Skrevet af Andrew Brust, bidragyder 
Andrew Brust Bidragyder
Andrew Brust har arbejdet i softwareindustrien i 25 år som udvikler, konsulent, iværksætter og CTO med speciale i applikationsudvikling, databaser og business intelligence-teknologi. Han har været klummeskribent for udviklermagasiner og konferencetaler siden midten af 90'erne og teknologibogskribent og blogger siden 2005.
Fuld bio udgivet i Big on Data den 28. december 2021 | Emne: Big Data
Da vi er nået til slutningen af 2021, er min indbakke blevet fyldt med den nu sædvanlige batch af e-mails, fra tech-virksomheder og deres PR-bureauer, der deler ledelsens tanker om, hvad næste år vil byde os i en verden af data, analytics og AI. Som altid var den årlige øvelse med at kompilere vismandsforudsigelser om det kommende år fra ledere rundt om i branchen en stor indsats. Faktisk, når alle forudsigelsesmails var konsolideret, resulterede et dokument på 50 sider. Som med enhver big data-øvelse var mit mål at samle dataene i grupperinger, jeg kunne organisere dem efter, både for at tæmme mængden af data, og fordi grupperingerne i sig selv er lærerige.
I år handlede de fleste forudsigelser ikke om bestemte teknologier som Hadoop, Kafka eller Spark. Og de handlede ikke engang om tekniske genreproblemer som kampen mellem datavarehuse og datasøer. I stedet fokuserede dette års forudsigelser (for næste år) på bredere forretningsmæssige eller endda samfundsmæssige spørgsmål, hvoraf mange stammer fra verdens samlede erfaring med Coronavirus/COVID-19-pandemien og de ændringer, den har påtvunget.
Teknologi er derinde, selvfølgelig; for eksempel var der megen diskussion om kunstig intelligens (AI), lav kode/ingen kode platforme og arkitektoniske tilgange til analyse, som Data Fabric og Data Mesh. Men spørgsmål vedrørende forsyningskædeforstyrrelser; mangel på arbejdskraft og den “store resignation;” og samspillet mellem kundeoplevelsesstyring, personalisering og databeskyttelse var også en stor tilstedeværelse.
Lad os udforske en grupperet oversigt over forudsigelserne.
Supply Chain
Vi ved alle, at pandemien har haft en afsmittende effekt og påvirket globale forsyningskæder. For erhvervslivet har det betydet disruption og flux. Interessant nok så mange af vores forudsigelsesdeltagere dette som en teknisk udfordring. Lige så uforudsigelige som forsyningskædeproblemer kan få tingene til at føles, var mange forudsigelser baseret på den forudsætning, at forudsigelige analyser kunne afbøde vanskelighederne, så længe selve modellerne blev nøje overvåget for nøjagtighed og drift.
“Mange industrivirksomheder…i løbet af de sidste to år…blev tvunget til at stole på kunstig intelligens og andre digitale teknologier for at løse akutte problemer i den virkelige verden i forsyningskæder og produktion” sagde Artem Kroupenev, VP for Strategy hos Augury. Nick Elprin, administrerende direktør, Domino Data Lab, føler, at “den fortsatte volatilitet af uforudsigelige forretningsfaktorer, fra forsyningskæder til ekstremt vejr, vil i høj grad accelerere behovet for virksomheder til løbende at overvåge, hvor godt deres modeller afspejler deres kunders virkelige og hurtigt skiftende verden. .”
Alok Ajmera, administrerende direktør for Prophix, mener “Virksomheder har set deres andel af forstyrrelser i løbet af det sidste år, og i 2022 vil de højst sandsynligt fortsætte med at håndtere virkningen af mangel på forsyningskæder, stigende inflation og øgede cybersikkerhedstrusler… Cloud-baserede “hvis/så” scenarieplanlægningssoftwareværktøjer [aktiver]…nulstil løbende prognoser…i henhold til realtidsdataindsigt for at imødekomme flydende markedsforhold.”
Pas dog på. Forsyningskædeproblemer påvirker ikke kun materielle goder; de kan påvirke den teknologi, vi plejer at se som uendelig og også altid tilgængelig. Med det i tankerne sagde Lenley Hensarling, Chief Strategy Officer hos Aerospike, “Forsyningskædeproblemer, både hardware og personale, vil fortsætte med skyen. Efterhånden som virksomheder fortsætter med at migrere til skyen i 2022, vil de blive overrasket over at opdage hardware- og personalemangel, der kan tvinge dem til at ændre deres planer.”
