുപെടുന്നു. പ്രവചനാതീതമായ ചെലവുകൾ, വിശ്വസനീയമായ പ്രകടനം, തത്സമയ ദൃശ്യപരത എന്നിവയ്‌ക്കൊപ്പം 100% ഡാറ്റ സംയോജനം ഈ സംരംഭങ്ങളെല്ലാം പ്രയോജനപ്പെടുത്തേണ്ടതുണ്ട്. – ബോണി ഹോലുബ്, പ്രാക്ടീസ് ലീഡ്, ഡാറ്റ സയൻസ്, അമേരിക്കയിൽ തെരദത

ഡാറ്റ ഡെമോക്രാറ്റൈസേഷൻ പുതിയ മാനദണ്ഡമായി മാറും. മുഴുവൻ ബിസിനസ്സിലുടനീളം വളർച്ചയുടെ വികാസം ഉറപ്പാക്കുക എന്നത് CDO യുടെ ജോലിയാണ്. ആളുകൾക്ക് യഥാർത്ഥത്തിൽ ഉപയോഗിക്കാനാകുന്ന ഘടനാപരമായ ഡാറ്റ നൽകുന്നതിലൂടെ ഇത് നേടാനാകും. ഒരു വിജയകരമായ CDO ഡാറ്റയെ ജനാധിപത്യവത്കരിക്കണം, അതിലൂടെ അത് ആളുകൾക്ക് ആക്സസ് ചെയ്യാവുന്നതും മനസ്സിലാക്കാവുന്നതുമാണ്. ആവശ്യമായ ഡാറ്റ കണ്ടെത്തുന്നതിന് ആവശ്യമായ ടൂളിംഗ് സൃഷ്ടിച്ചുകൊണ്ട് ഒരു നല്ല CTO സിഡിഒയെ പൂരകമാക്കും. ഇതിനർത്ഥം ഉപയോക്താക്കൾക്ക് സ്ഥിതിവിവരക്കണക്കുകൾ പ്രവർത്തിപ്പിക്കുന്നതിന് ഡാറ്റയ്ക്ക് ശേഷം ലഭിക്കാൻ അനുവദിക്കുന്ന ഒരു കൂട്ടം വിഷ്വലൈസേഷൻ ടൂളുകളും റിപ്പോർട്ടിംഗ് ടൂളുകളും നൽകുന്നു. ഞങ്ങൾ 2021-ലേക്ക് നീങ്ങുമ്പോൾ, ആവശ്യകതയാൽ നയിക്കപ്പെടുന്ന ഈ രണ്ട് റോളുകളും തമ്മിലുള്ള കൂടുതൽ കർശനമായ സഹകരണം ഞങ്ങൾ കാണുന്നത് തുടരും. നിങ്ങൾക്ക് മോശം ഡാറ്റയുള്ള ടൂളുകൾ ഉണ്ടെങ്കിൽ, നിങ്ങൾ ഡാറ്റാ വെല്ലുവിളി വർദ്ധിപ്പിക്കുകയാണ്. നിങ്ങൾക്ക് പരിമിതമായ ഉപകരണങ്ങൾ ഉണ്ടെങ്കിൽ, ഒരു ചെറിയ ഉപവിഭാഗത്തിന് മാത്രമേ ഡാറ്റ ഉപയോഗിച്ച് എന്തും ചെയ്യാൻ കഴിയൂ. – ഡെറക് ക്നുഡ്സെൻ, ചീഫ് ടെക്നോളജി ഓഫീസർ Alteryx

ഡാറ്റാ സയൻ്റിസ്റ്റുകളാകാൻ സിറ്റിസൺ അനലിസ്റ്റുകൾ കൂടുതൽ വൈദഗ്ധ്യം നേടും. മിക്ക വ്യവസായങ്ങളുടെയും കമ്പനികളുടെയും വർദ്ധിച്ചുവരുന്ന സങ്കീർണ്ണത അർത്ഥമാക്കുന്നത്, ഐടി പ്രക്രിയകൾ വികസിപ്പിക്കുന്നതിനോ അനലിറ്റിക്‌സ് ഉപയോഗിക്കുന്നതിനോ ഒരിക്കൽ നാം സ്വാശ്രയത്വം കണ്ടാൽ, ആ വൈദഗ്ദ്ധ്യം കൂടുതൽ വിപുലീകരിക്കാൻ പെട്ടെന്ന് ഒരു വലിയ മുന്നേറ്റമുണ്ടാകും. മാസം തോറും വിപണി ക്രമരഹിതമായി മാറുന്നതിനാൽ ഡാറ്റാ സയൻസിന് മുമ്പത്തേക്കാൾ കൂടുതൽ ഊന്നൽ നൽകും. ഇത്, കൂടുതൽ പൗര വിശകലന വിദഗ്ധരെ ഡാറ്റാ സയൻ്റിസ്റ്റുകളാകാനുള്ള വൈദഗ്ധ്യത്തിലേക്ക് നയിക്കും. - ഷർമിള മുള്ളിഗൻ, ചീഫ് സ്ട്രാറ്റജി ആൻഡ് മാർക്കറ്റിംഗ് ഓഫീസർ Alteryx

പൈത്തൺ ഡാറ്റ വിഷ്വലൈസേഷൻ ലൈബ്രറികൾ സമന്വയിപ്പിക്കും. ഒടുവിൽ പൈത്തൺ ഡാറ്റാ വിഷ്വലൈസേഷൻ ലൈബ്രറികൾ ഒരുമിച്ച് പ്രവർത്തിക്കുന്നത് ഞങ്ങൾ കാണാൻ തുടങ്ങി, ഈ പ്രവർത്തനം 2021-ൽ തുടരും. വർഷങ്ങളായി പൈത്തണിന് മികച്ച ചില വിഷ്വലൈസേഷൻ ലൈബ്രറികളുണ്ട്, എന്നാൽ ഉപയോക്താക്കൾക്ക് ബുദ്ധിമുട്ടുണ്ടാക്കുന്ന വൈവിധ്യങ്ങളും ആശയക്കുഴപ്പങ്ങളും ഉണ്ട്. ഉചിതമായ ഉപകരണങ്ങൾ തിരഞ്ഞെടുക്കുക. Datashader-ൻ്റെ സെർവർ സൈഡ് ബിഗ് ഡാറ്റ റെൻഡറിംഗ്, HoloViews-ൻ്റെ ലിങ്ക്ഡ് ബ്രഷിംഗ് എന്നിവ പോലെയുള്ള അനക്കോണ്ട വികസിപ്പിച്ച കഴിവുകൾ സമന്വയിപ്പിക്കാൻ നിരവധി വ്യത്യസ്ത ഓർഗനൈസേഷനുകളിലെ ഡെവലപ്പർമാർ പ്രവർത്തിക്കുന്നു. നടന്നുകൊണ്ടിരിക്കുന്ന പ്രവർത്തനങ്ങൾ 2021-ലും അതിനുശേഷവും ഈ സമന്വയത്തെ കൂടുതൽ സഹായിക്കും. - ജെയിംസ് എ. ബെഡ്നാർ, സീനിയർ മാനേജർ, ടെക്നിക്കൽ കൺസൾട്ടിംഗ്, അനക്കോണ്ട

ഡാറ്റാ സയൻ്റിസ്റ്റുകൾക്ക് ബിസിനസ്സ് കഴിവുകൾ എന്നത്തേക്കാളും നിർണായകമാകും. ബിസിനസ്സ് സ്വാധീനത്തിനായുള്ള പ്രവർത്തനക്ഷമമായ ഉൾക്കാഴ്ചയിലേക്ക് ഡാറ്റ ഉൾക്കാഴ്ചയും പ്രവചനാത്മക മോഡലിംഗും വിവർത്തനം ചെയ്യുന്നതിന് ഡാറ്റ ശാസ്ത്രജ്ഞർ ബിസിനസ്സിൻ്റെ ഭാഷ സംസാരിക്കേണ്ടതുണ്ട്. സാങ്കേതിക ഉടമകൾക്ക് സാങ്കേതികവിദ്യയിലേക്കുള്ള പ്രവേശനം ലളിതമാക്കേണ്ടതുണ്ട്, അതുവഴി സാങ്കേതിക, ബിസിനസ്സ് ഉടമകൾക്ക് ഒരുമിച്ച് പ്രവർത്തിക്കാനാകും. ഡാറ്റാ സയൻ്റിസ്റ്റുകളുടെ ഊന്നൽ അവർക്ക് എത്ര വേഗത്തിൽ കാര്യങ്ങൾ നിർമ്മിക്കാൻ കഴിയും എന്നതിന് മാത്രമല്ല, ബാക്കിയുള്ള ബിസിനസ്സുമായി അവർക്ക് എത്ര നന്നായി സഹകരിക്കാനാകും എന്നതിലായിരിക്കും. - ഫ്ലോറിയൻ ഡൗട്ടെ, സിഇഒയും സഹസ്ഥാപകനും ഡാറ്റികു

സ്വയം-സേവനം സ്വയം പര്യാപ്തതയിലേക്ക് പരിണമിച്ചു: ഒരു വെർച്വൽ ലോകത്ത്, സ്വയം-സേവനം വികസിക്കേണ്ടതുണ്ട്. നിർദ്ദേശ മാനുവലുകൾ ഇല്ലാതിരിക്കുകയും ഉപയോക്താവിൻ്റെ കൈ പിടിക്കാൻ ആരുമില്ലാതിരിക്കുകയും ചെയ്യുമ്പോൾ, വേഗതയേറിയതും അവബോധജന്യവുമായ റാംപ്-അപ്പ് ദത്തെടുക്കലിനുള്ള ഒരു ശുചിത്വ ഘടകമായി മാറുന്നു, ഒപ്പം നിർബന്ധിത ഉപയോക്തൃ ഇൻ്റർഫേസുകൾ മേലിൽ നല്ലതായിരിക്കില്ല. എന്നാൽ ഉപയോക്താക്കൾ പലപ്പോഴും സ്വയം സേവിക്കാൻ ആഗ്രഹിക്കുന്നില്ലെന്നും ഞങ്ങൾ കണ്ടു; അവർക്ക് ഉൾക്കാഴ്ചകൾ വരുമെന്ന് അവർ കൂടുതലായി പ്രതീക്ഷിക്കുന്നു. തൽഫലമായി, വർദ്ധിപ്പിച്ച ഉപഭോക്താക്കൾക്കായി ഞങ്ങൾ കൂടുതൽ സൂക്ഷ്മ സ്ഥിതിവിവരക്കണക്കുകളും സ്റ്റോറികളും കാണും. കൂടാതെ, ഡാറ്റ പലപ്പോഴും അവഗണിക്കപ്പെടുന്നു. ഡാറ്റ, സ്ഥിതിവിവരക്കണക്കുകൾ, ബിസിനസ്സ് ലോജിക് എന്നിവ നേരത്തേയും കൂടുതൽ അവബോധജന്യമായും ആക്സസ് ചെയ്യാൻ ഉപയോക്താക്കളെ ശാക്തീകരിക്കുന്നത് വിഷ്വലൈസേഷൻ സെൽഫ് സർവീസിൽ നിന്ന് ഡാറ്റ സ്വയം പര്യാപ്തതയിലേക്കുള്ള നീക്കത്തെ പ്രാപ്തമാക്കും. AI ഇവിടെ ഒരു പ്രധാന പങ്ക് വഹിക്കും, മൈക്രോ-ഇൻസൈറ്റുകൾ പുറത്തെടുക്കുകയും സ്ക്രിപ്റ്റഡ്, ആളുകളെ അടിസ്ഥാനമാക്കിയുള്ള പ്രക്രിയകളിൽ നിന്ന് കൂടുതൽ ഓട്ടോമേറ്റഡ്, ലോ-കോഡ്, കോഡ് ഡാറ്റ തയ്യാറാക്കൽ, അനലിറ്റിക്സ് എന്നിവയിലേക്ക് മാറാൻ ഞങ്ങളെ സഹായിക്കുകയും ചെയ്യും. മൂല്യ ശൃംഖലയിൽ കൂടുതൽ ആളുകൾക്ക് ഡാറ്റ ഉപയോഗിച്ച് സ്വയം പര്യാപ്തരാകാൻ കഴിയുമെങ്കിൽ, അപാകതകൾ നേരത്തെ കണ്ടെത്താനും പ്രശ്നങ്ങൾ വേഗത്തിൽ പരിഹരിക്കാനും കഴിയും. - ഡാൻ സോമർ, സീനിയർ ഡയറക്ടർ, ഗ്ലോബൽ മാർക്കറ്റ് ഇൻ്റലിജൻസ് ലീഡ് ക്ലിക്ക്

