By daniel gutierrez

Leto 2020 je bilo leto za starost, s toliko domačimi in svetovnimi izzivi. Toda industrija velikih podatkov ima veliko vztrajnosti, ki se je premaknila v leto 2021. Da bi našim cenjenim bralcem dali impulz o pomembnih novih trendih, ki vodijo v naslednje leto, smo tukaj, znotraj BIGDATA, slišali vse naše prijatelje iz ekosistema prodajalcev, da bi dobili njihove vpoglede, razmišljanja in napovedi o tem, kaj lahko prihaja. Bili smo zelo spodbudni, ko smo slišali tako vznemirljive perspektive. Tudi če se dejansko uresniči le polovica, bo Big Data v naslednjem letu namenjen kar razburljivi vožnji. Uživajte!

Daniel D. Gutierrez - Glavni urednik in stalni znanstvenik podatkov

Analytics

"Analitična ločnica" se bo poslabšala. Tako kot veliko oglaševani "digitalni razkorak" tudi mi opažamo pojav "analitičnega razkoraka". Mnoga podjetja so bila zaradi pandemije prisiljena vlagati v analitiko, medtem ko so bila druga prisiljena zmanjšati vse, kar se jim ni zdelo ključnega pomena, da bi prižgale luči - in ustrezna naložba v analitiko je bila za te organizacije analitika na prvem mestu. sekljalnik. To pomeni, da se bo analitična ločnica leta 2021 še povečala in ta trend se bo nadaljeval še vrsto let. Brez dvoma bodo zmagovalce in poražence v vsaki panogi še naprej opredeljevali tisti, ki uporabljajo analitiko, in tisti, ki ne. - Alan Jacobson, glavni direktor za podatke in analitiko, pri Alteryx

Verjetno so minili časi delne analitike in rešitev za poročanje, ki verjetno izpolnjujejo nišne primere poslovne uporabe. To je nevzdržno. Podjetja ne morejo imeti zelo ločenih implementacij analitike, ki imajo učinek lokaliziranega reševanja problemov, večje podjetje pa ne vidi polne koristi. Trenutne razmere se bodo spremenile v takšne, ko se bo izvajala analitika za vse podatke, do katerih ima podjetje dostop, pri čemer bodo te analitike v sodelovanju izvajale različne interesne skupine z različnimi sklopi veščin (npr. vodje podjetij) in s popolnim poudarkom na operacionalizaciji analitičnih vpogledov v skoraj realnem času. Z drugimi besedami, nič več po delih in nič več samo znanstveno eksperimentiranje. - Sri Raghavan, direktor, Data Science in Advanced Analytics Product Marketing pri Teradata

Preskriptivna analitika bo ključna sestavina uspeha digitalne transformacije: napredna analitika je postajajo vključena, saj podjetja vse pogosteje zbirajo in analizirajo podatke v svojih organizacijah, s 35% ameriških proizvajalcev, ki so v zadnjih treh letih uvedli napredno analitiko. Da bi imela umetna inteligenca pomemben vpliv na vrednostno verigo, bo analitika na recept katalizator za optimizacijo uspešnosti. Analitika na recept bo postala pomemben del za spreminjanje umetne inteligence v organizacijah, tako da bo uporabila podatke o izdelkih in strankah, da bo modelom umetne inteligence svetovala, kako izboljšati procese, prilagoditi proizvodnjo in povečati učinkovitost. Analitika na recept omogoča nenehno izboljševanje z modelom umetne inteligence z nenehnim spremljanjem in prilagajanjem glede na spreminjajoče se pogoje. Modeli na recept lahko nato omogočijo avtomatizacijo odločitev, pri čemer lahko modeli na podlagi receptov najbolje ukrepajo. Če presežemo prediktivno analitiko in analitiko na recept, bo leta 2021 proizvajalcem omogočen uspeh digitalne preobrazbe. - George Young, generalni direktor Kalipso

Razširjena analitika in samopostrežba bosta vedno bolj povpraševana glede na porazdeljeno delovno silo in lakoto po informacijah. V odgovor bo tradicionalna analitika vedno bolj motena zaradi umetne inteligence. Povečanje porazdeljene delovne sile bo ustvarilo večje povpraševanje po razširjeni analitiki, kjer posameznega uporabnika vodijo skozi postopek ustvarjanja poizvedb, da dobijo takojšnje odgovore na svoja vprašanja o podatkih. Zbliževanje analitike in umetne inteligence opažamo na dveh področjih - na ravni infrastrukture in na ravni analitikov.

Ljudje se začenjajo zavedati, da imajo različne podatkovne kanale, ki zagotavljajo podatke za analitični mehanizem, in za ML gradijo drugačen kup. Namesto dveh popolnoma ločenih skladov vidimo njihovo konvergenco v infrastrukturo, ki jo je lažje vzdrževati, hkrati pa zagotavljamo, da se za oskrbo obeh motorjev uporabljajo isti podatki. Zgodila se bo druga konvergenca glede "lakote" po informacijah in premagovanja vrzeli pri odgovarjanju na vprašanja s pomočjo podatkov. Tradicionalna analitika bo zaradi umetne inteligence postala bolj motena. Platforme (kot so Tableau, Power BI itd.) Bodo začeli premikati boti in virtualni pomočniki, ki bodo pogovorne narave. To vidimo kot spodbudo k hitrejšemu potezu za samopostrežbo. Pričakujemo tudi, da se bo NLP vse bolj začel uporabljati leta 2021. - Scott Schlesinger, vodja globalnih podatkov, analitike in umetne inteligence pri nost

Vrsti med IT in drugimi oddelki, zlasti kar zadeva podatke in analitiko, se bodo še naprej zabrisale. Podatki in analitika lahko vodijo do izjemno pozitivnih in pomembnih poslovnih izidov. Ko se to zgodi, pogosto obstaja tudi močno sodelovanje na različnih funkcionalnih področjih, saj ima vsaka raven odgovornosti za uspeh analitičnega pristopa. Področja, kot so upravljanje podatkov, pismenost podatkov, odprte podatkovne platforme, integracija in uporaba podatkov v različnih delih podjetja, bodo poslovnim uporabnikom omogočala izvajanje nalog, ki so tradicionalno rezervirane za IT-ekipe, podatki, ki jih poslovne enote ustvarijo, pa se bodo vnašale v platforme, ki jih upravlja IT. To - skupaj s pomanjkanjem podatkovnih znanstvenikov in strokovnjakov za analitiko - pomeni tudi, da bodo podatkovne platforme postale bolj brezhibne in enostavne za uvajanje, tako da jih bodo lahko izkoristili vsi deli organizacije. - Frances Zelazny, generalni direktor za Analiza signalov

V 2000-ih boste z vključitvijo Microsoft Officea v življenjepis lahko naredili dobrega kandidata za službo, a desetletje kasneje je bila to spretnost samoumevna. Dandanes vas znanje SQL lahko izstopa, toda kaj se bo zgodilo v prihodnjih letih?

Z naraščanjem podatkovne pismenosti bodo analitične spretnosti postale običaj za vse poslovneže in začele izginjati iz življenjepisov kandidatov. Tako kot danes verjetno ne boste videli »znanja o pisarni«, do konca desetletja verjetno ne boste videli tudi »znanja podatkov«. Vstopili smo v tretji val analitike in s tem pričakovanje, da lahko poslovni uporabniki sodelujejo s podatki brez pomoči strokovnjaka. Kmalu, če se ne boste mogli poročiti s trdimi podatki s poslovnim kontekstom, da bi opredelili in izvedli strategijo, se boste mučili na delovnem mestu. Idealen kandidat za podjetja v letu 2021 in pozneje bo oseba, ki bo lahko razumela in govorila podatke - kajti čez nekaj let bo podatkovna pismenost nekaj, kar delodajalci zahtevajo in pričakujejo. Tisti, ki želijo napredovati, te talente pridobivajo zdaj. - izvršni direktor ThoughtSpot Sudheesh Nair

Ko podjetja svojo podatkovno infrastrukturo preusmerijo na zvezni (en mehanizem poizveduje po različnih virih), razčlenjeni (izračun je ločen od shranjevanja, ločeno od podatkovnega jezera), bomo videli tradicionalno skladiščenje podatkov in tesno povezane arhitekture baz podatkov, prenesene v stare delovne obremenitve. Toda ena stvar bo ostala nespremenjena, ko gre za ta premik - SQL bo še naprej lingua franca za analitiko. Podatkovni analitiki, podatkovni inženirji, podatkovni znanstveniki in upravitelji izdelkov bodo skupaj s svojimi skrbniki zbirke podatkov uporabljali SQL za analitiko. - Dave Simmen, soustanovitelj in glavni tehnološki direktor (CTO), Ahana

Organizacije povsod stopnjujejo uporabo analitičnih sistemov, vendar jih izziva potreba po platformah za podatke o dogodkih, ki lahko izvajajo premeščanje podatkov v realnem času. Leta 2021 bodo organizacije zahtevale inteligentne podatkovne platforme, ki lahko porabljajo statične in pretočne podatke iz različnih virov v kateri koli obliki, velikosti ali hitrosti; Preurejanje podatkov (obogatitev in preslikava) sproti; in varno in sproti dostavljati podatke sistemom, napravam in aplikacijam. - Sean Bowen, izvršni direktor podjetja Push tehnologija

Ena sama poizvedba SQL za vse delovne obremenitve podatkov. Pot naprej ne temelji samo na avtomatizaciji, temveč tudi na tem, kako hitro in široko lahko svojo analitiko naredite dostopno in dostopno za skupno rabo. Analytics vam daje jasno smer, kakšni naj bodo vaši nadaljnji koraki, da bodo stranke in zaposleni zadovoljni in celo rešili življenja. Upravljanje podatkov ni več razkošje, temveč nuja - in določa, kako uspešni boste vi ali vaše podjetje. Če lahko odstranite zapletenost ali stroške upravljanja podatkov, boste zelo učinkoviti. Končno bo zmagovalec prostora zapravil zapletenost in stroške upravljanja podatkov, delovne obremenitve pa bodo poenotene, tako da lahko napišete eno samo poizvedbo SQL za upravljanje in dostop do vseh delovnih obremenitev v več rezidencah podatkov. - Raj Verma, izvršni direktor podjetja SingleStore

Zmožnosti AI in Analytics so v preteklosti zagotavljale različne platforme / ekipe. V preteklih letih opažamo, da se platforma zbližuje in da je skupina za umetno inteligenco bolj osredotočena na algoritemsko plat, medtem ko so se skupine za platformo za umetno inteligenco in analitiko združile, da bi zagotovile programsko infrastrukturo za primere uporabe analitike in umetne inteligence. - Haoyuan Li, ustanovitelj in izvršni direktor, Alluxio

Kot strokovnjaki za obdelavo podatkov imamo odgovornost do širše javnosti. Mislim, da bomo v naslednjem letu videli napredek v smeri etičnega kodeksa v prostoru za analizo podatkov, ki ga bodo vodila zavestna podjetja, ki se zavedajo resnosti morebitnih zlorab. Morda bo ameriška vlada posredovala in sprejela kakšno različico lastnega GDPR, vendar verjamem, da bodo tehnološka podjetja vodila to nalogo. Kar je Facebook storil s podatki o zaroki, ni nezakonito, vendar smo ugotovili, da lahko škodljivo vpliva na razvoj otrok in na naše osebne navade. V prihodnjih letih se bomo ozirali na način, kako so podjetja uporabljala osebne podatke v 2010-ih, in se ježali, kot smo to storili, ko v filmih iz šestdesetih let vidimo ljudi, ki kadijo na letalu. - Jeremy Levy, izvršni direktor podjetja Okvirno

Čustva so ključni dejavnik, ki vpliva na vedenje kupcev in močno vpliva na zvestobo blagovni znamki. Zato je za podjetja vse bolj koristno, da najdejo način za merjenje čustev strank med postopki odločanja. Čustvena analitika se osredotoča na proučevanje in prepoznavanje celotne lestvice človeških čustev, ki vključuje razpoloženje, odnos in osebnost. Uporablja napovedne modele in AI / ML za analizo človekovih gibanj, izbire besed, glasovnih tonov in obraznih izrazov. Čustvena analitika lahko podjetjem pomaga pri oblikovanju celovitejšega profila kupcev, razumevanju vpliva na čustva in razvoju prilagojenih izdelkov in storitev po meri posameznika. Analiza sentimenta o izdelkih in storitvah v različnih geografskih območjih, družabnih omrežjih in spletnih mestih za pregled omogoča podjetjem, da bolje razumejo in izboljšajo svojo stopnjo zadovoljstva strank. Z uporabo čustvene analitike lahko podjetja bolje razumejo, kako njihov marketing in storitve vplivajo na čustva, da bi zagotovili bolj pozitivno privlačno izkušnjo strank. - Paul Moxon, SVP, Arhitektura podatkov na denode

Pravilno analitiko izdelkov je težko. Vsaka interakcija povzroči kopičenje podatkov in kopanje po njih, da bi našli vpogled v „iglo v kozolcu“, zahteva veliko truda, discipline in časa, da deluje. Te ovire za vstop pomenijo, da je analiza podatkov pogosto omejena na podjetja, ki imajo sredstva, pasovno širino in znanje, da to lahko storijo pravilno. Toda to je tudi disciplina, ki postaja vse pomembnejša - že pred pandemijo so se interakcije potrošnikov z blagovnimi znamkami na splošno dogajale na digitalnih platformah, zdaj pa so tam skoraj izključno. Obstaja nešteto informacij, ki lahko pojasnijo donosnost naložbe vsake interakcije, nedvomno pa se nekatere od njih potencialno spreminjajo. Ampak, odkrito povedano, smo ljudje in če bomo morali trdo delati, da bomo iz česa izkoristili vrednost, bomo manj verjetno, da bomo to počeli dosledno. Zato se bo analitika leta 2021 od reaktivne igre - zbiranja podatkov, ki jih morajo analitiki nato prebrati, da bi našli te vpoglede - premaknila k proaktivni, ki bo ekipe povezala neposredno s tistimi "a-ha!" trenutki, ki spodbujajo takojšnje in premišljeno delovanje. - Matin Movassate, izvršni direktor in ustanovitelj podjetja Heap

Umetna inteligenca

Ko si podjetja prizadevajo za cilje, da se ponovno odprejo in povrnejo zadostne tokove prihodkov, bodo morala uporabiti pametne tehnologije, da bodo v realnem času zbrala ključne vpoglede, ki jim to omogočajo. Sprejetje tehnologij umetne inteligence (AI) lahko podjetjem pomaga, da razumejo, ali njihove strategije za varstvo strank in zaposlenih delujejo, hkrati pa še naprej spodbujajo rast. Ko bodo podjetja prepoznala edinstvene sposobnosti umetne inteligence, da bo olajšala upravljanje in skladnost korporativnih politik, zagotovila varnost in izboljšala izkušnjo strank, bomo videli večje stopnje sprejemanja umetne inteligence v vseh panogah. - Hillary Ashton, EVP in glavna produktna direktorica pri Teradata

Leta 2021 bomo videli, kako umetna inteligenca, strojno učenje in IoT opredeljujejo in oblikujejo naše življenje in vedenje, pojav, ki se bo nadaljeval še vrsto let. Ta napredek vpliva na to, kako delamo, kako kupujemo, kako zapravljamo in kako počnemo vsako malenkost v življenju. Mislim pa, da bodo prava zvezda, h kateri se bodo podjetja obrnila, omogočljive tehnologije, kot sta računalništvo v oblaku in robovi, ki bodo še naprej prevladovale zaradi njihove sposobnosti obdelave in upravljanja vseh potrebnih podatkov, ki spodbujajo umetno inteligenco, ML in IoT, saj kot tudi omogočanje tehnologij, kot so iPaaS, APIM in RPA. Te tehnologije bodo še naprej vodile stroške digitalne preobrazbe za podjetja, ko se bodo od ročnega ali papirnatega podjetja preusmerila v digitalna podjetja, ki bodo končno izkoristila moč umetne inteligence in interneta stvari. - Manoj Choudhary, tehnični direktor pri Jitterbit

Umetna inteligenca v letu 2021 postane manj umetna: tudi s cepivom za COVID-19 na obzorju se je način dela in interakcije ljudi bistveno spremenil. V novem letu se bodo dela na daljavo nadaljevala, zahteve po socialni oddaljenosti bodo ostale, dobavne verige pa se bodo še naprej spopadale z motnjami. Ta nov način življenja zahteva, da podjetja učinkovito nadaljujejo poslovanje v celotni vrednostni verigi - od izdelka do obrata do končnega uporabnika. Uporaba umetne inteligence (AI) bo standard za reševanje teh izzivov. AI ne bo upošteval, kako bodo ljudje komunicirali z novimi avtonomnimi sistemi in jih izkoristili.

