Chris Preimesberger Bidragsforfatter
Chris J. Preimesberger har forsket på, rapportert og analysert IT-nyheter og -trender siden 1995, da han som redaktør for et internasjonalt nyhetsbrev, Sun's Hottest, publiserte en artikkel definere en ny protokoll kalt Java.
Full bio 29. desember 2021 | Emne: Innovasjon
I følge tankeledere i dataadministrasjonssektoren kommer vi til å bruke noe ny terminologi når vi snakker om bedriftsdata i 2022.
CTOer og IT-ledere på alle nivåer vil definere og tester termer som “data som kode” og “just-in-time” dataanalyse for deres egne produksjonstilfeller.
AI vil jobbe overtid i databehandlingsområdet, noe som gjør det mulig for callsentre å hente mer overbevisende informasjon fra kunder, lappe hull i forsyningskjeder og styrke helsetjenester, både lokalt og i skyen.
Adopsjonsrater og inntekter generert fra kunstig intelligens-tjenester anslås å skyte i været ettersom pågående problemer, inkludert helsekrise, mangel på arbeidskraft og forsyningskjedeproblemer, fortsetter å utgjøre betydelige risikoer for bedrifter. For et eksempel reduserer AI-baserte chatboter og virtuelle agenter presset på bedrifter fra mangel på arbeidskraft. I helsevesenet lar AI-baserte løsninger omsorgsteam administrere en bredere pasientpopulasjon og gjøre det med en personlig tilnærming på pasientnivå. Helse- og menneskelige tjenester er opptatt av å implementere helsetiltak for hele mennesker, som krever tilgang til høykvalitets og nøyaktige kliniske, sosiale determinanter og folkehelsedata for å utvikle tilpassede omsorgsprogrammer på individnivå.
I løpet av de neste årene kan vi forvente å se fremveksten av forent maskinlæring, som muliggjør teknologier med høy sporbarhet og lar forskere trene prediktive modeller på sensitive data på en transparent måte. Denne tilnærmingen inkluderer alt fra støtte for utviklingen av sykdomsprediksjon til raskere respons for autonome kjøretøy.
– Zakir Hussain, EY Americas IoT-leder
Ny personvernfokusert lovgivning vil flytte oppmerksomheten til datasuverenitetsskyer
< blockquote>
Med økt fokus på General Data Protection Regulation (GDPR) som regulerer databeskyttelse og personvern i EU og California Consumer Privacy Act (CCPA) som styrker personvernrettigheter og forbrukerbeskyttelse for kaliforniske innbyggere, står andre stater og land overfor press for å innføre omfattende personvernlovgivning. . Ettersom dette fortsetter i 2022, forventer jeg at vi vil se mye mer fokus på datasuverenitetsskyer for å holde data innenfor nasjoner eller innenfor et bestemt fysisk sted. Dette er en langt mer spesifisert skymodell som vi begynner å se i EMEA med Gaia-X. Noen vil se dette som en hindring, men når det først er implementert, vil dette være en god ting da det setter forbrukernes personvern i kjernen av forretningsstrategien.
– Danny Allen, CTO, Veeam
Nye datahåndteringstilnærminger ved kanten vil komme i forgrunnen
Vi vil se dataanalyse skala ved kanten for å redusere data eller utføre datatynning slik at analyseprogramvare kan gi bedre innsikt og verdi til en organisasjons ledergruppe for å håndtere datavolumet som nå genereres utenfor datasenteret og skyen (Garter sier at innen 2025 vil det være 75 % av alle data). Dagens edge computing-plattformer var ikke designet for å håndtere dette — en ny tilnærming er nødvendig for å lagre dataene kostnadseffektivt, “tyne” dataene ved kun å finne de nyttige delene, og deretter gjøre det enkelt for analyser, maskinlæring og AI å hente ut verdi for organisasjoner.
– Bruce Kornfeld, CPMO hos StorMagic
Datavitenskapsindustrien gjør feilen ved å sette modeller foran rene data
Uten å rense dataene, vil hver modell utviklet og foreslått levere skitne, ubetydelige data, som vil gjøre det umulig å si om AI som er designet for å standardisere data fungerer som den skal. Denne praksisen påvirker dataforskers posisjon og skaper tillitsproblemer rundt bruken av AI i databehandling. For å lykkes med å utnytte data til sitt fulle potensial, må bedrifter ta det første skrittet for å standardisere datasett for å virkelig transformere en bransje.
—Dr. Ron Bekkerman, CTO, Cherre
Vi vil omfavne datastoffer
Datahåndteringsutfordringer vil ikke forsvinne i 2022, så bedrifter må bygge og omfavne datastoffarkitekturer for smidighet og dynamisk beslutningstaking. I stedet for bare å sende data nedover en vei som skal lagres, skaleres eller analyseres, kan en datastruktur lede data inn i et oppbevaringsområde slik at de kan brukes mens det er mest relevant. Med big data som støtter forretningsmålene til 72 % av organisasjonene, er riktig implementering av datastoff en naturlig utvikling som hjelper bedrifter til å bli mer informert raskere.