ചരിത്രപരമായി കമ്പനികൾ "ഡാറ്റ സയൻ്റിസ്റ്റുകൾ" ആയ ആളുകൾക്ക് വളരെയധികം മൂല്യം നൽകുന്നു. മുന്നോട്ട് പോകുമ്പോൾ, വിദഗ്ധരായ ആളുകളെ നിയമിക്കേണ്ടത് ആവശ്യമാണ് ഡാറ്റ ശേഖരണം. AI മോഡലുകൾ പ്രവർത്തിക്കുന്നതിന്, വലിയ അളവിലുള്ള ഡാറ്റ ആവശ്യമാണ്, കൂടാതെ, നിർണായകമായ ഡാറ്റ ഇപ്പോഴും പല സ്ഥാപനങ്ങളിലും സിലോസിൽ വസിക്കുന്നു; അതിനാൽ, വിവരശേഖരണത്തിൽ വൈദഗ്ധ്യമുള്ള വ്യക്തികൾക്ക് ആവശ്യക്കാർ കൂടുതലായിരിക്കും. – ക്ലാര അങ്ങോട്ടി, പ്രസിഡൻ്റ് അടുത്ത പാത

ഒരു COVID-19 വാക്സിൻ വികസിപ്പിക്കുന്നതിൽ ഡാറ്റ ശാസ്ത്രജ്ഞർ നിർണായക പങ്ക് വഹിക്കും. ഒരു വാക്സിൻ വികസിപ്പിക്കുന്നത് മുതൽ പരീക്ഷണങ്ങളുടെയും വിന്യാസത്തിൻ്റെയും വിശകലനം വരെ, ഞങ്ങൾ ഒരു പ്രതിരോധ പരിഹാരം കണ്ടെത്തിയിട്ടുണ്ടോ എന്നറിയുന്നതിനുള്ള താക്കോലായിരിക്കും ഡാറ്റ. ആദ്യത്തെ പ്രായോഗിക വാക്‌സിൻ ഉൽപ്പാദിപ്പിക്കുന്നതിൽ പരമ്പരാഗതമായി പരിശീലനം ലഭിച്ച ശാസ്ത്രജ്ഞരെപ്പോലെ ഡാറ്റാ ശാസ്ത്രജ്ഞരും പ്രധാനമാണ്. വാക്സിനുകളുടെ വികസനം ത്വരിതപ്പെടുത്തുന്നതിന്, ആളുകൾക്ക് ആ ഡാറ്റ കൈകാര്യം ചെയ്യാനും തീരുമാനങ്ങൾ എടുക്കാനും വിശ്വസിക്കാനും കഴിയണം. വേഗത നിർണായകമാണെന്ന് അറിയുന്നത്, ഡാറ്റ ചാപല്യം ആവശ്യമാണ്, പുതിയ ഓട്ടോമേറ്റഡ് സിസ്റ്റങ്ങൾ പുതിയ കണ്ടുപിടുത്തങ്ങൾ പ്രാപ്തമാക്കും, ആത്യന്തികമായി ഒരു വാക്സിനിലേക്ക് നയിക്കും. വാക്സിൻ വിതരണം ത്വരിതപ്പെടുത്തുന്നതിന് ഡാറ്റ കൈകാര്യം ചെയ്യുന്നതിൽ വളരെയധികം ചടുലതയും ഓട്ടോമേഷനും ആവശ്യമാണ്. – ഇൻഫോ വർക്ക്സ് സിഇഒ ബുനോ പതി.

ഡാറ്റ ലോകത്തെ ഭരിക്കുന്നത് തുടരുമ്പോൾ, യഥാർത്ഥ മത്സര നേട്ടത്തിനായി ആ ഡാറ്റ പ്രയോജനപ്പെടുത്താൻ ഓർഗനൈസേഷനുകൾ ഇപ്പോഴും പാടുപെടുകയാണ്. ഡാറ്റ കൈകാര്യം ചെയ്യുന്നതിനും വ്യാഖ്യാനിക്കുന്നതിനുമുള്ള കഴിവ് വ്യാപകമായി പ്രോത്സാഹിപ്പിക്കുന്നതിനായി സിറ്റിസൺ ഡാറ്റ സയൻസ് മൂവ്‌മെൻ്റ് ഉയർന്നുവന്നു. എന്നാൽ ഇതിലും നല്ല മാർഗമുണ്ടോ? ഒരു സിസ്റ്റത്തിൽ എവിടെയോ സ്ഥിതിചെയ്യുന്ന അസംസ്‌കൃത വിവരണമില്ലാത്ത ഡാറ്റ വളരെ സഹായകരമല്ല എന്നതിനാൽ ആളുകളെ പരിഹരിക്കുന്നതിനുപകരം ഡാറ്റയിലേക്ക് ബിസിനസ്സ് അർത്ഥം കൊണ്ടുവരികയും ഡാറ്റ നന്നാക്കുകയും ചെയ്യുന്നതല്ലേ മികച്ചത് (എളുപ്പവും). - കെൻഡൽ ക്ലാർക്ക്, എൻ്റർപ്രൈസ് നോളജ് ഗ്രാഫ് പ്ലാറ്റ്ഫോം ഡെവലപ്പറുടെ സ്ഥാപകനും സിഇഒയും, സ്റ്റാർഡോഗ്

ഡാറ്റാ സയൻസിനായുള്ള ആർക്കിടെക്‌റ്റിംഗിൻ്റെ ഒരു ഉയർച്ച ഞങ്ങൾ കാണും: ബിസിനസ്സ് ബുദ്ധിയും ചടുലതയും മെച്ചപ്പെടുത്താൻ നോക്കുമ്പോൾ ഡാറ്റ മാനേജ്‌മെൻ്റ് മാസ്റ്ററിംഗ് പല ഐടി ഗ്രൂപ്പുകളുടെയും മനസ്സിൽ പ്രധാനമായിരിക്കും. ഇക്കാരണത്താൽ, ഡാറ്റാ സയൻസ് - ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ്, മെഷീൻ ലേണിംഗ്, ഓട്ടോമേഷൻ, ഡാറ്റാ തടാകങ്ങൾ എന്നിവയും മറ്റും അഭിവൃദ്ധി പ്രാപിക്കുന്ന കുടക്കീഴിൽ 2021-ൽ വൻ വളർച്ച കൈവരിക്കും. ഗ്രോസറി ഷോപ്പിംഗിനെ രൂപാന്തരപ്പെടുത്തുന്നത് മുതൽ, ക്ലൗഡിൽ ശക്തമായ കമ്പ്യൂട്ടിംഗ് പ്രയോജനപ്പെടുത്തുന്നത് വരെ, ഡാറ്റാധിഷ്ഠിത സ്വഭാവങ്ങൾ വിശകലനം ചെയ്യുന്നത് വരെ മീഡിയ പ്രൊഡക്ഷൻ മോഡലുകൾ മെച്ചപ്പെടുത്തുക, മത്സരാധിഷ്ഠിതമായി തുടരാൻ പലർക്കും ഡാറ്റ സയൻസ് നേതൃത്വം നൽകും. സ്വന്തമായി പ്രൊവിഷൻ ചെയ്യാൻ വളരെ ചെലവേറിയതാണ്, ഈ കമ്പനികളിൽ പലതും അവരുടെ ഡാറ്റാ സയൻസ് പ്രോജക്ടുകൾ സബ്‌സ്‌ക്രിപ്‌ഷൻ മോഡൽ ഉപയോഗിച്ച് മൂന്നാം കക്ഷികൾക്ക് ഔട്ട്‌സോഴ്‌സ് ചെയ്യും. - ഡസ്റ്റിൻ മിൽബെർഗ്, ഫീൽഡ് CTO ക്ലൗഡ് സേവനങ്ങൾ ഇന്റർവിഷൻ

ഡാറ്റാ സയൻ്റിസ്റ്റുകളുടെ മുഴുവൻ സാധ്യതകളും തുറന്നുകാട്ടാൻ നിങ്ങളുടെ പൈപ്പ്ലൈനുകൾ ഓട്ടോമേറ്റ് ചെയ്യുക: ഡാറ്റാ സയൻ്റിസ്റ്റുകൾ ഡാറ്റ തയ്യാറാക്കൽ, ഫീച്ചർ എഞ്ചിനീയറിംഗ്, മോഡലിംഗ് തുടങ്ങിയ ജോലികളിൽ പലപ്പോഴും തിരക്കിലാണ്. ഈ ഘട്ടങ്ങൾ ഓട്ടോമേറ്റ് ചെയ്യാൻ സഹായിക്കുന്ന ടൂളുകൾ ഉപയോഗിച്ച് ഈ ടാസ്‌ക്കുകൾ വർദ്ധിപ്പിക്കുമ്പോൾ, ഡാറ്റാ സയൻ്റിസ്റ്റുകൾ കൂടുതൽ ആഴത്തിലുള്ളതും തന്ത്രപരവുമായ സമീപനങ്ങൾക്കായി ചിലവഴിക്കുന്ന പതിവ് ടാസ്‌ക്കുകളിൽ വ്യാപാരം ചെയ്യുന്നത് ഞങ്ങൾ കാണും, അത് അവരെ അമൂല്യമായ ഉറവിടങ്ങളാക്കി മാറ്റും. അഡ്-ഹോക്ക് വിശകലനങ്ങൾ കൂടുതൽ കാര്യക്ഷമമായി ആവർത്തിക്കാൻ കഴിയുന്ന തരത്തിൽ ബിസിനസ്സ് AI സൊല്യൂഷനുകളുടെ കൂടുതൽ ചിട്ടയായ നിർവ്വഹണങ്ങൾ കാണാൻ ഞങ്ങൾ പ്രതീക്ഷിക്കുന്നു. – ജസ്റ്റിൻ സിൽവർ, പിഎച്ച്.ഡി. ഒരു AI സ്ട്രാറ്റജിസ്റ്റ് PROS

ആഴത്തിലുള്ള പഠനം

സ്റ്റാർട്ടപ്പുകളിലും എൻ്റർപ്രൈസസുകളിലും ഡീപ് ലേണിംഗ് അടിസ്ഥാനമാക്കിയുള്ള എൻ്റർപ്രൈസ് സൊല്യൂഷനുകൾ സ്വീകരിക്കുന്നത് ക്രമാനുഗതമായ മുന്നേറ്റം കാണും. പ്രധാന തടസ്സം ജിപിയു ഉദാഹരണങ്ങൾ വാങ്ങുന്നതിനുള്ള ചെലവുകളും ഉയർന്ന ചെലവുള്ള മനുഷ്യവിഭവശേഷിയുമാണ്. – സന്ദീപ് റെഡ്ഡി മല്ലു, അനലിറ്റിക്സ് മേധാവി ഗ്രാമനർ

BERT, GPT-3 മുതലായ ട്രാൻസ്‌ഫോർമർ ഭാഷാ മോഡലുകളിലെ മുന്നേറ്റങ്ങളിലൂടെ നാച്ചുറൽ ലാംഗ്വേജ് പ്രോസസിംഗിലെ ഗവേഷണവും വികസനവും സമീപ വർഷങ്ങളിൽ നാം കണ്ടതുപോലെ, അത്യാധുനിക പ്രകടനം കൈവരിക്കുമ്പോൾ, അവയ്ക്ക് വലിയ ഡാറ്റാസെറ്റുകൾ ആവശ്യമാണ്. കൂടാതെ ഗണ്യമായ കാർബൺ കാൽപ്പാടുകളുള്ള പരിശീലനത്തിനും അനുമാനത്തിനുമുള്ള വലിയ അളവിലുള്ള കമ്പ്യൂട്ടേഷണൽ ഉറവിടങ്ങൾ. കാർബൺ ബഹിർഗമനത്തെക്കുറിച്ചുള്ള ആശങ്കകൾ പരിഹരിക്കാൻ പുതിയ മോഡൽ ആർക്കിടെക്ചറുകളും പരിശീലന സാങ്കേതിക വിദ്യകളും ഉപയോഗിച്ച് കൂടുതൽ ശ്രമങ്ങളും ഗവേഷണങ്ങളും പുറത്തുവരുന്നത് ഞങ്ങൾ കാണും, വളരെ നീണ്ട പരിശീലന സമയങ്ങൾ, ഈ മുന്നേറ്റങ്ങൾ കൂടുതൽ ആക്സസ് ചെയ്യുന്നതിനായി ഫലപ്രദമായ മോഡലുകൾ കണക്കാക്കുക; പെർഫോമർമാർ വിത്ത് ഫാസ്റ്റ് അറ്റൻഷൻ പോലെയുള്ള സമീപകാല മോഡലുകൾ ഈ ദിശയിലേക്ക് നീങ്ങാൻ ഉത്തേജകമായി വർത്തിക്കും. – കവൻ ശുക്ല, ഡാറ്റാ സയൻ്റിസ്റ്റ്, ഫിൻ AI