Leta 2021 se bodo podjetja lotila človeško usmerjenega pristopa k pobudam v zvezi z umetno inteligenco, razumevanjem potreb in vrednot uporabnikov, nato pa temu ustrezno prilagodili načrte in modele umetne inteligence, kar bo posledično izboljšalo sprejemanje. Podjetja se morajo za uspeh umetne inteligence osredotočiti na ljudi in kulturo kot tehnologija sama. Ekipe za organizacijske spremembe (OCM) bodo ključne za spodbujanje digitalne preobrazbe in umetne inteligence naprej, tako da bodo ljudi pripeljale na pot sprememb in organizirale organizacijo za merljive rezultate. Pravilno upravljanje sprememb je najpomembnejši - a spregledan - vidik vsake pobude za digitalno preobrazbo. - George Young, generalni direktor pri Kalipso

Leta 2021 se bodo podjetja oddaljila od hitrih zmag s pomočjo sistemov umetne inteligence in se osredotočila na trajno in smiselno poslovno vrednost. Ta sprememba bo poglobila pobude za podatkovno pismenost med organizacijami. Ljudje bodo morali naučiti novih veščin in se vesti na nove načine. - Sundeep Reddy Mallu, vodja analitika pri Gramener 

Večina potrošnikov bo še naprej skeptična do umetne inteligence. Ker je več velikih potrošniških blagovnih znamk na vročem sedežu okoli vprašljive etike umetne inteligence, večina ljudi še vedno ne zaupa umetni inteligenci. Za mnoge je to zato, ker ga ne razumejo ali se sploh zavedajo, da ga uporabljajo vsak dan. Potrošniki dobijo toliko storitev z umetno inteligenco - Facebook, Google, TikTok itd., Da ne razumejo, čemur se osebno odrečejo v zameno - in sicer svojim osebnim podatkom. Dokler bo splošna javnost še naprej naivna, ne bo mogla predvideti nevarnosti, ki jih lahko povzroči umetna inteligenca, ali kako se zaščititi - razen če trg bolje izobražuje stranke ali izvaja predpise za njihovo zaščito. Kljub temu obstaja nekaj dokazov, da zapiramo vogal zaupanja v AI. Enainosemdeset odstotkov vprašanih voditeljev podjetij v prihajajoči raziskavi družbe Pega je izrazilo optimizem, da bo pristranskost v zvezi z umetno inteligenco v petih letih dovolj ublažena. Podjetja naj bolj upajo, da se bo to izkazalo za resnično - ker se večina javnosti prebuja, kako umetna inteligenca vpliva na njihovo življenje in v nekaterih primerih igra priljubljene, bodo še naprej postavljala težja vprašanja, ki še bolj izničijo zaupanje v umetno inteligenco, kar podjetja prisili, da jim odgovoriti. - Vince Jeffs, višji direktor - produktna strategija, trženje umetne inteligence in odločanje, Pega

Digitalni delavci, ki jih poganja umetna inteligenca, bodo podjetjem pomagali, da bodo dolgoročno ostala strateška. Le redki se ne strinjajo s tem, da sta umetna inteligenca in avtomatizacija ključnega pomena za preživetje podjetij naprej. Raziskave pa so pokazale, da večina podjetij ni v celoti spoznala koristi svojih naložb v umetno inteligenco in avtomatizacijo. S povezovanjem zmogljivih zmogljivosti umetne inteligence s poslovnimi procesi prek digitalne delovne sile bomo vse pogosteje videli, kako organizacije v veliki meri uvajajo avtomatizacijo, ki jo poganja umetna inteligenca. Avtomatizacija, ki jo infundiramo z umetno inteligenco, bo vedno bolj povezana z osrednjimi strateškimi pobudami, kot so izboljšana usmerjenost k strankam, rast prihodkov, dodelitev kapitala, upravljanje dobavne verige, obvladovanje tveganj, stroškovna in operativna učinkovitost ter drugo. Digitalni delavci, ki jih poganja umetna inteligenca, bodo izkoriščeni kot glavna orodja za izvajanje korporativne strategije in obvladovanje tveganj v obsegu podjetja. Hitro in učinkovito sprejemanje avtomatizacije bo vedno bolj pomembno za ohranjanje konkurenčnosti na trgih. - Eric Tyree, vodja umetne inteligence in raziskav v Modri ​​prizmi

Eksperimentiranje z umetno inteligenco bo postalo bolj strateško. Eksperimentiranje poteka skozi celoten postopek razvoja modela - ponavadi vsaka pomembna odločitev ali predpostavka vsebuje vsaj nekaj poskusov ali predhodnih raziskav, ki utemeljujejo te odločitve. Eksperimentiranje ima lahko različne oblike, od gradnje polnopravnih napovednih modelov ML do statističnih testov ali grafičnih podatkov. Poskus vseh kombinacij vseh možnih hiperparametrov, ravnanja s funkcijami itd. Hitro postane neizsledljiv. Zato bomo začeli videti, da organizacije določajo čas in / ali proračun za eksperimente ter prag sprejemljivosti za uporabnost modela. - Florian Douetteau, izvršni direktor in soustanovitelj podjetja Dataiku

Leta 2021 bomo končno videli, da AI prehaja v mainstream. Zaradi COVID-19 so bila podjetja prisiljena digitalno preobraziti, da bi preživela v novi normalni situaciji. Glede na naše raziskave digitalno pospeševanje ne kaže znakov, da bi se ustavili v novem letu, saj 86% podjetij trenutno izkorišča prednosti boljše uporabniške izkušnje z umetno inteligenco, ki se verjetno nadaljuje. Pandemija je spremenila tudi poslovne prioritete za naložbe v umetno inteligenco. Na primer, videli smo, da se podjetja od preprostejših nalog, kot je avtomatizacija, osredotočajo na načrtovanje delovne sile in simulacijsko modeliranje. Ker bodo organizacije še naprej videvale koristi od svojih digitalnih naložb v zapletene procese, bo umetna inteligenca še bolj razširjena in široko uporabljena v naslednjem letu. - Anand Rao, vodja globalne umetne inteligence pri PwC

Konvergenca umetne inteligence in BI bo povečala vpogled v podatke. AI je bil v zadnjih petih letih del vsake korporacijske razprave. Kljub temu pa ostajajo izzivi pri demokratizaciji naprednih vpogledov v umetno inteligenco za večje dele zaposlenih. Ko se bodo pojavili novi BI-izdelki, ki jih poganja AI, se bodo silosi zlomili in vsak uporabnik bo lahko izkoristil analitiko podatkov in z lahkoto našel vpoglede. Preprosti vmesniki, prilagojeni vpogledi in zanimive podatkovne izkušnje bodo postali značilnosti analitike podatkov v letu 5 in pozneje. - Dhiren Patel, glavni produktni direktor podjetja MachEye in vodja oddelka za uspeh strank

Rasna pristranskost v številnih algoritmih za prepoznavanje obrazov, ki jih poganja umetna inteligenca, je bila v zadnjem letu glavna tema pogovorov, ki so se razvili zaradi socialnih nemirov leta 2020. Raziskave so pokazale razširjeni dokazi da so bile rasne manjšine veliko bolj verjetno kot belci napačno opredeljene. Leta 2021 bomo videli, kako bo popravek pristranskosti umetne inteligence postalo glavna tema vsakega podjetja, ki uporablja tehnologijo umetne inteligence ali prepoznavanja obrazov. Z uporabo državnih dokumentov lahko hitro in enostavno dokažete lastništvo ID-ja, tako da analizirate obraz na dokumentu in ga primerjate z obrazom, ki poskuša dostopati do vašega sistema. Leto 2021 bo leto, v katerem se prikaže pristranskost do umetne inteligence, in podjetja bodo začela izvajati korenite spremembe za odpravo rasnih pristranskosti v svoji programski opremi - nekatere od njih je mogoče storiti z namernim poudarkom na pravičnosti in usposobljenosti sistema ML podjetja za zmanjšanje rasne obraza napake pri prepoznavanju. - Mohan Mahadevan, podpredsednik za raziskave, Onfido

2021 bo leto, v katerem bodo ekipe prehajale od naključnega spoznavanja umetne inteligence do zavzete zveze. AI ni več samo za raziskovalne in razvojne projekte. Čas je, da se zavežemo, da bomo te rešitve prilagodili, namesto da bi se z njimi le spogledovali. Zdaj moramo avtomatizirati. - David Karandish, ustanovitelj in izvršni direktor družbe kapaciteta 

S sotočjem računske moči, podatkov na internetni ravni in sodobnih algoritmov strojnega učenja smo v zadnjih nekaj letih z umetno inteligenco prelomili izjemno novo podlago. V prihodnjih letih bomo vstopili v ekspanzivno dobo, ko bomo prototipirali, zapakirali in proizvedli dolg rep primerov komercialne uporabe - bodisi za izboljšanje obstoječih izdelkov ali storitev bodisi za ustvarjanje povsem novih. - Dave Costenaro, glavni direktor za podatke pri kapaciteta 

Uspeh AI se premika od splošnega namena k nišnim poudarkom. Medtem ko naložbe v umetno inteligenco še naprej rastejo v podjetjih, podjetja ponovno ocenjujejo svoje tehnološke sklade, da bi se prilagodile nišni umetni inteligenci, ne pa črnih skrinjic, ki trdijo, da naredijo vse. Nišni, dovršeni primeri uporabe, ki rešujejo določene težave, bodo imeli prednost pred proračunom in ne avtomatizacijo, ki obljublja, da bo naredila vse. - Virusna Bajaria, tehnični direktor pri 6sense

Vzpon umetne ozke inteligence: pred kratkim je bila umetna inteligenca tisto, kar danes poznamo kot umetno splošno inteligenco, kot so samovozeči avtomobili ali prepoznavanje slik. Vendar pa danes obstaja nova kategorija umetne ozke inteligence, ki poskuša ponoviti človekov postopek odločanja. Z vidika dobavne verige lahko ta nova umetna inteligenca pripomore k boljšemu sprejemanju odločitev o vseh vidikih dobavne verige, v poglavju »Kako napolnim tovornjak?« ali "Kako lahko izdelke dobim pravočasno?" Leta 2021 predvidevam povečanje teh ozek rešitve za nadomestitev taktičnih odločitev in odločitev manjšega obsega. - Andy Fox, direktor podjetja Global Impact pri LLamasoft

Na robu bomo začeli uresničevati »Counter-AI«. Ko vlade poskušajo slediti ljudem in podjetja poskušajo z njimi manipulirati ali pridobiti globok vpogled v vedenje, napovedujem reakcijo metod za preprečevanje sledenja in strank 360. Za razliko od dela, ki so ga različne skupine opravile na orodjih za prepoznavanje obraza, bomo začeli videti visoke in nizkotehnološke metode za zatiranje umetne inteligence, ki se uporablja za nadzor in razumevanje nas. - vodja arhitekture za Atos Severna Amerikaje AI Lab v partnerstvu z Google Cloud, Jonas Bull

Ko vse več agencij začne sprejemati te rešitve, ki temeljijo na umetni inteligenci in ML, je na področju kazenskega pregona obveznost spoštovanja etičnih politik in odstranjevanja pristranskosti pri takšnih orodjih. Kot taki bodo oddelki začeli oblikovati lastne politike in sodelovati z upravnimi organi na področju odgovorne in etične uporabe umetne inteligence, vključno z ustreznim usposabljanjem za ustrezne skupine in poslovne funkcije, pa tudi z ustvarjanjem okolja z etikom podatkov in odgovornih odločitev. -izdelava. Korak naprej bodo organizacije pregona še naprej zagotavljale, da bodo sistemi umetne inteligence preverjeni, da bodo brez pristranskosti in po potrebi popravljeni. In odprli bodo komunikacijsko linijo z javnostjo za spodbujanje preglednosti glede uporabe teh orodij. - Heather Mahalik, višja direktorica digitalne inteligence, Cellebrite

Leta 2021 bomo videli, da bodo več podatkovno usmerjena podjetja izkoriščala odprtokodno kodo za analitiko in umetno inteligenco. Odprtokodne analitične tehnologije, kot sta Presto in Apache Spark power AI platformi, so veliko bolj prilagodljive in stroškovno učinkovitejše kot njihova običajna podjetja v skladišču podatkov, ki se zanašajo na konsolidacijo. podatkov na enem mestu - zamudno in drago prizadevanje, ki običajno zahteva zaklepanje prodajalca. Naslednje leto se bo povečala uporaba analitičnih motorjev, kot je Presto za aplikacije AI, zaradi njegove odprtosti - odprtokodne licence, odprtega formata, odprtih vmesnikov in odprtega oblaka. - Dipti Borkar, soustanovitelj in glavni produktni direktor (CPO), Ahana

Industrija se bo preusmerila od splošnih horizontalnih platform za umetno inteligenco, kot sta IBM Watson in Amazon Lex, k izdelkom, ki jih poganja AI, in modelom upravljanih storitev. Splošne platforme niso rešitve. Začnejo se hladno, brez kakršnih koli podatkov o usposabljanju ali strukture podatkovnih modelov - to je gradnja in nato optimizacija v proizvodnji strokovna in resnično zahtevna naloga, ki presega zmožnosti večine podjetij. Prehod z zgodnjega trga inovatorjev na uveljavitev množičnega trga bo leta 2021 posledica sprejetja domensko zasnovanih izdelkov z umetno inteligenco, ki so predhodno usposobljeni za določeno panogo in dokazano delujejo. - Jake Tyler, soustanovitelj in izvršni direktor, Finn AI

Leta 2021 AI ne bo preslikana na človeški spekter kompetenc. Lahko imamo algoritme, ki zdrobijo katerega koli človeka pri šahu, vendar ne morejo narediti skodelice čaja in računalniških programov, ki bi matematiko lahko izvajali milijonekrat hitreje kot ljudje, vendar na vprašanje, kdo bi lahko zmagal na naslednjem svetovnem prvenstvu, sploh ne bi razumeli vprašanje. Njihove zmožnosti niso univerzalne. Z umetno inteligenco smo prišli do točke, ko hkrati precenjujemo in podcenjujemo moč algoritmov. Ko jih precenimo, vidimo, da je človeška sodba premaknjena v poznejšo misel - nevarno mesto. Uporaba "mutantnega algoritma" pri razvrščanju rezultatov na ravni A je škandal du jour v Veliki Britaniji, kljub temu da algoritem daje veliko rezultatov, ki preprosto kršijo zdravo pamet. Ko podcenjujemo algoritme, vidimo, da se celotne industrije sesujejo, ker na obzorju niso opazile sprememb. Kako lahko tradicionalno taksi podjetje konkurira, če vas Uberjev algoritem pripelje v manj kot treh minutah? Leta 3 pričakujte, da se bodo inženirji izognili umetni inteligenci in algoritemskim napakam, tako da ne bodo poskušali preslikati algoritmov v človeški spekter kompetenc. Uporaba tehnologij umetne inteligence - na primer prepoznavanje govora v katerem koli kontekstu - za izboljšanje tega, kar lahko storijo ljudje, in iskanje pravega ravnovesja med avtomatizacijo umetne inteligence in človeškim znanjem za primere uporabe v resničnem svetu - na primer izkušnje strank in spletne konference - bo začelo oblikovati učinkovito uporabo AI za prihodnost. - Ian Firth, podpredsednik Govorna tehnika

