Zephyrnet-logo

Big Data-bransjens spådommer for 2021

Dato:

Big Data-bransjens spådommer for 2021

By daniel gutierrez

2020 har vært år gjennom tidene, med så mange innenlandske og globale utfordringer. Men big data-bransjen har betydelig treghet i 2021. For å gi våre verdsatte lesere en puls på viktige nye trender frem mot neste år, hørte vi her på insideBIGDATA fra alle våre venner over hele leverandørens økosystem for å få deres innsikt, refleksjoner og spådommer for hva som kan komme. Vi ble veldig oppmuntret til å høre slike spennende perspektiver. Selv om bare halvparten faktisk går i oppfyllelse, er Big Data det neste året skjebnebestemt til å være ganske spennende. Nyt!

Daniel D. Gutierrez - Sjefredaktør & Resident Data Scientist

Analytics

Den "analytiske skillelinjen" vil bli verre. I likhet med det mye omtalte "digitale skillet" ser vi også fremveksten av et "analytisk skille." Mange selskaper ble drevet til å investere i analytics på grunn av pandemien, mens andre har blitt tvunget til å kutte alt de ikke så kritisk for å holde lysene på - og en skikkelig investering i analytics var for disse organisasjonene analytics var på skjærefjøl. Dette betyr at det analytiske skillet vil utvides ytterligere i 2021, og denne trenden vil fortsette i mange år fremover. Uten tvil vil vinnere og tapere i alle bransjer fortsette å bli definert av de som utnytter analyser og de som ikke gjør det. - Alan Jacobson, Chief Data and Analytics Officer, hos Alteryx

Sannsynligvis er borte dagene med stykkevise analyser og rapporteringsløsninger som sannsynligvis oppfyller nisje for forretningsbruk. Dette er uholdbart. Bedrifter kan ikke ha svært avdelte analytiske implementeringer som har effekten av lokal problemløsning og at større virksomheter ikke ser full fordel. Denne nåværende situasjonen vil forandre seg til en der analyse vil bli gjort på alle data som selskapet har tilgang til, med muligheten for disse analysene implementeres på en samarbeidende måte av en rekke interessegrupper med forskjellige ferdighetssett (f.eks. Datavitenskap, linjer med forretningsledere) og med fullt fokus mot operasjonalisering av analyseinnsikt i nærmest sanntid. Med andre ord, ikke mer stykkevis og ikke bare bare vitenskapelig eksperimentering. - Sri Raghavan, direktør, datavitenskap og avansert analyse av produktmarkedsføring i Teradata

Reseptiv analyse vil være en nøkkelkomponent for digital transformasjonssuksess: Avansert analyse er det bli integreres når bedrifter i økende grad samler inn og analyserer data på tvers av organisasjonene sine, med 35% av amerikanske produsenter som har brukt avansert analyse de siste tre årene. For at AI skal ha en betydelig innvirkning på tvers av verdikjeden, vil reseptbelagte analyser være katalysatoren for å optimalisere ytelsen. Reseptiv analyse vil bli en viktig del for å skalere AI i organisasjoner, ved å utnytte produkt- og kundedata for å gi råd om AI-modeller om hvordan du kan forbedre prosesser, justere produksjonen og øke effektiviteten. Reseptiv analyse muliggjør konstant forbedring med en AI-modell ved kontinuerlig overvåking og justering basert på utviklende forhold. Reseptive modeller kan da aktivere beslutningsautomatisering, der modellene kan ta det beste handlet ut fra resepter. Å gå utover prediktiv analyse til reseptbelagt analyse vil til slutt muliggjøre digital transformasjonssuksess for produsenter i 2021. - George Young, Global Managing Director of Calypso

Utvidet analyse og selvbetjening vil bli mer etterspurt etter den distribuerte arbeidsstyrken og sult etter informasjon. Som svar vil tradisjonell analyse forstyrres av AI. Økningen i en distribuert arbeidsstyrke kommer til å skape større etterspørsel etter utvidet analyse der den enkelte bruker blir ledet gjennom prosessen med å lage spørsmål for å få øyeblikkelige svar på sine dataspørsmål. Vi ser en konvergering av analyse og AI innen to områder - på infrastrukturnivå og på analytikernivå.

Folk begynner å innse at de har forskjellige datarørledninger som leverer data til en analysemotor, og de bygger en annen stabel for ML. I stedet for to helt separate stabler, ser vi en konvergens av disse til en infrastruktur som er lettere å vedlikeholde, samtidig som vi sørger for at de samme dataene blir brukt til å levere begge motorene. En annen konvergens vil skje angående en "sult" etter informasjon og bygge bro over et gap for å svare på spørsmål ved hjelp av data. Tradisjonell analyse vil bli mer forstyrret av AI. Plattformer (for eksempel Tableau, Power BI, etc.) vil begynne å bli fordrevet av roboter og virtuelle assistenter som vil være konverserende i naturen. Vi ser på dette som et press for å øke hastigheten gjennom et trekk for selvbetjening. Vi forventer også at NLP blir mer brukt i 2021. - Scott Schlesinger, Global Data, Analytics & AI Practice Leader hos ness

Linjene mellom IT og andre avdelinger når det gjelder data og analyse, vil spesielt fortsette å bli uskarpe. Data og analyse har potensial til å føre ekstremt positive og meningsfulle forretningsresultater, og når det skjer, er det ofte også kraftig samarbeid på tvers av forskjellige funksjonelle områder, ettersom hver enkelt har et ansvar for å lykkes med analysetilnærmingen. Områder som datastyring, datakompetanse, åpne dataplattformer, integrering og bruk av data i forskjellige deler av virksomheten vil gjøre det mulig for forretningsbrukere å utføre oppgaver som tradisjonelt er reservert for IT-team, og dataene som forretningsenhetene genererer vil mates inn i plattformer som IT administrerer. Dette - kombinert med mangel på dataforskere og analytikere - betyr også at dataplattformer blir mer sømløse og enkle å distribuere, slik at alle deler av en organisasjon vil kunne utnytte det. - Frances Zelazny, CMO i Signalanalyse

På 2000-tallet kan det å gjøre Microsoft Office på ditt CV gjøre deg til en god kandidat til en jobb, men et tiår senere var det en ferdighet som ble tatt for gitt. I dag kan SQL-ferdigheter gjøre at du skiller deg ut, men hva vil skje i årene fremover?

Når datakompetanse stiger, vil analytiske ferdigheter bli normen for alle forretningsfolk og begynne å forsvinne fra kandidatenes CV. Akkurat som det er lite sannsynlig at du vil se "Office-ferdigheter" i dag, vil du neppe se "data-ferdigheter" innen slutten av tiåret. Vi har gått inn i en tredje analysebølge, og med den forventningen om at forretningsbrukere kan samhandle med data uten hjelp fra en ekspert. Svært snart, hvis du ikke klarer å gifte deg med harde data med forretningskontekst for å definere og utføre en strategi, kommer du til å slite på arbeidsplassen. Den ideelle kandidaten for bedrifter i 2021 og utover vil være en person som både kan forstå og snakke data - for om noen få år vil datakompetanse være noe arbeidsgivere krever og forventer. De som ønsker å komme seg frem skaffer seg disse talentene nå. - ThoughtSpot-sjef Sudheesh Nair

Når selskaper skifter datainfrastrukturen til en føderert (en motor spør etter forskjellige kilder), disaggregerte (beregning er atskilt fra lagring er atskilt fra datasjøen), vil vi se tradisjonell datalagring og tett sammenkoblede databasearkitekturer henvist til eldre arbeidsmengder. Men en ting vil forbli den samme når det gjelder dette skiftet - SQL vil fortsette å være lingua franca for analyse. Dataanalytikere, dataingeniører, dataforskere og produktledere sammen med databaseadministratorene vil bruke SQL til analyse. - Dave Simmen, medstifter og Chief Technology Officer (CTO), Ahana

Organisasjoner overalt eskalerer bruken av analysesystemer, men blir utfordret med behovet for hendelsesdataplattformer som kan utføre datakamp i sanntid. I 2021 vil organisasjoner kreve intelligente dataplattformer som kan konsumere statiske data og streame data fra en rekke kilder i hvilket som helst format, størrelse eller hastighet; Vred dataene (berik og kartlegg) på farten; og levere dataene til systemer, enheter og applikasjoner sikkert og i sanntid. - Sean Bowen, administrerende direktør i Push-teknologi

Én enkelt SQL-spørring for alle data arbeidsbelastninger. Veien videre er ikke bare basert på automatisering, men også på hvor raskt og bredt du kan gjøre analysene dine tilgjengelige og delbare. Analytics gir deg en klar retning av hva dine neste skritt skal være for å holde kunder og ansatte fornøyde, og til og med redde liv. Å administrere dataene dine er ikke lenger en luksus, men en nødvendighet - og avgjør hvor vellykket du eller din bedrift vil være. Hvis du kan fjerne kompleksiteten eller kostnadene ved å administrere data, vil du være veldig effektiv. Til slutt vil vinneren av plassen ta kompleksiteten og kostnadene ved datahåndtering, og arbeidsmengder vil bli samlet slik at du kan skrive en enkelt SQL-spørring for å administrere og få tilgang til alle arbeidsmengder på tvers av flere databaser. - Raj Verma, administrerende direktør i SingleStore

AI og Analytics-funksjoner ble levert av forskjellige plattformer / team tidligere. Gjennom årene ser vi at plattformen konvergerer og AI-teamet er mer fokusert på den algoritmiske siden, mens AI- og Analytics-plattformteamene slås sammen for å gi programvareinfrastrukturen for både analyse- og AI-brukstilfeller. - Haoyuan Li, grunnlegger og administrerende direktør, Alluxio

Som datapersonell har vi et ansvar overfor den bredere offentligheten. Jeg tror at i løpet av det neste året vil vi se fremgang mot en etisk kode i dataanalyserommet, ledet av bevisste selskaper som anerkjenner alvoret av potensielle misbruk. Kanskje den amerikanske regjeringen vil gripe inn og overføre en versjon av sin egen GDPR, men jeg tror at teknologiselskaper vil lede denne siktelsen. Hva Facebook har gjort med engasjementsdata er ikke ulovlig, men vi har sett at det kan ha skadelige effekter på barns utvikling og på våre personlige vaner. I de kommende årene vil vi se tilbake på hvordan selskaper brukte personopplysninger på 2010-tallet og krympe seg slik vi gjør når vi ser folk røyke på et fly i filmer fra 1960-tallet. - Jeremy Levy, administrerende direktør i indikativ

Følelser er en nøkkelfaktor som påvirker kundens atferd og har sterk innflytelse på merkevarelojalitet. Derfor blir det stadig mer nyttig for bedrifter å finne en måte å måle følelser hos kunder under beslutningsprosessene sine. Emosjonell analyse fokuserer på å studere og gjenkjenne hele spektret av menneskelige følelser som inkluderer humør, holdning og personlighet. Den bruker prediktive modeller og AI / ML for å analysere menneskelige bevegelser, ordvalg, stemmetoner og ansiktsuttrykk. Emosjonell analyse kan hjelpe bedrifter med å bygge en mer helhetlig kundeprofil, forstå hvordan de kan påvirke følelser og utvikle tilpassede produkter og tjenester tilpasset enkeltpersoner. Sentimentanalyse om produkter og tjenester, på tvers av geografier, sosiale nettverk og gjennomgangssider, gjør det mulig for bedrifter å bedre forstå og forbedre kundetilfredshet. Ved hjelp av emosjonell analyse kan bedrifter bedre forstå hvordan deres markedsføring og tjenester påvirker følelser for å gi mer positivt engasjerende kundeopplevelser. - Paul Moxon, SVP, Data Architecture at denode

Det er vanskelig å få riktig produktanalyse. Hver interaksjon resulterer i hauger med data, og å grave gjennom det for å finne at innsikten med 'nål i høystakken' krever mye innsats, disiplin og tid for å få det til å fungere. Disse inngangshindringene betyr dataanalyse er ofte begrenset til selskaper som har ressurser, båndbredde og kunnskap til å gjøre det riktig. Men det er også en disiplin som vokser i betydning - selv før pandemien, skjedde forbrukerinteraksjon med merkevarer generelt på digitale plattformer, og nå er de der nesten utelukkende. Det er utallige mengder informasjon der ute som kan forklare avkastningen på hver interaksjon, og uten tvil er noe av det potensielt spillendrende. Men ærlig talt er vi mennesker, og hvis vi må jobbe hardt for å få verdi ut av noe, vil vi mindre sannsynlig gjøre det konsekvent. Derfor vil analyser i 2021 gå fra å være et reaktivt spill - å samle inn data som analytikere må sile gjennom for å finne den innsikten - til en proaktiv, og koble team direkte til de “a-ha!” øyeblikk som inspirerer til umiddelbar og informert handling. - Matin Movassate, administrerende direktør og grunnlegger i Heap

Kunstig intelligens

Når bedrifter ser mot mål om å gjenåpne og innhente tilstrekkelige inntektsstrømmer, må de utnytte smarte teknologier for å samle nøkkelinnsikt i sanntid som tillater dem å gjøre det. Ved å ta i bruk kunstig intelligens (AI) -teknologier kan det hjelpe selskaper å forstå om deres strategier for å holde kunder og ansatte trygge fungerer, mens de fortsetter å fremme vekst. Ettersom selskapene anerkjenner de unike evnene til AI for å lette ledelsen og overholdelsen av selskapspolitikken, sikre sikkerhet og utvikle kundeopplevelsen, vil vi se økte hastigheter for AI-adopsjon på tvers av bransjer. - Hillary Ashton, EVP og Chief Product Officer hos Teradata

I 2021 vil vi se AI, maskinlæring og IoT definere og forme våre liv og atferd, et fenomen som vil fortsette i mange år fremover. Disse fremskrittene påvirker hvordan vi jobber, hvordan vi kjøper, hvordan vi bruker, hvordan vi gjør hver eneste lille ting i våre liv. Men jeg tror den virkelige stjernen som bedriftene vil henvende seg til vil være de muliggjørende teknologiene som cloud og edge computing, som vil fortsette å dominere på grunn av deres evne til å behandle og administrere alle nødvendige data som gir drivstoff til AI, ML og IoT, som samt aktivering av teknologier som iPaaS, APIM og RPA. Disse teknologiene vil fortsette å lede den digitale transformasjonsavgiften for bedrifter når de går fra manuell eller papirdrevet virksomhet til digitale virksomheter som endelig kan utnytte kraften til AI og IoT. - Manoj Choudhary, CTO i Jitterbit

Kunstig intelligens blir mindre kunstig i 2021: Selv med en vaksine for COVID-19 i horisonten, har hvordan mennesker jobber og samhandler fundamentalt endret seg. I det nye året vil fjernarbeid fortsette, sosiale distansekrav vil forbli, og forsyningskjeder vil fortsette å møte forstyrrelser. Denne nye livsstilen krever en ny måte for bedrifter å fortsette virksomheten effektivt over hele verdikjeden - fra produkt til anlegg til sluttbruker. Bruk av kunstig intelligens (AI) vil være standarden for å takle disse utfordringene. Uten å vurdere hvordan mennesker vil samhandle med og utnytte disse nye autonome systemene, vil AI imidlertid mislykkes.