ഹാർഡ്വെയർ

AI- നിർദ്ദിഷ്‌ട ഹാർഡ്‌വെയറിൻ്റെ ഉയർച്ചയ്‌ക്കൊപ്പം ഹാർഡ്‌വെയറും സോഫ്റ്റ്‌വെയറും ഒത്തുചേരുന്നു. M1 ചിപ്പിൻ്റെ ആപ്പിളിൻ്റെ പ്രഖ്യാപനം കാണിക്കുന്നത് പോലെ, ഉദ്ദേശ്യം-ബിൽറ്റ് ഹാർഡ്‌വെയർ കൂടുതൽ മുഖ്യധാരയായി മാറുകയാണ്, അതായത് ആളുകൾ തങ്ങൾ പ്രവർത്തിക്കുന്ന യഥാർത്ഥ ഹാർഡ്‌വെയറിനെക്കുറിച്ച് മുമ്പ് ചെയ്തതിനേക്കാൾ കൂടുതൽ ചിന്തിക്കാൻ തുടങ്ങും-ഡാറ്റാ ശാസ്ത്രജ്ഞർ ഉൾപ്പെടെ. ML-നിർദ്ദിഷ്‌ട ഹാർഡ്‌വെയറിൻ്റെ വർദ്ധനവ് പ്രകടന മെച്ചപ്പെടുത്തലിലേക്ക് നയിച്ചേക്കാം, മാത്രമല്ല മോഡൽ വിന്യാസത്തിൽ മറ്റൊരു വേരിയബിളും നൽകുന്നു. ക്ലൗഡ്, മൊബൈൽ പരിതസ്ഥിതികളിൽ ഇത് പ്രത്യേകിച്ച് സ്വാധീനം ചെലുത്തും. ഇത് ഹാർഡ്‌വെയറിനും സോഫ്‌റ്റ്‌വെയറിനുമിടയിൽ പരമ്പരാഗതമായി നിലനിന്നിരുന്ന ഭിത്തിയെ കൂടുതൽ തകർക്കും, AI ഉപയോഗ കേസുകൾ നയിക്കുന്നു. - കെവിൻ ഗോൾഡ്‌സ്മിത്ത്, സിടിഒ, അനക്കോണ്ട

2012 മുതൽ AI കമ്പ്യൂട്ട് പവർ മൂറിൻ്റെ നിയമത്തിൻ്റെ 5 മടങ്ങ് വർദ്ധിച്ചു, ഓരോ 3.5 മാസത്തിലും ഏകദേശം ഇരട്ടിയായി. നമ്മുടെ ദൈനംദിന ജീവിതത്തെ സ്വാധീനിക്കുന്ന AI എഞ്ചിനുകൾക്ക് മുകളിൽ നിർമ്മിച്ച ആപ്ലിക്കേഷനുകളുടെ വർദ്ധിച്ചുവരുന്ന എണ്ണം കണക്കിലെടുക്കുമ്പോൾ - ചിലത് മാനവികതയ്ക്ക് മൊത്തത്തിൽ പോലും നിർണായകമാണ് (ഉദാ. മോഡലിംഗും കാലാവസ്ഥാ വ്യതിയാനം പരിഹരിക്കലും), ഈ പ്രകടന സ്കെയിലിംഗ് പൊരുത്തക്കേടിന് പരിഹാരം കണ്ടെത്തുന്നത് എല്ലാ ഗുരുതരമായ കെട്ടുകഥകളിലും ഉയർന്നതാണ്. ചിപ്പ് നിർമ്മാണ കമ്പനിയുടെ മുൻഗണനാ പട്ടിക. 2021-ൽ മൂറിൻ്റെ നിയമം എങ്ങനെ മനസ്സിലാക്കുന്നു എന്നതിലെ മാറ്റങ്ങളുടെ ആവശ്യകത കൂടുതൽ വ്യക്തമാകും. വർഷാവർഷം പ്രകടന മെച്ചപ്പെടുത്തലുകൾ ലഭിക്കുന്നതിന് കൂടുതൽ കാര്യക്ഷമമായ സോഫ്‌റ്റ്‌വെയർ എഴുതുന്നതിനെ കുറിച്ച് സംസാരിക്കുന്നതാണ് ഏറ്റവും പുതിയ പ്രവണത. ഇതൊരു അപകടകരമായ പന്തയമാണ്, കാരണം അടിസ്ഥാനപരമായി പുതിയ അൽഗോരിതങ്ങളുടെ വികസനം ഒരു ഷെഡ്യൂളിൽ നടക്കില്ല, അതിനാൽ പരമ്പരാഗത അർദ്ധചാലക ടിക്ക്-ടോക്ക് അഡ്വാൻസ്‌മെൻ്റ് ഷെഡ്യൂളുമായി പൊരുത്തപ്പെടുന്നില്ല. അടിസ്ഥാനമായ കമ്പ്യൂട്ട് സാങ്കേതികവിദ്യകളും മെച്ചപ്പെടണം. വരും വർഷത്തിലും മാറ്റങ്ങളും മെച്ചപ്പെടുത്തലുകളും ഞങ്ങൾ തുടർന്നും കാണും. - നിക്ക് ഹാരിസ്, സിഇഒയും സഹസ്ഥാപകനും ലൈറ്റ്മാറ്റർ

ഇൻ-മെമ്മറി കമ്പ്യൂട്ടിംഗ്

2021-ൽ, COVID-19 ത്വരിതപ്പെടുത്തിയതും കർശനമായ നിയന്ത്രണങ്ങളും, വളർന്നുവരുന്ന ഓൺലൈൻ-ഡിജിറ്റൽ സമ്പദ്‌വ്യവസ്ഥയിൽ അഭിവൃദ്ധി പ്രാപിക്കാൻ എൻ്റർപ്രൈസുകൾ അവരുടെ ഡാറ്റാ പരിവർത്തന സംരംഭങ്ങൾ തുടരും. ഡാറ്റാധിഷ്ഠിത പ്രവർത്തനങ്ങൾ ഒപ്റ്റിമൈസ് ചെയ്യാനും പുതിയ സേവനങ്ങളും ആപ്ലിക്കേഷനുകളും വേഗത്തിൽ അവതരിപ്പിക്കാനും എൻ്റർപ്രൈസസ് അമിത വേഗത, ക്ലൗഡ് ചാപല്യം, പ്രവർത്തന വിശകലനം എന്നിവ സ്വീകരിക്കും.

ഡിജിറ്റൽ ഇൻ്റഗ്രേഷൻ ഹബ് എന്നറിയപ്പെടുന്ന ക്ലൗഡ്-നേറ്റീവ് ഡാറ്റ ഫാബ്രിക്കിനെ അടിസ്ഥാനമാക്കിയുള്ള സാങ്കേതിക സൊല്യൂഷനുകൾ, ഓർഗനൈസേഷനുകളെ അവരുടെ ഡിജിറ്റൽ, അനലിറ്റിക്കൽ ആവശ്യകതകൾ നിറവേറ്റുന്നതിനായി റെക്കോർഡുകളുടെയും ഡാറ്റാബേസുകളുടെയും ലെഗസി സിസ്റ്റങ്ങളിൽ നിന്ന് ഓഫ്‌ലോഡ് ചെയ്യാനും ഡീകപ്പിൾ ചെയ്യാനും അനുവദിക്കും. അവരുടെ നിലവിലുള്ള-ദൗത്യ-നിർണ്ണായക സംവിധാനങ്ങളിൽ നിന്ന് പൂർണ്ണമായും വ്യതിചലിക്കേണ്ടതുണ്ട്. ഇൻ-മെമ്മറി സ്പീഡ്, അനലിറ്റിക്സ്, ബിഐ എന്നിവയുടെ സ്കെയിൽ അവതരിപ്പിക്കുന്നത് പുതിയ ഡാറ്റയുടെ തത്സമയ റിപ്പോർട്ടിംഗും ദൃശ്യവൽക്കരണവും പ്രോത്സാഹിപ്പിക്കുകയും ലോൺ അംഗീകാരങ്ങൾ, തട്ടിപ്പ് വിശകലനം, ഉപഭോക്താവ് തുടങ്ങിയ ഓൺലൈൻ സേവനങ്ങൾക്കായി കൂടുതൽ കൃത്യമായ തത്സമയ ഡാറ്റ ഉപയോഗിക്കാൻ ML മോഡലുകളെ പ്രാപ്തമാക്കുകയും ചെയ്യും. 360 കഴിവുകൾ. സങ്കീർണ്ണമായ ഡാറ്റയും അനലിറ്റിക്‌സ് പ്രവർത്തനങ്ങളും യാന്ത്രികമാക്കുന്നതിനും കാര്യക്ഷമമാക്കുന്നതിനും AIOps ശ്രദ്ധ കേന്ദ്രീകരിക്കുകയും വിന്യസിക്കുകയും ചെയ്യും. – ആദി പാസ് – സിഇഒ – GigaSpaces 

2020-ൽ, കൊവിഡ്-19 പാൻഡെമിക് നിരവധി ബിസിനസുകളെ, പ്രത്യേകിച്ച് ഫുഡ് ഡെലിവറി, ഇ-കൊമേഴ്‌സ്, ലോജിസ്റ്റിക്‌സ്, റിമോട്ട് ആക്‌സസ്, സഹകരണ സേവനങ്ങൾ എന്നിവയിൽ, വെബ്‌സൈറ്റ് സന്ദർശകരുടെ കുതിച്ചുചാട്ടത്തിൻ്റെ പശ്ചാത്തലത്തിൽ ഉയർന്ന ആപ്ലിക്കേഷൻ പ്രകടനം നിലനിർത്തുന്നതിന് അടിസ്ഥാന സൗകര്യങ്ങൾ നാടകീയമായി വികസിപ്പിക്കാനും നവീകരിക്കാനും പ്രേരിപ്പിച്ചു. ഡെലിവറി അഭ്യർത്ഥനകൾ, വിൽപ്പന ഇടപാടുകൾ, വീഡിയോ സ്ട്രീമിംഗ് എന്നിവയും അതിലേറെയും. ആപ്ലിക്കേഷൻ ത്രൂപുട്ട് വർദ്ധിപ്പിക്കുന്നതിനൊപ്പം പ്രകടനം നിലനിർത്തുന്നതിനോ മെച്ചപ്പെടുത്തുന്നതിനോ ഉള്ള ഏറ്റവും വേഗതയേറിയ സമീപനം ഡിസ്ട്രിബ്യൂട്ടഡ് ഇൻ-മെമ്മറി ഡാറ്റ ഗ്രിഡ് (IMDG) വിന്യസിക്കുക എന്നതാണ് - അപ്പാച്ചെ ഇഗ്നൈറ്റ് പോലുള്ള ഇൻ-മെമ്മറി കമ്പ്യൂട്ടിംഗ് പ്ലാറ്റ്‌ഫോം ഉപയോഗിച്ച് നിർമ്മിച്ചത് - ഈ ബിസിനസ്സുകളിൽ പലതും കണ്ടെത്തി. നിലവിലുള്ള ഒരു ആപ്ലിക്കേഷനും ഡിസ്ക് അധിഷ്‌ഠിത ഡാറ്റാബേസിനും ഇടയിൽ വലിയ മാറ്റങ്ങളൊന്നുമില്ലാതെ. RAM-ൽ ആപ്ലിക്കേഷൻ ഡാറ്റ കാഷെ ചെയ്യുന്നതിലൂടെയും സെർവർ നോഡുകളുടെ ഒരു വിതരണം ചെയ്ത ക്ലസ്റ്ററിലുടനീളം വൻതോതിൽ പാരലൽ പ്രോസസ്സിംഗ് (MPP) പ്രയോഗിച്ചും IMDG പ്രകടനം മെച്ചപ്പെടുത്തുന്നു. പുതിയ നോഡുകൾ ചേർത്തുകൊണ്ട് ക്ലസ്റ്ററിൻ്റെ കമ്പ്യൂട്ട് പവറും റാമും വർദ്ധിപ്പിക്കാൻ ഡിസ്ട്രിബ്യൂട്ടഡ് ആർക്കിടെക്ചർ അനുവദിക്കുന്നതിനാൽ, ശേഷി അളക്കുന്നതിനുള്ള ഒരു ലളിതമായ പാതയും ഇത് നൽകുന്നു.