Odgovorni AI / ML bo postal najbolj vroča tema v oblačni ML industriji. Glede na vse večji poudarek družbe na boju proti nepravičnosti in pristranskosti ter na splošno zanimanje za boljšo razložljivost in razložljivost modelov strojnega učenja, bodo ponudniki v oblaku vlagali in izboljševali svoje ponudbe ML, da bi ponudili celoten nabor odgovornih zmogljivosti ML / AI, katerih cilj bo zadovoljiti in pomiriti regulatorji, modelarji, vodstvo in trg o pošteni uporabi ML. Medtem bodo AI / ML še naprej beležili eksplozivno rast in uporabo v celotni industriji, s pomembnimi izboljšavami enostavnosti uporabe in UX, ki se bodo združevale v odgovornem okviru AI / ML, da bodo spodbudile naslednji vzpon rasti v tem sektorju. - Yiannis Antoniou, analitik, Gigaom

AIOps za mreženje bodo postali osrednji: naslednje leto bodo AIOps prešli iz teorije v prakso za številne organizacije. S povečanjem števila zaposlenih na daljavo in domom, ki postaja nova mikro veja, bo AI postal namizni delež za zagotavljanje odličnega odjemalca uporabniški izkušnji v oblaku, hkrati pa bo nadzoroval stroške IT podpore za oddaljene zaposlene. Ekipe IT bodo morale sprejeti AIOps, da bodo razširile in avtomatizirale svoje delovanje. AIOps cloud SaaS bo paradigmo podpore strankam postavil na glavo. Namesto da bi uporabniki oddali vstopnice za IT, bo AI proaktivno identificiral uporabnike s težavami s povezljivostjo ali izkušnjami in jih bo rešil (samovozeče omrežje) ali pa bo odprl vozovnico s predlaganimi ukrepi za sanacijo za IT. - Bob Friday, tehnični direktor podjetja Mist Systems, družbe Juniper Networks

Umetna inteligenca in strojno učenje bosta imela veliko bolj pomembno vlogo pri strategiji dobavne verige kot v prejšnjih letih. Potreba po več vpogledih v realnem času po celotni dobavni verigi bo še naprej naraščala tudi v letu 2021, še posebej, ker bodo organizacije oskrbovalne verige ponovno ocenile svoje poslovanje kot rezultat nenadnih sprememb v nakupnem vedenju med pandemijo COVID-19.

Da bi rešile to potrebo, bodo morale organizacije oskrbovalne verige preučiti tehnologijo, ki omogoča umetno inteligenco (AI) in strojno učenje (ML), da nadgradi s sedanje, opisne in predpisne analitike ter izkoristi napovedno analitiko - ki ponuja priporočene ukrepe pred incident se zgodi na podlagi prejšnjih dejanj. Pogosto pride do nereda v silosih in razdrobljenosti zaradi nakupa velikih podjetij z različnimi sistemi. Leta 2021 si bodo zainteresirane strani v dobavni verigi prizadevale digitalne dvojčke namestiti v vse module kot dodatno plast prepoznavnosti in zagotoviti sinhronizacijo med obstoječimi sistemi podjetja in novo tehnologijo, kot so senzorji in nano senzorji, ki prihajajo na trg v vse večjih količinah. . - Mahesh Veerina, izvršni direktor Cloudleafa

Nepristranskost v umetni inteligenci povzroča škodo v velikem obsegu - od vpliva na postopek zaposlovanja z okrepitvijo stereotipov o spolu do rasne diskriminacije pri kreditnem točkovanju in posojanju. Organizacije vedo, da lahko najemanje raznolike delovne sile zagotavlja raven resnice za modele umetne inteligence in vedo, da je treba podatke o usposabljanju nenehno spremljati zaradi pristranskosti, saj to vpliva na kakovost in natančnost algoritmov. Prav tako vedo, da trenutno ne obstaja merilo meritev, ki temeljijo na etiki, za resnično ublažitev pristranskosti pri umetni inteligenci in da mora obstajati. Leta 2021 bomo videli, kako se organizacije premikajo mimo tega, ko samo priznavajo in »skrbijo« zaradi pristranskosti v umetni inteligenci in začnejo izvajati pomembnejše korake, da bi to rešili - ker bo to potrebno. Ustanovljene bodo posebne skupine in / ali pobude za boj proti vsem pomislekom, ki spadajo pod okrilje odgovorne umetne inteligence, vključno z vsemi, od lastne pristranskosti podatkov do poštenega ravnanja z učitelji podatkov. Vzpostavljanje odgovornih pobud za umetno inteligenco za nekatere ne bo postalo le mandat upravnega odbora, temveč bodo to zahtevali partnerji in kupci podjetij, ki vodijo prizadevanja za umetno inteligenco. - Appen Tehnični direktor Wilson Pang

AIOps se bo ogreval, da bo izboljšal izkušnjo strank in zagotovil in optimiziral aplikacije. Z letom nepredvidljivosti za nami bodo podjetja morala pričakovati nepričakovana vprašanja, ko bodo tehnološki skladi postali nezmotljivi in ​​proaktivni. Videli bomo, da povpraševanje po AIOps še naprej narašča, saj lahko te nepričakovane scenarije obravnava in predvidi z uporabo AI, ML in napovedne analitike. Naraščajoča zapletenost digitalnih aplikacij za podjetja, ki zajemajo hibridne lokalne in infrastrukture v oblaku, skupaj s sprejetjem sodobnih arhitektur aplikacij, kot je kontejnerizacija, bo prinesla izjemno povečanje obsega in kompleksnosti podatkov. Medtem ko lahko preobremenjenost podatkov iz sodobnih digitalnih okolij upočasni popravila in preobremeni ekipe IT-operaterjev, bodo hrupni nabori podatkov ovira preteklosti, saj pametnejše strategije in centralizirani sistemi AIOps organizacijam pomagajo izboljšati izkušnjo strank, poskrbeti za sodobna zagotovila in optimizacijo aplikacij, povezati jih z inteligentna avtomatizacija in uspevajo kot avtonomna digitalna podjetja. Konvencionalni pristopi IT-operacij dejansko morda niso več izvedljivi - zaradi česar je sprejetje AIOps neizogibno, da bi lahko razširili vire in učinkovito upravljali sodobna okolja. - Ali Siddiqui, glavni produktni direktor, Programska oprema BMC

Močna resničnost je, da bo leto 2021 tisto, ki bodo dejansko izvajali umetno inteligenco, začeli dosegati vrednost v velikem obsegu, medtem ko bodo tisti, ki bodo mesece trenirali krhke modele in jih ne bodo dohiteli, v vedno večji, eksponentni, slabši situaciji. Izzivi v zadnjem kilometru ne bodo lažji - vendar bo temeljni premik v razmišljanju in pristopu ključnega pomena za premagovanje zapletenih ovir. - dr. Josh Sullivan, vodja Modzy

Elegantna ocena tveganja: Ko prostor AIOps še naprej dozoreva, vidimo, da prodajalci izboljšujejo svoje sposobnosti ocenjevanja tveganj, da lahko stranke odpravijo težave s skoraj gotovostjo, ne da bi pri tem zlomili kar koli drugega v sistemu. Leta 2021 bomo na enem področju, kjer bomo opazili večjo pozornost ponudnikov in več sprejemanja uporabnikov, omogočili bolj elegantno preslikavo odvisnosti, tako da bodo inženirji lahko natančno ocenili tveganje kot del sanacijskega postopka ali cikla gradnje in uvajanja sprememb programske opreme. zagotovite, da sprememba enega dela okolja ne bo zlomila sistema drugje. - Michael Olson, direktor, trženje izdelkov pri New Relic

Leta 2021 AI ne bo prikazan na človeškem spektru kompetenc: lahko imamo algoritme, ki zdrobijo katerega koli človeka v šahu, vendar ne morejo pripraviti skodelice čaja in računalniških programov, ki lahko matematiko izvajajo milijonekrat hitreje kot ljudje, če bi jih vprašali, kdo bi lahko zmagal na naslednjem svetovnem prvenstvu, vprašanja sploh ne bi razumeli. Njihove zmožnosti niso univerzalne. Z umetno inteligenco smo prišli do točke, ko hkrati precenjujemo in podcenjujemo moč algoritmov.

Ko jih precenimo, vidimo, da je človeška sodba premaknjena v poznejšo misel - nevarno mesto. Uporaba "mutantnega algoritma" pri razvrščanju rezultatov na ravni A je škandal du jour v Združenem kraljestvu, kljub temu da algoritem daje veliko rezultatov, ki preprosto kršijo zdravo pamet. Ko podcenjujemo algoritme, vidimo, da se celotne industrije sesujejo, ker na obzorju niso opazile sprememb. Kako lahko tradicionalno taksi podjetje konkurira, če vas Uberjev algoritem pripelje v manj kot treh minutah? Leta 3 pričakujte, da se bodo inženirji izognili umetni inteligenci in algoritemskim napakam, tako da ne bodo poskušali preslikati algoritmov v človeški spekter kompetenc. Uporaba tehnologij umetne inteligence - na primer prepoznavanje govora v katerem koli kontekstu - za izboljšanje tega, kar lahko storijo ljudje, in iskanje pravega ravnovesja med avtomatizacijo umetne inteligence in človeškim znanjem za primere uporabe v resničnem svetu - na primer izkušnje strank in spletne konference - bo začelo oblikovati učinkovito uporabo AI za prihodnost. - Ian Firth, podpredsednik Govorna tehnika

ML na robu bo leta 2021 eden najpomembnejših poudarkov v industriji umetne inteligence / ML. Povpraševanje po inteligentnih robovih hitro narašča v avtomobilski industriji, pametni tovarni in industriji pametnih domov. S široko dostopnimi učinkovitimi razvojnimi orodji za robni ML in polprevodniškimi podjetji, ki uvajajo nove MCU-je s funkcijami ML, bo sprejetje aplikacij za robne ML postalo glavni trend. - Sang Won Lee, izvršni direktor podjetja Qeexo

Klinična skupnost bo povečala njihovo uporabo pristopi federativnega učenja zgraditi zanesljive modele umetne inteligence v različnih ustanovah, geografskih območjih, demografskih podatkih bolnikov in medicinskih skenerjih. Občutljivost in selektivnost teh modelov presegata modele umetne inteligence, ki so bili zgrajeni v eni sami ustanovi, tudi če je na voljo veliko podatkov, s katerimi je mogoče trenirati. Kot dodaten bonus lahko raziskovalci sodelujejo pri ustvarjanju modela AI, ne da bi si delili zaupne podatke o pacientih. Zvezno učenje je koristno tudi za gradnjo modelov umetne inteligence na področjih, kjer je malo podatkov, na primer za pediatrijo in redke bolezni. - Kimberly Powell, podpredsednica in generalna direktorica NVIDIA Healthcare

Center odličnosti AI: Podjetja so se v zadnjih desetih letih trudila, da bi zgrabila visoko plačane znanstvenike za podatke, vendar je bila njihova produktivnost nižja od pričakovane zaradi pomanjkanja podporne infrastrukture. Več organizacij bo pospešilo donosnost naložbe v umetno inteligenco z izgradnjo centralizirane skupne infrastrukture v superračunalniškem merilu. To bo olajšalo urejanje in povečevanje talentov za področje podatkov, izmenjavo najboljših praks in pospešilo reševanje zapletenih problemov z umetno inteligenco. - Charlie Boyle, podpredsednik in generalni direktor NVIDIA DGX Systems

Izražanje umetne inteligence se bo zožilo pri brezšivnih uporabniških izkušnjah: Ko gledamo zgodovino umetne inteligence, so bili algoritmi pomembni, uporabniška izkušnja pa na drugem mestu. Toda ko gremo v leto 2021, bodo aplikacije, ki podpirajo umetno inteligenco, vedno bolj usmerjene v uporabnost kot prednostno nalogo. Najboljši izrazi umetne inteligence so za uporabnika brezšivni in delujejo nevsiljivo v ozadju. Platforme, ki jih podpira AI / ML, bodo našle nove načine, kako uporabnike usmeriti k boljšim zaključkom in rešitvam.

To se zgodi z zaslišanjem ogromnih količin podatkov, iskanjem nepravilnosti, vpogledov in trendov, nato pa predstavitvijo rezultatov v ustreznem poslovnem kontekstu. Končni cilj vseh poslovnih platform bi moral biti resnično brez trenja AI / ML. Upam, da bom videl bolj dovršene aplikacije umetne inteligence, ki bodo prepoznale, kaj poskuša doseči vsak uporabnik, in samodejno prikazale vpoglede, ki jih je mogoče izkoristiti za hitro ukrepanje. Ta enostavnost uporabe bo izjemno dragocena za široko bazo uporabnikov, tako tehničnih kot netehničnih. - Sanjay Vyas, tehnični direktor Načrtno

Etična umetna inteligenca bo imela ključno vlogo pri razvoju izdelkov leta 2021, vendar jo je težko rešiti: etična umetna inteligenca postaja pomembno vprašanje, vendar je težko rešiti dilemo. Podjetja uporabljajo podatke in umetno inteligenco za ustvarjanje rešitev, vendar lahko zaobidejo človekove pravice v smislu diskriminacije, nadzora, preglednosti, zasebnosti, varnosti, svobode izražanja, pravice do dela in dostopa do javnih storitev. 

Da bi se izognili povečanju uglednih, regulativnih in pravnih tveganj, je etična umetna inteligenca nujna in bo sčasoma odstopila politiki umetne inteligence. Politika umetne inteligence bo zagotovila visok standard preglednosti in zaščitnih ukrepov za ljudi. Na področju podatkov bodo morali izvršni direktorji in tehnični direktorji najti načine za odpravo pristranskosti v algoritmih s skrbno analizo, preverjanjem in programiranjem. - Krishna Tammana, tehnični direktor Talenda

Prihodnje leto bomo videli, da se podjetja osredotočajo, sprejemajo in razvijajo rešitve umetne inteligence, ki dejansko prinašajo donosnost naložbe v nasprotju s triki ali gradbeno tehnologijo zaradi tehnologije. Organizacije bodo osredotočene na dokazljiv napredek in merljive rezultate in bodo zato vlagale v rešitve, ki rešujejo določene težave. Podjetja, ki globoko razumejo zapletenost in izzive, ki jih želijo rešiti njihovi kupci, in so pripravljena vložiti svoje dolarje za raziskave in razvoj v rešitve, bodo našla uspeh. - Joe Petro, tehnični direktor pri Nuance Communications, Inc..