Du kan ikke fyre mig, jeg siger op
Og når vi taler om manglen på personale, så havde mange af vores forudsigere noget at sige om “den store resignation”, 2021's tilsyneladende frivillige udvandring af arbejdere fra deres job. For eksempel siger Buno Pati, administrerende direktør for Infoworks, at vi bør “overveje [den store opsigelse] særlige implikationer vedrørende knappe dataingeniør- og datavidenskabstalenter, der allerede er meget efterspurgt og beordrer betydelig kompensation.” Med andre ord var det dårligt at finde gode dataproffer før, og det bliver endnu værre. Med hensyn til en løsning forudsiger han, at “i det kommende år vil vedtagelse af nye automatiserede tilgange til datadrift og orkestrering frigøre denne kritiske talentpulje fra det verdslige og fokusere disse værdifulde fagfolk på at skabe og levere forretningsværdi.”
< br>Momentive (tidligere SurveyMonkey) CIO, Eric Johnson, er enig i, at automatisering kan hjælpe med at afhjælpe manglen og fungere som et fastholdelsesværktøj for at holde eksisterende medarbejdere gladere: “i 2020 havde 31 % af virksomhederne mindst ét system automatiseret. Med den store opsigelse og efterspørgsel efter job af bedre kvalitet, vil automatisering accelerere enormt for at fjerne monotone processer og sikre, at medarbejderne får arbejdserfaringer af høj kvalitet med forskelligartede og meningsfulde opgaver.” Når han taler om denne opfattelse af kvalitet, siger Johnson også: “Den Store Resignation har vist, at løn ikke længere er en hovedhåndtag til fastholdelse. Medarbejdere er i stedet ivrige efter at have det arbejdsmiljø, de ønsker, og nye udfordringer, der får dem til at forbedre sig og lære som individer og professionelle .”
Der er også en AI-vinkel her. Nick Curcuru, Vice President for Advisory Services hos Privitar, siger, at “analytik i HR traditionelt har handlet om rapportering. Efterhånden som organisationer kæmper med medarbejderomsætning midt i 'den store fratræden', vil de i stigende grad se på forudsigende analyser for at hjælpe med at redde dagen.” Gleb Polyakov, medstifter og administrerende direktør for Nylas, siger “fremskridt inden for kunstig intelligens kombineret med mangel på arbejdskraft og efterspørgsel efter hurtig skalering har tvunget virksomheder til at automatisere, hvor det er muligt.” Polyakov forudser dog ikke en dystopisk situation og forsikrer os om, at “…selv med fortsat AI-styret innovation, vil mennesker fortsætte med at spille en væsentlig rolle i ægte organisatorisk påvirkning, analyse og vækst.”
Af stof og mesh
Ud over samfundsmæssige problemer har arkitektoniske problemer også været vigtige i år, især dem, der kan hjælpe virksomheder med at udnytte deres analyseinvesteringer mere succesfuldt. Førende konkurrenter her er Data Mesh- og Data Fabric-tilgangene, og mange af dette års forudsigelser fokuserede på dem.
Til at begynde med mener Steve Totman, Chief Strategy Officer hos Privitar, at “Organisationer i stigende grad omfavner data mesh og data fabric-metodologier som grundlag for deres moderne data stakke.” Infoworks' Pati er lige med ham og mener, at “2022 vil se betydelig vækst og interesse for datastofløsninger, da virksomheder søger at udnytte et fælles ledelseslag til at accelerere analysemigrering til skyen, sikre sikkerhed og styring, hurtigt [og] levere forretningsværdi…” På vegne af virksomheden udtaler han, “vi tror på, at denne teknologi vil blive bredt vedtaget i løbet af de næste fem år.”
Totman og Pati er ikke alene. “'Datastof' vil være et populært buzzword.” var en af fem store forudsigelser fra Mark Van de Wiel, VP of Technology hos HVR (nu ejet af Fivetran). Og Ravi Shankar, SVP og CMO hos Denodo, overskrifter hans #1 forudsagte trend, da “Datastof bliver grundlaget for den distribuerede virksomhed,” og tilføjer, at “ved at gøre det muligt for organisationer at vælge deres foretrukne værktøjer, vil disse datastrukturer reducere tid til- levering og gør det til en foretrukken datahåndteringstilgang i det kommende år.”
Haoyuan Li, grundlægger og administrerende direktør for Alluxio, ser Data Fabric som mere end populær … han ser det som en løsning på den nye runde af datasiloer: “med SaaS og administrerede tjenester i skyen skaber datasiloer, forbedret styring og katalog med et datastof, der spænder over flere tjenester, vil komme til undsætning i 2022.” Komprise-præsident Krishna Subramanian ser et lignende silo-sprængende værdiforslag, der siger, at “IT- og lagerchefer vil vælge datastofarkitekturer for at låse data op fra lager og aktivere datacentreret vs lagercentreret styring.”