 2021-ൽ, IMC പ്ലാറ്റ്‌ഫോമുകൾ ഉപയോഗിക്കാൻ എളുപ്പമാകും കൂടാതെ അറിവുള്ള IMC പ്രാക്ടീഷണർമാരുടെ എണ്ണം അതിവേഗം വളരുകയും ചെയ്യും. ഇത് IMC ദത്തെടുക്കലിനെ കൂടുതൽ വ്യവസായങ്ങളിലേക്കും കമ്പനികളുടെ വിശാലമായ ഒരു കൂട്ടത്തിലേക്കും വ്യാപിപ്പിക്കാൻ സഹായിക്കും. തൽഫലമായി, കോവിഡിൻ്റെ ആവശ്യങ്ങളോടുള്ള പ്രതികരണത്തിന് മാത്രമല്ല, പാൻഡെമിക് ഭീഷണി കുറയുന്നതിനനുസരിച്ച് പുതിയ തന്ത്രപരവും മത്സരപരവുമായ ആവശ്യങ്ങൾ നിറവേറ്റുന്നതിനും കൂടുതൽ ബിസിനസുകൾ IMC യുടെ ദ്രുതഗതിയിലുള്ള ആപ്ലിക്കേഷൻ ത്വരിതപ്പെടുത്തുന്നതിന് പ്രയോജനപ്പെടുത്തുന്നതിന് മികച്ച സ്ഥാനം നൽകും. – നികിത ഇവാനോവ്, സിടിഒയും ഗ്രിഡ്‌ഗെയിനിൻ്റെ സ്ഥാപകനും സിസ്റ്റങ്ങൾ

മതിയെന്നു

എൻ്റർപ്രൈസിലെ IoT ദത്തെടുക്കൽ എന്നത്തേക്കാളും കൂടുതൽ ചൂടാകും: ബിസിനസ്സിൽ പാൻഡെമിക്കിൻ്റെ ആഘാതങ്ങളുടെ വെളിച്ചത്തിൽ, 2021-ൽ തീരുമാനമെടുക്കുന്നതിനുള്ള വേഗത വർദ്ധിപ്പിക്കുന്നതിന് എൻ്റർപ്രൈസുകൾ പുതിയതോ അധികമോ ആയ വഴികൾ തേടും. IoT-ക്ക് ഇതിൽ ഒരു പങ്കു വഹിക്കാനാകും. ഒരു BI കാഴ്ചപ്പാടിൽ, IoT-യ്‌ക്ക് വ്യത്യസ്ത ഡാറ്റ മോഡലുകൾ ഉണ്ടെന്ന് തിരിച്ചറിയുക എന്നതാണ് വെല്ലുവിളി, അത് കാലക്രമേണ പ്രകടനം പോലെയാണ്. ഡാറ്റ ഉൽപ്പാദനത്തിനും പ്രവർത്തനത്തിനും ഇടയിലുള്ള കാലതാമസം കുറയ്ക്കുന്നത് പ്രധാനമാണ്. ഇതിനായി പണം ചെലവഴിക്കാൻ തങ്ങൾക്ക് കഴിയില്ലെന്ന് ഏറ്റവും മിടുക്കരായ ഓർഗനൈസേഷനുകൾ മനസ്സിലാക്കും, പകരം ചിന്തനീയമായ സ്ഥിതിവിവരക്കണക്കുകൾ പങ്കിടുന്ന പുതിയ ഡാറ്റ മോഡലുകൾ സൃഷ്ടിക്കാൻ തന്ത്രപരമായിരിക്കണം. – എറിക് റാബ്, എസ്‌വിപി, എഞ്ചിനീയറിംഗും ഉൽപ്പന്നവും, വിവര നിർമ്മാതാക്കൾ

കമ്പനികൾക്ക് അവരുടെ പ്രവർത്തനങ്ങളിൽ കൂടുതൽ വഴക്കവും ദൃശ്യപരതയും കാര്യക്ഷമതയും അനുവദിക്കുന്ന പരിഹാരങ്ങൾ ഉപയോഗിച്ച് അവരുടെ ഇൻഡസ്ട്രി 4.0 പരിവർത്തനങ്ങൾ പൂർത്തിയാക്കേണ്ടതിൻ്റെ ആവശ്യകതയെ പാൻഡെമിക് വളരെയധികം ത്വരിതപ്പെടുത്തി. മെഷീൻ ലേണിംഗ്, മെഷീൻ വിഷൻ, അഡ്വാൻസ്‌ഡ് അനലിറ്റിക്‌സ് എന്നിവയുൾപ്പെടെ AI മുതൽ ആ ആവശ്യം പരിഹരിക്കാൻ സഹായിക്കുന്ന പരിഹാരങ്ങൾ സ്വീകരിക്കുന്നത് ത്വരിതപ്പെടുത്തുന്നത് ഞങ്ങൾ കാണും. സമ്പദ്‌വ്യവസ്ഥ കുതിച്ചുയരുമ്പോൾ, കളിക്കാരുടെ വിശാലമായ ആവാസവ്യവസ്ഥയെ ഈ പരിഹാരങ്ങൾ വിന്യസിക്കാൻ അനുവദിക്കുന്നതിന് കൂടുതൽ ഐടി കഴിവുകളുള്ള അടിസ്ഥാന ഒടി ഇൻഫ്രാസ്ട്രക്ചറിലെ നിക്ഷേപം ഞങ്ങൾ തുടർന്നും കാണും, കൂടാതെ 4.0-ൽ ഇൻഡസ്ട്രി 2021 ദത്തെടുക്കൽ ഗണ്യമായി വർദ്ധിക്കുന്നത് കാണും. – ക്രിസ്റ്റീൻ ബോൾസ്, വി.പി. , IoT ഗ്രൂപ്പും GM, ഇൻഡസ്ട്രിയൽ സൊല്യൂഷൻസ് ഡിവിഷൻ, ഇന്റൽ

എഡ്ജ് കമ്പ്യൂട്ടിംഗിൻ്റെ സ്ഫോടനം: ഉപഭോക്താക്കളിൽ നിന്നും കമ്പനികളിൽ നിന്നുമുള്ള വർദ്ധിച്ച കമ്പ്യൂട്ടിംഗും വേഗത ആവശ്യകതകളും കാരണം ഡാറ്റാ സെൻ്റർ വ്യവസായത്തിലുടനീളം എഡ്ജ് കമ്പ്യൂട്ടിംഗിൽ വർദ്ധനവ് ഞങ്ങൾ തുടർന്നും കാണും. കമ്പ്യൂട്ട് ത്രൂപുട്ട് പരമാവധിയാക്കാനും സെർവർ നിഷ്‌ക്രിയ സമയം കുറയ്ക്കാനും ശ്രമിക്കുന്ന പരിതസ്ഥിതികളിൽ കുറഞ്ഞ ലേറ്റൻസി നെറ്റ്‌വർക്ക് നിർണായകമാണ്. – തിമോത്തി വാങ്, Ph.D., മാർക്കറ്റിംഗ് & ആപ്ലിക്കേഷനുകളുടെ വൈസ് പ്രസിഡൻ്റ് സെംടെക്കിൻ്റെ സിഗ്നൽ ഇൻ്റഗ്രിറ്റി ഉൽപ്പന്ന ഗ്രൂപ്പ്

എഡ്ജ് പുതിയ ക്ലൗഡാണ്: 2021-ൽ സ്മാർട്ട് ഫാക്ടറി സംരംഭങ്ങൾ സ്കെയിൽ ചെയ്യുന്ന കമ്പനികൾക്ക്, ബിസിനസ്സ് ഫലങ്ങൾ ഉറപ്പാക്കാൻ മിഷൻ-ക്രിട്ടിക്കൽ വർക്ക്ലോഡുകളുടെ തത്സമയ ലഭ്യത ആവശ്യമാണ്. ജോലി നടക്കുന്നിടത്ത് (ഉദാ: മോട്ടോറുകൾ, പമ്പുകൾ, ജനറേറ്റർ അല്ലെങ്കിൽ മറ്റ് സെൻസറുകൾ) തത്സമയ ഡാറ്റാ പ്രോസസ്സിംഗ് പ്രവർത്തനക്ഷമമാക്കുന്നതിലൂടെ എഡ്ജ് കമ്പ്യൂട്ടിംഗ് നിലവിലുള്ള ക്ലൗഡ് ഇൻഫ്രാസ്ട്രക്ചറിനെ പൂർത്തീകരിക്കും. എഡ്ജ് മുതൽ ക്ലൗഡ് വരെ സംയോജിത അനലിറ്റിക്‌സ് നടപ്പിലാക്കുന്നത് ഡിജിറ്റൽ സിസ്റ്റങ്ങളിലെ നിക്ഷേപങ്ങളുടെ മൂല്യം പരമാവധി വർദ്ധിപ്പിക്കാൻ ഈ സംരംഭങ്ങളെ സഹായിക്കും.

വ്യവസായം കൂടുതൽ വികേന്ദ്രീകൃതമായ കമ്പ്യൂട്ട് പരിതസ്ഥിതികളിലേക്ക് നീങ്ങുന്നത് തുടരും, കൂടാതെ ഡിജിറ്റൽ പരിവർത്തന സംരംഭങ്ങൾക്ക് എഡ്ജ് ഗണ്യമായ മൂല്യം നൽകും. നിലവിലുള്ള ക്ലൗഡ് ഇൻഫ്രാസ്ട്രക്ചറുമായി എഡ്ജ് ഫങ്ഷണാലിറ്റികൾ സമന്വയിപ്പിക്കുന്നതിലൂടെ, ലോജിസ്റ്റിക്കൽ ഐടി പരിഗണനകളെക്കുറിച്ച് ഓർഗനൈസേഷനുകൾ കുറച്ചുകൂടി വിഷമിക്കും, പകരം, ഒരു സ്മാർട്ട് മെഷീനിൽ സാധ്യമായ കാര്യങ്ങൾ പുനർവിചിന്തനം ചെയ്യുന്നതിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കും: ഏത് ചോദ്യങ്ങൾക്കാണ് ഇതിന് വേഗത്തിൽ ഉത്തരം നൽകാൻ കഴിയുക? എന്ത് പുതിയ പ്രശ്‌നങ്ങളാണ് ഇതിന് പരിഹരിക്കാൻ കഴിയുക? പ്രവർത്തനങ്ങളെ എങ്ങനെ മികച്ച രീതിയിൽ സംരക്ഷിക്കാനാകും? 2022 ഓടെ, വിശകലന വിദഗ്ധർ അഭിപ്രായപ്പെടുന്നു. 99% വ്യാവസായിക സംരംഭങ്ങൾ ഇക്കാരണത്താൽ എഡ്ജ് കമ്പ്യൂട്ടിംഗ് ഉപയോഗിക്കും. - കീത്ത് ഹിഗ്ഗിൻസ്, റോക്ക്വെൽ ഓട്ടോമേഷനായുള്ള ഡിജിറ്റൽ ട്രാൻസ്ഫോർമേഷൻ്റെ വി.പി

ക്രിയേറ്റീവ് മനസ്സുകൾ IoT മുന്നോട്ട് കൊണ്ടുപോകുന്നു: IoT, സ്മാർട്ട് ഉൽപ്പന്ന വികസനം എന്നിവ ക്രിയേറ്റീവ് ഡിസൈനുകളെയും ചിന്തനീയമായ പരിഹാരങ്ങളെയും ആശ്രയിച്ചിരിക്കും, കാരണം മൈക്രോപ്രൊസസറുകളുടെ സാങ്കേതിക മെച്ചപ്പെടുത്തലുകൾ മന്ദഗതിയിലാകും, കാരണം ചിപ്പ് മേക്കർമാർ ഭൗതികമായി സാധ്യമായതിൻ്റെ പരിമിതികൾക്കെതിരെ പ്രവർത്തിക്കുന്നു. ആയിരിക്കും. അടുത്ത തലമുറയിലെ ശക്തമായ ചിപ്‌സെറ്റുകളെ ആശ്രയിക്കുന്നതിനുപകരം, ബിസിനസ്, സമൂഹ പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നതിനും ദൈനംദിന ഉപഭോക്തൃ പ്രക്രിയകൾ മെച്ചപ്പെടുത്തുന്നതിനും ഭാവനാപരമായ പരിഹാരങ്ങൾ സൃഷ്ടിക്കുന്നതിനുള്ള എഞ്ചിനീയർമാരുടെയും ഡിസൈനർമാരുടെയും ചാതുര്യത്തെയാണ് പോസ്റ്റ്-മൂറിൻ്റെ നിയമ ഉൽപ്പന്ന വികസനം ആശ്രയിക്കുന്നത്. – സാം മഹാലിംഗം, സിടിഒ, ആൾട്ടർ

യന്ത്ര പഠനം

ഐടി പ്രവർത്തനങ്ങളിലെ നിക്ഷേപ ഡോളറുകൾ വാനില വർക്ക്ഫ്ലോ ഓട്ടോമേഷനിൽ നിന്ന് നേറ്റീവ് എഐ/എംഎൽ സൊല്യൂഷനുകളിലേക്ക് മാറും. സാങ്കേതികവിദ്യ കൂടുതൽ ശക്തമാകുമ്പോൾ വർക്ക്ഫ്ലോ പ്രവർത്തനങ്ങളും അവയുടെ ഓട്ടോമേഷനും സ്വാഭാവികമായും AI/ML സൊല്യൂഷനുകൾ ഉൾപ്പെടുത്തും. കമ്പനികൾ കൂടുതൽ ഡാറ്റ ശേഖരിക്കുന്നതിനോടൊപ്പം ഷിഫ്റ്റ് ഓർഗനൈസേഷനും അഡ്മിനിസ്ട്രേറ്റീവ് പ്രവർത്തനങ്ങളും AI, ML എന്നിവ പുരോഗമിക്കുകയും വർക്ക്ഫ്ലോ ഓട്ടോമേഷൻ മെച്ചപ്പെടുത്തുകയും ചെയ്യുന്നു. – ശിവ രമണി, സിഇഒ iOPEX