Vrzel v veščinah umetne inteligence se bo še naprej pojavljala in organizacije bodo razmišljale o novih načinih prilagajanja. Organizacije so težko najele talente, potrebne za uvajanje umetne inteligence in izkoriščanje vseh prednosti, saj polovica strokovnjakov iz industrije poroča o tem izzivu. Še več, številne organizacije so pobude za digitalno preobrazbo pospešile za nekaj mesecev ali let - vendar obstajajo razlike v razpoložljivih možnostih za nadarjenost in usposabljanje za podporo tem pobudam. Zaradi povečanega povpraševanja predvidevamo, da bodo podjetja ponudila več pobud za izboljšanje usposobljenosti in spodbud zaposlenim za učenje novih veščin ter si prizadevala za izgradnjo podatkov in pismenost na področju inteligence na vseh ravneh organizacije.

Pandemija je organizacijam ponudila priložnost, da prednostno opredelijo te ukrepe in zaposlenim pomagajo razviti nove veščine pri hitrem prehodu na delo na daljavo. Če pogledamo naprej, bo leto 2021 namenjeno izobraževanju, ki bo delovalo po novem in dohitevalo hitre digitalne pobude. - Traci Gusher, direktorica, Podatki in analitika, KPMG

Obravnavanje pristranskosti v algoritmih umetne inteligence bo glavna prednostna naloga, zaradi česar se bodo razvile smernice za podporo strojnega učenja narodnosti za prepoznavanje obraza. Podjetja so vedno bolj zaskrbljena zaradi demografskih pristranskosti algoritmov umetne inteligence (rase, starosti, spola) in njihovega vpliva na njihovo blagovno znamko in možnosti za sprožitev pravnih vprašanj. Ocena, kako prodajalci obravnavajo demografsko pristranskost, bo postala glavna prednostna naloga pri izbiri rešitev za preverjanje identitete leta 2021. Po Gartnerjevih besedah ​​bo več kot 95% RFP-jev za dokumentarno preverjanje identitete (primerjava vladne osebne izkaznice s samoportretom) vsebovalo jasne zahteve glede zmanjšanja demografskih pristranskosti do leta 2022, povečanje z manj kot 15% danes. Organizacije bodo vedno bolj morale imeti jasne odgovore na organizacije, ki želijo vedeti, kako je bila zgrajena prodajna AI "črna skrinjica", od kod izvirajo podatki in kako reprezentativni so podatki o izobraževanju za širšo populacijo, ki jo oskrbujejo.

Medtem ko organizacije še naprej uporabljajo biometrično tehnologijo prepoznavanja obrazov za preverjanje identitete, mora industrija obravnavati pristranskost sistemov. Tema o umetni inteligenci, podatkih in etnični pripadnosti ni nova, a se bo morala razviti leta 2021 raziskovalci na MIT-u, ki je analiziral nabore podatkovnih posnetkov, ki se uporabljajo za razvoj tehnologij za prepoznavanje obraza, je bilo 77% slik moških in 83% belih, kar kaže na enega glavnih razlogov, zakaj v tehnologiji prepoznavanja obrazov obstaja sistematična pristranskost. Leta 2021 bodo uvedene smernice za izravnavo te sistematične pristranskosti. Dokler se to ne zgodi, bi morale organizacije, ki uporabljajo tehnologijo prepoznavanja obrazov, svoje ponudnike vprašati, kako so usposobljeni njihovi algoritmi, in zagotoviti, da njihov prodajalec ne vadi algoritmov na kupljenih naborih podatkov. - Robert Prigge, izvršni direktor družbe Jumio

Big Podatki

Leta 2021 bo odprto in brezplačno zbiranje podatkov spodbudilo prihodnje novosti. Nedavna raziskava podjetja Frost & Sullivan je pokazala, da 54% tistih, ki sprejemajo odločitve izrazili potrebo po obsežnem zbiranju podatkov, da bi sledili rasti njihovega podjetja in spletni konkurenci. Da pa bodo podjetja učinkovito uporabljala spletne podatke, morajo biti najprej dostopna in ne blokirana. Danes podjetja pogosto prepovedujejo poskuse javnega zbiranja podatkov, čeprav jih zbirajo sami. To stanje povzročata dva glavna dejavnika: nenehna potreba po blokiranju zlonamernih ali goljufivih spletnih dejavnosti kot del varnostnih ukrepov in mnenje, da ti javni podatki prispevajo k konkurenčni prednosti podjetja.

Verjamem, da se bodo podjetja od leta 2021 naprej zavedala, da je zbiranje javnih podatkov del splošnega in nujnega tekočega poslovnega ravnanja. Ugotovili bodo tudi, da podatki niso vse, kar zadeva konkurenčno prednost podjetja. Veliko vlogo igrajo tudi področja, kot so zaloge, cene, kakovost izdelkov in kakovost storitev itd. Ko se to spoznanje ustali, bo blokiranje podatkov služilo le zaščiti pred nasilnimi spletnimi aktivnostmi. Upam, da vsi za spodbujanje etičnega zbiranja podatkov spodbujamo odprto izmenjavo informacij v osrednjih podatkovnih središčih. Spletna mesta bodo še naprej blokirala zlorabe; to se ne bo spremenilo. Lahko pa dovolijo zbiranje etičnih podatkov. Konec koncev je prihodnost spletnega zbiranja podatkov odvisna od tistih, ki jih nadzorujejo. S hitro izdelavo podatkov se bodo prihodnja prizadevanja za zbiranje podatkov morala razvijati in rasti. Podjetja bodo potrebovala avtomatizirano zbiranje podatkov, da bodo sledila svojim tekmecem in bodo lahko hitreje zbirala podatke. Navsezadnje bo hitrost, s katero lahko podjetja zbirajo sveže podatke, določila njihovo ustreznost in uspeh. - Ron Kol, tehnični direktor pri Luminati Networks

Podatki bodo postali resnično operativni v podjetniškem obsegu: količina podatkovnih podjetij, ki jih imajo podjetja, eksponentno narašča - virov, vrst in količin je več kot kdaj koli prej, poleg tega pa se vedno več podatkov dostavlja v skoraj realnem času. Da pa bodo podjetja resnično razumela podatke, dostopala do njih in ukrepala v njih, bodo morala spremeniti način njihove porabe - najprej z izrezovanjem posrednika. Z iskanjem načinov za avtomatizacijo postopkov katalogizacije in profiliranja podatkov zaposleni - tudi tisti z manj oTehnično ozadje - lahko bodo dobili podatke, ki jih potrebujejo za uspešno in uspešno sprejemanje dobrih poslovnih odločitev. - Eric Raab, SVP, inženiring in produkt, Graditelji informacij

Bistveno je zajeti in sintetizirati "alternativne" podatke: Kako zgodaj bi lahko zaznali COVID-19? Študije "alternativnih" podatkov - v tem primeru podatki o prometu zunaj bolnišnic v Wuhanu in iskanja ključnih besed s strani uporabnikov interneta na tem območju - kažejo, da je virus morda krožil konec leta 2019. Investicijska skupnost je bila pionir pri uporabi alternativnih podatkov , vključno z zvokom, zračnimi fotografijami, kakovostjo vode in razpoloženjem.10 To je prva črta za podatkovno usmerjene inovacije in doseganje prednosti tukaj lahko povzroči velike koristi. Toda po letu 2020 bodo alternativni podatki postali osrednji, njihov cilj pa je odkriti nepravilnosti že veliko prej.

Iz tega lahko dobimo izpeljane podatke, ki prihajajo iz kombinacij, asociacij in sintez s podatki iz zapisovalnih sistemov. Kot pravi IDC: »Ko se več podatkov zajame in postane na voljo iz zunanjih virov, postane možnost njihove uporabe večji dejavnik. To vključuje pouk iz drugih panog, ki niso vaša. " 11 Ta trend, podoben tistemu, kar Gartner imenuje »analitika X«, 12 ni nov, vendar končno postaja pomemben temelj sodobnih podatkov in analitike, zahvaljujoč cenejši obdelavi in ​​zrelejšim tehnikam umetne inteligence - vključno z grafi znanja, podatkovnimi tkaninami, naravnimi jezikovna obdelava (NLP), razložljiva umetna inteligenca in analitika vseh vrst vsebin. Ta trend je popolnoma odvisen od ML in AI, saj človeško oko ne more vsega ujeti. - Dan Sommer, višji direktor, vodja globalne tržne inteligence pri Qlik

V industriji pogosto govorimo o razčlenitvi podatkovnih silosov, vendar moramo vedeti, da bodo nekateri silosi vedno na voljo. V velikih organizacijah boste vedno imeli lokalne oddelke ali regije, ki imajo svoja orodja ali zbirke podatkov, in to bo še naprej. Če imate suverenost podatkov, bo imela lokalna pisarna v vaši organizaciji silos. Zato je najboljši pristop preučiti, kako lahko bolje razumete podatke, ki jih imate. Platforma za podatkovno inteligenco lahko služi kot indeks in zemljevid ter vam prikaže 360-stopinjski pogled na podatkovna sredstva, ki jih imate, in kako so povezani. - Stijn “Stan” Christiaens, soustanovitelj in tehnični direktor Collibra

OpenTelemetry bo ustvaril preobremenitev podatkov. Leta 2021 bo uporaba OpenTelemetry postala nova industrijska norma. Da, olajšalo bo zbiranje podatkov z doslednostjo med viri - ustvarilo pa bo tudi podatke za podjetja, kar bo še težje našlo majhen del podatkov, ki vsebuje vpoglede, ki jih je mogoče uporabiti. Stalni tok podatkov bo preplavil podjetja, če nimajo vzpostavljenega sistema za hitro iskanje 5%, ki je resnično izvedljiv. Zaradi tega bodo ekipe IT svojo pozornost usmerile s pridobivanja podatkov na gradnjo okvira za ukrepanje na podlagi podatkov. Ko bodo ekipe to storile, bo nujno uporabiti orodja, ki bodo lahko takoj začela prikazovati uporabne podatke v času, potrebnem za pripravo kapučina. - Phil Tee, izvršni direktor podjetja Moogsoft

Digitalni dvojček je virtualiziran model procesa, izdelka ali storitve. Seznanjanje navideznega in fizičnega sveta omogoča analizo podatkov in nadzor sistema, da pomaga prepoznati težave, še preden se sploh pojavijo. To s simulacijami preprečuje izpad, razvija nove priložnosti in celo načrtuje prihodnost. Ta generacija digitalnih dvojčkov podjetjem omogoča, da ne samo modelirajo in vizualizirajo poslovno sredstvo, temveč tudi napovedujejo, izvajajo ukrepe v realnem času in uporabljajo sedanje tehnologije, kot sta AI in ML, za povečanje in pametno delovanje na podlagi podatkov. - Anil Kaul, izvršni direktor pri Absolutni podatki

Digitalna transformacija bo končno začela postajati transformacijska. Na tej točki je »digitalna preobrazba« postala modna beseda, ki so se jo naučila prepoznati vsa podjetja, vendar je velika večina (80% po podatkih IDC) teh prizadevanj še vedno preveč taktične narave. Na primer, avtomatizacija robotskih procesov (RPA) se lahko šteje za transformacijsko orodje, vendar sama po sebi ni. Da bi organizacije leta 2021 videle resnično preobrazbo, bodo morale izkoristiti naprednejše platforme, ki bodo združevale jedro avtomatizacije in funkcije umetne inteligence - na primer analitiko besedila, razumevanje dokumentov in rudarjenje procesov. Prav tako je ključnega pomena, da imajo te platforme zmogljivosti z nizko kodo, ki razvijalcem omogočajo, da zgradijo in uvedejo avtomatizacije razreda podjetja, ki vrnejo vrednost v svoje organizacije. Brez tega bodo podjetja še naprej imela izziv za digitalno preobrazbo v celotnem podjetju, ki jo spodbuja sposobnost enostavne uporabe avtomatizacije tudi v najbolj zapletenih procesih. - Guy Kirkwood, glavni evangelist pri UiPath

Poslovna inteligenca

Širjenje ML z nizko ali brez kode. Povečanje sistemov ML z nizko kodo in brez njih, ki so zasnovani tako, da omogočajo podjetjem dostopnejšo inteligenco, bo pripomoglo k boljšemu sprejemanju umetne inteligence. Vendar bodo podjetja sčasoma dosegla zgornjo mejo in prerasla univerzalni pristop, ki bo iskal bolj napredne primere uporabe za umetno inteligenco, ki zahtevajo globlje strokovno znanje. Konec koncev bo potreba po prilagoditvi povečala potrebo po usposobljenih znanstvenikih za podatke, namesto da bi jih nadomeščali sistemi z nizko kodo. Kmalu ne bomo avtomatizirali potrebe po podatkovnih znanstvenikih. - Kevin Goldsmith, tehnični direktor, anaconda

Poslovna inteligenca prehaja na novo paradigmo napredne analitike podatkov z integracijo naravnega jezika, naravnega iskanja, umetne inteligence / ML, razširjene analitike, avtomatizirane priprave podatkov in avtomatiziranih katalogov podatkov. To bo spremenilo procese poslovnega odločanja z bolj kakovostnimi vpogledi v realnem času. - Ramesh Panuganty, izvršni direktor BI podjetja MachEye

BI in AI bosta poglobila svojo zvezo. Ne glede na to, ali bodo nabor podatkov BI primerjali z modeli ML in vizualizirali napovedi ali izkoristili obdelavo naravnega jezika za ustvarjanje vizualizacij, vpogledov in povzetkov, bo AI in BI povečal njuno sinergijo. In ker se običajne BI zmogljivosti še naprej komodizirajo, bodo prodajalci potrebovali BI + AI kot novo fronto v inovacijskih vojnah. - Andrew Brust, analitik, Gigaom

Chatbots

Sprejetje med zaposlenimi v podjetju - pogovore z umetno inteligenco bo naravno in pogosto prvi stik. Pogovorni AI je normaliziran in tu mora ostati. Vmesniki, ki vodijo potrošnike prek spletnega trga, zaposlene prek tečajev usposabljanja in uporabnike prek spletnih iskalnikov in spletnih mest, so imeli veliko donosnosti naložbe, če so bili opremljeni z napredno tehnologijo konverzacijskega umetnega inteligenca. - Shiva Ramani, izvršni direktor podjetja iOPEX

AI ne bo kmalu premaknil ljudi. Ko danes pogledamo uporabo umetne inteligence v potrošniških operacijah, se ta večinoma uporablja v klepetalnicah, ki jih podpirajo umetni inteligenci, in funkcijah za personalizacijo strank. Če pogledamo, kako so potrošniki med pandemijo izkoristili funkcije, ki jih podpira AI, lahko vidimo, da jih dejansko uporabljajo za hitrejše reševanje težav s človeškimi agenti. Podjetja, kot je Bank of America, ki ima uporabnika Erica, ki se ukvarja s AI-jevim chatbotom, so videla, kako potrošniki uporabljajo Erico, da bi našli najboljši način za sodelovanje skupin za podporo strankam. Namesto da bi vprašali Erico, da bi neposredno odpravili kakršne koli težave, so preprosto vprašali Erico, kako naj se obrnejo na skupino za pomoč strankam, da hitro reši svoj problem z ustreznim človeškim agentom. - James Isaacs, predsednik in izvršni direktor družbe Cyara

Danes z boti sodelujemo bolj kot kdaj koli prej, ne glede na to, ali gre za klepetalnice za storitve za stranke ali AI v naših napravah, kot sta Siri in Alexa. Ti roboti se uporabljajo za sprotno odločanje za avtomatizacijo procesov, ki so jih prej izvajali ljudje. Na primer, roboti so avtomatizirali postopke vračanja na drobno za podjetja, kot je Amazon. Vendar podjetja postanejo bolj zapletena pri upravljanju identitet avtomatiziranih botov, zlasti kadar komunicirajo z drugimi roboti s hitrostjo stroja. Identitete botov mora podjetje upravljati in zaščititi, podobno kot identiteta zaposlenih in strank, tako da podatki ne bodo ogroženi. To je pomembno, da imajo direktorji informacijske tehnologije in varnostni voditelji v mislih, ker bo uporaba botov za namene avtomatizacije odprla nove vektorje napadov, če bodo vdrli API-je teh botov. - Jasen Meece, izvršni direktor podjetja Oblačnost