– Stefan Sigg, Chief Product Officer, Software AG
Grafdatabaser: En må-ha-komponent i 2022-datalandskapet
I følge Gartner Research, innen 2025, vil grafteknologier bli brukt i 80 % av data- og analyseinnovasjonene, opp fra 10 % i 2021, noe som gjør det lettere å ta beslutninger i hele bedriften. Ettersom volumet av data opprettet og replikert i hele bedriften fortsetter å øke, har skalerbar grafteknologi blitt den kritiske koblingen mellom enorme mengder data og viktig forretningsinnsikt. Grafen vil bli en viktig konkurransedifferensiator blant selskapene i flere bransjer – fra finansielle tjenester og helsetjenester til detaljhandel og produksjon. Grafer kan raskt fremheve, oppdage og forutsi komplekse relasjoner i data – innsikt som avdekker økonomisk svindel eller hjelper til med å løse logistikkutfordringer i forsyningskjeden.
Gjennom 2022 vil flere selskaper bruke kraften til grafanalyse for å støtte avanserte analyse- og maskinlæringsapplikasjoner, inkludert svindeloppdagelse, anti-hvitvasking av penger (AML), enhetsoppløsning, kunde 360, anbefalinger, kunnskapsgraf, cybersikkerhet, forsyningskjede, IoT , og nettverksanalyse. Grafer vil bli enda mer knyttet til ML og AI. Gartner rapporterer til og med at “så mange som 50 % av Gartners kundehenvendelser rundt emnet AI involverer en diskusjon rundt bruken av grafteknologi.”
– Richard Henderson, teknisk direktør i TigerGraph
Få verdi fra data, AI eller tap på konkurrenter og bli shortet av investorer< /h3>
Vi finner en bedre definisjon av “demokratisering av data”, spesielt datateknikk. Ettersom flere mennesker på tvers av organisasjoner og jobbfunksjoner omfavner og engasjerer seg i data, vil datateknikk fortsette å utvikle seg for å la disse personene jobbe i samme rom i samarbeid. Effektiv datateknikk er nødvendig for meningsfull nedstrømsbruk, inkludert maskinlæring og analyser. Så, samarbeidende datateknikk vil være avgjørende for å la utviklere som foretrekker SQL og Python gjøre arbeidet sitt rett ved siden av de som bruker AI-assisterte visuelle verktøy. Skybaserte verktøy vil gjøre dette stadig mer tilgjengelig.
Dermed vil løsninger med lav kode og ingen kode bli stadig mer utbredt, spesielt når de gjør det mulig for kodere å gjøre arbeidet sitt på samme plass som forretningsbrukere. Disse mer sofistikerte neste generasjons verktøyene vil ha automatiske programmeringsassistenter og omfavne moderne teknikker som lar ikke-kodere lage tilpassede programmer uten at de egentlig er klar over det.
Til slutt endrer AI-teknologi seg: Tenk på “maskinlæring”. operasjoner.” Dette feltet vil eksplodere i vekst ettersom mange oppstartsbedrifter gjør komponenter av dette mer tilgjengelige og praktiske.
Vi finner en bedre definisjon av “demokratisering av data”, spesielt datateknikk. Ettersom flere mennesker på tvers av organisasjoner og jobbfunksjoner omfavner og engasjerer seg i data, vil datateknikk fortsette å utvikle seg for å la disse personene jobbe i samme rom i samarbeid. Effektiv datateknikk er nødvendig for meningsfull nedstrømsbruk, inkludert maskinlæring og analyser. Så, samarbeidende datateknikk vil være avgjørende for å la utviklere som foretrekker SQL og Python gjøre arbeidet sitt rett ved siden av de som bruker AI-assisterte visuelle verktøy. Skybaserte verktøy vil gjøre dette stadig mer tilgjengelig.
Dermed vil løsninger med lav kode og ingen kode bli stadig mer utbredt, spesielt når de gjør det mulig for kodere å gjøre arbeidet sitt på samme plass som forretningsbrukere. Disse mer sofistikerte neste generasjons verktøyene vil ha automatiske programmeringsassistenter og omfavne moderne teknikker som lar ikke-kodere lage tilpassede programmer uten at de egentlig er klar over det.
Til slutt endrer AI-teknologi seg: Tenk på “maskinlæring”. operasjoner.” Dette feltet vil eksplodere i vekst ettersom mange oppstartsbedrifter gjør komponenter av dette mer tilgjengelige og praktiske.
– Adam Wilson, administrerende direktør i Trifacta
Innovasjon
Den mest innovative teknologien vi vurderte i 2021 IBM, Samsung sier at brikkegjennombrudd kan gi telefonene “ukelang” batterilevetid Giftig og uetisk: En natt med Facebooks Oculus Quest 2 Covid-19: De beste hurtigtestsettene hjemme Data Management | CXO | Digital transformasjon | Teknisk industri | Smarte byer | Sky