മെഷീൻ ലേണിംഗ് സാങ്കേതികവിദ്യകൾക്കായി എൻ്റർപ്രൈസസ് പുതിയ ആപ്ലിക്കേഷനുകൾ കണ്ടെത്തും, അത് മാനുവൽ പ്രക്രിയകൾ ഓട്ടോമേറ്റ് ചെയ്യുകയും മോണിറ്ററിംഗ് കഴിവുകൾ വർദ്ധിപ്പിക്കുകയും ചെയ്യും. തങ്ങളുടെ ഐടി ചെലവുകളിലുടനീളം ആഴത്തിലുള്ള നിരീക്ഷണവും കൂടുതൽ ഓട്ടോമേഷനും മൂല്യവർദ്ധിത വിവരങ്ങളും നൽകുന്ന ഉൽപ്പന്നങ്ങൾക്കായി കമ്പനികൾ നോക്കും. ഉദാഹരണത്തിന്, ആപ്ലിക്കേഷൻ-അവബോധ നിരീക്ഷണവും കോൺഫിഗറേഷൻ, മാനേജ്മെൻ്റ് ടാസ്ക്കുകളുടെ ഓട്ടോമേഷൻ എന്നിവ നൽകുന്ന ലഭ്യത പരിഹാരങ്ങൾ പരമ്പരാഗത പരാജയ പരിഹാരങ്ങളെക്കാൾ മുൻഗണന നൽകും. IoT ഉപകരണങ്ങളും അവയുടെ ആശ്രിതത്വങ്ങളും വരുത്തുന്ന പരാജയങ്ങളുടെയും ദുരന്തങ്ങളുടെയും വർദ്ധിച്ചുവരുന്ന സങ്കീർണ്ണത കൈകാര്യം ചെയ്യാൻ HA-യിലെ പുതിയ കണ്ടുപിടുത്തങ്ങൾ ഉയർന്നുവരും. - കാഷ്യസ് റൂ, വിപി, ഉപഭോക്തൃ അനുഭവം, SIOS ടെക്നോളജി

ചരിത്രപരമായി, അൽഗോരിതങ്ങൾ മെഷീൻ ലേണിംഗ്, ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ എന്നിവയെക്കുറിച്ചായിരുന്നു. മനുഷ്യ മസ്തിഷ്കത്തിൻ്റെ ഉപബോധമനസ്സിനോട് സാമ്യമുള്ള രീതിയിൽ സ്വയം ഉൾക്കൊള്ളുന്നതും സ്വയം പഠിപ്പിക്കാനും പരിശീലിപ്പിക്കാനും കഴിയുന്ന കൂടുതൽ യന്ത്രങ്ങൾ നാം ഇപ്പോൾ കാണുന്നുണ്ട്. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, തലച്ചോറിൻ്റെ വിശകലന ഭാഗത്തെ അനുകരിക്കാൻ ഉപയോഗിക്കുന്ന അൽഗോരിതങ്ങൾ; ഇപ്പോൾ അവർ മനുഷ്യ മസ്തിഷ്കത്തിലെ ഏറ്റവും വലുതും ശക്തവും കൗതുകമുണർത്തുന്നതുമായ ഭാഗത്തെ അനുകരിക്കുകയാണ്, അതിനെ നമ്മൾ സാമാന്യബുദ്ധി, കുടൽ വികാരങ്ങൾ, അവബോധം എന്ന് വിളിക്കുന്നു. അവരെ പരിശീലിപ്പിക്കുന്നതിനും പഠിപ്പിക്കുന്നതിനും മനുഷ്യരെ ആശ്രയിക്കുന്നതിനുപകരം, ഇന്നത്തെ മേൽനോട്ടമില്ലാത്ത മെഷീൻ അൽഗരിതങ്ങൾക്ക് വൻതോതിൽ ഡാറ്റ ശേഖരിക്കാനും ലോകത്തിൻ്റെ ചിത്രങ്ങൾ സൃഷ്ടിക്കാനും മനുഷ്യർ ഉണ്ടാക്കുന്നവയോട് സാമ്യമുള്ള കിഴിവുകൾ നടത്താനും കഴിയും. കമ്പ്യൂട്ടറുകൾക്ക് സ്വയം പരിശീലിക്കാൻ കഴിയുന്ന ഒരു ലോകത്തിലേക്കാണ് നമ്മൾ വരുന്നത്. - മാർക്ക് ഗാസിറ്റ്, തീറ്ററേയുടെ സിഇഒ

പക്ഷപാതം കുറയ്ക്കൽ: ഈ വർഷം, AI അൽഗോരിതങ്ങളിലെ പക്ഷപാതത്തെയും ലഘൂകരണത്തെയും കുറിച്ചും അൽഗോരിതം അധിഷ്‌ഠിത വ്യക്തിഗതമാക്കലിൻ്റെ സാമൂഹിക പ്രത്യാഘാതങ്ങളെ എങ്ങനെ അഭിസംബോധന ചെയ്യാം എന്നതിനെ കുറിച്ചും ആവശ്യമായ നിരവധി സംഭാഷണങ്ങൾ നടന്നിട്ടുണ്ട്. എന്നിരുന്നാലും, ML സിസ്റ്റങ്ങളുടെ ഫലങ്ങളിൽ ഉൾക്കാഴ്ച നൽകുന്ന ടൂളുകളുടെ വികസനം ഞങ്ങൾ തുടരേണ്ടതുണ്ട്, പക്ഷപാതം വെളിപ്പെടുത്തുന്നു, കാലക്രമേണ വിന്യസിച്ചിരിക്കുന്ന മോഡലുകളിൽ ഡ്രിഫ്റ്റ് പരിശോധിക്കുക. ദോഷകരമായ പക്ഷപാതിത്വത്തിൻ്റെ ഉറവിടങ്ങൾ ഞങ്ങൾ ശാശ്വതമാക്കുകയോ സൃഷ്‌ടിക്കുകയോ ചെയ്യുന്നില്ലെന്ന് ഉറപ്പാക്കാൻ, ഈ സംവിധാനങ്ങളിൽ കൂടുതൽ ഉൽപ്പാദിപ്പിക്കപ്പെടുന്നതിനാൽ ഇത് കൂടുതൽ നിർണായകമാകും. - കെവിൻ ഗോൾഡ്സ്മിത്ത്, സിടിഒ, അനക്കോണ്ട

മെഷീൻ ലേണിംഗ് സാങ്കേതികവിദ്യകൾക്കായി എൻ്റർപ്രൈസസ് പുതിയ ആപ്ലിക്കേഷനുകൾ കണ്ടെത്തും, അത് മാനുവൽ പ്രക്രിയകൾ ഓട്ടോമേറ്റ് ചെയ്യുകയും മോണിറ്ററിംഗ് കഴിവുകൾ വർദ്ധിപ്പിക്കുകയും ചെയ്യും. തങ്ങളുടെ ഐടി ചെലവുകളിലുടനീളം ആഴത്തിലുള്ള നിരീക്ഷണവും കൂടുതൽ ഓട്ടോമേഷനും മൂല്യവർദ്ധിത വിവരങ്ങളും നൽകുന്ന ഉൽപ്പന്നങ്ങൾക്കായി കമ്പനികൾ നോക്കും. ഉദാഹരണത്തിന്, ആപ്ലിക്കേഷൻ-അവബോധ നിരീക്ഷണവും കോൺഫിഗറേഷൻ, മാനേജ്മെൻ്റ് ടാസ്ക്കുകളുടെ ഓട്ടോമേഷൻ എന്നിവ നൽകുന്ന ലഭ്യത പരിഹാരങ്ങൾ പരമ്പരാഗത പരാജയ പരിഹാരങ്ങളെക്കാൾ മുൻഗണന നൽകും. IoT ഉപകരണങ്ങളും അവയുടെ ആശ്രിതത്വങ്ങളും വരുത്തുന്ന പരാജയങ്ങളുടെയും ദുരന്തങ്ങളുടെയും വർദ്ധിച്ചുവരുന്ന സങ്കീർണ്ണത കൈകാര്യം ചെയ്യാൻ HA-യിലെ പുതിയ കണ്ടുപിടുത്തങ്ങൾ ഉയർന്നുവരും. - കാഷ്യസ് റൂ, വിപി, ഉപഭോക്തൃ അനുഭവം, SIOS ടെക്നോളജി

മെഷീൻ ലേണിംഗിലെ ആദ്യകാല വിജയങ്ങൾ അവരുടെ പ്രോഗ്രാമുകൾ വിപുലീകരിക്കാൻ പ്രേരിപ്പിച്ച ഓർഗനൈസേഷനുകൾ, ഉയർന്ന നിലവാരമുള്ള ഡാറ്റാസെറ്റുകളുടെ അതിവേഗം ചലിക്കുന്ന പ്രൊഡക്ഷൻ ലൈൻ ആ വിപുലീകരണത്തിന് കാരണമാകുന്ന ഇന്ധനമാണെന്ന് കണ്ടെത്തുന്നു. ഇത് ഡാറ്റ എഞ്ചിനീയറിംഗ് ടീമുകൾക്ക് ഉയർന്ന മുൻഗണന നൽകുന്ന സേവനമായി ഡാറ്റയെ ഉയർത്തും. - ലൂക്ക് ഹാൻ, സഹസ്ഥാപകനും സിഇഒയും, കൈലിജൻസ്

ML-നെ വിശ്വസിക്കാനും പ്രവർത്തനക്ഷമമാക്കാനുമുള്ള കഴിവ് അതിജീവനത്തിനായുള്ള 2021-ലെ ലിറ്റ്മസ് ടെസ്റ്റ് ആയിരിക്കും: ഒരു മഹാമാരിയ്ക്കും മാന്ദ്യത്തിനും മുകളിൽ, ക്രമാതീതമായി വളരുന്ന ഡാറ്റയും പുതിയ സാങ്കേതികവിദ്യകളുടെ വർദ്ധിച്ചുവരുന്ന സങ്കീർണ്ണതകളുമായി ഞങ്ങൾ ഗ്രാപ്പിൾ ചെയ്യുന്നത് തുടരുകയാണ്. ബിസിനസ്സുകൾ അവരുടെ വലിയ ഡാറ്റാ തുകകളും സാങ്കേതിക സങ്കീർണ്ണതകളും മനസ്സിലാക്കുന്നതിൽ വിജയിക്കണമെങ്കിൽ, അവർ മെഷീൻ ലേണിംഗ് മോഡലുകളെ വിശദീകരിക്കാവുന്നതും മനസ്സിലാക്കാൻ എളുപ്പമുള്ളതുമായ രീതിയിൽ പ്രയോജനപ്പെടുത്തുകയും പ്രവർത്തനക്ഷമമാക്കുകയും വേണം. മോഡലുകൾ ഉൽപ്പാദനത്തിലേക്ക് എത്തിക്കുന്നതിൽ ശ്രദ്ധ കേന്ദ്രീകരിച്ചാൽ മാത്രം പോരാ, ബിസിനസ് ഉപയോക്താക്കളുടെയും തീരുമാനങ്ങൾ എടുക്കുന്നവരുടെയും കൈകളിൽ മോഡലുകൾ എത്തിക്കുന്നതിലായിരിക്കണം ഇനി ശ്രദ്ധ. എന്നാൽ പ്രവർത്തനക്ഷമമാക്കുന്നതിന്, ബിസിനസ്സ് സാധ്യതകളെ അർത്ഥവത്തായ സ്വാധീനം ചെലുത്താനുള്ള ഒരു മോഡലിൻ്റെ കഴിവിൽ വിശ്വസിക്കാനും അതിൽ നിന്ന് മനസ്സിലാക്കാനും ആശയവിനിമയം നടത്താനും ബിസിനസുകൾക്ക് കഴിയണം. 2021-ൽ, ഒരു ബിസിനസ്സിന് അതിൻ്റെ മോഡലിനെ വിശ്വസിക്കാനുള്ള കഴിവ് - AI- ഉരുത്തിരിഞ്ഞ ഉൾക്കാഴ്‌ചയിൽ നിന്ന് അവർക്ക് പ്രവർത്തനം നടത്താൻ കഴിയുന്നിടത്തോളം - അതിജീവിക്കാനുള്ള അതിൻ്റെ കഴിവ് നിർണ്ണയിക്കും. - സാൻ്റിയാഗോ ജിറാൾഡോ, സീനിയർ പ്രൊഡക്റ്റ് മാർക്കറ്റിംഗ് മാനേജർ ഓഫ് മെഷീൻ ലേണിംഗ്, ക്ലൗഡേറ

എല്ലാ വലുപ്പത്തിലുമുള്ള കമ്പനികളും എല്ലാ ഘട്ടങ്ങളിലും മെഷീൻ ലേണിംഗ് ശ്രമങ്ങൾ പ്രവർത്തനക്ഷമമാക്കുന്നതിലേക്ക് ആക്രമണാത്മകമായി നീങ്ങുന്നു. ഗെയിം നയിക്കുന്ന ടെൻസർഫ്ലോയും പൈടോർച്ചും ഉൾപ്പെടെ മോഡൽ പരിശീലനത്തിനായി നിരവധി ജനപ്രിയ ചട്ടക്കൂടുകൾ ഉണ്ട്. അപ്പാച്ചെ സ്പാർക്കിനെ ഡാറ്റാ ട്രാൻസ്‌ഫോർമേഷൻ ജോലികൾക്കായി ഒരു നേതാവായി കണക്കാക്കുകയും ഇൻ്ററാക്ടീവ് ക്വയറിംഗിൻ്റെ മുൻനിര സാങ്കേതികവിദ്യയായി പ്രെസ്റ്റോ ഉയർന്നുവരുകയും ചെയ്യുന്നതുപോലെ, 2021-ൽ പൈടോർച്ചോ ടെൻസർഫ്ലോയോ ഉള്ള ഒരു മുൻനിര മോഡൽ പരിശീലന സ്ഥലത്ത് ആധിപത്യം സ്ഥാപിക്കുന്ന വർഷമായിരിക്കും XNUMX. - ഹായുവാൻ ലി, സ്ഥാപകനും സിഇഒയും, അല്ലുക്സിയോ