Det ser sikkert ud til, at der er meget håb på disse arkitekturer. Jeg spekulerer på, hvad næste års eksperter vil sige om det.
No/Lo-Co
Vi har allerede nævnt automatisering som en delvis modgift mod manglen på arbejdskraft, og mange af vores forudsigelser personale ser lav-kode/no-code platforme – på mange måder automations partner – som en kæmpe kraft for effektivitet og forandring i 2022.
Christine Spang, medstifter og CTO for Nylas, forudser, givet “engineering Labor Brige, Low-Code Development Takes Off,” og uddyber denne overskrift ved at sige “vi vil se vedtagelsen af lav-kode, no-code værktøjer og applikationer accelererer i 2022 og frem.”
Venkat Thiruvengadam, grundlægger og administrerende direktør for DuploCloud, forklarer: “no-code/low code platforms gør det muligt for ikke-tekniske forretningseksperter at skabe software på de domæner, de kender bedst, uden at kræve kodningsviden. Eksperter, der tidligere var låst ude af en virksomhed idé, fordi de manglede kodningsekspertise, kan nu komme i gang med minimal kodningsviden.” Han tilføjer, at “manglen på DevOps-kompetencer kun vil fortsætte med at vokse, hvilket accelererer behovet for løsninger uden kode/lav kode.”
Men Gil Hoffer, medstifter og CTO i Salto, adresserer bagsiden af denne DevOps-observation, idet han mener, at ingen- og lav-kode vil erhverve egenskaber for konventionel software: “da ingen kode og lav kode platforme og værktøjer bliver mere udbredte, Metoder og værktøjer fra softwareudvikling og DevOps verdener, såsom automatisering, versionskontrol og deklarative sprog, vil blive anvendt og tilføjet til disse miljøer.”
DevOps-hungrende eller ej, Mendix CEO Tim Srock og hans team tror, at “lav kode vil bevæge sig forbi app-udvikling” og føler, at den vil vokse til at “inkludere design af kundeoplevelser og intelligent workflowautomatisering.” Mendix-banden føler også, at “…virksomheder vil bruge lav-kode til at automatisere opgaver inden for arbejdsgange.” Og Ryan Welsh, grundlægger og administrerende direktør for Kyndi, mener, at lav- og ingen kode også vil flytte ind i AI-området og forudsige, at “Universal AI vil blive indlejret i en suite af konfigurerbare forretningsløsninger, der ikke kræver kodning.”
Men hvor længe kan lav/nej… gå? Siden fremkomsten af CASE (computer-aided software engineering) i 1980'erne, har vi set platforme, der kræver minimal programmering, have stor appel. Vi har også set pendulet svinge den anden vej tilbage, hvor kode-første platforme og de færdigheder, der er nødvendige for at drive dem, migrerer tilbage til stor efterspørgsel.
Personliggjort, men ikke overvåget
Fra lav-kode går vi til det, vi kan kalde “lav-data”. Dr. Jans Aasman, administrerende direktør for Franz Inc., karakteriserede den nye normal for persondataanalyse: “i 2022 vil vi se nye måder for brugere at genvinde kontrollen over deres data.” Det er fantastisk, men det er endnu en disruption, der tvinger virksomheder til at tilpasse oplevelser uden adgang til så mange personlige data. Jennifer Krizanek, præsident, NA og CMO for Contentserv, beskriver udfordringen: “2022 vil være vidne til virksomheder, der udarbejder strategier om, hvordan de kan personalisere kundeoplevelsen uden at bryde GDPR-lovene eller krænke forbrugernes databeskyttelsesrettigheder.” Hun mener endvidere, at næste år “vil være året, hvor virksomheder lærer at operere, markedsføre og tilpasse deres tilbud til forbrugerne uden at spore hver deres bevægelse.”
Men hvordan kan det lade sig gøre? For åbnere siger Denodos Shankar, at “i 2022 vil organisationer udnytte små dataanalyser til at skabe hyperpersonlige oplevelser for deres individuelle kunder for at forstå kundernes følelser omkring et specifikt produkt eller en specifik service inden for et kort tidsvindue.” Det giver mening, men kravet virker stadig formidabelt.
AI, som det viser sig, kan være nøglen til at gøre mere med mindre. “Med machine learning kan virksomheder optimere, automatisere og personalisere indhold og leveringstidspunkt for meddelelser for at øge engagementsraterne på det personlige plan” siger Jason VandeBoom, CEO for ActiveCampaign. Og det er ikke bare en nice-to-have ifølge Mendix folk. De ser det snarere som et must-have: “Hyperpersonalisering vil blive normen: Efterhånden som verden bliver mere og mere digital, vil kunderne forvente oplevelser, der er skræddersyede og kan tilpasse sig deres behov og ønsker i øjeblikket. For at gøre det skal applikationer nødt til at drage fordel af AI i forhold til at udføre simple regler.”