NLP (obdelava naravnega jezika) spremeni pogovor o analizi podatkov: Tako kot v svojem vsakdanjem življenju uporabljamo Google Home in Alexa, bo pogovorna analitika prek NLP zlata karta za podjetja, ki bodo pridobivala dragocene vpoglede v velike podatke iz svojega poslovanja. Sem spadajo trendi odkrivanja, ki so morda ostali neopaženi, in omogočanje strokovnjakom znotraj podjetja, da smiselno sodelujejo s podatki. - Sam Mahalingam, tehnični direktor, Altair

Pogovorni AI najprej in najpomembnejši potrebuje vseprisotni kanal za sporočanje, s katerim se lahko pogovarjate. Naraščanje števila poslovnih sporočil na kanalih, ki temeljijo na IP, kot so Whatsapp, GIP in drugi, spodbuja ponovno uporabo pogovora AI. Podjetja v različnih panogah, kot so bančništvo, e-poslovanje, trgovina na drobno, potovanja itd., Zdaj omogočajo pogovorno umetno inteligenco za skoraj vsako stično točko stranke, vključno s trženjem, prodajo in podporo. Pogovorni AI, ki ga poganja nedavni napredek v obdelavi naravnih jezikov (NLP), bo spremenil način interakcije potrošnikov s podjetji. - Beerud Sheth, izvršni direktor podjetja Pohvali se

Cloud

Mislim, da bomo začeli opazovati bolj premišljen in uravnotežen pristop k sprejetju več- in hibridnega oblaka, zlasti pri hibridnem oblaku. Prehajamo med javnimi in zasebnimi pogovori v oblaku, podjetja pa sprejemajo resničnost, da oblak ni odločitev "niti" niti. V preteklosti smo videli, da je "javni oblak" povezan z vrhunskimi inovacijami, "zasebni oblak" pa s počasnimi, zapuščenimi podjetji, ki so odporna na spremembe. Ta občutek se spreminja, saj podjetja začenjajo bolje razumeti vrednost, ki jo lahko dobijo s hibridno arhitekturo oblaka, ki jim omogoča, da na platformi uvedejo gibčne, sodobne aplikacije, ki najbolje uravnavajo njihove posebne stroške, zmogljivost, varnost, skladnost in potrebe upravljanja.

S tem prihaja do povečanja hibridnih tehnologij, kot so kontejnerji in hibridne integracijske platforme. Drug vidik je privezani izračun, ki je rešitev za ponudnike oblakov s hiperskalo, ki se izvaja v vašem podatkovnem centru. Primeri so postojanke AWS, Google Anthos in Microsoft Azure Stack. Čeprav so bile te do danes prepočasne za sprejem, bi lahko tu začeli videti začetek rasti, saj stranke vidijo vrednost zasebnega / javnega oblaka, skupaj z doslednostjo porabe hiperskale v oblaku. - Kim King, direktor trženja izdelkov - upravljanje oblaka pri programski opremi Snow

COVID-19 pospešuje porabo v oblaku: s povečanjem dela na daljavo zaradi pandemije COVID-19, podjetja večji del proračuna IT vlagajo v tehnologije v oblaku, odmikanje od papirnatih procesov. Povprečna poraba podjetij v oblaku se je od leta 59 povečala za 2018% na 73.8 milijona USD leta 2020. Ta trend se bo nadaljeval tudi do leta 2021, ko bodo podjetja prisiljena sprejemati strategije za delo na daljavo in prepoznati prednosti ohranjanja teh načinov poslovanja, tudi ko začnejo prehoditi zaposlene nazaj na fizične lokacije. Vrhunski primer bo sklepanje pogodb, kjer je družba COVID spodbudila digitalno preoblikovanje sistemov za upravljanje naročil, odobritev, izvajanje in upravljanje po oddaji naročila ter postavila temelje za še večji napredek pri upravljanju življenjskega cikla pogodbe. - Harshad Oak, generalni direktor, Sprejem in vrednost strank, na Icertis

Ko je hibrid nekoč veljal za "prekinitev" na poti v oblak, je zdaj cilj: Hibridni pristop v oblaku je nekoč veljal za odskočno desko k prvi uvedbi v oblaku. Zdaj kupci vidijo, da je hibridni pristop najbolj smiseln, tako strateško glede na njihove poslovne potrebe kot tudi ekonomsko. Po IDC-ju 70% aplikacij in podatkov strank ostaja zunaj javnega oblaka. S tem v mislih bomo leta 2021 videli, da bo še več strank sprejelo hibridni pristop. Zaradi zakasnitve podatkov, prepletenosti aplikacij ter razlogov varnosti in skladnosti opažamo vedno več organizacij v različnih panogah, ki želijo svoje podatke hraniti v prostorih. Hkrati pa deloma zaradi ekonomije pandemije, stroškov izstopa podatkov in zaklepanja prodajalcev pri javnih ponudnikih v oblaku resničnost informacijskih direktorjev in informacijske organizacije sprejemajo hibrid kot rezultat in ne sredstvo za dosego cilja. - Keith White, generalni direktor, GreenLake Cloud Services

Spretnost v oblaku je fantastična, vendar lahko zlahka povzroči pobeg. Podobno skupni veliki podatkovni grozdi pogosto zapravijo vire. Oba povzročata zamujena SLA. Če želijo odpraviti kronično prekomerno porabo, morajo podjetja uvesti metodo za spremljanje in upravljanje porabe v oblaku. Najučinkovitejši način za to je opaznost in samodejna nastavitev. - Ash Munshi, izvršni direktor, podatki o popru

Zbirka podatkov / Skladišče podatkov / Podatkovno jezero

Rešitve, ki jih podjetja uporabljajo za shranjevanje svojih podatkov, se v naslednjem letu še naprej hitro razvijajo. Opažamo povečano selitev v odprtokodne rešitve relacijskih baz podatkov, nerelacijske rešitve baz podatkov, rešitve baz podatkov na osnovi PaaS in njihove kombinacije. Glavni poudarek teh pobud je lahko razvrščanje pod naslov zniževanja obratovalnih stroškov, ne glede na to, ali se izvajajo za zmanjšanje zajetnih pogodb o podpori ponudnikov, kot sta Oracle in Microsoft (v to kategorijo spadajo tako migracije odprtokodnih kot nerelacijskih baz podatkov), zmanjšati stroške števila zaposlenih (migracije na storitve PaaS spadajo v to kategorijo) ali povečati učinkovitost delovanja s selitvijo na bolj zasnovano rešitev baze podatkov.

Migracija podatkov se dogaja zdaj in v velikem obsegu, zato je pri prehodu na te nove rešitve baz podatkov treba upoštevati številne pomisleke, vključno z zmogljivostmi prihodnje državne rešitve v primerjavi s trenutnim stanjem, vplivom na pogodbe o licenciranju in podpori , in metoda za zagotovitev, da so uporabljene pravilne rešitve. Medtem ko rešitve PaaS prinašajo velike koristi, morajo DBA še vedno spremljati in upravljati te sisteme ter sodelovati s skupinami aplikacij za povečanje učinkovitosti, razpoložljivosti in varnosti. - Marc Caruso, glavni arhitekt, Sintaksa

360. To je število sistemov baz podatkov v naravi. Čeprav je izbira dobra in iskanje pravega orodja za to delo je pametno, pa to tudi dodatno zaplete. Ko se bodo podjetja posodabljala v oblaku, si bodo prizadevala za poenostavitev, kar bo privedlo do velike konsolidacije na trgu baz podatkov. Zmagali bodo prodajalci baz podatkov, ki ponujajo večnamenske zmogljivosti, ne pa množica nišnih baz podatkov, ki jih je treba povezati in zahtevati različne načine dostopa do podatkov. - Franz Aman, generalni direktor podjetja za relacijske baze podatkov MariaDB

Rešitve, ki jih podjetja uporabljajo za shranjevanje svojih podatkov, se v naslednjem letu še naprej hitro razvijajo. Opažamo povečano selitev v odprtokodne rešitve relacijskih baz podatkov, nerelacijske rešitve baz podatkov, rešitve baz podatkov na osnovi PaaS in njihove kombinacije. Glavni poudarek teh pobud je lahko razvrščanje pod naslov zniževanja obratovalnih stroškov, ne glede na to, ali se izvajajo za zmanjšanje zajetnih pogodb o podpori ponudnikov, kot sta Oracle in Microsoft (v to kategorijo spadajo tako migracije odprtokodnih kot nerelacijskih baz podatkov), zmanjšati stroške števila zaposlenih (migracije na storitve PaaS spadajo v to kategorijo) ali povečati učinkovitost delovanja s selitvijo na bolj zasnovano rešitev baze podatkov.

Migracija podatkov se dogaja zdaj in v velikem obsegu, zato je pri prehodu na te nove rešitve baz podatkov treba upoštevati številne pomisleke, vključno z zmogljivostmi prihodnje državne rešitve v primerjavi s trenutnim stanjem, vplivom na pogodbe o licenciranju in podpori , in metoda za zagotovitev, da so uporabljene pravilne rešitve. Medtem ko rešitve PaaS prinašajo velike koristi, morajo DBA še vedno spremljati in upravljati te sisteme ter sodelovati s skupinami aplikacij za povečanje učinkovitosti, razpoložljivosti in varnosti. - Marc Caruso, glavni arhitekt, Sintaksa

Trg baz podatkov se bo do leta 1 povečal na 2025 bilijon ameriških dolarjev. V zadnjih dveh desetletjih je trg baz podatkov železno oprijel IBM, Oracle in SAP HANA. Zdaj opažamo zamenjavo varovanja, ki strankam omogoča, da se odločijo, kaj je najbolje za njihovo podjetje. Forrester celo poudarja, da bo javni infrastrukturni oblačni trg leta 35 zrasel za 120% v 2021 milijardah. Predvidevam, da se bo tržna omejitev baz podatkov do leta 1 povečala na 2025 bilijon dolarjev, v naslednjem desetletju pa bo v sedmih do desetih res močnih podjetjih z zbirkami podatkov . - Raj Verma, izvršni direktor podjetja SingleStore

Podatkovno jezero lahko stori tisto, kar naredijo skladišča podatkov in še veliko več: Medtem ko ločevanje računanja in podatkov daje prednost podatkovnim jezerom pred podatkovnimi skladišči, imajo podatkovna skladišča v preteklosti druge prednosti pred podatkovnimi jezeri. Toda to se zdaj spreminja z najnovejšimi odprtokodnimi novostmi na ravni podatkov. Na primer Apaška ledena gora je nova oblika tabele, ki zagotavlja ključne funkcionalnosti podatkovnega skladišča v podatkovnem jezeru, kot so doslednost transakcij, povratni tokovi in ​​potovanje skozi čas, hkrati pa uvaja nove zmogljivosti, ki omogočajo več aplikacijam, da delujejo na istih podatkih na transakcijsko dosleden način. Še en nov odprtokodni projekt, Projekt Nessie, gradi na zmogljivostih Iceberg in Delta Lake z zagotavljanjem Git podobne semantike za podatkovna jezera. Nessie prav tako uresničuje ohlapno povezane transakcije, ki omogočajo eno transakcijo, ki obsega operacije več uporabnikov in motorjev, vključno s Spark, Dremio, Kafka in Hive. - Tomer Shiran, soustanovitelj podjetja Dremio

Leta 2021 se bodo pojavili trije glavni trendi, vrnitev metapodatkovne plasti, vdelana umetna inteligenca in avtomatizirana analitika ter novi poenostavljeni vmesniki za poizvedbe, zasnovani posebej za poslovne uporabnike. Vrnitev metapodatkovnih plasti kot ključnih temeljnih komponent analitičnih rešitev je potrebna za podporo izboljšanemu upravljanju in razširljivosti podatkovnih sredstev. S pametnimi metapodatkovnimi plastmi se bodo pojavili novi poenostavljeni uporabniški vmesniki, ki bodo poslovnim uporabnikom omogočili interakcijo s podatki v bolj vodenem pristopu, ki jim bo omogočil, da z minimalnimi analitičnimi sposobnostmi zmanjšajo čas za vpogled. Umetna inteligenca in avtomatizirana analitika se bosta preusmerila s področja podjetja na prodajalce programske opreme, ki bodo te zmogljivosti vdelali in omogočili množično sprejemanje prek svoje baze strank. - Glen Rabie, izvršni direktor pri Rumenoplav

Podatkovno inženirstvo

Podjetja bodo ponovno vlagala v podatkovni inženir in podatkovne kanale. Eden od vplivov leta 2020 je bil, da se je veliko podjetij preusmerilo na pristop, ki temelji na preživetju, kar je povzročilo mentaliteto »vzemi in pojdi« pri njihovi integraciji podatkov. Ker se spodnje vrstice podjetij stabilizirajo in vidimo več predvidljivosti na makroekonomski ravni, je naša napoved, da je leto 2021 leto podatkovnega inženirja, in da se bodo podjetja vrnila k pristopu "zgrajena do zadnjega" za podatke cevovodi. "Zgrajeno, da zdrži" za vodo v vaših ceveh doma, pomeni, da je voda vedno vklopljena, čista in na pravi temperaturi. "Narejeno tako, da traja" za podatke, pomeni, da gradite pametne podatkovne kanale, da zagotovite pravočasnost in zaupanje v analizo podatkov. - StreamSets Izvršni direktor Girish Pancha

Podjetja bodo spoznala, da je treba v DevOps vložiti več truda: »S cevovodi DevOps je treba opraviti še toliko dela, vključno z zavarovanjem in preizkušanjem procesa dostave. Skupnost razvijalcev programske opreme ve, kam mora iti, a delo in ovire na poti so vedno večje, kot je bilo pričakovano. Zaradi tega sem dvomljiv, da bomo leta 2021 opazili velike spremembe glede orodja ali vzorcev CI / CD. Namesto tega bomo videli, da se več ljudi zaveda, da si je treba bolj prizadevati za svoj cevovod, procese in preverjanje veljavnosti DevOps. Podvojili se bodo, da bodo pospešili in izboljšali svojo avtomatizacijo CI / CD. Šele ko so ti procesi zreli, lahko organizacije zaupajo svojim praksam in orodjem. - Fred Simon, soustanovitelj in glavni znanstvenik za podatke, JFrog

Upravljanje podatkov

IT bo upravljanje dostopa vlil z obveščevalnimi podatki za zaščito kibernetske varnosti delovne sile v letu 2021. Pospeševanje sprememb v podjetniških tehnologijah, kibernetskih grožnjah in uporabniški krajini povečuje pritisk na rešitve za upravljanje in upravljanje tradicionalnih identitet (IGA) ter posledično na skupine za varnost in skladnost. Poleg naraščajočih tveganj za skladnost postajajo poslovna informacijska okolja vsako leto bolj zapletena in povečujejo število aplikacij in sistemov, do katerih podjetja omogočajo uporabniški dostop. Ti izzivi spodbujajo organizacije k iskanju rešitev, ki temeljijo na umetni inteligenci, ki poenostavljajo in avtomatizirajo zahteve za dostop, odobritev dostopa, certificiranje in vzorčne procese. Leta 2021 bomo vse bolj uporabljali umetno inteligenco, da bi omogočili avtonomen pristop k identiteti.