ML/AI-നുള്ള നഷ്‌ടമായ ഡാറ്റയായി SaaS ഡാറ്റ മാറ്റുന്നു: ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ്, മെഷീൻ ലേണിംഗ് എന്നിവയിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്ന ഓർഗനൈസേഷനുകൾ, കാലക്രമേണ കാരണവും ഫലവും മാറുന്ന പാറ്റേണുകൾ കണ്ടെത്തുന്നതിന് അവരുടെ ML അൽഗോരിതങ്ങളിൽ നൽകാവുന്ന അർത്ഥവത്തായ പരിശീലന ഡാറ്റാസെറ്റുകൾക്ക് വേണ്ടിയുള്ള വിശപ്പ് തുടരും. ഇത് ചെയ്യുന്നതിന്, ഈ അൽഗോരിതങ്ങളിലേക്കുള്ള ഇൻപുട്ടുകളായി അവർ മൂന്നാം കക്ഷി ക്ലൗഡ്/SaaS ആപ്ലിക്കേഷനുകളിലെ അവരുടെ എക്കാലത്തെയും മാറിക്കൊണ്ടിരിക്കുന്ന ഡാറ്റാസെറ്റുകളിലേക്ക് തിരിയും. കാലക്രമേണ ആ ഡാറ്റയിലെ ഓരോ മാറ്റവും അവരുടെ DataOps ഇക്കോസിസ്റ്റത്തിലേക്ക് പിടിച്ചെടുക്കാനും ഉൾക്കൊള്ളാനും ഇത് അവർക്ക് സമ്മർദ്ദം സൃഷ്ടിക്കും. - ജോ ഗാസ്ക, സിഇഒ ഗ്രാക്സ്

ഐഡൻ്റിറ്റി ഇൻ്റലിജൻസ് മുന്നിൽ വരുന്നതോടെ AI, ML എന്നിവ വഹിക്കുന്ന പങ്ക് വിപുലമാകും. പ്രാമാണീകരണത്തിൻ്റെ ഭാവിയിൽ ഞങ്ങൾ ഒരു ടിപ്പിംഗ് പോയിൻ്റിൽ എത്തുമ്പോൾ, ഉപയോക്താക്കൾക്ക് അവരുടെ ഡിജിറ്റൽ ഐഡൻ്റിറ്റികൾ ഓൺലൈനിൽ പരിരക്ഷിക്കുമ്പോൾ സുരക്ഷയെക്കുറിച്ച് കൂടുതൽ അവബോധമുണ്ട്. ഐഡൻ്റിറ്റി വെരിഫിക്കേഷൻ കൂടുതൽ സാന്ദർഭികമായി മാറും, കൂടാതെ ഒരു റൂൾ അധിഷ്ഠിത സിസ്റ്റത്തിന് നൽകാൻ കഴിയാത്ത ആക്‌സസിൻ്റെ ചലനാത്മക അപകടസാധ്യത നിർണ്ണയിക്കാൻ AI വിപുലീകരിക്കുന്ന പങ്ക് വഹിക്കും. സൂപ്പർവൈസുചെയ്‌തതും മേൽനോട്ടമില്ലാത്തതുമായ ആഴത്തിലുള്ള പഠനം, ശക്തിപ്പെടുത്തൽ പഠനം, ജനിതക അൽഗോരിതങ്ങൾ എന്നിവ മുൻകൂട്ടി നിർവചിച്ച അനുമാന മോഡലുകൾ പ്രയോഗിക്കുക മാത്രമല്ല, മാറുന്ന എൻ്റർപ്രൈസ് സ്വഭാവത്തിന് അനുയോജ്യമാക്കാനും മറ്റ് കമ്പനികൾ ഭീഷണികൾ നേരിടുമ്പോഴും ലഘൂകരിക്കുമ്പോഴും അവരിൽ നിന്ന് പഠിക്കാനും സുരക്ഷാ പരിഹാരങ്ങളെ അനുവദിക്കും. ഇൻ-ബിൽറ്റ് അൽഗോരിതങ്ങൾ ഉപയോഗിച്ച് ആഴത്തിലുള്ള വ്യാജങ്ങളെ ചെറുക്കുക, വലിയ ഡാറ്റയിൽ നിന്ന് മൂല്യം നേടുക, ശക്തമായ അനലിറ്റിക്‌സ് വഴി തീരുമാനമെടുക്കൽ എന്നിവ ഐഡൻ്റിറ്റി ഇൻ്റലിജൻസിൽ ഒരു പ്രധാന പങ്ക് വഹിക്കും. – രാജേഷ് ഗണേശൻ, വൈസ് പ്രസിഡൻ്റ്, മാനേജ്എഞ്ചൈൻ (സോഹോ കോർപ്പറേഷൻ്റെ ഡിവിഷൻ.)

റോബോട്ടിക്സ്

പുതിയ വർഷത്തിലേക്ക് ആളുകളെ അടുത്തിടപഴകാതെ മാറ്റിനിർത്തേണ്ടതിൻ്റെ ആവശ്യകതയോടെ, ഓട്ടോമേഷനിൽ കാര്യമായ നിക്ഷേപം നാം സ്വാഭാവികമായും കാണും. എന്നിരുന്നാലും, ഒരുപക്ഷേ ആദ്യമായി, റോബോട്ടിക്‌സ് കൂടുതൽ ബുദ്ധിമുട്ടുള്ളതും തന്ത്രപരവുമായതിൽ നിന്ന് വ്യത്യസ്തമായി ലൗകികവും ലളിതവുമായ മനുഷ്യ ചുമതലകൾ ഏറ്റെടുക്കും. ഏറ്റവും കൃത്യമായ മൈക്രോ സർജറികൾ ചെയ്യാൻ പരിശീലിപ്പിച്ച റോബോട്ടുകൾ പോലുള്ള സങ്കീർണ്ണമായ നിരവധി ആപ്ലിക്കേഷനുകളിൽ റോബോട്ടുകൾ മനുഷ്യരെ സഹായിക്കുന്നത് നാം കണ്ടിട്ടുണ്ട്. മുമ്പ് വ്യക്തിപരമായി ആവശ്യമുള്ള അവശ്യ തൊഴിലാളികളെ വിദൂരമായി പ്രവർത്തിക്കാൻ അനുവദിക്കുന്ന ജോലികൾ റോബോട്ടുകൾ ഇപ്പോൾ ഏറ്റെടുക്കാൻ തുടങ്ങും. ഓഗ്‌മെൻ്റഡ്, വെർച്വൽ റിയാലിറ്റി എന്നിവയിൽ കൂടുതൽ നിക്ഷേപം നടത്തുമ്പോൾ, ഉദാഹരണത്തിന്, വിദൂര തൊഴിലാളികൾ നിയന്ത്രിക്കുന്ന റോബോട്ട് സെക്യൂരിറ്റി ഗാർഡുകൾ ഓഫീസിലും ഫാക്ടറി നിലകളിലും കറങ്ങുന്നത് നമുക്ക് കാണാം; വിദൂര തൊഴിലാളികൾക്ക് ഒരു വെയർഹൗസിൽ പെട്ടികൾ തിരഞ്ഞെടുക്കുന്നതിനും പായ്ക്ക് ചെയ്യുന്നതിനും ഡ്രോണുകളെ വിദൂരമായി നിയന്ത്രിക്കാൻ കഴിയും. 2021ൽ വിപ്ലവം യന്ത്രവൽക്കരിക്കപ്പെടും. – അഹ്‌സൺ അഹമ്മദ്, ചീഫ് പ്രൊഡക്റ്റ് ആൻഡ് കസ്റ്റമർ ഓഫീസർ, റിപ്കോർഡ്

സുരക്ഷ

Deepfakes ബിസിനസ്സ് സമഗ്രതയ്ക്ക് വലിയ ഭീഷണിയായി മാറും. COVID-19 വ്യക്തിഗത ആശയവിനിമയം വെർച്വൽ ആകാൻ നിർബന്ധിതരാക്കി, അതിനർത്ഥം മുമ്പെന്നത്തേക്കാളും കൂടുതൽ മീറ്റിംഗുകൾ നടത്താൻ ബിസിനസുകൾ വീഡിയോ കോൺഫറൻസിംഗിനെ ആശ്രയിക്കുന്നു എന്നാണ്. ഡീപ്ഫേക്കുകളുടെ ആശയം പുതിയതല്ലെങ്കിലും, അവ കൂടുതൽ സങ്കീർണ്ണമാവുകയും സൃഷ്ടിക്കാൻ വളരെ എളുപ്പമാവുകയും ചെയ്യുന്നു. ഉദാഹരണത്തിന്, ThisPersonDoesNotExist.com എടുക്കുക, യഥാർത്ഥ ജീവിതത്തിൽ നിലവിലില്ലാത്ത ആളുകളുടെ പൂർണ്ണമായും വിശ്വസനീയമായ ചിത്രങ്ങൾ സൃഷ്ടിക്കാൻ AI-യെ ഇത് സഹായിക്കുന്നു. താരതമ്യേന കുറച്ച് വിവരങ്ങളോടെ ഈ പ്രക്രിയ നടത്താൻ കഴിയുമെങ്കിൽ, ഉറപ്പായും ഹാക്കർമാർക്ക് വീഡിയോ കോൺഫറൻസിംഗ് സാങ്കേതികവിദ്യയ്ക്ക് ഉപയോഗിക്കുന്ന വർക്ക് പ്രൊഫൈലുകൾ പ്രയോജനപ്പെടുത്താൻ കഴിയും - അതിൽ ജീവനക്കാരുടെ പേരും ചിത്രങ്ങളും സ്വയമേവ ബന്ധപ്പെട്ടിരിക്കുന്നു - ബോധ്യപ്പെടുത്തുന്ന വ്യാജങ്ങൾ സൃഷ്ടിക്കാൻ. - ജെയിംസ് കാർഡർ, ചീഫ് സെക്യൂരിറ്റി ഓഫീസർ ലോഗ് റിഥം

പ്രവചനം: വഞ്ചന കണ്ടെത്തൽ കഠിനമാകുമ്പോൾ, ML ഫ്രോഡ് മോഡലുകൾ ശക്തിപ്പെടുത്തും എന്നാൽ കൂടുതൽ പുതിയ ഡാറ്റാസെറ്റുകൾ ഉപയോഗിക്കുക: വഞ്ചനയുടെ അപകടസാധ്യത നിർണ്ണയിക്കാൻ, കമ്പനികൾ സാധാരണയായി അവരുടെ മെഷീൻ ലേണിംഗ് (ML) പരിശീലിപ്പിക്കുന്നതിന് ഭാവിയുടെ പ്രതിനിധിയാകുമെന്ന് അവർ വിശ്വസിക്കുന്ന മുൻ ഇടപാടുകളുടെ ഒരു ഡാറ്റാ സെറ്റ് ഉപയോഗിക്കുന്നു. മോഡലുകൾ. എന്നിരുന്നാലും, ഉപഭോക്തൃ ഡാറ്റയിലും പെരുമാറ്റത്തിലും COVID-19 ൻ്റെ വലിയ സ്വാധീനം ഒരു വിച്ഛേദം സൃഷ്ടിച്ചു, കാരണം മുൻ ഡാറ്റ ഭാവിയെ പ്രതിനിധീകരിക്കുന്നില്ല. ഇത് ഒന്നുകിൽ മികച്ച പ്രകടനം കാഴ്ചവെക്കുന്ന, എന്നാൽ പുതിയ വഞ്ചന പാറ്റേണുകൾ പിടിപെടാത്ത അണ്ടർഫിറ്റ് മോഡലുകൾ, അല്ലെങ്കിൽ ഫ്ളഡ് മാനുവൽ റിവ്യൂ ക്യൂകൾ അല്ലെങ്കിൽ കൂടുതൽ ചാർജ്ബാക്കുകൾ, വഞ്ചനകൾ എന്നിങ്ങനെ നിരവധി ആശ്ചര്യങ്ങൾ സൃഷ്ടിക്കുന്ന ഓവർഫിറ്റ് മോഡലുകൾ ഉപയോഗിക്കുന്നതിന് ഇത് പല സ്ഥാപനങ്ങളെയും പ്രേരിപ്പിച്ചു. പല കമ്പനികളും എംഎൽ ഉപയോഗിക്കുന്നതിൽ നിന്ന് നിയമങ്ങൾ അടിസ്ഥാനമാക്കിയുള്ള മോഡലുകളിലേക്കും മാനുവൽ അവലോകനങ്ങളിലേക്കും മാനുഷിക അവബോധത്തെ കൂടുതൽ ആശ്രയിക്കുന്നു. 2021-ൽ, ശക്തമായ ML മോഡലുകൾ വീണ്ടും നിർമ്മിക്കാൻ കമ്പനികൾക്ക് ഈ പുതിയ പെരുമാറ്റ രീതികളെക്കുറിച്ചുള്ള അവരുടെ ധാരണ പ്രയോജനപ്പെടുത്താൻ കഴിയും. എന്നിരുന്നാലും, വിജയിക്കുന്നതിന്, അവർ കൂടുതൽ സമീപകാല ഡാറ്റ ഉപയോഗിക്കേണ്ടതുണ്ട്, മോഡലുകൾ നിർമ്മിക്കുമ്പോൾ അവ വരുന്നതുപോലെ കാര്യങ്ങൾ എടുക്കുകയും അവ മുന്നോട്ട് പോകുമ്പോൾ അവയുടെ പുരോഗതി വിലയിരുത്തുകയും വേണം. – അർജുൻ കക്കർ, സ്ട്രാറ്റജി ആൻഡ് ഓപ്പറേഷൻസ് വൈസ് പ്രസിഡൻ്റ് ഏകത

ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് പുതിയ സുരക്ഷാ ഭീഷണികൾ സൃഷ്ടിച്ചു, അവയിൽ ഏറ്റവും വലുത് ഡീപ്ഫേക്കുകളായിരിക്കാം. യാഥാർത്ഥ്യത്തെ അനുകരിക്കാൻ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് സാങ്കേതികവിദ്യയെ ആശ്രയിക്കുന്ന വ്യാജ ഓഡിയോ, വീഡിയോ അല്ലെങ്കിൽ ഇമേജുകളാണ് ഡീപ്ഫേക്കുകൾ. ഡീപ്ഫേക്ക് തട്ടിപ്പ് പോലുള്ള തെറ്റായ കൈകളിൽ ഗുരുതരമായ പ്രത്യാഘാതങ്ങൾ ഉണ്ടാക്കാം. ഈ ആക്രമണങ്ങളിൽ പലതും ഞങ്ങൾ ഇതുവരെ കണ്ടിട്ടില്ലെങ്കിലും, ഇൻ 2019, യുകെ ആസ്ഥാനമായുള്ള ഊർജ്ജ കമ്പനിയിൽ നിന്ന് $200,000 മോഷ്ടിക്കാൻ തട്ടിപ്പുകാർ ഡീപ്ഫേക്ക് ഓഡിയോ ഉപയോഗിച്ചു. വിദൂര തൊഴിൽ സാഹചര്യങ്ങൾ തട്ടിപ്പുകാർക്ക് അവരുടെ ആക്രമണം നടത്താൻ കൂടുതൽ വെടിമരുന്ന് നൽകുന്നതിനാൽ, 2021 സാങ്കേതികവിദ്യ തത്സമയ ഓഡിയോ ട്രാൻസ്ക്രിപ്ഷൻ അഴിച്ചുവിടുന്ന വർഷമായിരിക്കും, കൂടാതെ ബിസിനസ്സുകൾ തട്ടിപ്പിനിരയാകില്ലെന്ന് ഉറപ്പാക്കാൻ ജാഗ്രത പാലിക്കേണ്ടതുണ്ട്. സംശയാസ്പദമായ ഫോൺ കോളുകളെ കുറിച്ച് ബിസിനസുകൾ ജാഗ്രത പാലിക്കണം, ഒരു കോളർ തങ്ങൾ ആരാണെന്ന് സ്ഥിരീകരിക്കാതെ പണം അയയ്‌ക്കുകയോ തന്ത്രപ്രധാനമായ വിവരങ്ങൾ പങ്കിടുകയോ ചെയ്യരുത്.

കൂടാതെ, അടിസ്ഥാന സൈബർ സുരക്ഷാ ടൂളുകളും പ്രോട്ടോക്കോളുകളും സജ്ജീകരിക്കുന്നത്, ഡീപ്ഫേക്ക് ഇമേജുകളും ഓഡിയോയും ആദ്യം സൃഷ്ടിക്കുന്നതിന് ആവശ്യമായ സെൻസിറ്റീവ് വിവരങ്ങളിലേക്കുള്ള ആക്സസ് നേടുന്നതിൽ നിന്ന് തട്ടിപ്പുകാർക്ക് തടയാനാകും. സൈബർ സുരക്ഷാ ഗവേഷകർ ആഴത്തിലുള്ള വ്യാജ ഉള്ളടക്കം കണ്ടെത്തുന്നതിനുള്ള ടൂളുകളിൽ പ്രവർത്തിക്കുന്നു, എന്നാൽ അതുവരെ, കമ്പനികൾ വഞ്ചിക്കപ്പെടാതിരിക്കാൻ അവരുടെ അവബോധത്തെയും നിലവിലുള്ള സൈബർ സുരക്ഷാ ഉപകരണങ്ങളെയും ആശ്രയിക്കേണ്ടതുണ്ട്. – ടെറി നെൽംസ്, പിഎച്ച്ഡി, സീനിയർ ഡയറക്ടർ ഓഫ് റിസർച്ച്, പിൻഡ്രോപ്പ്

ഡാറ്റാ ലംഘനങ്ങളുടെ കുത്തൊഴുക്കിലും ബിഗ് ടെക്കിൻ്റെ വ്യക്തിഗത ഡാറ്റ ചൂഷണം ചെയ്യപ്പെടുന്നതിലൂടെയും, ഉപഭോക്തൃ ഡാറ്റ സ്വകാര്യത 2021-ലും അതിനുശേഷവും വലിയ ശ്രദ്ധാകേന്ദ്രമായി തുടരും, കൂടാതെ ഉപഭോക്തൃ അവകാശങ്ങൾ സംരക്ഷിക്കുകയും ബിസിനസുകൾക്ക് പിഴ ചുമത്തുകയും ചെയ്യുന്ന കൂടുതൽ നിയമനിർമ്മാണങ്ങൾ അവതരിപ്പിക്കുന്നത് നമുക്ക് പ്രതീക്ഷിക്കാം. ഡാറ്റയുടെ നിരുത്തരവാദപരമായ ഉപയോഗം. വർദ്ധിച്ചുവരുന്ന മത്സരാധിഷ്ഠിത ബിസിനസ്സ് ലാൻഡ്‌സ്‌കേപ്പിൽ വിശ്വാസം വളർത്തുന്നതിനും ഉപഭോക്തൃ അനുഭവം മെച്ചപ്പെടുത്തുന്നതിനും, വരും വർഷങ്ങളിൽ കൂടുതൽ ഓർഗനൈസേഷനുകൾ ഉപഭോക്താക്കൾക്ക് അവരുടെ സ്വകാര്യ ഡാറ്റയുടെ ഉടമസ്ഥതയും നിയന്ത്രണവും നൽകും. ധാർമ്മികവും അനുസരണമുള്ളതും സ്വകാര്യത കാത്തുസൂക്ഷിക്കുന്നതുമായ തത്ത്വങ്ങളും ഭാവിയിലേക്കുള്ള സ്കെയിൽ നിർമ്മിക്കുന്ന സാങ്കേതിക ഇൻഫ്രാസ്ട്രക്ചറും സംയോജിപ്പിച്ച്, ഡാറ്റയുടെ മൂല്യം വ്യക്തികൾക്കും സംരംഭങ്ങൾക്കും ഒരുപോലെ പ്രയോജനം ചെയ്യുന്ന ഒരു സംവിധാനത്തിലേക്ക് സമൂഹം നീങ്ങും. - ജെയിംസ് കിംഗ്സ്റ്റൺ, ഡാറ്റാസ്വിഫ്റ്റിലെ റിസർച്ച് ആൻഡ് ഇന്നൊവേഷൻ പാർട്ണർഷിപ്പുകളുടെ VP, AI ഗവേഷകൻ, HAT-LAB-ൻ്റെ ഡയറക്ടർ.

അപകട ലഘൂകരണത്തിന് ആവശ്യമായതും നിർണായകവുമായ ബിൽഡിംഗ് ബ്ലോക്കാണ് ഡാറ്റ സെക്യൂരിറ്റി ഗവേണൻസ്. അടുത്ത കാലം വരെ, മിക്ക ഡാറ്റാ ഗവേണൻസ് പ്രോഗ്രാമുകളും സുരക്ഷയെക്കുറിച്ച് കൂടുതൽ ചിന്തിക്കാതെ ഡാറ്റാ ഫ്ലോകളിലും അനലിറ്റിക്സിലും ശ്രദ്ധ കേന്ദ്രീകരിച്ചിരുന്നു. പുതിയ ഡാറ്റാ സ്വകാര്യതാ നിയമങ്ങളും നിയന്ത്രണങ്ങളും CDO, CFO, CISO, DPO തുടങ്ങിയ ഡാറ്റാ ഓഹരി ഉടമകളെ അവരുടെ ഡാറ്റാ ഗവേണൻസ് ശ്രമങ്ങളുടെ ആവശ്യമായ നിർമാണ ബ്ലോക്കുകളിലൊന്നായി ഡാറ്റാ സുരക്ഷയെ മാറ്റാൻ നിർബന്ധിതരാക്കി. എന്നാൽ ഒരൊറ്റ വെണ്ടർ ഉൽപ്പന്നത്തിനും ആവശ്യമായ എല്ലാ ഡാറ്റാ സുരക്ഷാ ഭരണ നിയന്ത്രണങ്ങളും നടപ്പിലാക്കാൻ കഴിയാത്തതിനാൽ ഡാറ്റാ സുരക്ഷാ ഭരണം സങ്കീർണ്ണമാണ്. 2021-ൽ, ബിസിനസുകൾ കൂടുതൽ കൂടുതൽ ഡാറ്റ ശേഖരിക്കുകയും പ്രോസസ്സ് ചെയ്യുകയും ചെയ്യുന്നതിനാൽ, അവരുടെ വിവരങ്ങൾ എങ്ങനെ വേഗത്തിൽ ഏകീകരിക്കാമെന്ന് അവർ കണ്ടെത്തേണ്ടതുണ്ട്, അതിനാൽ അവരുടെ മുഴുവൻ ഓർഗനൈസേഷനും ഒരേ, വിശ്വസനീയവും സുരക്ഷിതവുമായ വിവരങ്ങൾ ശേഖരിക്കുന്നു. അടുത്തതായി, ആവശ്യമായ സ്വകാര്യതാ നിയന്ത്രണങ്ങളുള്ള ഒരു ഡാറ്റാ പ്രൊട്ടക്ഷൻ സിസ്റ്റം വഴി ബിസിനസുകൾ അവരുടെ ഡാറ്റ ഉറവിടം നടപ്പിലാക്കുകയും നിയന്ത്രിക്കുകയും ചെയ്യേണ്ടതുണ്ട്, അതിനാൽ ഡാറ്റ ഭീഷണികൾ ലഘൂകരിക്കപ്പെടും. ഈ ഘട്ടങ്ങൾ ഭാവിയിലെ ബിസിനസ്സും സാമ്പത്തിക അപകടങ്ങളും കുറയ്ക്കുമെന്ന് ഉറപ്പാക്കും. - ആൻ ഹാർഡി, ടാലൻഡിൻ്റെ സിഐഎസ്ഒ

ഒരു വിദൂര ലോകത്ത് സുരക്ഷ വർധിപ്പിക്കുന്നതിന് AI ആയിരിക്കും പ്രധാനം. ഒരു ഡിജിറ്റൽ പരിവർത്തന യാത്ര ആരംഭിച്ചിട്ടുള്ള ഏതൊരു സ്ഥാപനത്തിൻ്റെയും സി-സ്യൂട്ടിന് സുരക്ഷയാണ് ഏറ്റവും പ്രധാനം, എന്നാൽ അതിൻ്റെ പ്രാധാന്യം പാൻഡെമിക് ത്വരിതപ്പെടുത്തിയിരിക്കുന്നു. ലോകമെമ്പാടും ചിതറിക്കിടക്കുന്ന നിരവധി എൻഡ്‌പോയിൻ്റുകൾ ഉള്ളതിനാൽ, ജീവനക്കാർക്ക് അവർ തിരഞ്ഞെടുക്കുന്നിടത്ത് നിന്ന് വിദൂരമായി പ്രവർത്തിക്കാനുള്ള വഴക്കം ഉള്ളതിനാൽ, അപകടസാധ്യതകൾ വർദ്ധിക്കുന്നു. 2021-ലും അതിനുശേഷവും നമ്മൾ കാണുന്ന ഒരു പ്രധാന പ്രവണത സുരക്ഷാ നടപടികളിലേക്ക് AI-യുടെ പ്രയോഗമാണ്, കാരണം ഒരു ആധുനിക സംരംഭത്തെ വേണ്ടത്ര അല്ലെങ്കിൽ കാര്യക്ഷമമായി സംരക്ഷിക്കുന്നതിന് ഓരോ എൻഡ് പോയിൻ്റും നിരീക്ഷിക്കാനും നിയന്ത്രിക്കാനും പരിശോധിക്കാനും മനുഷ്യർക്ക് മാത്രം കഴിയില്ല. സുരക്ഷാ നേതാക്കൾ (പ്രത്യേകിച്ച് ഫോർച്യൂൺ 500 കമ്പനികളിൽ ഉള്ളവർ) ഇപ്പോൾ AI-യിൽ സുരക്ഷ വർദ്ധിപ്പിക്കുന്നതിന് സമയവും സാമ്പത്തിക നിക്ഷേപവും നടത്തുന്നില്ലെങ്കിൽ, ഭാവിയിൽ ഹാക്കർമാർ ടാർഗെറ്റുചെയ്യുമെന്നും അവരുടെ ഡാറ്റ സംരക്ഷിക്കാൻ അവർ ശ്രമിക്കുമെന്നും പ്രതീക്ഷിക്കാം. -സ്കോട്ട് ബോച്ചർ, VP, എൻ്റർപ്രൈസ് ഇൻഫർമേഷൻ മാനേജ്മെൻ്റ്, NTT DATA സേവനങ്ങൾ