I 2021 vil bedriftene ta en menneskesentrert tilnærming til AI-initiativer, forstå brukerbehov og verdier, og deretter tilpasse AI-design og modeller deretter, noe som igjen vil forbedre adopsjonen. Bedrifter må sette samme fokus på mennesker og kultur som selve teknologien for at AI skal lykkes. Organisasjonsendringsledelse (OCM) -team vil være avgjørende for å drive digital transformasjon og AI fremover ved å bringe folk sammen for endringsreisen og sette organisasjonen opp for målbare resultater. Riktig endringsledelse er det viktigste - men likevel oversett - aspektet av ethvert digitalt transformasjonsinitiativ. - George Young, global administrerende direktør i Calypso

I 2021 vil bedrifter gå vekk fra raske gevinster ved å stole på AI-systemer for å fokusere på varig og meningsfull forretningsverdi. Denne endringen vil drive dypere datakompetanseinitiativer på tvers av organisasjoner. Det vil kreve at folk lærer nye ferdigheter og oppfører seg på nye måter. - Sundeep Reddy Mallu, analysesjef i Gramener 

De fleste forbrukere vil fortsette å være skeptiske til AI. Med flere store forbrukermerker i det varme setet rundt tvilsom AI-etikk, stoler de fleste fortsatt ikke på AI. For mange er det fordi de ikke forstår det eller til og med innser at de bruker det daglig. Forbrukere får så mange AI-drevne tjenester gratis - Facebook, Google, TikTok, etc. - at de ikke forstår hva de personlig gir opp til gjengjeld - nemlig deres personlige data. Så lenge allmennheten fortsetter å være naiv, vil de ikke kunne forutse farene AI kan innføre eller hvordan de kan beskytte seg - med mindre markedet bedre utdanner kunder eller implementerer regler for å beskytte dem. Til tross for dette er det noen bevis for at vi vender hjørnet på AIs pålitelighet. Åtti prosent av bedriftslederrespondentene til Pegas kommende undersøkelse sa at de er optimistiske om at AI-skjevhet vil bli mildnet tilstrekkelig om fem år. Bedrifter hadde bedre håp om at dette viser seg å være sant - for når flere av publikum våkner til hvordan AI påvirker livene deres, og i noen tilfeller spiller favoritter, vil de fortsette å stille vanskeligere spørsmål som ytterligere forringer tilliten til AI, og tvinger bedrifter til å må svare på dem. - Vince Jeffs, Senior Director - Product Strategy, Marketing AI and Decisioning, Pega

AI-drevne digitale arbeidere vil hjelpe bedrifter å holde seg strategiske på lang sikt. Få er uenige i forestillingen om at AI og automatisering er avgjørende for bedriftens overlevelse fremover. Forskning har imidlertid indikert at de fleste selskaper ikke helt har forstått fordelen med sine AI- og automatiseringsinvesteringer. Ved å knytte kraftige AI-muligheter til forretningsprosesser gjennom den digitale arbeidsstyrken, vil vi i økende grad se organisasjoner implementere AI-drevet automatisering i stor skala. AI-infusert automatisering vil i økende grad knyttes til kjerne strategiske tiltak som forbedret kundefokus, omsetningsvekst, kapitalallokering, forsyningskjedestyring, risikostyring, kostnads- og driftseffektivitet og mer. AI-drevne digitale arbeidere vil bli utnyttet som primære verktøy for å gjennomføre bedriftsstrategi og håndtere risikoer for bedriftsskala. Rask og effektiv bruk av automatisering vil i økende grad bli sett på som en viktig komponent for å forbli konkurransedyktig i markedene. - Eric Tyree, leder for AI og forskning ved Blue Prism

AI-eksperimentering vil bli mer strategisk. Eksperimentering foregår gjennom hele modellutviklingsprosessen - vanligvis kommer alle viktige beslutninger eller antakelser med i det minste noe eksperiment eller tidligere forskning for å rettferdiggjøre disse beslutningene. Eksperimentering kan ha mange former, fra å bygge fullverdige prediktive ML-modeller til å gjøre statistiske tester eller kartlegge data. Å prøve alle kombinasjoner av alle mulige hyperparametere, funksjonshåndtering osv. Blir raskt ikke sporbar. Derfor begynner vi å se organisasjoner definere et tids- og / eller beregningsbudsjett for eksperimenter, samt en akseptabilitetsterskel for brukbarhet av modellen. - Florian Douetteau, administrerende direktør og medstifter av Dataiku

I 2021 vil vi endelig se AI gå mainstream. Som et resultat av COVID-19 ble virksomheter tvunget til å transformere seg digitalt for å overleve i den nye normalen. I følge vår forskning viser digital akselerasjon ikke noe tegn på å stoppe i det nye året, med 86% av selskapene som for tiden høster fordelene av bedre kundeopplevelse gjennom AI, sannsynligvis vil fortsette. Pandemien har også endret forretningsprioriteringer for AI-investeringer. For eksempel har vi sett selskaper skifte fra enklere oppgaver som automatisering til å fokusere på planlegging av arbeidskraft og simuleringsmodellering. Ettersom organisasjoner fortsetter å se fordelene med sine digitale investeringer i komplekse prosesser, vil AI bare bli mer utbredt og mye brukt det neste året. - Anand Rao, Global Artificial Intelligence Lead i PwC

Konvergens av AI og BI vil øke datainnsikten. AI har vært en del av hver bedriftsdiskusjon de siste 5 årene. Og likevel vedvarer utfordringene med å demokratisere avansert AI-innsikt over store deler av de ansatte. Etter hvert som nye AI-drevne BI-produkter dukker opp, vil siloer bli ødelagt, og hver bruker vil kunne utnytte dataanalyse og enkelt finne innsikt. Enkle grensesnitt, personlig innsikt og engasjerende dataopplevelser blir kjennetegnene for dataanalyse i 2021 og utover. - Dhiren Patel, produktansvarlig for MachEye og leder for kundesuksess

Raseforskjell i mange AI-drevne ansiktsgjenkjenningsalgoritmer har vært et stort samtaleemne det siste året og kom til en topp på grunn av den sosiale uroen i 2020. Forskning har funnet utbredt bevis at raseminoriteter var langt mer sannsynlig enn hvite å bli feilidentifisert. I 2021 vil vi se at korreksjon av AI-skjevhet blir et hovedtema for ethvert selskap som bruker AI eller ansiktsgjenkjenningsteknologi. Ved å bruke myndighetsutstedte dokumenter kan du raskt og enkelt bevise ID-eierskap ved å analysere ansiktet på dokumentet og sammenligne det med ansiktet som prøver å få tilgang til systemet ditt. 2021 vil være året AI-skjevhet kommer til syne og bedrifter vil begynne å implementere radikale endringer for å eliminere raseforskjell i programvaren - noen av dem kan gjøres ved å sette bevisst fokus på rettferdighet og opplæring av selskapets ML-system for å redusere rasemessig ansiktsbehandling gjenkjennelsesfeil. - Mohan Mahadevan, VP for forskning, Onfido

2021 vil være året team går fra å tilfeldig datere AI til å være i et engasjert forhold. AI er ikke bare for FoU-prosjekter lenger. Det er på tide å forplikte seg til å tilpasse disse løsningene i stedet for bare å flørte med dem. Vi må automatisere nå. - David Karandish, grunnlegger og administrerende direktør for Kapasitet 

Med sammenløpet av beregningskraft, data på internett og moderne maskinlæringsalgoritmer har vi brutt bemerkelsesverdig ny grunn med AI de siste årene. I de kommende årene vil vi gå inn i en ekspansiv æra, der en lang hale av kommersielle bruksområder vil bli prototypet, pakket og produsert - enten for å forbedre eksisterende produkter og tjenester eller for å skape helt nye. - Dave Costenaro, Chief Data Officer hos Kapasitet 

AI-suksess går fra generelt formål til nisjefokuser. Mens AI-investeringer fortsetter å vokse i bedriften, vurderer bedriftene deres tekniske stabler på nytt for å imøtekomme nisje-AI, snarere enn “generelle” sorte bokser som hevder å gjøre alt. Nisje, perfeksjonerte brukstilfeller som løser spesifikke problemer, vil ta budsjettprioritet, i stedet for automatisering som lover å gjøre alt. - Viral Bajaria, CTO på 6sans

Fremveksten av kunstig smal intelligens: For ikke lenge siden var AI det vi nå kjenner som kunstig generell intelligens, som selvkjørende biler eller bildegjenkjenning. Imidlertid er det i dag en ny kategori av kunstig smal intelligens som prøver å replikere en menneskelig beslutningsprosess. Fra et forsyningskjedeperspektiv kan denne nye AI hjelpe til med å informere bedre beslutningstaking rundt alle aspekter av en forsyningskjede, fra "Hvordan fyller jeg en lastebil?" eller “Hvordan får jeg produkter i tide?” I 2021 ser jeg for meg en økning i disse smal løsninger for å erstatte taktiske og mindre beslutninger. - Andy Fox, direktør for Global Impact med LLamasoft

I utkanten begynner vi å se "Counter-AI" begynner å materialisere seg. Når regjeringer prøver å spore mennesker og bedrifter prøver å manipulere dem eller få dyp innsikt i atferd, spår jeg et tilbakeslag av metoder for foliesporing og kundens 360-tallet. Ikke ulikt arbeidet forskjellige grupper har gjort med anti-ansiktsgjenkjenningsverktøy, vil vi begynne å se høyteknologiske og lavteknologiske metoder for å sprette AI som brukes til å overvåke og forstå oss. - Leder for arkitektur for Atos Nord-AmerikaAI Lab i samarbeid med Google Cloud, Jonas Bull

Etter hvert som flere byråer begynner å ta i bruk disse AI- og ML-baserte løsningene, er det en plikt for lovhåndhevelse å overholde etiske retningslinjer og fjerne skjevheter i slike verktøy. Som sådan vil avdelinger begynne å etablere sin egen politikk og samarbeide med styrende organer om ansvarlig og etisk AI-bruk, inkludert riktig opplæring for relevante team og forretningsfunksjoner, samt å skape et miljø med etos med datadrevet og ansvarlig beslutning. -lager. Å gå et skritt videre vil rettshåndhevelsesorganisasjoner fortsette å sikre at AI-systemer blir undersøkt for å være biasfrie og korrigert etter behov. Og de vil åpne en kommunikasjonslinje med publikum for å fremme åpenhet om bruken av disse verktøyene. - Heather Mahalik, Senior Director of Digital Intelligence, Cellebrite

Vi vil se flere datadrevne selskaper utnytte åpen kildekode for analyse og AI i 2021. Open source analytics-teknologier som Presto og Apache Spark Power AI-plattformer og er mye mer fleksible og kostnadseffektive enn deres tradisjonelle motparter for datalager som er avhengige av konsolidering. data på ett sted - en tidkrevende og kostbar innsats som vanligvis krever leverandørinnlåsing. Neste år vil bruken av analysemotorer som Presto for AI-applikasjoner øke på grunn av sin åpne natur - åpen kildekode-lisens, åpent format, åpne grensesnitt og åpen sky. - Dipti Borkar, medstifter og Chief Product Officer (CPO), Ahana

Bransjen vil skifte fra generiske horisontale AI-plattformer, som IBM Watson og Amazon Lex, mot domenespesifikke AI-drevne produkter og administrerte servicemodeller. Generiske plattformer er ikke løsninger. De begynner kaldt, uten opplæringsdata eller datamodellstruktur - å bygge dette, og deretter optimalisere det i produksjon er en ekspert og ressurskrevende oppgave som ligger utenfor de fleste bedrifters evner. Overgangen fra det tidlige innovatormarkedet til adopsjon av massemarkedet vil bli drevet i 2021 av adopsjonen av domenespesifikke AI-drevne produkter som er pre-trent for en bestemt industri og har vist seg å fungere. - Jake Tyler, medstifter og administrerende direktør, Finn AI