Rešitve za avtentifikacijo in avtorizacijo, ki jih infundirajo umetne inteligence, bodo naložene na vrhu obstoječih rešitev IGA ali bodo integrirane z njimi, tako da bodo z zbiranjem in analizo vseh identitetnih podatkov zagotavljale kontekstualno prepoznavnost v celotnem podjetju in omogočale vpogled v različne stopnje tveganj za dostop uporabnikov v obsegu. Uporaba umetne inteligence bo sistemom omogočila prepoznavanje in opozarjanje skupin za varnost in skladnost o tveganem dostopu ali kršitvah pravilnikov. Sčasoma bomo videli, da ti sistemi umetne inteligence dajejo razložljive rezultate, hkrati pa povečujejo avtomatizacijo nekaterih najtežjih izzivov kibernetske varnosti v podjetju. - Eve Maler, tehnična direktorica pri ForgeRock

Videli smo, da se je globalno izvajanje okvirov upravljanja umetne inteligence začelo leta 2020, ko podjetja zahtevajo podrobnosti o rezultatih aplikacij za umetno inteligenco. Zagotavljanje ustrezne ravni razložljivosti aplikacij za umetno inteligenco je ključnega pomena, uporaba kakovostnih podatkov, zagotavljanje revizij, etičnost, pravičnost in preglednost, izpolnjevanje zahtev o varstvu podatkov in izvajanje učinkovitih ukrepov za kibernetsko varnost. Izvajanje okvirov upravljanja umetne inteligence je trenutno bolj vidno v finančnem in bančnem sektorju, toda leta 2021 bomo videli, da bo to postalo bolj razširjeno.

Druge vertikale, kot so zdravstvo, e-poslovanje in storitve mobilnosti, ga bodo začele uporabljati kot konkurenčni razločevalnik. Na primer, izvajalci zdravstvenih storitev postajajo bolj pregledni glede uporabe podatkov in tega, kako etično in pravično varujejo te podatke. Če želijo podjetja ostati pred krivuljo, bi morala zdaj začeti razvijati etične okvire umetne inteligence, da bi se postavila kot vodilna v tem globalnem gibanju. - Mohan Mahadevan, podpredsednik za raziskave, Onfido

AI bo pridobil zagon na področju varnosti in upravljanja v oblaku. Leta 2021 bo AI presegel zgolj preprosto odkrivanje nepravilnosti in s tem označevanje potencialnih groženj varnostnim skupinam. Upravljanje v oblaku je vse bolj zapletena naloga in hitro doseže točko, ko je človeku nemogoče upravljati sam. V prihodnjem letu se bomo na AI vedno bolj zanašali pri vzdrževanju higiene v oblaku z racionalizacijo delovnih tokov, upravljanjem sprememb in arhiviranjem. Ko bo z umetno inteligenco vzpostavljena in vzdrževana ustrezna higiena v oblaku, se bo uporabljala tudi kot strateško orodje za predvidevanje znanja. Z napovedovanjem in obravnavanjem groženj in ranljivosti bo AI podjetjem pomagal ustvariti najboljši možen rezultat za svoja oblačna okolja. Izkoriščanje umetne inteligence kot strateškega sredstva bo pooblastilo direktorje informacijskih tehnologij za sprejemanje utemeljenih odločitev o svojih oblačnih okoljih, kot je ocenjevanje stroškov in tveganja skladnosti. - Keith Neilson, tehnični evangelist za CloudSphere

Ko pogledamo leto 2021, bomo videli, kako se pogovor o etični umetni inteligenci in upravljanju podatkov uporablja na več različnih področjih, kot so sledenje stikom (boj proti COVID-19), povezana vozila in pametne naprave (kdo je lastnik podatkov?) In osebni kiber profili (povečan kiber odtis vodi v vprašanja glede zasebnosti). - Cindy Maike, podpredsednica za industrijske rešitve, Cloudera

Upravljanje podatkov za več okoljsko resničnost. Časi, ko so organizacije preprosto shranile vse svoje podatke v prostoru ali celo samo pri enem ponudniku oblaka, so že davno minili. Zdaj imajo organizacije lokalne podatke in sodelujejo z več ponudniki oblakov glede na njihove posebne potrebe. Ta resničnost je ustvarila »premislek« o tem, kako je treba pristopiti k upravljanju podatkov. Organizacije morajo določiti, kako bo vplivalo na njihovo trenutno upravljanje podatkov in kaj je treba prilagoditi, kako spremljati kakovost podatkov v oblaku in kako upravljati pretok podatkov v oblaku in iz njega (in velike stroške, ki s tem nastanejo). - Todd Wright, vodja oddelkov za upravljanje podatkov in rešitve zasebnosti podatkov pri SAS

AI bo pridobil zagon na področju varnosti in upravljanja v oblaku. Leta 2021 bo AI presegel zgolj preprosto odkrivanje nepravilnosti in s tem označevanje potencialnih groženj varnostnim skupinam. Upravljanje v oblaku je vse bolj zapletena naloga in hitro doseže točko, ko je človeku nemogoče upravljati sam. V prihodnjem letu se bomo na AI vedno bolj zanašali pri vzdrževanju higiene v oblaku z racionalizacijo delovnih tokov, upravljanjem sprememb in arhiviranjem. Ko bo z umetno inteligenco vzpostavljena in vzdrževana ustrezna higiena v oblaku, se bo uporabljala tudi kot strateško orodje za predvidevanje znanja. Z napovedovanjem in obravnavanjem groženj in ranljivosti bo AI podjetjem pomagal ustvariti najboljši možen rezultat za svoja oblačna okolja. Izkoriščanje umetne inteligence kot strateškega sredstva bo pooblastilo direktorje informacijskih tehnologij za sprejemanje utemeljenih odločitev o svojih oblačnih okoljih, kot je ocenjevanje stroškov in tveganja skladnosti. - Keith Neilson, tehnični evangelist za CloudSphere

Znanost podatki

Leto 2020 je bilo za nekatera podjetja brutalno, za druga nagrajevalno in za vse zahtevno. Ko vstopamo v leto 2021, imajo zaostali nujni eksistencialni imperativ, da se digitalno izumijo, vodilna podjetja se trudijo slediti zahtevam. Vsa ta podjetja morajo izkoristiti 100-odstotno integracijo podatkov s predvidljivimi stroški, zanesljivim delovanjem in vidnostjo v realnem času. - Bonnie Holub, vodja prakse, Data Science, Amerika na Teradata

Nova norma bo postala demokratizacija podatkov. Naloga CDO je zagotoviti širjenje rasti v celotnem poslu. To lahko dosežemo z zagotavljanjem strukturiranih podatkov, ki jih ljudje dejansko lahko uporabljajo. Uspešen CDO bi moral demokratizirati podatke, tako da bodo dostopni in razumljivi ljudem. Dober tehnični direktor bo CDO dopolnil z ustvarjanjem potrebnega orodja za iskanje potrebnih podatkov. To pomeni, da uporabnikom zagotovite nabor orodij za vizualizacijo in orodij za poročanje, ki jim omogočajo, da pridobijo podatke za zagon vpogledov. Ko preidemo v leto 2021, bomo še naprej videli nadaljnje in tesnejše sodelovanje med tema dvema vlogama, ki ga poganja potreba. Če imate orodja s slabimi podatki, poslabšate izziv s podatki. Če imate omejena orodja, lahko le majhna podskupina s podatki kaj naredi. - Derek Knudsen, direktor tehnologije Alteryx

Državljanski analitiki bodo vedno bolj usposobljeni, da postanejo znanstveniki na področju podatkov. Naraščajoča zapletenost večine industrij in podjetij pomeni tudi, da se bo, ko bomo videli samostojnost pri razvoju IT procesov ali uporabi analitike, hitro spodbudilo nadaljnje širjenje tega nabora znanj. Ker se trg spreminja iz meseca v mesec, bo poučevanje podatkov veliko bolj poudarjeno kot kdaj koli prej. To pa bo spodbudilo več državljanskih analitikov, da postanejo znanstveniki na področju podatkov. - Sharmila Mulligan, glavna direktorica za strategijo in trženje pri Alteryx

Knjižnice za ponazoritev podatkov Python se bodo sinhronizirale. Končno začenjamo videti, da knjižnice za vizualizacijo podatkov Python sodelujejo in to delo se bo nadaljevalo leta 2021. Python ima že nekaj let resnično odlične knjižnice za vizualizacijo, vendar je bilo veliko raznolikosti in zmede, ki uporabnikom otežujejo izberite ustrezna orodja. Razvijalci številnih različnih organizacij si prizadevajo za vključitev zmogljivosti, ki jih je razvila Anaconda, kot so upodabljanje velikih podatkov na strežniku Datashader in povezano ščetkanje HoloViews v široko paleto knjižnic za načrtovanje, s čimer je na voljo več moči širši uporabniški bazi in zmanjšano podvajanje prizadevanj. Tekoče delo bo še pomagalo tej sinhronizaciji v letu 2021 in pozneje. - James A. Bednar, starejši direktor, tehnično svetovanje, anaconda

Poslovne spretnosti bodo za znanstvenike podatkov postale bolj kritične kot kdaj koli prej. Podatkovni znanstveniki bodo morali govoriti v poslovnem jeziku, da bodo vpogled v podatke in napovedno modeliranje prenesli v dejanski vpogled v poslovni učinek. Lastniki tehnologije bodo morali poenostaviti tudi dostop do tehnologije, tako da bodo lastniki tehničnih in poslovnih podjetij lahko sodelovali. Poudarek za podatkovne znanstvenike ne bo le na tem, kako hitro lahko gradijo stvari, ampak na tem, kako dobro lahko sodelujejo s preostalim delom podjetja. - Florian Douetteau, izvršni direktor in soustanovitelj podjetja Dataiku

Samopostrežba se je razvila v samooskrbo: v virtualnem svetu se mora samopostrežba razvijati. Ko ni priročnikov z navodili in ni nikogar, ki bi držal uporabnika za roko, postane hiter, intuitiven dodatek higienski dejavnik za posvojitev in prepričljivi uporabniški vmesniki ne bodo več lepi za uporabo. Videli pa smo tudi, da si uporabniki pogosto ne želijo samopostrežbe; vse bolj pričakujejo, da bodo do njih prišla spoznanja. Kot rezultat bomo videli več mikro-vpogledov in zgodb za razširjenega potrošnika. Poleg tega so podatki prepogosto spregledani. Omogočanje uporabnikom, da prej in bolj intuitivno dostopajo do podatkov, vpogledov in poslovne logike, bo omogočilo prehod s samopostrežne vizualizacije na samozadostnost podatkov. Tu bo igrala glavno vlogo umetna inteligenca, ki bo razkrila mikro-vpoglede in nam pomagala preiti s scenarijskih in k ljudem usmerjenih procesov na bolj avtomatizirane, nizkokodne in brez priprave in analitike podatkov kode. Če je lahko več ljudi samozadostnih s podatki prej v vrednostni verigi, lahko anomalije odkrijemo prej in težave rešimo prej. - Dan Sommer, višji direktor, vodja globalne tržne inteligence pri Qlik

V preteklosti so podjetja zelo dragocena za ljudi, ki so bili "podatkovni znanstveniki". V prihodnje bo treba zaposlovati strokovnjake Zbiranje podatkov. Za delovanje modelov umetne inteligence so potrebne velike količine podatkov, poleg tega pa so kritični podatki v številnih organizacijah še vedno v silosih; zato bodo posamezniki s spretnostmi pri zbiranju podatkov zelo povpraševani. - Clara Angotti, predsednica Naslednja pot

Podatkovni znanstveniki bodo imeli ključno vlogo pri razvoju cepiva COVID-19. Podatki bodo od razvoja cepiva do analize poskusov in uporabe ključni za ugotovitev, ali smo našli preventivno rešitev. Podatkovni znanstveniki bodo pri izdelavi prvega izvedljivega cepiva enako pomembni kot tradicionalno usposobljeni znanstveniki. Da bi pospešili razvoj cepiv, morajo biti ljudje sposobni upravljati, sprejemati odločitve in zaupati tem podatkom. Ker vemo, da je hitrost ključnega pomena, je potrebna hitrost podatkov, novi avtomatizirani sistemi pa bodo omogočili nove inovacije, ki bodo na koncu privedle do cepiva. Pospeševanje dostave cepiva bo zahtevalo veliko gibčnosti in avtomatizacije pri upravljanju podatkov. - direktor podjetja Infoworks Buno Pati.

Čeprav podatki še naprej vladajo svetu, se organizacije še vedno trudijo, da bi te podatke izkoristile za resnično konkurenčno prednost. Pojavilo se je Gibanje podatkov o državljanih, ki široko promovira sposobnost manipulacije in interpretacije podatkov. Toda ali obstaja boljši način? Ali ne bi bilo pametneje (in lažje) preprosto vnesti poslovni pomen v podatke in popraviti podatke, namesto da bi popravili ljudi, saj neobdelani neinterpretirani podatki, ki se nahajajo nekje v sistemu, niso v veliko pomoč. - Kendall Clark, ustanovitelj in izvršni direktor razvijalca Enterprise Knowledge Graph Platform, Zvezdnik

Videli bomo hiter korak pri arhitekturi za podatkovno znanost: obvladovanje upravljanja podatkov bo za mnoge skupine IT v središču pozornosti, saj želijo izboljšati poslovno inteligenco in okretnost. Iz tega razloga bo znanost o podatkih - dežnik, pod katerim uspevajo umetna inteligenca, strojno učenje, avtomatizacija, podatkovna jezera in drugi - v letu 2021 zabeležila ogromno rast. Od analize vedenja, ki temelji na podatkih, do preoblikovanja nakupovanja v živila do izkoriščanja zmogljivega računalništva v oblaku do za izboljšanje modelov medijske produkcije bo znanost o podatkih prevzela vodilno vlogo pri ohranjanju konkurenčnosti mnogih. Številna od teh podjetij bodo predraga za samostojno zagotavljanje svojih podatkovnih projektov tretjim osebam z naročninskim modelom. - Dustin Milberg, Field CTO Cloud Services pri InterVision

Avtomatizirajte svoje cevovode, da sprostite ves potencial znanstvenikov za obdelavo podatkov: Podatkovni znanstveniki so prepogosto zasedeni z nalogami, kot so priprava podatkov, oblikovanje funkcij in modeliranje. Ko se te naloge dopolnjujejo z orodji, ki pomagajo avtomatizirati te korake, bomo videli, kako se podatkovni znanstveniki trgujejo z rutinskimi nalogami za čas, porabljen za globlje, strateške pristope, zaradi katerih bodo postali neprecenljivi viri. Pričakujemo bolj sistematično izvajanje poslovnih rešitev za umetno inteligenco, da bodo ad hoc analize učinkoviteje ponovljive. - Justin Silver, dr. strateg AI pri PROS

Globoko učenje

Sprejetje rešitev za podjetja, ki temeljijo na globokem učenju, se bo postopoma povečalo. Ključna ovira bodo še naprej stroški nabave primerkov GPU in dragi človeški viri. - Sundeep Reddy Mallu, vodja analitike pri Gramener

