Zephyrnet-logo

Datamanagementtrends in 2024 – DATAVERSITY

Datum:

De trends op het gebied van gegevensbeheer voor 2024 zullen naar verwachting variëren van de impact van het Digital Services Act (DSA)-pakket van de EU tot nieuwe varianten van ChatGPT gericht op het beheren van gegevens. Data Management (DM) houdt zich bezig met het verzamelen, verwerken en opslaan van gegevens, evenals de wet- en regelgeving die de rechten van mensen beschermt. Het beheren van de gegevens van een organisatie omvat een breed scala aan praktijken, beleid en procedures.

Bedrijven kunnen in 2024 aanzienlijke veranderingen in hun DM-processen verwachten. 

Het doel van Data Management is om gegevens efficiënt en kosteneffectief te gebruiken en tegelijkertijd mensen te helpen taken en projecten uit te voeren. Het ontwikkelen van een robuuste DM-strategie is voor organisaties uiterst belangrijk geworden. Een robuuste datamanagementstrategie moet een scala aan DM-tools en -technieken omvatten en business intelligence en analyses ondersteunen.

Datamanagementsystemen worden traditioneel ontwikkeld rond een DM-platform, dat software kan omvatten die databases, datawarehouses, datameren, data-analyse, data-integratie en meer ondersteunt.

Met de juiste planning kunt u zich voorbereiden op veranderingen in technologie en regelgeving. Andere trends voor 2024 kunnen zijn:

  • Geautomatiseerd gegevensbeheer
  • Het beheer van zorggegevens
  • Hybride/multi-cloud-beveiliging

De impact van het DSA-pakket van de Europese Unie in 2024

Het gedrag en de trends van bedrijven in 2024 zullen gedeeltelijk worden beïnvloed door het DSA-pakket dat de Europese Unie heeft ontwikkeld en ten uitvoer gelegd.

De Europese Unie heeft (in tegenstelling tot de Verenigde Staten) aanvullende regelgeving ingevoerd om haar burgers te beschermen: de Digital Services Act en de Digital Markets Act, ook wel de DSA-pakket. Deze wetten maken onlineactiviteiten veiliger en beschermen de rechten van consumenten en gebruikers. De handhaving begint op 6 maart 2024. 

Het DSA-pakket is ontworpen om de rechten van gebruikers te beschermen en het speelveld gelijk te maken, waardoor de impact van een paar grote platforms (Facebook, Twitter, Google en andere websites met meer dan 45 miljoen maandelijkse gebruikers) wordt verkleind.

Een belangrijk punt van zorg bij de ontwikkeling ervan was de verkoop van illegale inhoud, goederen en diensten online – kinderporno, wapens, hackdiensten, enz. Er bestaat ook de zorg dat onlinediensten worden misbruikt door manipulatieve algoritmische systemen die zijn ontworpen om de verspreiding van desinformatie.

Het DSA-pakket heeft een extraterritoriale reikwijdte en zal gevolgen hebben voor bedrijven over de hele wereld. Als een organisatie zaken doet met Europese klanten, zelfs als die organisatie niet in Europa is gevestigd, moet zij de DSA-regels volgen wanneer zij zaken doet met mensen of bedrijven binnen de Europese Unie. Hoewel een groot deel van het pakket betrekking heeft op zeer grote onlineplatforms, kleinere bedrijven worden ook beïnvloed.

Kleinere bedrijven moeten zich ervan bewust zijn dat het DSA-pakket van toepassing is op alle digitale diensten die Europese consumenten verbinden met inhoud (met betrekking tot desinformatie), goederen en diensten online (met betrekking tot illegale activiteiten). 

Organisaties die zakendoen in de EU zullen moeten voldoen aan nieuwe verplichtingen op het gebied van het inschatten en tegengaan van risico's, het beperken van schade, het beschermen van de onlinerechten van hun gebruikers en het voldoen aan bredere verantwoordelijkheden op het gebied van aansprakelijkheid en transparantie. Deze regelgeving is bedoeld om internetgebruikers nieuwe bescherming te bieden en de wettelijke verantwoordelijkheden duidelijk te maken van organisaties die zakendoen op internet.  

Geautomatiseerd gegevensbeheer

Het verminderen van de behoefte aan handmatig gegevensbeheer is voor bepaalde softwareontwikkelaars een belangrijk doel geworden. Tijdens het installeren geautomatiseerde tools voor gegevensbeheer kan een ingewikkeld proces zijn; als het op de juiste manier wordt uitgevoerd, verbetert het de efficiëntie, verlaagt het de kosten en elimineert het vervelende handarbeid. Hieronder vindt u enkele geautomatiseerde processen die organisaties zijn gaan gebruiken: 

  • Gegevensverzameling: Het verzamelen van gegevens uit verschillende bronnen, zoals databases, documenten en andere websites.
  • Gegevens integratie: Dit houdt in dat de verzamelde gegevens worden omgezet in een geschikt formaat en worden opgeslagen in één enkele opslagplaats.
  • Gegevens opschonen: Het proces van het verwijderen van dubbele records, het standaardiseren van gegevensformaten en het corrigeren van fouten.
  • Gegevensverwerking en -analyse: Het gebruik van algoritmen of machine learning om inzichten uit de data te ontwikkelen.
  • Gegevensbeheer: Dit proces zorgt ervoor dat de gegevens worden verwerkt in overeenstemming met het bedrijfsbeleid en de overheidsvoorschriften.