I 2021 blir ikke AI kartlagt på det menneskelige kompetansespekteret. Vi kan ha algoritmer som knuser ethvert menneske ved sjakk, men som ikke klarer å lage en kopp te og dataprogrammer som kan utføre matematikk millioner ganger raskere enn mennesker, men hvis de blir spurt om hvem som kan vinne neste verdensmesterskap, ville de ikke engang forstå spørsmålet. Deres evner er ikke universelle. Vi har nådd et punkt med AI der vi samtidig overvurderer og undervurderer kraften til algoritmer. Når vi overvurderer dem, ser vi menneskelig dom forvandlet til en ettertanke - et farlig sted å være. Bruken av en "mutant algoritme" for å gradere resultater på A-nivå er skandalen du jour i Storbritannia, til tross for at algoritmen produserer mange resultater som ganske enkelt bryter med sunn fornuft. Når vi undervurderer algoritmer, ser vi at hele bransjer smuldrer opp fordi de ikke så endring i horisonten. Hvordan kan den tradisjonelle taxivirksomheten konkurrere når Ubers algoritme kan gi deg en kjøretur på mindre enn 3 minutter? I 2021 kan du forvente at ingeniører unngår AI og algoritmiske feil ved ikke å prøve å kartlegge algoritmer på det menneskelige kompetansespekteret. Bruk av AI-teknologier - for eksempel talegjenkjenning i alle sammenhenger - for å forbedre hva mennesker kan gjøre og finne den rette balansen mellom AI-automatisering og menneskelig kunnskap for bruk i virkeligheter - som kundeopplevelse og nettkonferanse - vil begynne å forme den effektive bruken av AI for fremtiden. - Ian Firth, VP i Speechmatics

Ansvarlig AI / ML blir det hotteste emnet i sky-ML-bransjen. Gitt samfunnets økte vekt på å bekjempe urettferdighet og skjevhet og den generelle interessen for bedre tolkbarhet og forklarbarhet av maskinlæringsmodeller, vil skyleverandører investere og forbedre ML-tilbudene sine for å tilby en komplett pakke med ansvarlige ML / AI-evner som vil sikte på å tilfredsstille og berolige regulatorer, modellerere, ledelse og markedet om rettferdig bruk av ML. I mellomtiden vil AI / ML fortsette å se eksplosiv vekst og bruk i hele bransjen, med betydelige forbedringer i brukervennlighet og UX, kombinert innen et ansvarlig AI / ML-rammeverk for å drive neste vekstspurt i denne sektoren. - Yiannis Antoniou, analytiker, Gigaom

AIOps for nettverk vil bli mainstream: Neste år vil AIOps gå fra teori til praksis for mange organisasjoner. Med økningen av fjernarbeidere og hjemmet som blir den nye mikrogrenen, vil AI bli bordpenger for å levere en god klient til skybrukeropplevelsen mens de kontrollerer IT-støttekostnadene for eksterne ansatte. IT-team vil måtte omfavne AIOps for å skalere og automatisere driften. AIOps sky SaaS vil snu opp ned på kundesupportparadigmet. I stedet for at brukere sender inn billetter til IT, vil AI proaktivt identifisere brukere med tilkoblings- eller opplevelsesproblemer, og vil enten løse (det selvkjørende nettverket) eller åpne en billett med foreslåtte utbedringstiltak for IT. - Bob Friday, CTO for Mist Systems, et Juniper Networks-selskap

Kunstig intelligens og maskinlæring vil spille en mye mer integrert rolle i forsyningskjedestrategien enn tidligere år. Behovet for mer sanntidsinnsikt i hele forsyningskjeden vil fortsette å øke i 2021, spesielt ettersom forsyningskjedeorganisasjoner revurderer sin virksomhet som et resultat av plutselige endringer i kjøpsatferd under COVID-19-pandemien.

For å imøtekomme dette behovet, må leverandørkjedeorganisasjoner se på kunstig intelligens (AI) og maskinlæring (ML) -aktivert teknologi for å oppgradere fra gjeldende, beskrivende og forskrivende analyse, og utnytte prediktiv analyse - som gir anbefalte handlinger før du en hendelse skjer basert på tidligere handlinger. Ofte opplever selskaper et rot av siloer og fragmentering på grunn av å bli kjøpt opp av store selskaper som har forskjellige systemer. I 2021 vil interessentene i forsyningskjeden se på å distribuere digitale tvillinger på tvers av alle moduler som et ekstra lag av synlighet og å sikre synkronisering mellom selskapets eksisterende systemer og ny teknologi, for eksempel sensorer og nanosensorer, som kommer på markedet i stadig større volumer. . - Mahesh Veerina, administrerende direktør i Cloudleaf

Bias i AI forårsaker skade i stor skala - fra å påvirke rekrutteringsprosessen ved å styrke kjønnsstereotyper til rasediskriminering i kredittpoeng og utlån. Organisasjoner vet at å ansette en mangfoldig arbeidsstyrke kan gi et sannhetsnivå for AI-modeller, og de vet at opplæringsdata må overvåkes kontinuerlig for bias, ettersom det påvirker kvaliteten og nøyaktigheten til algoritmer. De vet også at det ikke er noen nåværende målestokk for etiske baserte målinger for å virkelig redusere skjevhet i AI, og at det må være. I 2021 ser vi organisasjoner som beveger seg forbi bare anerkjenner og "bekymrer seg" for skjevhet i AI og begynner å gjøre mer betydningsfulle grep for å løse det - fordi det vil være nødvendig. Spesifikke team og / eller initiativer vil bli dannet for å bekjempe alle bekymringene som faller inn under paraplyen til ansvarlig AI, inkludert alt fra iboende skjevhet i data til å behandle datatrenere rettferdig. Å etablere ansvarlige AI-initiativer vil ikke bare bli et mandat på styrenivå for noen, men partnerne og kundene til selskaper som leder AI-innsatsen, vil kreve det. - Appen CTO Wilson Pang

AIOps vil varme opp for å forbedre kundeopplevelsen og levere applikasjonsforsikring og optimalisering. Med et år med uforutsigbarhet bak oss, må bedriftene forvente det uventede når det gjelder å gjøre teknologiestabler feilbare og proaktive. Vi vil se at etterspørselen etter AIOps fortsetter å vokse, da den kan adressere og forutse disse uventede scenariene ved hjelp av AI, ML og prediktiv analyse. Den økende kompleksiteten i digitale bedriftsapplikasjoner som strekker seg over hybrid infrastruktur og skyinfrastruktur kombinert med bruk av moderne applikasjonsarkitekturer som containerisering, vil resultere i en enestående økning i både datamengden og kompleksiteten. Mens dataoverbelastning fra moderne digitale miljøer kan forsinke reparasjon og overvelde IT Ops-team, vil støyende datasett være en barriere fra fortiden, da smartere strategier og sentraliserte AIOps-systemer hjelper organisasjoner med å forbedre kundeopplevelsen, levere moderne applikasjonssikring og optimalisering, knytte den til intelligent automatisering, og trives som autonome digitale bedrifter. Faktisk er konvensjonelle tilnærminger til IT-drift ikke lenger mulig - noe som gjør adopsjonen av AIOps uunngåelig for å kunne skalere ressurser og effektivt administrere moderne miljøer. - Ali Siddiqui, produktansvarlig, BMC Software

Den sterke virkeligheten er at 2021 vil være året da de som faktisk gjør AI, vil begynne å oppnå verdi i skala, mens de som tilbringer måneder på å trene sprø modeller og ikke klarer å innhente, vil ha en økende, eksponentiell ulempe. Last mile utfordringer blir ikke enklere - men et grunnleggende skifte i tenking og tilnærming vil være avgjørende for å overvinne kompleksitetshindringer. - Dr. Josh Sullivan, sjef for Modzy

Elegant risikovurdering: Ettersom AIOps-plassen fortsetter å modnes, ser vi en mulighet for leverandører til å avgrense risikovurderingsegenskapene sine slik at kundene kan løse problemer med nesten sikkerhet uten å ødelegge noe annet i systemet. I 2021 vil et område der vi vil se økt fokus fra begge leverandører og mer adopsjon blant brukere være rundt som muliggjør mer elegant avhengighetskartlegging slik at ingeniører nøyaktig kan vurdere risiko som en del av utbedringsprosessen eller bygge-distribusjonssyklus for programvareendringer, for å sørg for at en endring i en del av et miljø ikke bryter systemet andre steder. - Michael Olson, direktør, produktmarkedsføring i New Relic

I 2021 vil AI ikke bli kartlagt på det menneskelige kompetansespekteret: Vi kan ha algoritmer som knuser ethvert menneske ved sjakk, men som ikke klarer å lage en kopp te og dataprogrammer som kan utføre matematikk millioner av ganger raskere enn mennesker, men hvis de blir spurt om hvem som kan vinne neste verdensmesterskap, vil de ikke engang forstå spørsmålet. Deres evner er ikke universelle. Vi har nådd et punkt med AI der vi samtidig overvurderer og undervurderer kraften til algoritmer.

Når vi overvurderer dem, ser vi menneskelig dom forvandlet til en ettertanke - et farlig sted å være. Bruken av en "mutant algoritme" for å gradere resultater på A-nivå er skandalen du jour i Storbritannia, til tross for at algoritmen produserer mange resultater som ganske enkelt bryter med sunn fornuft. Når vi undervurderer algoritmer, ser vi at hele bransjer smuldrer opp fordi de ikke så endring i horisonten. Hvordan kan den tradisjonelle taxivirksomheten konkurrere når Ubers algoritme kan gi deg en kjøretur på mindre enn 3 minutter? I 2021 kan du forvente at ingeniører unngår AI og algoritmiske feil ved ikke å prøve å kartlegge algoritmer på det menneskelige kompetansespekteret. Bruk av AI-teknologier - for eksempel talegjenkjenning i alle sammenhenger - for å forbedre hva mennesker kan gjøre og finne den rette balansen mellom AI-automatisering og menneskelig kunnskap for bruk i virkeligheter - som kundeopplevelse og nettkonferanse - vil begynne å forme den effektive bruken av AI for fremtiden. - Ian Firth, VP i Speechmatics

ML on the edge kommer til å være et av hovedfokusene i AI / ML-bransjen i 2021. Etterspørselen etter intelligente edge-applikasjoner øker raskt i bilindustrien, smartfabrikken og smarthusindustrien. Med allment tilgjengelige effektive ML-utviklingsverktøy og halvlederselskaper som lanserer nye MCUer med ML-funksjoner, vil adopsjon av edge ML-applikasjoner bli den viktigste trenden. - Sang Won Lee, administrerende direktør i Qeexo

Det kliniske samfunnet vil øke bruken av fødererte læringsmetoder å bygge robuste AI-modeller på tvers av ulike institusjoner, geografier, pasientdemografi og medisinske skannere. Følsomheten og selektiviteten til disse modellene overgår AI-modeller bygget på en enkelt institusjon, selv når det er rikelig med data å trene med. Som en ekstra bonus kan forskere samarbeide om å lage AI-modeller uten å dele konfidensiell pasientinformasjon. Federert læring er også gunstig for å bygge AI-modeller for områder der data er knappe, for eksempel for barn og sjeldne sykdommer. - Kimberly Powell, visepresident og daglig leder, NVIDIA Healthcare

AI Center of Excellence: Bedrifter har kryptert de siste 10 årene for å få tak i høyt betalte dataforskere, men produktiviteten har vært lavere enn forventet på grunn av mangel på støttende infrastruktur. Flere organisasjoner vil øke investeringsavkastningen på AI ved å bygge sentralisert, delt infrastruktur i superdatamålskala. Dette vil lette pleie og skalering av datavitenskapstalent, deling av beste praksis og akselerere løsningen av komplekse AI-problemer. - Charlie Boyle, visepresident og daglig leder, NVIDIA DGX Systems

AI-uttrykk vil innskrenke seg i sømløse brukeropplevelser: Når vi ser på historien til AI, ble algoritmer konge og brukeropplevelsen ble nummer to. Men når vi går inn i 2021, vil AI-aktiverte applikasjoner i økende grad fokuseres på brukervennlighet som en prioritet. De beste uttrykkene for AI er sømløse for brukeren og fungerer diskret i bakgrunnen. Plattformer støttet av AI / ML vil finne nye måter å lede brukere til bedre konklusjoner og løsninger.

Dette skjer ved å forhøre enorme datamengder, lete etter avvik, innsikt og trender, og deretter presentere resultater i riktig forretningskontekst. Virkelig friksjonsfri AI / ML skal være sluttmålet for alle forretningsplattformer. Jeg håper å se mer sofistikerte applikasjoner av AI som vil identifisere hva hver bruker prøver å oppnå og automatisk overflate innsikt som kan utnyttes for rask handling. Denne brukervennligheten vil være utrolig verdifull for den brede brukerbasen, både teknisk og ikke-teknisk. - Sanjay Vyas, CTO for Planfull

Etisk AI vil ta en nøkkelrolle i produktutviklingen i 2021, men det er et vanskelig problem å løse: Etisk AI blir et viktig spørsmål, men et vanskelig dilemma å løse. Bedrifter bruker data og AI for å lage løsninger, men de kan omgå menneskerettighetene når det gjelder diskriminering, overvåking, åpenhet, privatliv, sikkerhet, ytringsfrihet, retten til arbeid og tilgang til offentlige tjenester. 

For å unngå å øke omdømmemessige, regulatoriske og juridiske risikoer, er etisk AI viktig og vil til slutt vike for AI-politikk. AI-politikk vil sikre høy standard for gjennomsiktighet og beskyttende tiltak for mennesker. I datasfæren vil administrerende direktører og CTOer måtte finne måter å eliminere skjevhet i algoritmer gjennom nøye analyse, kontroll og programmering. - Krishna Tammana, CTO i Talend

Neste år vil vi se selskaper fokusere på, vedta og utvikle AI-løsninger som faktisk gir avkastning i motsetning til gimmicks eller bygningsteknologi for teknologiens skyld. Organisasjoner vil være fokusert på påvisbar fremgang og målbare resultater og vil derfor investere i løsninger som løser spesifikke problemer. Bedriftene som har en dyp forståelse av kompleksiteten og utfordringene kundene ønsker å løse og er villige til å investere FoU-dollar i løsningene, vil finne suksess. - Joe Petro, CTO i Nuance Communications, Inc..