Kot smo bili vsi priča v zadnjih letih, so raziskave in razvoj na področju obdelave naravnih jezikov hitro napredovali z prodori v jezikovnih modelih transformatorjev, kot so BERT, GPT-3 itd. Medtem ko dosegajo najsodobnejše rezultate, potrebujejo velike nabore podatkov in velike količine računalniških virov za usposabljanje in sklepanje na pomemben ogljični odtis. Videli bomo več prizadevanj in raziskav z novimi arhitekturami modelov in tehnikami usposabljanja za reševanje težav z emisijami ogljika, zelo dolgimi časi usposabljanja, s prostorskimi in računskimi učinkovitimi modeli, da bodo ti preboji bolj dostopni; najnovejši modeli, kot so Performers with Fast Attention, bodo služili kot katalizatorji za premikanje v tej smeri. - Kavan Shukla, podatkovni znanstvenik, Finn AI

strojna oprema

Strojna in programska oprema se približujeta porastu strojne opreme, specifične za umetno inteligenco. Kot je pokazala Appleova napoved čipa M1, namensko izdelana strojna oprema postaja vse bolj razširjena, kar pomeni, da bodo ljudje začeli več razmišljati o dejanski strojni opremi, na kateri delajo, kot prej - vključno s podatkovnimi znanstveniki. Porast strojne opreme, specifične za ML, bo verjetno privedel do izboljšav zmogljivosti, hkrati pa zagotavlja še eno spremenljivko pri uvajanju modelov. To bo še posebej vplivno v oblakih in mobilnih okoljih. To bo še bolj porušilo zid, ki že tradicionalno obstaja med strojno in programsko opremo, pri čemer bodo prednjačili primeri uporabe umetne inteligence. - Kevin Goldsmith, tehnični direktor, anaconda

Od leta 2012 je računalniška moč AI narasla za petkratno stopnjo Moorovega zakona in se podvojila približno vsake 5 meseca. Glede na naraščajoče število aplikacij, zgrajenih nad motorji z umetno inteligenco, ki vplivajo na naše vsakdanje življenje - nekatere celo kritične za človeštvo kot celoto (npr. Modeliranje in reševanje podnebnih sprememb), je iskanje rešitve za to neusklajenost pri merjenju zmogljivosti visoko pri vseh resnih okvarah in prednostni seznam podjetja za proizvodnjo čipov. Potreba po spremembah v dojemanju Moorejevega zakona bo postala bolj očitna leta 3.5. Najnovejši trend je govor o pisanju učinkovitejše programske opreme, ki bo medletno izboljšala delovanje. To je tvegana stava, saj se razvoj popolnoma novih algoritmov ne more zgoditi po urniku in zato ni združljiv s tradicionalnim urnikom napredovanja polprevodniških tik-tokov. Izboljšati se morajo tudi osnovne računalniške tehnologije. V prihodnjem letu bomo še naprej opazili premike in izboljšave. - Nick Harris, izvršni direktor in soustanovitelj podjetja Svetloba

Računalništvo v pomnilniku

Leta 2021 bodo podjetja, ki jih pospešujejo COVID-19 in strožji predpisi, še naprej spodbujala svoje pobude za preoblikovanje podatkov, da bodo uspevale v rastočem spletnem digitalnem gospodarstvu. Podjetja bodo sprejela izjemno hitrost, okretnost v oblaku in operativno analitiko za optimizacijo podatkovnega vodenja in hitro uvajanje novih storitev in aplikacij.

Tehnološke rešitve, ki temeljijo na podatkovni strukturi, ki temelji na oblaku, znano tudi kot središče za digitalno integracijo, bodo organizacijam omogočile, da se razbremenijo in ločijo od starejših sistemov zapisov in podatkovnih baz, da izpolnijo svoje digitalne in analitične zahteve ter se bodo lahko v oblak preselile brez morajo popolnoma odsvojiti svoje obstoječe kritične sisteme. Uvedba hitrosti in obsega v pomnilniku za analitiko in BI bo spodbudila poročanje v realnem času in vizualizacijo svežih podatkov ter omogočila modelom ML uporabo natančnejših podatkov v realnem času za spletne storitve, kot so odobritve posojil, analiza prevar in stranke 360 zmogljivosti. AIOps bo prav tako v središču pozornosti in bo uveden za avtomatizacijo in racionalizacijo zapletenih podatkovnih in analitičnih operacij, zmanjšanje časa do prodaje in nižje stroške ob hkratnem zmanjševanju človeških napak. - Adi Paz - izvršni direktor - GigaSpaces 

Leta 2020 je pandemija COVID-19 številna podjetja, zlasti tista, ki se ukvarjajo z dostavo hrane, elektronsko trgovino, logistiko ter storitvami oddaljenega dostopa in sodelovanja, dramatično povečala in nadgradila infrastrukturo, da bi ohranila visoko zmogljivost aplikacij ob naraščanju števila obiskovalcev spletnega mesta, zahteve za dostavo, prodajne transakcije, pretakanje videa in še več. Mnoga od teh podjetij so ugotovila, da je bil najhitrejši pristop k ohranjanju ali izboljšanju zmogljivosti ob hkratnem povečanju pretočnosti aplikacij razporeditev porazdeljene podatkovne mreže v pomnilniku (IMDG) - zgrajena z uporabo računalniške platforme v pomnilniku, kot je Apache Ignite, - ki jo je mogoče vstaviti med obstoječo aplikacijo in diskovno bazo podatkov brez večjih sprememb. IMDG izboljša zmogljivost s predpomnjenjem podatkov aplikacij v RAM-u in z uporabo množične vzporedne obdelave (MPP) v porazdeljeni gruči strežniških vozlišč. Omogoča tudi preprosto pot do povečanja zmogljivosti, ker porazdeljena arhitektura omogoča povečanje računske moči in RAM-a gruče preprosto z dodajanjem novih vozlišč.

 Leta 2021 bodo platforme IMC enostavnejše za uporabo, število usposobljenih izvajalcev IMC pa bo še naprej hitro naraščalo. To bo omogočilo, da se bo sprejetje IMC razširilo na več panog in na širši bazen podjetij. Posledično bo več podjetij v boljšem položaju, da izkoristijo IMC za hitro pospeševanje aplikacij, ne samo za odziv na zahteve COVID-a, temveč tudi za izpolnjevanje novih strateških in konkurenčnih zahtev, ko pandemska grožnja izzveni. - Nikita Ivanov, tehnični direktor in ustanovitelj podjetja GridGain sistemi

Internet stvari

Sprejetje interneta stvari v podjetju se bo segrelo bolj kot kdaj koli prej: glede na vplive pandemije na poslovanje bodo podjetja iskala nove ali dodatne načine za povečanje hitrosti odločanja v letu 2021. IoT lahko pri tem igra pomembno vlogo. Z vidika BI je izziv prepoznati, da ima IoT različne podatkovne modele, ki jih je treba prilagoditi, na primer zmogljivost skozi čas. Ključno bo zmanjšanje časa zamika med pripravo podatkov in operacijami. Najpametnejše organizacije se bodo zavedale, da za to ne morejo preprosto zapraviti denarja, temveč morajo biti strateške za ustvarjanje novih podatkovnih modelov, ki si delijo premišljena spoznanja. - Eric Raab, SVP, inženiring in produkt, Graditelji informacij

Pandemija je močno pospešila potrebo po podjetjih, da dokončajo svoje preobrazbe v industriji 4.0 z rešitvami, ki jim omogočajo večjo prilagodljivost, prepoznavnost in učinkovitost pri njihovem poslovanju. Videli bomo pospešeno sprejemanje rešitev, ki pomagajo pri reševanju potreb, od AI, vključno s strojnim učenjem, strojnim vidom in napredno analitiko. Ko se bo gospodarstvo vrnilo nazaj, bomo še naprej videli naložbe v osnovno infrastrukturo OT z več IT-zmogljivostmi, ki bodo širokemu ekosistemu akterjev omogočile uporabo teh rešitev, in sprejetje industrije 4.0 se bo znatno povečalo leta 2021. - Christine Boles, podpredsednica , IoT Group in GM, oddelek za industrijske rešitve, Intel

Eksplozija robnega računalništva: Še naprej bomo opazili povečanje robnega računalništva v celotni industriji podatkovnih centrov zaradi povečanih zahtev glede računalništva in hitrosti s strani potrošnikov in podjetij. Omrežje z nizko zakasnitvijo je ključnega pomena v okoljih, ki si prizadevajo povečati pretočnost računanja in skrajšati čas mirovanja strežnika. - Timothy Vang, dr., Podpredsednik trženja in prijav za Semtechova Skupina izdelkov za integriteto signala

Edge je novi oblak: za podjetja, ki bodo leta 2021 skalirala pametne tovarniške pobude, bo za zagotovitev poslovnih rezultatov v realnem času potrebna razpoložljivost kritičnih delovnih obremenitev. Edge računalništvo bo dopolnilo obstoječo infrastrukturo v oblaku z omogočanjem obdelave podatkov v realnem času tam, kjer poteka delo (npr. Motorji, črpalke, generator ali drugi senzorji). Uvajanje integrirane analitike od roba do oblaka bo tem podjetjem pomagalo povečati vrednost naložb v digitalne sisteme.

Industrija se bo še naprej usmerjala k bolj decentraliziranim računalniškim okoljem, rob pa bo pobudam za digitalno preobrazbo dodal pomembno vrednost. Z integracijo robnih funkcionalnosti z obstoječo infrastrukturo v oblaku se bodo organizacije manj ukvarjale z logističnimi IT-vidiki in se namesto tega osredotočile na premislek, kaj je mogoče v pametnem računalniku: na katera vprašanja lahko odgovori hitreje? Katere nove težave lahko reši? Kako lahko bolje zaščiti operacije? Analitiki ugotavljajo, da do leta 2022 99% industrijska podjetja bodo iz tega razloga uporabljala robno računalništvo. - Keith Higgins, podpredsednik Digital Transformation za Rockwell Automation

Kreativni umovi potiskajo IoT naprej: IoT in pametni razvoj izdelkov bodo odvisni od kreativnega oblikovanja in premišljenih rešitev, saj se tehnične izboljšave mikroprocesorjev upočasnjujejo zaradi inženirjev, ki tekmujejo proti omejitvam fizično mogočega, saj izdelovalci čipov blizu teoretične meje, kako tanke lahko te naprave. biti. Razvoj izdelkov Post-Moore's Law se bo zanašal na iznajdljivost inženirjev in oblikovalcev pri ustvarjanju domiselnih rešitev za reševanje poslovnih in družbenih problemov ter izboljšanje vsakodnevnih potrošniških procesov, namesto da bi se preprosto zanašal na naslednjo generacijo zmogljivih naborov čipov. - Sam Mahalingam, tehnični direktor, Altair

strojno učenje

Naložbeni dolarji v informacijsko poslovanje se bodo od vanilijeve avtomatizacije delovnega toka preusmerili k domačim rešitvam AI / ML, ki bodo postale digitalne operacije. Postopki poteka dela in njihova avtomatizacija se bodo naravno razvijali, da bodo vključevali rešitve AI / ML, ko bo tehnologija postala močnejša. AI in ML napredujeta in posledično izboljšujeta avtomatizacijo delovnega toka, saj podjetja zbirajo več podatkov, pa tudi organizacijo izmen in administrativne operacije. - Shiva Ramani, izvršni direktor podjetja iOPEX

Podjetja bodo našla nove aplikacije za tehnologije strojnega učenja, ki avtomatizirajo ročne procese in izboljšajo zmožnosti nadzora. Podjetja bodo iskala izdelke, ki zagotavljajo globlje spremljanje, več avtomatizacije in informacij z dodano vrednostjo v celotni porabi IT. Na primer, rešitve razpoložljivosti, ki omogočajo spremljanje aplikacij in avtomatizacijo nalog konfiguracije in upravljanja, bi imele prednost pred tradicionalnimi rešitvami preusmeritve. Pojavile se bodo nove novosti na področju HA, ki bodo obravnavale vedno večjo zapletenost napak in nesreč, ki jih povzročajo naprave IoT, in njihove odvisnosti. - Cassius Rhue, podpredsednik, kupčeva izkušnja, SIOS tehnologija

V preteklosti so algoritmi bolj govorili o strojnem učenju in nevronskih mrežah. Zdaj vidimo vedno več strojev, ki so samostojni in se lahko učijo in trenirajo na način, ki je izredno podoben podzavestnemu delu človeških možganov. Z drugimi besedami, algoritmi, ki se uporabljajo za posnemanje analitičnega dela možganov; zdaj posnemajo največji, najmočnejši in najbolj zanimiv del človeških možganov, ki mu pravimo zdrava pamet, črevesna čustva in intuicija. Namesto da se zanašajo na človeška bitja, da jih učijo in poučujejo, so današnji nenadzorovani strojni algoritmi sposobni zbrati ogromno podatkov, ustvariti slike sveta in narediti odbitke, ki so zelo podobni tistim, ki bi jih naredili ljudje. Prihajamo v svet, kjer se računalniki lahko usposobijo. - Mark Gazit, izvršni direktor ThetaRay

Zmanjševanje pristranskosti: letos je bilo veliko potrebnih pogovorov o pristranskosti in ublažitvi v algoritmih umetne inteligence ter o tem, kako obravnavati družbene učinke personalizacije, ki temelji na algoritmih. Vendar moramo nadaljevati z razvojem orodij, ki omogočajo vpogled v rezultate sistemov ML, razkrivajo pristranskost in sčasoma preverjajo odmik uporabljenih modelov. To postaja vse bolj kritično, ko se več teh sistemov začne proizvajati, da se zagotovi, da ne ohranjamo ali ustvarjamo virov škodljivih pristranskosti. - Kevin Goldsmith, tehnični direktor, anaconda

Podjetja bodo našla nove aplikacije za tehnologije strojnega učenja, ki avtomatizirajo ročne procese in izboljšajo zmožnosti nadzora. Podjetja bodo iskala izdelke, ki zagotavljajo globlje spremljanje, več avtomatizacije in informacij z dodano vrednostjo v celotni porabi IT. Na primer, rešitve razpoložljivosti, ki omogočajo spremljanje aplikacij in avtomatizacijo nalog konfiguracije in upravljanja, bi imele prednost pred tradicionalnimi rešitvami preusmeritve. Pojavile se bodo nove novosti na področju HA, ki bodo obravnavale vedno večjo zapletenost napak in nesreč, ki jih povzročajo naprave IoT, in njihove odvisnosti. - Cassius Rhue, podpredsednik, kupčeva izkušnja, SIOS tehnologija

Organizacije, katerih zgodnji uspeh v strojnem učenju jih je spodbudil k razširitvi programov, ugotavljajo, da je hitra proizvodna linija visokokakovostnih podatkovnih nizov gorivo, ki bo spodbudilo to širitev. To bo podatke kot storitev povzdignilo na prvo mesto za ekipe podatkovnega inženiringa. - Luke Han, soustanovitelj in izvršni direktor, Kyligence

Sposobnost zaupanja in operacionalizacije ML bo lakmusov test za preživetje iz leta 2021: Poleg pandemije in recesije se še naprej spopadamo z eksponentno naraščajočimi količinami podatkov in vedno večjo zapletenostjo novih tehnologij. Če želijo podjetja uspešno razumeti svoje velike vsote podatkov in tehnične zapletenosti, morajo izkoristiti in operacionalizirati modele strojnega učenja na razložljive in lahko razumljive načine. Ni več dovolj, da se osredotočamo na to, da se modeli začnejo proizvajati, zdaj pa moramo biti na tem, da modele dobimo v roke poslovnih uporabnikov in odločevalcev. Toda za operativno delovanje morajo biti podjetja sposobna zaupati, razumeti in komunicirati o sposobnosti modela, da pomembno vpliva na poslovni potencial. Leta 2021 bo sposobnost podjetja, da zaupa svojemu modelu - do te mere, da bo lahko ukrepalo na podlagi vpogleda, pridobljenega z umetno inteligenco - odločilna za njegovo sposobnost preživetja. - Santiago Giraldo, višji vodja trženja izdelkov za strojno učenje, Cloudera

Podjetja vseh velikosti in na vseh stopnjah agresivno napredujejo k operacionalizaciji prizadevanj za strojno učenje. Obstaja več priljubljenih okvirov za trening modelov, med njimi Tensorflow in PyTorch, ki vodita igro. Tako kot Apache Spark velja za vodilnega pri preoblikovanju podatkov in Presto postaja vodilna tehnologija za interaktivno poizvedovanje, bo leto 2021 tudi leto, ko bomo videli vodilno vlogo v širšem modelu vadbenega prostora s pyTorch ali Tensorflow kot vodilnimi tekmeci. - Haoyuan Li, ustanovitelj in izvršni direktor, Alluxio

Podatki o spremembi SaaS kot manjkajoči del ML / AI: Organizacije s poudarkom na umetni inteligenci in strojnem učenju bodo še naprej lačne po pomembnih naborih podatkov, ki jih je mogoče vnesti v svoje algoritme ML, da bodo sčasoma opazili vzročne in posledice sprememb. Da bi to naredili, se bodo kot vhod v te algoritme obrnili na svoje nenehno spreminjajoče se nabore podatkov v oblakih drugih proizvajalcev / SaaS. To jim bo ustvarilo pritisk, da vsako posamezno spremembo teh podatkov sčasoma zajamejo in vnesejo v svoj ekosistem DataOps. - Joe Gaska, izvršni direktor podjetja HVALA

Vloga AI in ML se bo širila, ko bo identiteta identitete prišla v ospredje. Ko dosežemo prelomno točko v prihodnosti preverjanja pristnosti, se uporabniki vedno bolj zavedajo varnosti, ko gre za zaščito svojih digitalnih identitet v spletu. Preverjanje identitete bo postajalo vse bolj kontekstualno in umetna inteligenca bo imela vse večjo vlogo pri določanju dinamičnega tveganja dostopa, ki ga sistem, ki temelji na pravilih, preprosto ne more zagotoviti. Nadzorovano in nenadzorovano poglobljeno učenje, ojačitveno učenje in genetski algoritmi ne bodo uporabljali le vnaprej določenih modelov sklepanja, temveč bodo omogočili tudi, da se bodo varnostne rešitve prilagodile spreminjajočemu se vedenju podjetja in se učile od drugih podjetij, ko se bodo srečevale in ublažile grožnje. Boj proti globokim ponaredkom z vgrajenimi algoritmi, pridobivanje vrednosti iz velikih podatkov in spodbujanje odločanja z zmogljivo analitiko bodo imeli ključno vlogo pri obveščanju o identiteti. - Rajesh Ganesan, podpredsednik, ManageEngine (delitev Zoho Corp.)