Lodret AI
AI er dog ikke kun til personalisering. Faktisk er følelsen af forudsigernes rum, at vertikale industrier, fra finans til sundhedspleje, vil drage fordel af AI i 2002. Ajmera hos Prophix overskrifter en af sine forudsigelser som: “The Era of AI-Powered Corporate Finance Is Here.” Hans analyse siger “…efterhånden som virksomheder kommer ud af den ustabile pandemiperiode, forvent at se CFO'er endelig tage springet ind i AI-drevne finansieringsteknologier og kickstarte den næste æra med superladet virksomhedsfinansiering.” Franzs Aasman siger “Denne 'Total AI' er hurtigt ved at blive nødvendig for at tackle virksomhedsskalaapplikationer af missionskritiske processer som forudsigelse af udstyrsfejl, optimering af sundhedsbehandling og maksimering af kunderelationer.”
Længere hen ad sundhedsvejen mener Dave Wessinger, administrerende direktør og medstifter, PointClickCare, at “i 2022 bør vi forvente at se flere sundhedsorganisationer drage fordel af kunstig intelligens (AI) til at overvåge patientadfærd, hvilket generelt skaber et sikrere miljø for patienter og giver sundhedspersonale mulighed for at yde mere strømlinet og bedre pleje.” Det er heller ikke kun AI. Todd Gottula, præsident for Clarify Health, mener, at analytics vil komme med på turen: “Betalere, udbydere og biovidenskabsvirksomheder vil henvende sig til on-demand analysesoftware, der giver dem øjeblikkelig adgang til en 360-graders visning af patientrejsen og et vindue til, hvordan lægehjælp og sociale og adfærdsmæssige determinanter for sundhed hænger sammen for at påvirke resultaterne.”
Transformation kan være sjovt
Stort set alt, hvad vi hidtil har set på, vedrører digital transformation, selvom det kun er implicit. Men hvor godt er en sådan “DX” indsats gået så langt? Ikke langt nok, ifølge Contentservs Krizanek, som “…tror på 2022, at organisationer vil udvide tidligere digitale transformationsbestræbelser, men i den forbindelse vil de blive tvunget til at stole på deres evne til at automatisere betroet datalevering.”
For at komme dertil kommer AI til undsætning igen. Komprises Subramanian mener, at “AI og maskinlæring i skyen fortsætter med at levere flere muligheder for kunderne og er ved at blive kerneaktivere af digital transformation.” Subramanian mener dog, at det ikke kun handler om kunstig intelligens. Virksomheders afvisning af deres tilbøjelighed til at være datapakkerotter er en anden faktor: “Zombiedata eller døde data vil få ordentlig opmærksomhed, da virksomheder sigter mod bedre at segmentere, klassificere, organisere, rense, administrere og retfærdiggøre udgifter til opbevaring, backup og DR. Datahamstring. vil komme til ophør som en del af succesfulde digitale transformationsinitiativer.”
SingleStores Oliver Schabenberger mener, at DX-succes er et problem med datalagringsteknologi, og et problem, der vil blive løst om et par år: “I 2024 vil datateknologien have udviklet sig til at give organisationer mulighed for at optimere til friktionsfri digital transformation i stedet for at optimere til læse/skrive af transaktioner eller effektive scanninger af store datasæt. Databaser vil være en aktiv deltager og orkestrator af beslutningsstøtte.” I betragtning af virksomhedens kombination af række- og kolonnebutiksteknologi i én database giver dette udsigtspunkt mening.
Du skal ikke bare forny dig, men drive
Samlet set, selvom de ikke kommer lige ud og siger det, ser vores clairvoyante ud til at se 2022 som et år med fit-and-finish snarere end et år med rå innovation. Vi har allerede tonsvis af fantastisk analyse- og intelligensteknologi, og vi har i et par år nu forstået deres potentielle kollektive transformative kraft. Hvad vi dog stort set har forsømt, er at opnå høje succesrater med at implementere disse teknologier og gøre dem operationelle. Med de økonomiske og logistiske konsekvenser af COVID-pandemien er det nu flyttet fra at være suboptimalt til at være utilgiveligt.
Nu er vi nødt til at gøre status over, hvad vi har, sætte farten ned med at tilføje til det og øge den nødvendige disciplin for at udnytte det til sit fulde potentiale. Vores prognostikere tror, at det vil ske i 2022. Jeg gætter på, at det kan tage længere tid, men det er et godt varsel, at folk tilsyneladende har overvejet det så grundigt i den sidste del af 2021.
Cloud | Digital transformation | Robotik | Internet of Things | Innovation | Enterprise Software