AI-ferdighetsgapet vil vedvare, og organisasjoner vil tenke på nye måter å tilpasse seg. Det har vært vanskelig for organisasjoner å ansette talentet som trengs for å distribuere AI og høste alle fordelene, med halvparten av bransjens innsidere som rapporterer om denne utfordringen. Dessuten har mange organisasjoner akselerert digitale transformasjonsinitiativer i løpet av noen måneder eller år - men det er et avvik i tilgjengelig talent og opplæringsmuligheter for å støtte disse initiativene. På grunn av økt etterspørsel, spår vi at bedrifter vil tilby mer dyktige tiltak og insentiver for ansatte å lære nye ferdigheter, samt arbeide for å bygge data og AI-kompetanse på alle nivåer i organisasjonen.

Pandemien har gitt organisasjoner en mulighet til å prioritere disse handlingene og hjelpe de ansatte til å utvikle nye ferdigheter i den raske overgangen til fjernarbeid. Ser vi fremover, vil 2021 handle om utdanning - både å operere i en ny normal og innhente de hurtige digitale initiativene. - Traci Gusher, rektor, data og analyse, KPMG

Å takle skjevheter i AI-algoritmer vil være en topprioritet som fører til at retningslinjer blir rullet ut for maskinlæringsstøtte av etnisitet for ansiktsgjenkjenning. Bedrifter blir stadig mer bekymret for demografisk skjevhet i AI-algoritmer (rase, alder, kjønn) og dens innvirkning på merkevaren og potensialet til å reise juridiske problemer. Evaluering av hvordan leverandører adresserer demografisk skjevhet vil bli topprioritet når de velger identitetssikringsløsninger i 2021. Ifølge Gartner vil mer enn 95% av RFPene for dokument-sentrisk identitetssikring (sammenligne en offentlig utstedt ID med en selfie) inneholde klare krav angående minimering av demografisk skjevhet innen 2022, en økning fra færre enn 15% i dag. Organisasjoner må i økende grad ha klare svar på organisasjoner som ønsker å vite hvordan en leverandørs AI “black box” ble bygget, hvor dataene stammer fra og hvor representativt opplæringsdataene er for den bredere befolkningen som blir servert.

Ettersom organisasjoner fortsetter å ta i bruk biometrisk basert ansiktsgjenkjenningsteknologi for identitetsverifisering, må bransjen adressere den iboende skjevheten i systemene. Temaet AI, data og etnisitet er ikke nytt, men det må komme til en topp i 2021. I følge forskere ved MIT som analyserte bildedatasett som ble brukt til å utvikle ansiktsgjenkjenningsteknologier, var 77% av bildene mannlige og 83% var hvite, noe som signaliserte en av hovedårsakene til at systematisk skjevhet eksisterer i ansiktsgjenkjenningsteknologi. I 2021 vil retningslinjer bli innført for å oppveie denne systematiske skjevheten. Inntil det skjer, bør organisasjoner som bruker ansiktsgjenkjenningsteknologi spørre teknologileverandørene hvordan algoritmene deres blir trent, og sørge for at leverandøren ikke trener algoritmer på kjøpte datasett. - Robert Prigge, administrerende direktør i Jumio

Store data

I 2021 vil åpen og gratis datainnsamling gi næring til fremtidige innovasjoner. En fersk undersøkelse fra Frost & Sullivan fant det 54% av IT-beslutningstakere uttrykte et behov for datainnsamling i stor skala for å holde tritt med virksomhetenes vekst og online konkurranse. For at bedrifter skal kunne bruke online data effektivt, må det imidlertid først være tilgjengelig - ikke blokkert. I dag forbyr bedrifter ofte offentlige datainnsamlingsforsøk til tross for at de selv samler det inn. Denne situasjonen er forårsaket av to hovedfaktorer: det kontinuerlige behovet for å blokkere ondsinnet eller uredelig online aktivitet som en del av sikkerhetsforanstaltninger, og forestillingen om at denne offentlige informasjonen bidrar til et selskaps konkurransefortrinn.

Jeg tror at i løpet av 2021 og fremover vil selskaper innse at offentlig datainnsamling er en del av den generelle og nødvendige pågående forretningsførselen. De vil også innse at data ikke er alt når det gjelder en virksomhets konkurransefortrinn. Områder som varelager, priser, produktkvalitet og servicekvalitet osv. Spiller også en stor rolle. Når denne erkjennelsen er kommet til, vil blokkering av data kun tjene til å beskytte mot voldelige aktiviteter på nettet. For å sikre etisk datainnsamling håper jeg vi alle fremmer en åpen utveksling av informasjon i sentrale datahubber. Nettsteder vil fortsette å blokkere overgripere; dette vil ikke endre seg. Imidlertid kan de tillate etiske datainnsamlere. Til slutt er fremtiden for online datainnsamling opp til de som styrer den. I den raske hastigheten data blir produsert, vil fremtidig innsamling av data må utvikle seg og vokse. Bedrifter trenger automatisk datainnsamling for å holde tritt med konkurrentene og være i stand til å samle inn data raskere. Tross alt vil hastigheten som selskaper kan samle inn nye data avgjøre deres relevans og suksess. - Ron Kol, CTO i Luminati Networks

Data blir virkelig operasjonelle i bedriftsskala: Mengden data virksomheter har vokser eksponentielt - det er flere kilder, typer og mengder enn noen gang før, pluss økende datamengder blir levert i nesten sanntid. Men for å virkelig forstå, få tilgang til og iverksette tiltak på data, må bedrifter endre hvordan de bruker det - begynner med å kutte ut mellommannen. Ved å finne måter å automatisere datakatalogisering og profilering av prosesser, ansatte - inkludert de med mindre ofa teknisk bakgrunn - vil være i stand til å få dataene de trenger for effektivt og effektivt å ta gode forretningsbeslutninger. - Eric Raab, SVP, Engineering and Product, Informasjonsbyggere

Det er viktig å fange opp og syntetisere "alternative" data: Hvor tidlig kunne vi ha oppdaget COVID-19? Studier av “alternative” data - i dette tilfellet trafikkdata utenfor sykehus i Wuhan og søkeordssøk fra Internett-brukere i dette området - indikerer at viruset kan ha sirkulert i slutten av 2019. Investeringssamfunnet har vært en pioner innen bruk av alternative data. , inkludert lyd, flyfoto, vannkvalitet og følelser.10 Dette er frontlinjen for datadrevet innovasjon, og å få et forsprang her kan føre til enorme gevinster. Men i kjølvannet av 2020 vil alternative data bli vanlige, med målet om å oppdage avvik mye tidligere.

Fra det kan vi få avledede data, som kommer fra kombinasjoner, assosiasjoner og synteser med data fra registreringssystemer. Som IDC sier: “Når flere data blir fanget og blir tilgjengelige fra eksterne kilder, blir muligheten til å bruke mer av det en differensierende faktor. Det inkluderer å ta leksjoner fra andre bransjer enn din egen. ” 11 Denne trenden, i likhet med det som Gartner kaller "X analytics", 12 er ikke ny, men blir endelig et viktig fundament for moderne data og analyse, takket være billigere prosessering og mer modne AI-teknikker - inkludert kunnskapsgrafer, datastoffer, naturlig språkbehandling (NLP), forklarbar AI og analyse på alle typer innhold. Denne trenden er helt avhengig av ML og AI, da det menneskelige øye ikke kan fange det hele. - Dan Sommer, Senior Director, Global Market Intelligence Lead at Qlik

I bransjen snakker vi ofte om å bryte ned datasiloer, men vi bør erkjenne at noen siloer alltid vil være der. I store organisasjoner vil du alltid ha lokale avdelinger eller regioner som har egne verktøy eller databaser, og det vil fortsette. Hvis du har datasuverenitet, vil det lokale kontoret i organisasjonen ha en silo. Derfor er den beste tilnærmingen å se på hvordan du kan få en bedre forståelse av dataene du har. En datainformasjonsplattform kan fungere som din indeks og ditt kart, og viser deg siloene du har og hvordan de er koblet sammen ved å gi en 360-graders oversikt over dataverdiene. - Stijn “Stan” Christiaens, medstifter og CTO for Collibra

OpenTelemetry vil skape dataoverbelastning. I 2021 vil bruken av OpenTelemetry bli den nye bransjenormen. Ja, det vil gjøre datainnsamlingen enklere ved å skape konsistens på tvers av kilder - men det vil også skape en data-brannslange for selskaper, noe som gjør det enda vanskeligere å finne den lille delen av data som inneholder handlingsbar innsikt. Den konstante datastrømmen vil overvelde selskaper hvis de ikke har et system på plass for raskt å finne de 5% som virkelig kan brukes. På grunn av dette vil IT-teamene skifte fokus fra å skaffe data til å bygge et rammeverk for å handle fra data. Når lagene gjør det, vil det være viktig å implementere verktøy som umiddelbart kan begynne å dukke opp handlingsbare data i tiden det tar å lage en cappuccino. - Phil Tee, administrerende direktør i Moogsoft

En digital tvilling er en virtualisert modell av en prosess, et produkt eller en tjeneste. Sammenkoblingen av den virtuelle og fysiske verdenen tillater dataanalyse og systemovervåking for å identifisere problemer før de til og med oppstår. Dette forhindrer nedetid, utvikler nye muligheter og til og med planer for fremtiden ved å bruke simuleringer. Denne generasjonen av digitale tvillinger gjør det mulig for bedrifter å ikke bare modellere og visualisere en virksomhetsressurs, men også å forutsi, utføre handlinger i sanntid og bruke dagens teknologier som AI og ML for å utvide og handle på data på smarte måter. - Anil Kaul, administrerende direktør i Absolutt data

Digital transformasjon vil til slutt begynne å bli transformerende. På dette punktet har "digital transformasjon" blitt et moteord som alle bedrifter har lært å gjenkjenne, men de aller fleste (80% ifølge IDC) er fortsatt for taktiske. Robotisk prosessautomatisering (RPA) kan for eksempel betraktes som et transformasjonsverktøy, men på egenhånd er det ikke. For at organisasjoner skal kunne se virkelig transformasjon i 2021, må de utnytte mer avanserte plattformer som kombinerer kjerneautomatisering og AI-funksjoner - for eksempel tekstanalyse, dokumentforståelse og prosessutvinning. Det er også viktig at disse plattformene har funksjoner med lav kode som gjør det mulig for innbyggerutviklere å bygge og distribuere automatiseringer av bedriftsklasse som gir verdi tilbake til organisasjonene. Uten det vil det fortsette å være utfordrende for bedrifter å levere digital transformasjon over hele virksomheten - som er drevet av muligheten til å enkelt distribuere automatisering, selv til de mest komplekse prosessene. - Guy Kirkwood, sjefevangelist ved UiPath

Business Intelligence

Spredning av lavkode / nei-kode ML. Økningen av ML-systemer med lav kode og uten kode, designet for å gjøre AI mer tilgjengelig for selskaper, vil bidra til å forbedre adopsjonen av AI. Imidlertid vil til slutt bedrifter nå et tak og vokse ut av en størrelse som passer alle, og søke mer avanserte brukstilfeller for AI som krever dypere kompetanse. Til slutt vil behovet for tilpasning øke behovet for kvalifiserte dataforskere, i stedet for lavkodesystemer som erstatter dem. Vi kommer ikke til å automatisere behovet for dataforskere snart. - Kevin Goldsmith, CTO, Anaconda

Business Intelligence skifter til et nytt paradigme for avansert dataanalyse med integrasjonen av Natural Language, Natural Search, AI / ML, Augmented Analytics, Automated Data Preparation og Automated Data Catalogs. Dette vil forandre forretningsbeslutningsprosesser med sanntidsinnsikt av høyere kvalitet. - Ramesh Panuganty, administrerende direktør i BI-selskapet MachEye

BI og AI vil utdype forbindelsen. Enten å score BI-datasett mot ML-modeller og visualisere spådommer, eller utnytte naturlig språkbehandling for å generere visualiseringer, innsikt og sammendrag, vil AI og BI øke synergiene. Og ettersom konvensjonelle BI-funksjoner fortsetter å markedsføre, vil leverandører trenge BI + AI som en ny front i innovasjonskrigene. - Andrew Brust, analytiker, Gigaom

Chatbots

Ansatt til bedrift - Adopsjon av konversasjonell AI vil være naturlig og ofte den første kontakten. Samtaler AI er normalisert og her for å bli. Grensesnitt som veileder forbrukere gjennom den elektroniske markedsplassen, ansatte gjennom opplæringskurs og brukere gjennom søkemotorer og nettsteder fikk stor avkastning på investeringene når de var utstyrt med avansert Conversational AI-teknologi. - Shiva Ramani, administrerende direktør i iOPEX

AI vil ikke fortrenge mennesker snart. Når du ser på bruken av AI i forbrukervendte operasjoner i dag, brukes den hovedsakelig i AI-støttede chatbots og kundetilpasningsfunksjoner. Hvis vi ser på hvordan forbrukere har benyttet seg av AI-støttede funksjoner under pandemien, kan vi se at de faktisk bruker dem til å løse problemer raskere gjennom menneskelige agenter. Bedrifter som Bank of America, som har en forbruker-vendt AI-drevet chatbot kalt Erica, så forbrukere bruke Erica for å finne det beste kurset for å engasjere kundesupportteam. I stedet for å stille Erica spørsmål for å løse eventuelle problemer direkte, spurte kundene bare Erica hvordan de skulle gå frem for å nå ut til kundeserviceteamet for raskt å løse problemet med den rette menneskelige agenten. - James Isaacs, konsernsjef i Cyara

I dag samhandler vi med roboter mer enn noen gang før, enten det er kundeservice-chatbots eller AI på enhetene våre, som Siri og Alexa. Disse robotene brukes til sanntidsbeslutninger for å automatisere prosesser som tidligere ble utført av mennesker. For eksempel har roboter automatisert returprosessene for selskaper som Amazon. Imidlertid blir det mer komplisert for bedrifter å administrere identiteten til automatiserte roboter, spesielt når de kommuniserer med andre roboter i maskinhastighet. Identitetene til bots må administreres og beskyttes av bedriften, i likhet med ansattes og kundeidentiteten, slik at data ikke kompromitteres. Dette er viktig for CIO-er og sikkerhetsledere å huske på, fordi bruk av bots for automatiseringsformål åpner nye angrepsvektorer hvis disse bots API-er blir hacket. - Jasen Meece, administrerende direktør i Uklarhet