ശേഖരണം

ലെഗസി NAS AI-ന് മരിച്ചു. PCIe Gen4 അവതരിപ്പിച്ചതോടെ, I/O നിരക്കുകൾ ഇപ്പോൾ CPU കോർ പരിണാമങ്ങളിൽ നിന്ന് പൂർണ്ണമായും വേർപെട്ടു. ലെഗസി എൻഎഫ്എസ് ദാതാക്കൾ സിംഗിൾ-സ്ട്രീം ടിസിപിയിൽ കുടുങ്ങിയിരിക്കുന്നു, അത് ആപ്ലിക്കേഷൻ സെർവറിലെ ഒരൊറ്റ സിപിയു കോറിൻ്റെ കഴിവിനാൽ നിരക്ക് പരിമിതപ്പെടുത്തിയിരിക്കുന്നു. PCIe Gen4 2021-ൽ ആപ്ലിക്കേഷനുകളുടെ ഏറ്റവും ഉയർന്ന I/O പ്രകടനത്തെ ഇരട്ടിയാക്കും, അതേസമയം ഒരു CPU കോറിന് ഇനി സിംഗിൾ-കോർ I/O പ്രകടനം തുല്യമായി ഇരട്ടിയാക്കാൻ കഴിയില്ല. മെഷീൻ ലേണിംഗ്, ഡീപ് ലേണിംഗ് എന്നിവ പോലുള്ള ആപ്ലിക്കേഷനുകൾക്ക് AI മാർക്കറ്റിനെ അപേക്ഷിച്ച് സിംഗിൾ-ഹോസ്റ്റ് IO യുടെ വലിയ സാന്ദ്രതയില്ല. ഇത് പരിഹരിക്കാൻ, ഉപഭോക്താക്കൾ മൾട്ടി-ത്രെഡിംഗ്, ആർഡിഎംഎ, സിപിയുകളെ മൊത്തത്തിൽ മറികടക്കാനുള്ള കഴിവ് എന്നിവയെ പിന്തുണയ്ക്കുന്ന പരിഹാരങ്ങൾ തേടും - എൻവിഡിയയുടെ ജിപിയുഡയറക്‌ട് സ്‌റ്റോറേജിൻ്റെ കാര്യത്തിലെന്നപോലെ. GPU-കളും AI പ്രോസസറുകളും പോഷകവും കാര്യക്ഷമവുമായി നിലനിർത്താനുള്ള ആവശ്യങ്ങൾ ലെഗസി TCP-അധിഷ്‌ഠിത NAS-ൻ്റെ I/O കഴിവുകളെ നാടകീയമായി മറികടക്കും, ഇത് 2021-ൽ ലെഗസി NAS-ൽ നിന്ന് മൊത്തത്തിൽ പിന്മാറാൻ ഉപഭോക്താക്കളെ പ്രേരിപ്പിക്കും. - റെനെൻ ഹല്ലാക്ക്, VAST ഡാറ്റയുടെ സ്ഥാപകനും സിഇഒയും

ഒബ്‌ജക്റ്റ് സ്റ്റോറേജ് അത് ആർക്കൈവിനായി മാത്രമേ ഉപയോഗിക്കുന്നുള്ളൂ എന്ന മിഥ്യയെ തകർക്കുന്നു. ഒബ്‌ജക്റ്റ് സ്റ്റോറേജ് ഒരു ബാക്കപ്പ്, ആർക്കൈവ് സ്റ്റോറേജ് സൊല്യൂഷൻ എന്നാണ് അറിയപ്പെടുന്നതെങ്കിലും, മൂന്ന് ട്രെൻഡുകൾ 2021-ൽ ആ ധാരണയെ വികസിപ്പിക്കും. ഒന്നാമതായി, ഉയർന്ന ശേഷി ആവശ്യകതകളുള്ള ഡാറ്റാ അനലിറ്റിക്‌സ് വർക്ക്‌ലോഡുകളിൽ ഫ്ലാഷ് അടിസ്ഥാനമാക്കിയുള്ള ഒബ്‌ജക്റ്റ് സ്‌റ്റോറേജ് അനുകൂലമാകും. രണ്ടാമതായി, S3-അനുയോജ്യമായ സംഭരണം കുബർനെറ്റസ് വിന്യാസങ്ങളെ ലളിതമാക്കും, ഇത് ആധുനിക ആപ്ലിക്കേഷനുകൾക്കുള്ള ഒരു ലോജിക്കൽ ചോയിസാക്കി മാറ്റും. മൂന്നാമതായി, പ്രെമിൽ ക്ലൗഡ്-നേറ്റീവ് ആപ്ലിക്കേഷനുകൾ കൂടുതലായി വിന്യസിക്കപ്പെടും, ഇത് ആപ്ലിക്കേഷൻ പോർട്ടബിലിറ്റി വർദ്ധിപ്പിക്കുന്നതിന് ഓൺ-പ്രേം എസ് 3-അനുയോജ്യമായ സ്റ്റോറേജിൻ്റെ ആവശ്യകത വർദ്ധിപ്പിക്കും. തൽഫലമായി, AI, ML, ഡാറ്റാ അനലിറ്റിക്‌സ് എന്നിവ പോലുള്ള കമ്പ്യൂട്ട്-ഹെവി ഉപയോഗ കേസുകളെ പിന്തുണയ്‌ക്കാൻ കൂടുതൽ ഓർഗനൈസേഷനുകൾ ഒബ്‌ജക്റ്റ് സ്‌റ്റോറേജ് ഉപയോഗിക്കും. – ജോൺ ടൂർ, സി.എം.ഒ മേഘക്കണ്ണൻ

ഓർഗനൈസേഷനുകൾ ഇപ്പോൾ വൻതോതിൽ മെഷീൻ ലേണിംഗും ഐഒടി ഡാറ്റയും ശേഖരിക്കുന്നു. നിങ്ങളുടെ കമ്പനി പ്രവർത്തിക്കുന്നതിനും വിജയിക്കുന്നതിനുമായി ഡാറ്റ ശേഖരിക്കുകയും വിശകലനം ചെയ്യുകയും ചെയ്യുന്നതിനെ ആശ്രയിച്ചിരിക്കുന്നുവെങ്കിൽ, ആ ഡാറ്റ പൂർണ്ണമായി ബാക്കപ്പ് ചെയ്‌ത് എളുപ്പത്തിൽ വീണ്ടെടുക്കാൻ കഴിയുന്നില്ലെങ്കിൽ എന്ത് സംഭവിക്കും? മിക്ക കമ്പനികളും പ്രധാനമായും ഡാറ്റ വിശകലനത്തെക്കുറിച്ചാണ് ചിന്തിക്കുന്നത് കൂടാതെ ഡാറ്റ ബാക്കപ്പ് അല്ലെങ്കിൽ സുരക്ഷയെ കുറിച്ച് വളരെ കുറവാണ്. എന്നാൽ വിശകലനത്തിൽ നിന്ന് ഉൽപ്പാദന പരിതസ്ഥിതികളിലേക്ക് ഡാറ്റ കൂടുതലായി നീങ്ങുമ്പോൾ, അപ്പോഴാണ് സംരക്ഷണം നിർണായകമാകുന്നത്. അത്യാധുനിക സ്റ്റോറേജ് ടൂളുകൾ ഡാറ്റ ബാക്കപ്പ് പ്രക്രിയ ഓട്ടോമേറ്റ് ചെയ്യുന്നതിന് AI, മെഷീൻ ലേണിംഗ് എന്നിവയെ കൂടുതലായി ആശ്രയിക്കുന്നു. എൻ്റർപ്രൈസ് ഡാറ്റയുടെ പൊട്ടിത്തെറിയുടെ വലുപ്പം കണക്കിലെടുക്കുമ്പോൾ, മാനുവൽ ബാക്കപ്പുകളിൽ പറഞ്ഞറിയിക്കാനാവാത്ത മണിക്കൂറുകൾ ലാഭിക്കുമ്പോൾ, മാറിക്കൊണ്ടിരിക്കുന്ന ആവശ്യകതകളോട് വേഗത്തിലും അനായാസമായും പ്രതികരിക്കാൻ കഴിയുന്ന കാര്യക്ഷമമായ ബാക്കപ്പ് പ്രക്രിയ നിലനിർത്തുന്നതിന് ഈ ഇൻ്റലിജൻ്റ് ടൂളുകൾ അത്യന്താപേക്ഷിതമാകും. – ശ്രീദർ സുബ്രഹ്മണ്യൻ, സിഎംഒ ഓഫ് സ്റ്റോറേജ്ക്രാഫ്റ്റ്

ലംബങ്ങൾ

വിതരണ ശൃംഖല മെച്ചപ്പെടുത്താനുള്ള AI-യുടെ സാധ്യതകൾ കുറഞ്ഞത് 5 വർഷമായി കമ്പനികൾ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്ന ഒരു മേഖലയാണ്, എന്നാൽ COVID-19 മൂലമുണ്ടായ തടസ്സങ്ങൾക്ക് ശേഷം, നിരവധി സപ്ലൈ ചെയിൻ അനലിസ്റ്റുകളും സംരംഭങ്ങളും AI-യിലേക്ക് ശ്രദ്ധ തിരിക്കുന്നു. അവരുടെ കഷ്ടതകൾ. 67% പാൻഡെമിക്കിനെ നേരിടാൻ സഹായിക്കുന്നതിന് ചില സാങ്കേതിക പരിഹാരങ്ങളിൽ നിക്ഷേപിച്ച സംരംഭങ്ങളുടെ, ഒപ്പം 60% വ്യാവസായിക സംരംഭങ്ങൾ പ്രത്യേകമായി AI-യിലേക്ക് നോക്കുന്നു. എന്നിരുന്നാലും, AI മോഡലുകൾ ഡാറ്റയാണ് ഇന്ധനം നൽകുന്നത്. ഒരു AI മോഡലിൻ്റെ കൃത്യത, വ്യാപ്തി, കഴിവുകൾ എന്നിവ അതിൻ്റെ പിന്നിലെ പരിശീലന ഡാറ്റയെ പൂർണ്ണമായും ആശ്രയിച്ചിരിക്കുന്നു. എന്നിരുന്നാലും, ഒരു AI പ്രോഗ്രാമിന് ദഹിപ്പിക്കുന്നതിന് മുമ്പ് ആ ഡാറ്റ ഓർഗനൈസുചെയ്‌ത് മെഷീൻ-റീഡബിൾ ഫോർമാറ്റിൽ ലേബൽ ചെയ്യണം. AI സ്വീകരിക്കുന്നതിന് മുമ്പ്, എൻ്റർപ്രൈസുകൾ AI മോഡലുകൾക്ക് ഇന്ധനം നൽകുന്ന ഒരു ഫോർമാറ്റിൽ വിതരണക്കാർ, പങ്കാളികൾ, വ്യാപാരികൾ, ഉപഭോക്താക്കൾ എന്നിവരുടെ ആവാസവ്യവസ്ഥയുമായുള്ള ആശയവിനിമയത്തിൽ നിന്ന് സ്വയമേവ ഡാറ്റ സമാഹരിക്കാൻ ആധുനിക ഇൻ്റഗ്രേഷൻ സാങ്കേതികവിദ്യ പ്രയോജനപ്പെടുത്തണം.

ചെക്ക് out ട്ട് പ്രൈം എക്സ്ബിടി
എസി മിലാന്റെ CF ദ്യോഗിക സി‌എഫ്‌ഡി പങ്കാളികളുമായി വ്യാപാരം നടത്തുക
ക്രിപ്റ്റോ ട്രേഡ് ചെയ്യുന്നതിനുള്ള എളുപ്പവഴി.
ഉറവിടം: https://www.fintechnews.org/big-data-industry-predictions-for-2021/