Robotika

Zaradi potrebe, da se ljudje v novem letu ne bodo približali neposredni bližini, bomo seveda videli velike naložbe v avtomatizacijo. Morda pa bo robotika morda prvič prevzela vsakdanje, preproste človeške naloge v nasprotju s težjimi in strateškimi. Videli smo, da roboti pomagajo ljudem pri številnih zapletenih aplikacijah, kot so roboti, usposobljeni za najnatančnejše mikrokirurgije. Roboti bodo zdaj začeli opravljati naloge, ki bodo bistvenim delavcem, ki so prej morali biti osebno, omogočili delo na daljavo. Z več naložbami v obogateno in navidezno resničnost bomo na primer videli robotske varnostnike, ki jih nadzirajo oddaljeni delavci, ki gostujejo v pisarnah in tovarnah; oddaljeni delavci bodo lahko daljinsko upravljali brezpilotne zrakoplove, da bodo pobirali in pakirali škatle v skladišču. Leta 2021 bo revolucija robotizirana. - Ahson Ahmad, glavni direktor za izdelke in stranke, Ripcord

Varnost

Deepfakes bodo postali pomembna grožnja poslovni integriteti. COVID-19 je osebno komunikacijo prisilil v virtualno, kar pomeni, da se podjetja bolj kot kadar koli prej zanašajo na videokonference. Pojem globokih ponaredkov morda ni nov, vendar postajajo vse bolj izpopolnjeni in postajajo izjemno enostavni za ustvarjanje. Vzemimo na primer ThisPersonDoesNotExist.com, ki z umetno inteligenco ustvarja popolnoma verodostojne podobe ljudi, ki v resničnem življenju ne obstajajo. Če je ta postopek mogoče izvesti z razmeroma malo informacij, lahko hekerji vsekakor izkoristijo delovne profile, ki se uporabljajo za tehnologijo videokonference - na katerih so imena in slike zaposlenih samodejno povezane - za ustvarjanje prepričljivih ponaredkov. - James Carder, glavni varnostni direktor za LogRitem

Napovedovanje: Ko bo zaznavanje goljufij vse težje, se bodo modeli goljufij ML okrepili, vendar bodo uporabili novejše nabore podatkov: Za ugotavljanje tveganja goljufij podjetja običajno uporabljajo nabor podatkov preteklih transakcij, za katere menijo, da bodo reprezentativni za prihodnost, da bi usposobili svoje strojno učenje (ML) modelov. Vendar pa je velik vpliv COVID-19 na podatke in vedenje potrošnikov povzročil prekinitev povezave, ker pretekli podatki niso več reprezentativni za prihodnost. Zaradi tega so številne organizacije bodisi uporabile modele spodnje opreme, ki se dobro obnesejo, vendar ne ujamejo novih vzorcev goljufij, bodisi modele prekomerne opremljenosti, ki ustvarijo veliko presenečenj, kot so poplavljene čakalne vrste za ročni pregled ali več povratnih stroškov in goljufij. Številna podjetja so prešla tudi z uporabe ML na modele, ki temeljijo na pravilih, in ročne preglede, ki se bolj zanašajo na človeško intuicijo. Leta 2021 bodo podjetja lahko izkoristila svoje razumevanje teh novih vedenjskih vzorcev, da bodo lahko spet začela graditi močnejše modele ML. Da pa bodo uspešni, bodo morali uporabiti novejše podatke, pri izdelavi modelov jemati vse, kar pridejo, in med potekom ocenjevati svoj napredek. - Arjun Kakkar, podpredsednik za strategijo in operacije pri Ekata

Umetna inteligenca je ustvarila nove varnostne grožnje, od katerih so največje lahko ponaredki. Globoke ponaredke so ponarejeni zvok, video ali slike, ki za posnemanje resničnosti temeljijo na tehnologiji umetne inteligence. Globoke ponaredke imajo lahko v napačnih rokah resne posledice, kot so globoke prevare. Čeprav še nismo videli veliko teh napadov, v 2019, goljufi so z globoko ponarejenim zvokom ukradli več kot 200,000 dolarjev britanskemu energetskemu podjetju. In z oddaljenimi delovnimi okolji, ki goljufom omogočajo več streliva za izvajanje napadov, bo leto 2021 leto, ko bo tehnologija sprostila prepisovanje zvoka v realnem času, podjetja pa bodo morala paziti, da ne bodo prevarana. Podjetja morajo biti previdna pri kakršnih koli sumljivih telefonskih klicih in nikoli ne pošiljati denarja ali deliti občutljivih podatkov, ne da bi preverili, ali je klicatelj tak, za katerega trdijo, da je.

Poleg tega lahko z nastavitvijo osnovnih orodij in protokolov za kibernetsko varnost goljufi preprečijo dostop do občutljivih informacij, ki jih potrebujejo za ustvarjanje globoko ponarejenih slik in zvoka. Raziskovalci kibernetske varnosti delajo na orodjih za odkrivanje globoko ponarejenih vsebin, toda do takrat se bodo podjetja morala zanašati na svojo intuicijo in obstoječa orodja za kibernetsko varnost, da se ne bodo prevarala. - dr. Terry Nelms, starejši direktor raziskav, Pindrop

Zasebnost potrošniških podatkov bo še naprej v središču pozornosti tudi zaradi dotoka kršitev podatkov in zaznanega izkoriščanja osebnih podatkov s strani podjetja Big Tech v letu 2021 in pozneje, pričakujemo pa lahko tudi več zakonodaje, ki ščiti pravice potrošnikov in kaznuje podjetja za neodgovorna uporaba podatkov. Da bi gojili zaupanje in izboljšali izkušnjo strank v vedno bolj konkurenčnem poslovnem okolju, bo v prihodnjih letih več organizacij dalo potrošnikom lastništvo in nadzor nad njihovimi osebnimi podatki. Z združitvijo etičnih, skladnih načel in načel, ki varujejo zasebnost, s tehnološko infrastrukturo, zgrajeno za prihodnost, se bo družba premaknila k sistemu, v katerem bodo vrednosti podatkov koristile tako posameznikom kot podjetjem. - James Kingston, podpredsednik oddelka za raziskave in inovacije pri Dataswift, raziskovalec umetne inteligence in direktor HAT-LAB.

Upravljanje varnosti podatkov je obvezen in kritičen gradnik za ublažitev groženj. Do nedavnega se je večina programov upravljanja podatkov osredotočala na pretok podatkov in analitiko, ne da bi veliko razmišljala o varnosti. Novi zakoni in predpisi o zasebnosti podatkov so prisilili zainteresirane strani, kot so CDO, CFO, CISO in DPO, da varnost podatkov postanejo eden od nujnih gradnikov njihovih prizadevanj za upravljanje podatkov. Toda upravljanje varnosti podatkov je zapleteno, saj noben izdelek ponudnika ne more uvesti vseh potrebnih kontrol upravljanja varnosti podatkov. Leta 2021, ko bodo podjetja še naprej zbirala in obdelovala vse več podatkov, bodo morala ugotoviti, kako hitro poenotiti svoje podatke, zato celotna njihova organizacija črpa informacije iz istih, zaupanja vrednih in varnih. Nato morajo podjetja svoj vir podatkov uvesti in upravljati s sistemom za zaščito podatkov z vzpostavljenimi potrebnimi nadzornimi ukrepi za varovanje zasebnosti, da se ogrozijo podatki. Ti koraki bodo zagotovili zmanjšanje prihodnjih poslovnih in finančnih tveganj. - Anne Hardy, CISO iz Talenda

AI bo ključnega pomena za krepitev varnosti v oddaljenem svetu. Varnost je za vse organizacije C, ki so se podale na pot digitalne preobrazbe, vrhunska misel, vendar je njen pomen le še povečala pandemija. S toliko končnimi točkami, razpršenimi po vsem svetu, saj imajo zaposleni prožnost za delo na daljavo, kjer koli se odločijo, se ranljivosti množijo. Glavni trend, ki ga bomo videli v letu 2021 in pozneje, je uporaba umetne inteligence za varnostne ukrepe, saj ljudje sami ne morejo spremljati, nadzorovati in preverjati vsake končne točke, da bi ustrezno ali učinkovito zaščitili sodobno podjetje. Če varnostni voditelji (zlasti tisti v podjetjih Fortune 500) zdaj ne bodo vložili časa in finančnih naložb za povečanje varnosti z AI, lahko pričakujejo, da bodo hekerji v prihodnosti tarča in se bodo zaščitili za zaščito svojih podatkov. -Scott Boettcher, podpredsednik, Enterprise Information Management, NTT DATA Services

skladiščenje

Naslednji NAS je mrtev za AI. Z uvedbo PCIe Gen4 so se hitrosti vhodno-izhodnih operacij popolnoma ločile od razvoja osrednjega procesorja. Podedovani ponudniki NFS so zaljubljeni v TCP z enim tokom, ki je omejen s hitrostjo zmogljivosti enega jedra CPU na strežniku aplikacij. PCIe Gen4 bo leta 2021 podvojil najvišjo zmogljivost V / I aplikacij, medtem ko jedro CPU ne bo moglo več podvojiti zmogljivosti enojedrnega V / I. Ni večje koncentracije IO z enim gostiteljem kot na trgu umetne inteligence - za aplikacije, kot sta strojno učenje in globoko učenje. Da bi to rešili, bodo stranke iskale rešitve, ki podpirajo večnitnost, RDMA in zmožnost celotnega zaostanka procesorjev - kot je to v primeru NVIDIA-jevega GPUDirect Storage. Zahteve po vzdrževanju in učinkovitosti grafičnih procesorjev in procesorjev umetne inteligence bodo dramatično presegle vhodno / izhodne zmogljivosti starejših NAS, ki temeljijo na TCP, zaradi česar se bodo stranke leta 2021 popolnoma oddaljile od starejših NAS. - Renen Hallak, ustanovitelj in izvršni direktor VAST Data

Shramba predmetov razbije mit, da se uporablja samo za arhiv. Čeprav je shranjevanje objektov najbolj znano kot rešitev za shranjevanje varnostnih kopij in arhivov, bodo trije trendi razširili to percepcijo leta 2021. Najprej bo shranjevanje predmetov, ki temelji na flash, pridobilo prednost pri delovnih obremenitvah podatkovne analitike, ki imajo tudi visoke zahteve glede zmogljivosti. Drugič, shramba, združljiva s S3, bo poenostavila uvedbo Kubernetes in postala logična izbira za sodobne aplikacije. Tretjič, domače aplikacije v oblaku bodo vse pogosteje uvajane na prem, kar bo spodbudilo potrebo po vgrajenem S3-združljivem pomnilniku za povečanje prenosljivosti aplikacij. Posledično bo več organizacij uporabljalo shranjevanje predmetov za podporo računalniško težkim primerom uporabe, kot so AI, ML in podatkovna analitika, ki enkrat za vselej razbijejo "poceni in globok" mit. - Jon Toor, generalni direktor za Oblak

Organizacije zdaj zbirajo ogromne količine podatkov o strojnem učenju in IoT. Če je vaše podjetje za delovanje in uspeh odvisno od zbiranja in analiziranja podatkov, kaj se zgodi, če ti podatki niso v celoti varnostno kopirani in jih je mogoče enostavno obnoviti? Večina podjetij razmišlja predvsem o analizi podatkov in veliko manj o varnostni kopiji ali varnosti podatkov. Ker pa se podatki vse bolj premikajo iz analiz v proizvodna okolja, takrat postane zaščita ključnega pomena. Vrhunska orodja za shranjevanje se za avtomatizacijo postopka varnostnega kopiranja podatkov vedno bolj zanašajo na umetno inteligenco in strojno učenje. Glede na naraščajočo velikost podatkov v podjetju bodo ta inteligentna orodja postala ključnega pomena za vzdrževanje učinkovitega postopka varnostnega kopiranja, ki se lahko hitro in brez težav odzove na spreminjajoče se zahteve, hkrati pa prihrani neizmerne ure ročnega varnostnega kopiranja. - Shridar Subramanian, generalni direktor podjetja StorageCraft

Vertikale

Potencial za izboljšanje procesov dobavne verige za umetno inteligenco je bil v središču podjetij vsaj 5 let, a po prekinitvah, ki jih je povzročil COVID-19, so mnogi analitiki in podjetja oskrbovalne verige svojo pozornost usmerili na umetno inteligenco kot na možno rešitev za njihove težave. 67% - podjetja, ki so vlagala v neko tehnološko rešitev, ki jim bo pomagala prebroditi pandemijo, in - 60% industrijskih podjetij iščejo AI posebej. Vendar se modeli AI napajajo s podatki. Natančnost, obseg in zmožnosti modela AI so v celoti odvisni od podatkov o usposabljanju, ki stojijo za njim. Vendar morajo biti ti podatki organizirani in označeni v strojno berljivi obliki, preden jih program AI lahko prebavi. Preden sprejmejo umetno inteligenco, morajo podjetja uporabiti sodobno integracijsko tehnologijo za samodejno zbiranje podatkov iz interakcij z njihovim ekosistemom dobaviteljev, partnerjev, trgovcev in kupcev v obliki, ki je zasnovana tako, da spodbuja modele umetne inteligence.

Naročite PrimeXBT
Trgujte z uradnimi CFD partnerji AC Milan
Najlažji način za trgovanje s kripto.
Vir: https://www.fintechnews.org/big-data-industry-predictions-for-2021/