NLP (naturlig språkbehandling) endrer samtalen om dataanalyse: Akkurat som vi bruker Google Home og Alexa i hverdagen vår, vil samtaleanalyser gjennom NLP være den gyldne billetten for bedrifter med å hente ut verdifull stordatainnsikt fra virksomheten. Dette inkluderer å avdekke trender som kan ha blitt ubemerket og la eksperter fra virksomheten engasjere seg med data på en meningsfull måte. - Sam Mahalingam, CTO, Altair

Samtaler AI trenger først og fremst en allestedsnærværende meldingskanal å snakke om. Fremveksten av forretningsmeldinger på IP-baserte kanaler som Whatsapp, GIP og andre driver en gjenoppblomstring i bruken av konversasjons AI. Bedrifter på tvers av bransjer som bank, e-handel, detaljhandel, reise osv. Muliggjør nå AI for samtaler for praktisk talt alle kontaktpersoner, inkludert markedsføring, salg og support. Drevet av nylige fremskritt innen prosessering av naturlige språk (NLP), er samtale AI klar til å transformere hvordan forbrukere samhandler med bedrifter. - Beerud Sheth, administrerende direktør i Gupshup

Cloud

Jeg tror vi vil begynne å se en mer gjennomtenkt, balansert tilnærming til multi- og hybrid sky-adopsjon, spesielt for hybrid cloud. Vi kommer forbi den offentlige kontra private sky-samtaler, og bedrifter aksepterer virkeligheten at sky ikke er en "enten" eller "beslutning. Historisk sett har vi sett at "offentlig sky" er assosiert med banebrytende innovasjon og "privat sky" assosiert med langsomme, eldre virksomheter som er motstandsdyktige mot endring. Denne følelsen er i endring, ettersom bedrifter begynner å bedre forstå verdien de kan få fra en hybrid skyarkitektur som gjør det mulig for dem å distribuere smidige, moderne applikasjoner på plattformen som best balanserer deres spesifikke kostnader, ytelse, sikkerhet, samsvar og styringsbehov.

Med dette følger en økning i hybridaktiverende teknologier som containere og hybridintegrasjonsplattformer. En annen vurdering er tethered compute, som er en hyperskala-skyleverandørløsning som kjører i ditt eget datasenter. Eksempler er AWS Outposts, Google Anthos og Microsoft Azure Stack. Selv om disse har vært for sakte å innføre til dags dato, kan vi begynne å se begynnelsen på vekst her når kundene ser verdien av privat / offentlig sky, kombinert med konsistensen av hyperskala forbruk av skytjenester. - Kim King, direktør for produktmarkedsføring - Cloud Management hos Snow Software

COVID-19 akselererer skyutgifter: Med økningen i fjernarbeid på grunn av COVID-19-pandemien, selskaper investerer en større del av IT-budsjettene på skybaserte teknologier, beveger seg bort fra papirbaserte prosesser. Bedriftens gjennomsnittlige skyforbruk økte med 59% fra 2018 til $ 73.8 millioner i 2020. Denne trenden vil fortsette til 2021 ettersom selskaper blir tvunget til å ta i bruk strategier for å arbeide eksternt og erkjenne fordelene ved å opprettholde disse driftsmåtene selv når de begynner å overføre ansatte tilbake til fysiske steder. Et godt eksempel vil være å inngå kontrakter der COVID styrte digital transformasjon av kontraktsforespørsel, godkjenning, utførelse og styringssystemer etter tildeling og har lagt grunnlaget for enda flere fremskritt innen ledelsessyklusstyring. - Harshad Oak, daglig leder, kundeadopsjon og verdi, kl Icertis

En gang betraktet som "layover" på vei til skyen, er hybrid nå målet: En hybrid cloud-tilnærming pleide å bli ansett som et springbrett for en sky-første implementering. Nå ser kundene at en hybrid tilnærming gir mest mening, både strategisk for deres forretningsbehov og økonomisk. Ifølge IDC forblir 70% av kundenes apper og data utenfor den offentlige skyen. Med dette i bakhodet, i 2021, vil vi se enda flere kunder omfavne en hybrid tilnærming. På grunn av datalatens, applikasjonsforvikling og sikkerhets- og etterlevelsesårsaker ser vi flere og flere organisasjoner på tvers av bransjer som ønsker å beholde dataene sine lokalt. På samme tid, delvis på grunn av pandemisk økonomi, datautgangskostnader og leverandørinnlåsing hos offentlige skyleverandører, er virkeligheten CIO og IT-organisasjoner omfavner hybrid som utfallet og ikke et middel til et mål. - Keith White, daglig leder, GreenLake Cloud Services

Skyens smidighet er fantastisk, men det kan lett føre til løpskostnader. På samme måte kaster ofte delte store dataklynger ressurser. Begge disse resulterer i savnede SLA. Hvis de ønsker å eliminere kronisk overforbruk, må bedrifter innføre en metode for å overvåke og administrere skyutgiftene sine. Den mest effektive måten å gjøre dette på er gjennom observerbarhet og automatisk innstilling. - Ash Munshi, administrerende direktør, pepper data

Database / Datavarehus / Data Lake

Løsningene som bedrifter bruker for å lagre data fortsetter å utvikle seg raskt det neste året. Vi ser økte migrasjoner til åpen kildekode relasjonsdatabaseløsninger, ikke-relasjonelle databaseløsninger, PaaS-baserte databaseløsninger og en kombinasjon av disse. Hovedfokuset for disse tiltakene kan være å gruppere under overskriften om å redusere driftskostnadene, enten de blir gjennomført for å redusere kraftige supportkontrakter fra leverandører som Oracle og Microsoft (både åpen kildekode og ikke-relasjonell databasemigrasjon faller inn i denne kategorien), redusere antall ansatte (migrasjoner til PaaS-tjenester faller inn i denne kategorien), eller få ytelseseffektivitet ved å migrere til en mer spesialbygd databaseløsning.

Datamigrering skjer akkurat nå og i stor skala, så det er mange hensyn som må gjøres når man går over til disse nye databaseløsningene, inkludert mulighetene til den fremtidige statsløsningen versus den nåværende tilstanden, virkningen på lisensiering og supportkontrakter , og en metode for å sikre at de riktige løsningene blir distribuert. Mens PaaS-løsninger gir noen store fordeler, er det fortsatt nødvendig med DBA-er for å overvåke og administrere disse systemene og samarbeide med applikasjonsteam for å øke effektiviteten i ytelse, tilgjengelighet og sikkerhet. - Marc Caruso, sjefarkitekt, syntax

360. Det er antall databasesystemer ute i naturen. Og mens valg er bra og det er smart å finne riktig verktøy for jobben, gir det også stor kompleksitet. Når selskaper går over til å modernisere seg i skyen, vil de søke forenkling, noe som vil føre til massiv konsolidering i databasemarkedet. Databaseleverandører som tilbyr multifunksjonelle muligheter, vil vinne, i stedet for en rekke nisjedatabaser som må syes sammen og krever forskjellige måter å få tilgang til data på. - Franz Aman, CMO i relasjonelt databaseselskap MariaDB

Løsningene som bedrifter bruker for å lagre data fortsetter å utvikle seg raskt det neste året. Vi ser økte migrasjoner til åpen kildekode relasjonsdatabaseløsninger, ikke-relasjonelle databaseløsninger, PaaS-baserte databaseløsninger og en kombinasjon av disse. Hovedfokuset for disse tiltakene kan være å gruppere under overskriften om å redusere driftskostnadene, enten de blir gjennomført for å redusere kraftige supportkontrakter fra leverandører som Oracle og Microsoft (både åpen kildekode og ikke-relasjonell databasemigrasjon faller inn i denne kategorien), redusere antall ansatte (migrasjoner til PaaS-tjenester faller inn i denne kategorien), eller få ytelseseffektivitet ved å migrere til en mer spesialbygd databaseløsning.

Datamigrering skjer akkurat nå og i stor skala, så det er mange hensyn som må gjøres når man går over til disse nye databaseløsningene, inkludert mulighetene til den fremtidige statsløsningen versus den nåværende tilstanden, virkningen på lisensiering og supportkontrakter , og en metode for å sikre at de riktige løsningene blir distribuert. Mens PaaS-løsninger gir noen store fordeler, er det fortsatt nødvendig med DBA-er for å overvåke og administrere disse systemene og samarbeide med applikasjonsteam for å øke effektiviteten i ytelse, tilgjengelighet og sikkerhet. - Marc Caruso, sjefarkitekt, syntax

Databasemarkedet vil vokse til 1 billion dollar innen 2025. De siste to tiårene har det vært et jerngrep på databasemarkedet med IBM, Oracle og SAP HANA som leder anklagen. Nå ser vi en vaktskifte som gir kundene muligheten til å bestemme hva som er best for deres virksomhet. Forrester påpeker til og med at det offentlige skyinfrastrukturmarkedet vil vokse med 35% på 120 milliarder i 2021. Jeg spår at markedsverdi for databaser vil vokse til 1 billion dollar i 2025, og over syv til ti virkelig sterke databaseselskaper vil vokse betydelig det neste tiåret . - Raj Verma, administrerende direktør i SingleStore

Data Lake kan gjøre hva datavarehus gjør og mye mer: Selv om separasjon av beregning og data gir fordeler for datasjøer fremfor datalager, har datalager historisk sett hatt andre fordeler i forhold til datasjøer. Men det endres nå med de nyeste open source-innovasjonene i datalaget. For eksempel, Apache isfjell er et nytt tabellformat som gir viktige funksjonaliteter i datalageret i datasjøen, for eksempel transaksjonskonsistens, tilbakeføring og tidsreise, mens de introduserer nye funksjoner som gjør det mulig for flere applikasjoner å jobbe sammen om de samme dataene på en transaksjonsmessig måte. Nok et nytt open source-prosjekt, Prosjekt Nessie, bygger på egenskapene til Iceberg så vel som Delta Lake ved å gi Git-lignende semantikk for datasjøer. Nessie gjør også løstkoplede transaksjoner til virkelighet, og muliggjør en enkelt transaksjon som spenner over operasjoner fra flere brukere og motorer, inkludert Spark, Dremio, Kafka og Hive. - Tomer Shiran, medstifter av Dremio

Tre hovedtrender vil dukke opp i 2021, retur av metadatalaget, innebygd AI og automatisert analyse og nye forenklede spørregrensesnitt designet spesielt for forretningsbrukere. Retur av metadatalag, som viktige grunnleggende komponenter i analytiske løsninger, er nødvendig for å støtte forbedret styring og utvidbarhet av dataressurser. Med smarte metadatalag dukker det opp nye forenklede brukergrensesnitt som tillater forretningsbrukere å samhandle med dataene i en mer guidet tilnærming, slik at de kan redusere tiden til innsikt med minimale analytiske ferdigheter. AI og automatisert analyse vil skifte fra bedriftsdomenet mot programvareleverandører som vil legge inn disse funksjonene og muliggjøre masseadopsjon via kundebasen. - Glen Rabie, administrerende direktør i Gulfin

Datateknikk

Bedrifter vil investere på nytt i dataingeniør og datarørledninger. En innvirkning av 2020 var at mange selskaper skiftet til en overlevelses-første tilnærming, noe som resulterte i en "grab-and-go" mentalitet til deres dataintegrasjon. Etter hvert som bedriftens bunnlinjer stabiliserer seg og vi ser mer forutsigbarhet på makroøkonomisk nivå, er vår spådom at 2021 er året for dataingeniøren, og at selskaper kommer til å komme tilbake til en "bygget for å vare" tilnærming for data rørledninger. “Bygget for å vare” for vannet i rørene dine hjemme betyr at vannet alltid er på, rent og i riktig temperatur. “Bygget til å vare” for data betyr at du bygger smarte datarørledninger for å sikre aktualitet og tillit til dataanalysene. - Strømsett Konsernsjef Girish Pancha

Bedrifter vil innse behovet for å legge mer innsats i DevOps: “Det er fortsatt så mye arbeid som må gjøres med DevOps-rørledninger, inkludert å sikre og teste leveringsprosessen. Programvareutviklermiljøet vet hvor det må gå, men arbeidet og hindringene i veien er alltid større enn forventet. På grunn av dette er jeg skeptisk til at vi vil se store endringer i 2021 når det gjelder verktøy eller CI / CD-mønstre. Snarere vil vi se at flere mennesker innser at de trenger å legge mer innsats i DevOps-pipeline, prosesser og validering. De vil doble ned for å akselerere og forbedre CI / CD-automatiseringen. Bare når disse prosessene er modne, kan organisasjoner ha tillit til leveringspraksis og verktøy. - Fred Simon, medstifter og Chief Data Scientist, JFrog

Datastyring

IT vil tilføre tilgangsstyring med intelligens for å beskytte cybersikkerhet i arbeidsstyrken i 2021. Akselererende endringer i bedriftsteknologier, cybertrusler og brukerlandskapet øker presset på tradisjonelle IGA-løsninger (Identity Governance and Administration) og i sin tur på sikkerhets- og compliance-team. I tillegg til økende overholdelsesrisiko blir IT-miljøer for bedrifter mer komplekse hvert år, og øker antall applikasjoner og systemer som selskaper gir brukeradgang til. Disse utfordringene driver organisasjoner til å søke etter AI-drevne løsninger som forenkler og automatiserer tilgangsforespørsel, tilgangsgodkjenning, sertifisering og rollemodelleringsprosesser. I 2021 vil vi se AI i økende grad ansatt for å muliggjøre en autonom identitetstilnærming.