Om aan de hoge eisen van het dagelijks efficiënt beheren van enorme hoeveelheden gegevens te kunnen voldoen, moeten op software gebaseerde automatiseringstools deel uitmaken van de DM-praktijken van een organisatie. 

In 2024 kunnen we verwachten dat AI en ML (machine learning) waardevolle automatiseringsdiensten zullen bieden. 

Maximaliseer de gezondheidszorg met gegevensbeheer

In tegenstelling tot de bank- en detailhandelssector heeft de gezondheidszorg nog niet ten volle gebruik gemaakt van data-analyse of big data-onderzoek. Er zijn verschillende redenen voor deze vertraging, variërend van de privacy van patiënten tot een lagere nadruk op winst. 

De gezondheidszorgsector is echter begonnen met behulp van analyses en big data om patronen te vinden. Een eenvoudig voorbeeld komt uit Frankrijk: vier ziekenhuizen, allemaal lid van de Assistance Publique-Hôpitaux de Paris, gebruikten de laatste tien jaar van hun ziekenhuisopnamegegevens om voorspellingen per uur en per dag te doen over het aantal patiënten dat ze in elke instelling konden verwachten. De analyse bracht relevante patronen in de toelatingspercentages aan het licht. 

Een ander voorbeeld van data-analyse in de gezondheidszorg is het gebruik van realtime waarschuwingen. Ziekenhuizen zijn begonnen met het gebruik ervan Ondersteuning bij klinische beslissingen (CDS)-software die medische gegevens ter plekke analyseert en zorgverleners voorziet van advies bij het nemen van voorgeschreven beslissingen.

Op 11 november 2023 heeft het Department of Veterans Affairs zijn miljoenste veteraan ingevoerd in een genetische database ter ondersteuning van de Million Veteranenprogramma. De doelen van hun op data gebaseerde onderzoek zijn om beter te begrijpen hoe genen, militaire blootstellingen en levensstijlgedrag de gezondheid van mensen beïnvloeden, en om geïndividualiseerde medicijnen te bieden.

Gegevensbeheer voor hybride cloudbeveiliging

In 2024 kunnen we verwachten dat datamanagementsystemen zullen worden gebruikt encryptiemesh-architectuur voor cyberbeveiliging en netwerksegmentatie als manieren om hybride cloudbeveiliging te bieden en gegevens te beschermen. 

De afgelopen jaren is de definitie van een hybride cloud uitgebreid van de combinatie van een on-premise systeem gecombineerd met een publieke cloud naar het opnemen van multi-cloudsystemen. De hybride cloud ondersteunt een flexibel systeem dat toegang biedt tot gespecialiseerde tools. 

Helaas brengt het proces van het gebruik van een hybride/multi-cloudsysteem ook enkele met zich mee beveiligingsuitdagingen

Het gebruik van meerdere clouds wordt vanuit beheer- en beveiligingsperspectief complex. Zonder de juiste procedures om het gebruik van verschillende clouddiensten bij te houden en te monitoren, weet het management niet wie de bronnen gebruikt. 

Bovendien weten ze pas wanneer ze worden gebruikt nadat ze de factuur hebben ontvangen. Omdat verschillende applicaties lokale systemen en multi-clouds gebruiken om toegang te krijgen tot en te werken met data, wordt observatie cruciaal. (In dit geval betekent waarneembaarheid de mogelijkheid om gegevens en gebeurtenissen in verschillende clouds en interne systemen te monitoren.) 

Leveranciers, zoals Middleware en Datadog, hebben deze behoefte onderkend en hebben zich geconcentreerd op het leveren van observatietools die een geïntegreerd “enkel glasvenster” bieden voor kijkdoeleinden. 

Een ander punt van zorg is dat verschillende clouds verschillende vormen van beveiliging gebruiken. Het ontwikkelen van een systeem dat alle clouds die door uw organisatie worden gebruikt om aan projecten te werken met elkaar verbindt, vormt een aanzienlijk beveiligingsprobleem, omdat elke verbinding een potentiële inbreuk kan vormen. Hybride/multi-clouds bieden aanzienlijke flexibiliteit bij het snel verplaatsen van workloads tussen verschillende omgevingen, maar het proces verhoogt ook de beveiligingsrisico's.

Gegevensbeheer met behulp van kunstmatige intelligentie

Hoewel het gebruik van kunstmatige intelligentie voor datamanagementdoeleinden niet nieuw is, blijft het in populariteit groeien. Vóór 2023 werd (en wordt nog steeds) kunstmatige intelligentie gebruikt voor DM-taken en fungeerde het als een intelligentere vorm van geautomatiseerde processen. Kunstmatige intelligentie wordt gebruikt voor een verscheidenheid aan DM-taken, waaronder:  

  • Onregelmatigheidsdetectie
  • Metadatabeheer
  • Automatische detectie van metadata
  • Data catalogiseren
  • Gegevens in kaart brengen
  • Controle op gegevensbeheer

Met de introductie van ChatGPT en de groot taalmodel ter ondersteuning hiervan kunnen we nieuwe oplossingen verwachten die intelligente, op leren gebaseerde diensten bieden. Terwijl grote taalmodellen blijven evolueren, zullen diensten die datamanagementprocessen ondersteunen, mee blijven evolueren. OpenAI, de organisatie die verantwoordelijk is voor de ontwikkeling van ChatGPT, heeft dat gedaan aan het experimenteren geweest met Gegevensbeheer.

Afbeelding gebruikt onder licentie van Shutterstock

spot_img

Laatste intelligentie

spot_img