AI-infundert autentiserings- og autorisasjonsløsninger vil bli lagt på toppen av eller integrert med eksisterende IGA-løsninger, og gir kontekstuell, virksomhetsomfattende synlighet ved å samle inn og analysere alle identitetsdata, og muliggjøre innsikt i forskjellige risikonivåer for brukertilgang i stor skala. Bruk av AI vil tillate systemer å identifisere og varsle sikkerhets- og compliance-team om høyrisikotilgang eller brudd på retningslinjene. Over tid vil vi se at disse AI-systemene gir forklarbare resultater mens vi øker automatiseringen av noen av de vanskeligste cybersikkerhetsutfordringene i bedriften. - Eve Maler, CTO kl ForgeRock

Vi har sett den globale implementeringen av AI-styringsrammer ta fart i 2020 der bedrifter ber om detaljer om resultatet av AI-applikasjoner. Å sikre et passende nivå av forklarbarhet for AI-applikasjoner er nøkkelen, i tillegg til å bruke data av god kvalitet, sikre revisjon, være etisk, rettferdig og gjennomsiktig, oppfylle kravene til databeskyttelse og implementere effektive cybersikkerhetstiltak. Implementering av AI-styringsrammer ses mer i finans og bank for tiden, men i 2021 vil vi se dette bli mer utbredt.

Andre vertikaler som helsetjenester, e-handel og mobilitetstjenester vil begynne å bruke det som en konkurransedyktig differensierer. For eksempel begynner helsepersonell å bli mer gjennomsiktig med hvordan data brukes, og hvordan de er etiske og rettferdige når det gjelder å beskytte dataene. Hvis bedrifter ønsker å holde seg foran kurven, bør de begynne å utvikle etiske AI-rammer nå for å posisjonere seg som en leder i denne globale bevegelsen. - Mohan Mahadevan, VP for forskning, Onfido

AI vil få fart i skysikkerhet og styring. I 2021 vil AI gå langt utover bare å oppdage uregelmessigheter og dermed flagge potensielle trusler mot sikkerhetsteam. Cloud governance er en stadig mer kompleks oppgave og når raskt et punkt der det er umulig for mennesker å klare seg alene. AI vil i økende grad stole på det kommende året for å opprettholde skyhygiene ved å effektivisere arbeidsflyter, administrere endringer og arkivering. Når riktig skyhygiene er etablert og opprettholdt med AI, vil den også brukes som et strategisk prediktivt kunnskapsverktøy. Ved å forutsi og adressere trusler og sårbarheter, vil AI hjelpe bedrifter med å skape et best mulig resultat for skymiljøene sine. Utnyttelse av AI som en strategisk ressurs vil gi CIO-er mulighet til å ta informerte beslutninger om skymiljøene, for eksempel å evaluere kostnader og overholdelsesrisiko. - Keith Neilson, teknisk evangelist for CloudSphere

Når vi ser frem til 2021, vil vi se at samtalen om etisk AI og datastyring blir brukt på flere forskjellige områder, for eksempel kontaktsporing (bekjempelse av COVID-19), tilkoblede kjøretøy og smarte enheter (hvem eier dataene?) Og personlig cyberprofiler (økt cyberavtrykk som fører til spørsmål om personvern). - Cindy Maike, VP for bransjeløsninger, Cloudera

Datastyring for en multi-miljø virkelighet. Langt borte er de tidene hvor organisasjoner bare har plassert alle sine egne data på stedet eller til og med bare innenfor en skyleverandør. Nå har organisasjoner data på stedet og samarbeider med flere skyleverandører basert på deres spesifikke behov. Denne virkeligheten har skapt en "revurdering" av hvordan datastyring må tilnærmes. Organisasjoner må bestemme hvordan deres nåværende datastyring vil bli påvirket og hva som må justeres, hvordan de kan overvåke datakvaliteten i skyen, og hvordan de skal håndtere databevegelse inn og ut av skyen (og den enorme utgiften som følger med det). - Todd Wright, leder for datastyring og personvernløsninger i SAS

AI vil få fart i skysikkerhet og styring. I 2021 vil AI gå langt utover bare å oppdage uregelmessigheter og dermed flagge potensielle trusler mot sikkerhetsteam. Cloud governance er en stadig mer kompleks oppgave og når raskt et punkt der det er umulig for mennesker å klare seg alene. AI vil i økende grad stole på det kommende året for å opprettholde skyhygiene ved å effektivisere arbeidsflyter, administrere endringer og arkivering. Når riktig skyhygiene er etablert og opprettholdt med AI, vil den også brukes som et strategisk prediktivt kunnskapsverktøy. Ved å forutsi og adressere trusler og sårbarheter, vil AI hjelpe bedrifter med å skape et best mulig resultat for skymiljøene sine. Utnyttelse av AI som en strategisk ressurs vil gi CIO-er mulighet til å ta informerte beslutninger om skymiljøene, for eksempel å evaluere kostnader og overholdelsesrisiko. - Keith Neilson, teknisk evangelist for CloudSphere

data Science

2020 var brutalt for noen bedrifter, givende for andre og utfordrende for alle. Når vi går inn i 2021, har henger et eksistensielt imperativ for å gjenoppfinne seg selv digitalt, og ledende selskaper sliter med å holde tritt med kravene. Alle disse bedriftene må utnytte 100% dataintegrasjon med forutsigbare kostnader, pålitelig ytelse og sanntidssynlighet. - Bonnie Holub, Practice Lead, Data Science, Americas at Teradata

Datademokratisering vil bli den nye normen. Det er CDOs oppgave å sikre utvidelse av vekst i hele virksomheten. Dette kan oppnås ved å gi strukturerte data som folk faktisk kan bruke. En vellykket CDO bør demokratisere data slik at de er tilgjengelige og forståelige for mennesker. En god CTO vil utfylle CDO ved å lage det nødvendige verktøyet for å finne de nødvendige dataene. Dette betyr å gi brukerne et sett med visualiseringsverktøy og rapporteringsverktøy som lar dem komme etter at dataene kjører innsikt. Når vi går inn i 2021, vil vi fortsette å se videre og tettere samarbeid mellom disse to rollene, drevet av nødvendighet. Hvis du har verktøy med dårlige data, forverrer du datautfordringen. Hvis du har begrensede verktøy, kan bare et lite delsett gjøre noe med dataene. - Derek Knudsen, Chief Technology Officer i Alteryx

Borgeranalytikere vil i økende grad bli bedre til å bli dataforskere. Den økende kompleksiteten i de fleste bransjer og selskaper betyr også at når vi først ser selvtillit når det gjelder utvikling av IT-prosesser eller bruk av analyse, vil det raskt bli et stort press for å utvide dette ferdighetssettet ytterligere. Når markedet endrer seg uberegnelig fra måned til måned, vil det bli lagt mye større vekt på datavitenskap enn noen gang før. Dette vil igjen få flere borgeranalytikere til å bli dyktige til å bli dataforskere. - Sharmila Mulligan, strategi- og markedsføringssjef i Alteryx

Python-datavisualiseringsbiblioteker vil synkroniseres. Vi begynner endelig å se Python-datavisualiseringsbiblioteker arbeide sammen, og dette arbeidet vil fortsette i 2021. Python har hatt noen virkelig gode visualiseringsbiblioteker i årevis, men det har vært mye variasjon og forvirring som gjør det vanskelig for brukerne å velg passende verktøy. Utviklere fra mange forskjellige organisasjoner har jobbet med å integrere Anaconda-utviklede evner som Datashaders store datagjengivelse på serversiden og HoloViews 'koblede børsting i et bredt utvalg av plottbiblioteker, noe som gjør mer kraft tilgjengelig for en bredere brukerbase og reduserer dobbeltarbeid. Pågående arbeid vil ytterligere hjelpe denne synkroniseringen i 2021 og utover. - James A. Bednar, Sr. Manager, teknisk rådgivning, Anaconda

Forretningsferdigheter vil bli mer kritiske enn noensinne for dataforskere. Dataforskere må snakke forretningsspråket for å oversette datainnsikt og prediktiv modellering til handlingsbar innsikt for virksomhetspåvirkning. Teknologeeiere vil også måtte forenkle tilgangen til teknologien, slik at tekniske og bedriftseiere kan samarbeide. Vekten for dataforskere vil ikke bare være på hvor raskt de kan bygge ting, men på hvor godt de kan samarbeide med resten av virksomheten. - Florian Douetteau, administrerende direktør og medstifter av Dataiku

Selvbetjening har utviklet seg til selvforsyning: I en virtuell verden må selvbetjening utvikle seg. Når det ikke er noen instruksjonshåndbøker og ingen er der for å holde brukerens hånd, blir en rask, intuitiv oppstart en hygienefaktor for adopsjon, og overbevisende brukergrensesnitt vil ikke lenger være hyggelig å ha. Men vi har også sett at brukere ofte ikke vil tjene selv; de forventer i økende grad innsikt å komme til dem. Som et resultat vil vi se mer mikroinnsikt og historier for den utvidede forbrukeren. I tillegg blir data for ofte oversett. Å gi brukerne tilgang til data, innsikt og forretningslogikk tidligere og mer intuitivt, vil gjøre det mulig å gå fra visualisering selvbetjening til selvforsyning med data. AI vil spille en viktig rolle her, ved å legge til rette for mikroinnsikt og hjelpe oss med å bevege oss fra skriptede og menneskerettede prosesser til mer automatisert, lavkodet og ingen forberedelse og analyse av kodedata. Hvis flere kan være selvforsynt med data tidligere i verdikjeden, kan avvik oppdages tidligere og problemer løses raskere. - Dan Sommer, Senior Director, Global Market Intelligence Lead at Qlik

Historisk sett setter selskaper mye verdi på mennesker som var “Data Scientists”. Fremover vil det være behov for å ansette folk som er eksperter på datainnsamling. For at AI-modeller skal fungere, kreves det store mengder data, og dessuten ligger kritiske data fremdeles i siloer i mange organisasjoner; Derfor vil personer med ferdigheter i datainnsamling være høyt etterspurt. - Clara Angotti, president for Neste vei

Dataforskere vil spille en kritisk rolle i utviklingen av en COVID-19-vaksine. Fra utvikling av vaksine til analyse av studier og distribusjon, vil data være nøkkelen til å vite om vi har funnet en forebyggende løsning. Dataforskere vil være like viktige som tradisjonelt trente forskere i å produsere den første levedyktige vaksinen. For å akselerere utviklingen av vaksiner, må folk kunne håndtere, ta beslutninger og stole på dataene. Å vite at hastighet er avgjørende, krever datafleksibilitet, og nye automatiserte systemer vil muliggjøre nye innovasjoner, og til slutt føre til en vaksine. Fremskyndelse av levering av vaksinen vil kreve stor smidighet og automatisering i håndteringen av data. - Infoworks-sjef Buno Pati.

Mens data fortsetter å herske over hele verden, er det fortsatt organisasjoner som sliter med å utnytte dataene for å oppnå et reelt konkurransefortrinn. Citizen Data Science Movement har dukket opp for å fremme muligheten for å manipulere og tolke data. Men er det en bedre måte? Ville det ikke vært smartere (og enklere) å bare gi forretningsbetydning til dataene og reparere dataene i stedet for å fikse menneskene, gitt at rå, ufortolket data som ligger et sted i et system, ikke er veldig nyttig. - Kendall Clark, grunnlegger og administrerende direktør for utvikler av Enterprise Knowledge Graph Platform, Stardog

Vi ser et utvalg av arkitektur for datavitenskap: Mestring av datahåndtering vil være høyt i tankene for mange IT-grupper når de ser ut til å forbedre forretningsintelligens og smidighet. Av denne grunn vil datavitenskap - paraplyen som kunstig intelligens, maskinlæring, automatisering, datasjøer og andre trives under - se enorm vekst i 2021. Fra å analysere datadrevet oppførsel til å transformere dagligvarehandel til å utnytte kraftig databehandling i skyen til forbedre modeller for medieproduksjon, vil datavitenskap ta ledelsen for mange å holde seg konkurransedyktige. Mange av disse selskapene er for dyre å levere på egenhånd, og vil outsource sine datavitenskapelige prosjekter til tredjeparter med en abonnementsmodell. - Dustin Milberg, felt CTO Cloud Services kl InterVision

Automatiser rørledningene dine for å frigjøre fullstendig potensialet for dataforskere: Dataforskere er for ofte opptatt med oppgaver som dataforberedelse, funksjonsteknikk og modellering. Etter hvert som disse oppgavene blir forsterket med verktøy som hjelper med å automatisere disse trinnene, vil vi se dataforskere handle i rutinemessige oppgaver for tid brukt på dypere, strategiske tilnærminger som vil gjøre dem til uvurderlige ressurser. Vi forventer å se mer systematiske implementeringer av forretnings-AI-løsninger for å gjøre ad-hoc-analyser mer gjentatte. - Justin Silver, Ph.D. en AI-strateg på PROS

Dyp læring

Vedtakelsen av Deep Learning-baserte bedriftsløsninger i oppstart og bedrifter vil se en gradvis økning. Den viktigste hindringen vil fortsatt være kostnadene ved å skaffe GPU-forekomster og høye menneskelige ressurser. - Sundeep Reddy Mallu, analysesjef i Gramener

Som vi alle har vært vitne til de siste årene, har forskning og utvikling innen Natural Language Processing utviklet seg raskt med gjennombrudd i Transformer-språkmodeller som BERT, GPT-3 etc. Mens de oppnår topp moderne ytelse, krever de store datasett. og store mengder beregningsressurser for trening og slutning med et betydelig karbonavtrykk. Vi vil se mer innsats og forskning komme ut med nye modellarkitekturer og treningsteknikker for å imøtekomme bekymringene fra karbonutslipp, veldig lange treningstider, med plass og beregne effektive modeller for å gjøre disse gjennombruddene mer tilgjengelige; nylige modeller som utøvere med rask oppmerksomhet vil tjene som katalysatorer for å bevege seg i denne retningen. - Kavan Shukla, dataforsker, Finn AI

maskinvare

Maskinvare og programvare konvergerer med fremveksten av AI-spesifikk maskinvare. Som Apples kunngjøring av M1-brikken viste, blir spesialbygd maskinvare mer vanlig, noe som betyr at folk vil begynne å tenke mer på den faktiske maskinvaren de jobber med enn de gjorde tidligere - inkludert dataforskere. Økningen i ML-spesifikk maskinvare vil trolig føre til ytelsesforbedringer, men gir også en annen variabel i modellutplassering. Det vil være spesielt innflytelsesrikt i sky- og mobilmiljøer. Dette vil videre bryte ned veggen som tradisjonelt har eksistert mellom maskinvare og programvare, med AI-brukstilfeller som leder an. - Kevin Goldsmith, CTO, Anaconda

Siden 2012 har AI-beregningskraft vokst med fem ganger frekvensen av Moores lov, og doblet omtrent hver 5 måned. Gitt det økende antall applikasjoner bygget på toppen av AI-motorer som påvirker hverdagen vår - noen til og med kritiske for menneskeheten som helhet (f.eks. Modellering og løsning for klimaendringer), er det høyt å finne en løsning på denne ytelsesskaleringens uoverensstemmelse på alle chipproduksjonsselskapets prioriterte liste. Behovet for skift i hvordan Moores lov blir oppfattet vil bli tydeligere i 3.5. Den siste trenden har vært å snakke om å skrive mer effektiv programvare for å gi ytelsesforbedringer fra år til år. Dette er en risikabel innsats, siden utviklingen av fundamentalt nye algoritmer ikke kan skje etter en tidsplan, og derfor ikke er kompatibel med den tradisjonelle planleggingen for fremføring av halvledere. Underliggende databehandlingsteknologier må også forbedres. Vi vil fortsette å se skift og forbedringer det kommende året. - Nick Harris, administrerende direktør og medstifter av Lysmaterie

Datamaskin i minnet

I 2021, fremskyndet av COVID-19 og strengere forskrifter, vil bedrifter fortsette å drive sine datatransformasjonsinitiativer til å trives i den spirende online-digitale økonomien. Ekstrem hastighet, skyfleksibilitet og operativ analyse vil bli vedtatt av bedrifter for å optimalisere datadrevet drift og for raskt å introdusere nye tjenester og applikasjoner.

Teknologiløsninger basert på et cloud-native datastoff, også kjent som et Digital Integration Hub, vil tillate organisasjoner å laste av og koble fra eldre systemer for poster og databaser for å oppfylle deres digitale og analytiske krav og være i stand til å migrere til skyen uten trenger å fjerne seg fra sine eksisterende oppdragskritiske systemer. Innføringen av hastighet og skala i minnet for analyse og BI vil gi sanntidsrapportering og visualisering av ferske data og gjøre det mulig for ML-modeller å bruke mer nøyaktige sanntidsdata for onlinetjenester som lånegodkjenning, svindelanalyse og kunde 360 evner. AIOps vil også være et fokus og distribueres for å automatisere og effektivisere komplekse data- og analyseoperasjoner, redusere time-to-market og redusere kostnader samtidig som menneskelige feil minimeres. - Adi Paz - administrerende direktør - GigaSpaces 

I 2020 drev COVID-19-pandemien mange virksomheter, spesielt de innen matlevering, e-handel, logistikk og tjenester for ekstern tilgang og samarbeid, for å dramatisk skalere ut og oppgradere infrastrukturen for å opprettholde høy applikasjonsytelse i møte med stigninger hos besøkende på nettstedet, leveringsforespørsler, salgstransaksjoner, videostreaming og mer. Mange av disse virksomhetene fant at den raskeste tilnærmingen til å opprettholde eller forbedre ytelsen samtidig som applikasjonsgjennomstrømningen økte, var å distribuere et distribuert datanett for minne (IMDG) - bygget ved hjelp av en datamaskinplattform i minnet som Apache Ignite - som kan settes inn mellom en eksisterende applikasjon og diskbasert database uten større endringer i noen av dem. IMDG forbedrer ytelsen ved å cache applikasjonsdata i RAM og bruke massiv parallellbehandling (MPP) over en distribuert klynge av servernoder. Det gir også en enkel vei for å skalere kapasiteten fordi den distribuerte arkitekturen gjør at beregningskraft og RAM i klyngen kan økes ved å legge til nye noder.

 I 2021 vil IMC-plattformene bli enklere å bruke, og antall kunnskapsrike IMC-utøvere vil fortsette å vokse raskt. Dette vil gjøre det mulig for IMC-adopsjon å spre seg over flere bransjer og til et bredere selskap. Som et resultat vil flere bedrifter være bedre posisjonert for å dra nytte av IMC for rask applikasjonsakselerasjon, ikke bare for å svare på kravene fra COVID, men også for å møte nye strategiske og konkurransedyktige krav når pandemitrusselen avtar. - Nikita Ivanov, CTO og grunnlegger av GridGain Systemer

IOT

IoT-adopsjon i virksomheten vil varme opp mer enn noen gang: I lys av pandemiens innvirkning på virksomheten, vil bedriftene lete etter nye eller flere måter å øke hastigheten til beslutningstaking i 2021. IoT kan spille en rolle i dette. Fra et BI-synspunkt er utfordringen å erkjenne at IoT har forskjellige datamodeller som må tilpasses, som ytelse over tid. Å redusere forsinkelsestiden mellom dataproduksjon og operasjoner vil være nøkkelen. De smarteste organisasjonene vil innse at de ikke bare kan bruke penger på dette, men i stedet må være strategiske for å lage nye datamodeller som deler gjennomtenkt innsikt. - Eric Raab, SVP, Engineering and Product, Informasjonsbyggere

Pandemien har sterkt akselerert behovet for selskaper å fullføre sine Industry 4.0-transformasjoner med løsninger som gjør at de får mer fleksibilitet, synlighet og effektivitet i driften. Vi ser en akselerasjon av adopsjon av løsninger som hjelper med å imøtekomme behovet, alt fra AI inkludert maskinlæring, maskinvisjon og avansert analyse. Når økonomien spretter tilbake, vil vi fortsette å se investeringer i den grunnleggende OT-infrastrukturen med flere IT-muligheter for å tillate det brede økosystemet av aktører å distribuere disse løsningene, og vil se at Industry 4.0-adopsjon øker betydelig i 2021. - Christine Boles, VP , IoT Group og GM, Industrial Solutions Division, Intel

Eksplosjon av edge computing: Vi vil fortsette å se en økning i edge computing i hele datasenterindustrien på grunn av økt databehandling og hastighetskrav fra forbrukere og selskaper. Et nettverk med lav latens er avgjørende i miljøer som strever for å maksimere beregningens gjennomstrømning og redusere inaktivitet for serveren. - Timothy Vang, Ph.D., visepresident for markedsføring og applikasjoner for Semtech s Signal Integrity Products Group

Edge er den nye skyen: For selskaper som skalerer smarte fabrikkinitiativer i 2021, vil sanntidstilgjengelighet av oppdragskritiske arbeidsbelastninger være nødvendig for å sikre forretningsresultater. Edge computing vil utfylle eksisterende skyinfrastruktur ved å muliggjøre sanntids databehandling der arbeidet foregår (f.eks. Motorer, pumper, generatorer eller andre sensorer). Implementering av integrert analyse fra kanten til skyen vil hjelpe disse bedriftene med å maksimere verdien av investeringer i digitale systemer.

Bransjen vil fortsette å bevege seg mot mer desentraliserte databehandlingsmiljøer, og kanten vil gi betydelig verdi til digitale transformasjonsinitiativer. Ved å integrere edge-funksjonalitet med eksisterende skyinfrastruktur, vil organisasjoner bekymre seg mindre for logistiske IT-hensyn og i stedet fokusere på å revurdere hva som er mulig i en smart maskin: Hvilke spørsmål kan den svare raskere? Hvilke nye problemer kan den løse? Hvordan kan det beskytte driften bedre? Analytikere bemerker at innen 2022 99% av industribedrifter vil bruke edge computing av denne grunn. - Keith Higgins, VP for Digital Transformation for Rockwell Automation

Kreative sinn skyver IoT fremover: IoT og smart produktutvikling vil hengse på kreative design og gjennomtenkte løsninger da tekniske forbedringer av mikroprosessorer sakte på grunn av at ingeniører kjører mot begrensningene for det som er fysisk mulig som chipmakere nær den teoretiske grensen for hvor tynn disse enhetene kan være. Post-Moore's Law produktutvikling vil stole på oppfinnsomheten til ingeniører og designere for å skape fantasifulle løsninger for å løse forretnings- og samfunnsproblemer og forbedre hverdagslige forbrukerprosesser, i stedet for å bare stole på neste generasjon kraftige brikkesett. - Sam Mahalingam, CTO, Altair

Maskinlæring

Investeringsdollar i IT-drift vil skifte fra automatisering av vaniljearbeidsflyt til native AI / ML-løsninger med en stasjon for å bli digital virksomhet. Arbeidsflytoperasjoner og deres respektive automatisering vil naturlig utvikle seg til å inkludere AI / ML-løsninger etter hvert som teknologien blir kraftigere. AI og ML utvikler seg og forbedrer i sin tur automatisering av arbeidsflyt ettersom selskaper samler inn mer data, i tillegg til skiftorganisasjon og administrativ drift. - Shiva Ramani, administrerende direktør i iOPEX

Bedrifter vil finne nye applikasjoner for maskinlæringsteknologier som automatiserer manuelle prosesser og forbedrer overvåkingsfunksjonene. Bedrifter vil se etter produkter som gir dypere overvåking, mer automatisering og merverdiinformasjon på tvers av IT-utgiftene. For eksempel vil tilgjengelighetsløsninger som gir applikasjonsbevisst overvåking og automatisering av konfigurasjons- og administrasjonsoppgaver prioriteres fremfor tradisjonelle failover-løsninger. Nye innovasjoner i HA vil dukke opp for å håndtere den økende kompleksiteten av feil og katastrofer forårsaket av IoT-enheter og deres avhengighet. - Cassius Rhue, VP, kundeopplevelse, SIOS-teknologi

Historisk sett handlet algoritmer mer om maskinlæring og nevrale nettverk. Vi ser nå flere og flere maskiner som er selvstendige og kan lære og trene seg selv på en måte som er bemerkelsesverdig lik den underbevisste delen av den menneskelige hjerne. Med andre ord, algoritmer som brukes til å etterligne den analytiske delen av hjernen; nå etterligner de den største, mektigste og mest spennende delen av den menneskelige hjerne, som vi kaller sunn fornuft, magefølelser og intuisjon. I stedet for å stole på at mennesker trener og lærer dem, er dagens uten tilsyn maskinalgoritmer i stand til å samle enorme mengder data, lage bilder av verden og gjøre fradrag som er veldig like de som ville blitt gjort av mennesker. Vi kommer inn i en verden der datamaskiner kan trene seg selv. - Mark Gazit, administrerende direktør i ThetaRay

Redusere skjevhet: i år har det vært mange nødvendige samtaler rundt skjevhet og avbøting i AI-algoritmer og rundt hvordan man takler samfunnseffektene av algoritmebasert personalisering. Vi må imidlertid fortsette utviklingen av verktøy som gir innsikt i resultatene av ML-systemer, avslører skjevhet og sjekker drift i distribuerte modeller over tid. Dette blir stadig mer kritisk ettersom flere av disse systemene blir satt i produksjon for å sikre at vi ikke foreviger eller skaper kilder til skadelig skjevhet. - Kevin Goldsmith, CTO, Anaconda

Bedrifter vil finne nye applikasjoner for maskinlæringsteknologier som automatiserer manuelle prosesser og forbedrer overvåkingsfunksjonene. Bedrifter vil se etter produkter som gir dypere overvåking, mer automatisering og merverdiinformasjon på tvers av IT-utgiftene. For eksempel vil tilgjengelighetsløsninger som gir applikasjonsbevisst overvåking og automatisering av konfigurasjons- og administrasjonsoppgaver prioriteres fremfor tradisjonelle failover-løsninger. Nye innovasjoner i HA vil dukke opp for å håndtere den økende kompleksiteten av feil og katastrofer forårsaket av IoT-enheter og deres avhengighet. - Cassius Rhue, VP, kundeopplevelse, SIOS-teknologi

Organisasjoner hvis tidlige suksesser innen maskinlæring har ansporet dem til å utvide programmene, finner at en raskt bevegelige produksjonslinje av datasett av høy kvalitet er drivstoffet som vil drive utvidelsen. Dette vil heve Data as a Service til en høy prioritet for data engineering team. - Luke Han, medstifter og administrerende direktør, Kyligens

Evnen til å stole på og operasjonalisere ML vil være 2021's Litmus-test for overlevelse: På toppen av en pandemi og en lavkonjunktur fortsetter vi å takle de eksponentielt økende datamengdene og stadig økende kompleksitet av ny teknologi. Hvis bedrifter ønsker å lykkes med å forstå deres store datasummer og tekniske kompleksiteter, må de utnytte og operasjonalisere maskinlæringsmodeller på forklarbare og lettfattelige måter. Det er ikke lenger nok å fokusere på å få modeller i produksjon, det må nå være å få modeller i hendene på forretningsbrukerne og beslutningstakerne. Men for å operasjonalisere, må bedrifter være i stand til å stole på, få forståelse fra og kommunisere om en modells evne til meningsfull innvirkning på forretningspotensialet. I 2021 vil en virksomhets evne til å stole på modellen sin - i den grad de er i stand til å produsere handling fra AI-avledet innsikt - være avgjørende for dens evne til å overleve. - Santiago Giraldo, Senior Product Marketing Manager for Machine Learning, Cloudera

Bedrifter i alle størrelser og i alle ledd beveger seg aggressivt mot å operere maskinlæringsarbeidet. Det er flere populære rammer for modellopplæring, inkludert Tensorflow og PyTorch, som leder spillet. Akkurat som Apache Spark regnes som en leder for datatransformasjonsjobber og Presto fremstår som den ledende teknologien for interaktiv spørring, vil 2021 være året vi ser en frontløper dominere det bredere modellopplæringsområdet med pyTorch eller Tensorflow som ledende kandidater. - Haoyuan Li, grunnlegger og administrerende direktør, Alluxio

SaaS endrer data som det manglende stykket for ML / AI: Organisasjoner med fokus på kunstig intelligens og maskinlæring vil fortsette å sulte etter meningsfulle treningsdatasett som kan mates inn i ML-algoritmene for å oppdage årsak og virkningsendringsmønster over tid. For å gjøre dette vil de henvende seg til sine stadig skiftende datasett i tredjeparts sky / SaaS-applikasjoner som innganger i disse algoritmene. Dette vil skape press for dem å fange og innta hver eneste endring i dataene over tid i deres DataOps-økosystem. - Joe Gaska, administrerende direktør i TAKK

Rollen spilt av AI og ML vil utvides ettersom identitetsintelligens kommer i forkant. Når vi når et tippepunkt i fremtiden for autentisering, blir brukerne stadig mer sikkerhetsbevisste når det gjelder å beskytte sine digitale identiteter på nettet. Identitetsverifisering vil bli stadig mer kontekstuell, og AI vil spille en utvidende rolle for å bestemme den dynamiske risikoen for tilgang som et regelbasert system rett og slett ikke kan gi. Overvåket og uten tilsyn dyp læring, forsterkningslæring og genetiske algoritmer vil ikke bare bruke forhåndsdefinerte inferensmodeller, men vil også tillate sikkerhetsløsninger å tilpasse seg endret virksomhetsadferd og lære av andre selskaper når de støter på og reduserer trusler. Å bekjempe dype forfalskninger med innebygde algoritmer, hente verdi fra big data og drive beslutningstaking gjennom kraftig analyse vil spille en nøkkelrolle i identitetsintelligens. - Rajesh Ganesan, visepresident, ManageEngine (divisjon av Zoho Corp.)

Robotics

Med behovet for å holde folk utenfor nærområdet som fortsetter inn i det nye året, vil vi naturligvis se betydelige investeringer i automatisering. Imidlertid, for kanskje første gang, vil robotikk påta seg de verdslige, enkle menneskelige oppgavene i motsetning til de vanskeligere og strategiske. Vi har sett roboter hjelpe mennesker i mange kompliserte applikasjoner, for eksempel roboter trent til å utføre de mest presise mikroburgeriene. Roboter vil nå begynne å ta på seg oppgaver som lar viktige arbeidere som tidligere trengte å være personlig, jobbe eksternt. Med flere investeringer i utvidet og virtuell virkelighet, vil vi for eksempel se robotvakter som styres av eksterne arbeidere som streifer rundt på kontor- og fabrikkgulv; fjernarbeidere vil kunne styre droner eksternt for å plukke og pakke bokser på et lager. I 2021 vil revolusjonen bli robotisert. - Ahson Ahmad, Chief Product and Customer Officer, ripcord

Sikkerhet

Deepfakes vil bli en betydelig trussel mot forretningsintegriteten. COVID-19 har tvunget personlig kommunikasjon til å gå virtuelt, noe som betyr at bedrifter stoler på videokonferanser for å gjennomføre møter mer enn noen gang før. Selv om begrepet deepfakes kanskje ikke er nytt, blir de stadig mer sofistikerte og blir bemerkelsesverdig enkle å generere. Ta for eksempel ThisPersonDoesNotExist.com, som utnytter AI til å lage helt troverdige bilder av mennesker som ikke eksisterer i det virkelige liv. Hvis denne prosessen kan gjennomføres med relativt lite informasjon, kan hackere sikkert utnytte arbeidsprofiler som brukes til videokonferanseteknologi - som har ansattes navn og bilder automatisk tilknyttet seg - for å skape overbevisende forfalskninger. - James Carder, sikkerhetssjef for LogRhythm

Forutsigelse: Når svindeloppdagelse blir vanskeligere, vil ML-svindelmodeller styrke, men bruke nyere datasett: For å bestemme svindelrisiko, bruker selskaper vanligvis et datasett med tidligere transaksjoner som de mener vil være representativ for fremtiden for å trene maskinlæring (ML) modeller. Imidlertid har den enorme innvirkningen av COVID-19 på forbrukerdata og atferd skapt en kobling fordi tidligere data ikke lenger er representative for fremtiden. Dette har ført til at mange organisasjoner enten bruker underfit-modeller som presterer bra, men ikke fanger nye svindelmønstre, eller overfit-modeller som skaper mange overraskelser, som oversvømmede manuelle gjennomgangskøer eller flere tilbakeføringer og svindel. Mange selskaper har også gått fra å bruke ML til regelbaserte modeller og manuelle gjennomganger som er mer avhengige av menneskelig intuisjon. I 2021 vil bedrifter kunne utnytte sin forståelse av disse nye atferdsmønstrene for å begynne å bygge sterkere ML-modeller igjen. For å lykkes, må de imidlertid bruke nyere data, ta ting som de kommer når de bygger modeller, og vurdere fremdriften mens de går. - Arjun Kakkar, visepresident for strategi og operasjoner ved Ekata

Kunstig intelligens har skapt nye sikkerhetstrusler, hvorav den største kan være dype forfalskninger. Deepfakes er falsk lyd, video eller bilder som er avhengige av kunstig intelligens-teknologi for å etterligne virkeligheten. Deepfakes kan få alvorlige konsekvenser i feil hender, som for eksempel falske svindel. Selv om vi ikke har sett mange av disse angrepene ennå, i 2019, svindlere brukte dyp falsk lyd for å stjele over 200,000 2021 dollar fra et britisk-basert energiselskap. Og med eksterne arbeidsmiljøer som gir svindlere mer ammunisjon for å utføre angrepene sine, vil XNUMX være året teknologien frigjør lydtranskripsjon i sanntid, og bedriftene må være på vakt for å sikre at de ikke blir lurt. Bedrifter bør være på vakt mot mistenkelige telefonsamtaler, og aldri sende penger eller dele sensitiv informasjon uten å bekrefte at en innringer er den de hevder å være.

I tillegg kan oppsett av grunnleggende nettverksverktøy og protokoller forhindre svindlere å få tilgang til den sensitive informasjonen de trenger for å lage dype falske bilder og lyd i utgangspunktet. Cybersecurity-forskere jobber med verktøy for å oppdage deepfake-innhold, men inntil da må selskaper stole på deres intuisjon og eksisterende cybersecurity-verktøy for å sikre at de ikke blir lurt. - Terry Nelms, PhD, Sr. forskningsdirektør, Pindrop

Drevet av tilstrømningen av datainnbrudd og den oppfattede utnyttelsen av personopplysninger av Big Tech, vil personvernet til forbrukerne fortsatt være et stort fokus i 2021 og utover, og vi kan forvente å se mer lovgivning innført som beskytter forbrukerrettigheter og bøter virksomheter for den uansvarlige bruken av data. For å dyrke tillit og forbedre kundeopplevelsen i et stadig mer konkurransedyktig forretningslandskap, vil flere organisasjoner gi forbrukerne eierskap og kontroll over deres personlige data de neste årene. Ved å kombinere etiske, kompatible og personvernbevarende prinsipper med teknologiinfrastruktur bygget for å skalere for fremtiden, vil samfunnet bevege seg mot et system der verdien av data vil være til nytte for både enkeltpersoner og bedrifter. - James Kingston, VP for Research and Innovation Partnerships at Dataswift, AI-forsker og direktør for HAT-LAB.

Datasikkerhetsstyring er en nødvendig og kritisk byggestein for å redusere trusler. Inntil nylig har de fleste datastyringsprogrammer fokusert på datastrømmer og analyse uten å tenke mye på sikkerhet. Nye lover og forskrifter om personvern har tvunget datainteressenter som CDO, CFO, CISO og DPO til å gjøre datasikkerhet til en av de nødvendige byggesteinene i deres datastyringsarbeid. Men datasikkerhetsstyring er kompleks da ingen enkelt leverandørprodukt kan implementere alle nødvendige kontroller for datasikkerhetsstyring. I 2021, når bedrifter fortsetter å samle og behandle mer og mer data, må de finne ut hvordan de raskt kan forene informasjonen, slik at hele organisasjonen henter informasjon fra den samme, pålitelige og sikre brønnen. Deretter må bedrifter implementere og administrere datakilden sin gjennom et databeskyttelsessystem med nødvendige personvernkontroller på plass, slik at datatrusler blir dempet. Disse trinnene vil sikre at fremtidige forretnings- og økonomiske risikoer minimeres. - Anne Hardy, CISO for Talend

AI vil være nøkkelen til å styrke sikkerhet i en fjern verden. Sikkerhet er høyt i tankene for enhver organisasjons C-suite som har begitt seg ut på en digital transformasjonsreise, men dens betydning har bare blitt akselerert av pandemien. Med så mange endepunkter spredt over hele verden når ansatte har fleksibiliteten til å jobbe fjernt fra hvor de måtte velge, blir sårbarheter flere. En viktig trend vi vil se i 2021 og utover er anvendelse av AI på sikkerhetstiltak, fordi mennesker alene ikke kan overvåke, kontrollere og kontrollere hvert endepunkt for å beskytte en moderne bedrift på en tilstrekkelig eller effektiv måte. Hvis sikkerhetsledere (spesielt de fra Fortune 500-selskapene) ikke bruker tid og økonomiske investeringer for å forbedre sikkerheten med AI nå, kan de forvente å bli målrettet av hackere i fremtiden og krypse for å beskytte dataene sine. -Scott Boettcher, VP, Enterprise Information Management, NTT DATA Services

oppbevaring

Legacy NAS er død for AI. Med introduksjonen av PCIe Gen4 har I / O-hastighetene nå blitt fullstendig brutt fra CPU-kjernevolusjoner. Eldre NFS-leverandører sitter fast med TCP med en strøm, som er hastighetsbegrenset av muligheten til en enkelt CPU-kjerne på applikasjonsserveren. PCIe Gen4 vil doble topp I / O-ytelsen til applikasjoner i 2021, mens en CPU-kjerne ikke lenger vil være i stand til å doble like kjerners I / O-ytelse. Det er ingen større konsentrasjon av IO-vert enn i AI-markedet - for applikasjoner som maskinlæring og dyp læring. For å løse dette vil kundene søke løsninger som støtter multi-threading, RDMA, og muligheten til å omgå CPUer helt - som det er tilfellet med NVIDIAs GPUDirect Storage. Kravene til å holde GPUer og AI-prosessorer matet og effektive vil dramatisk overstige I / O-mulighetene til eldre TCP-baserte NAS, noe som fører til at kundene går bort fra den eldre NAS i 2021. - Renen Hallak, grunnlegger og administrerende direktør i VAST Data

Objektlagring knuser myten om at den bare brukes til arkivering. Selv om objektlagring er best kjent som en backup- og arkivlagringsløsning, vil tre trender utvide denne oppfatningen i 2021. For det første vil flashbasert objektlagring få gunst i dataanalysearbeidsbelastninger som også har høye kapasitetskrav. For det andre vil S3-kompatibel lagring forenkle Kubernetes-distribusjoner, noe som gjør det til et logisk valg for moderne applikasjoner. For det tredje vil cloud-native applikasjoner i økende grad bli distribuert på prem, noe som øker behovet for lokal S3-kompatibel lagring for å forbedre applikasjonsportabiliteten. Som et resultat vil flere organisasjoner bruke lagring av objekter for å støtte databaserte brukstilfeller, som AI, ML og dataanalyse, og knuse den "billige og dype" myten en gang for alle. - Jon Toor, CMO for Cloudian

Organisasjoner samler nå enorme mengder maskinlæring og IoT-data. Hvis selskapet ditt er avhengig av å samle inn og analysere data for å fungere og lykkes, hva skjer hvis ikke disse dataene er sikkerhetskopiert og lett gjenopprettbare? De fleste bedrifter tenker hovedsakelig på dataanalyse og mye mindre på sikkerhetskopiering eller datasikkerhet. Men ettersom data i økende grad beveger seg fra analyse til produksjonsmiljøer, blir det da beskyttelse. Avanserte lagringsverktøy stoler i økende grad på AI og maskinlæring for å automatisere sikkerhetskopieringen av data. Gitt den eksploderende størrelsen på bedriftsdata, vil disse intelligente verktøyene bli viktige for å opprettholde en effektiv sikkerhetskopieringsprosess som raskt og uanstrengt kan reagere på endrede krav og samtidig spare mange timer på manuelle sikkerhetskopier. - Shridar Subramanian, CMO i StorageCraft

vertikaler

Potensialet for AI for å forbedre forsyningskjedeprosesser har vært et fokusområde for selskaper i minst 5 år, men etter forstyrrelsene forårsaket av COVID-19 har mange analytikere og bedrifter i leverandørkjeden vendt oppmerksomheten mot AI som en mulig løsning på deres elendighet. 67% av bedrifter investert i en eller annen teknologiløsning for å hjelpe dem med å pandemien, og 60% av industrivirksomheter ønsker spesifikt AI. Imidlertid er AI-modeller drevet av data. Nøyaktigheten, omfanget og evnene til en AI-modell avhenger helt av treningsdataene som ligger bak. Imidlertid må disse dataene organiseres og merkes i et maskinlesbart format før et AI-program kan fordøye det. Før de omfavner AI, må bedrifter utnytte moderne integrasjonsteknologi for automatisk å samle data fra interaksjoner med deres økosystem av leverandører, partnere, handelsmenn og kunder i et format som er strukturert for å drive AI-modeller.

Kasse PrimeXBT
Handle med de offisielle CFD-partnerne i AC Milan
Den enkleste måten å bytte krypto på.
Kilde: https://www.fintechnews.org/big-data-industry-predictions-for-2021/

spot_img

Siste etterretning

spot_img