Chris Preimesberger Bidragende skribent
Chris J. Preimesberger har forsket, rapporteret og analyseret it-nyheder og -tendenser siden 1995, hvor han som redaktør af et internationalt nyhedsbrev, Sun's Hottest, udgav en artikel definere en ny protokol kaldet Java.
Fuld bio den 29. december 2021 | Emne: Innovation
Ifølge tankeledere i datahåndteringssektoren vil vi bruge noget ny terminologi, når vi taler om virksomhedsdata i 2022.
CTO'er og it-ledere på alle niveauer vil definere og test af termer som “data som kode” og “just-in-time” dataanalyse til deres egne produktionstilfælde.
AI vil arbejde overtid i datahåndteringsområdet, hvilket gør det muligt for callcentre at hente mere overbevisende information fra kunder, lappe huller i forsyningskæder og styrke sundhedsydelser, både lokalt og i skyen.
Adoptionsrater og indtægter genereret fra kunstig intelligens-tjenester forventes at stige i vejret, da igangværende problemer, herunder sundhedsvæsenskrisen, mangel på arbejdskraft og forsyningskædeproblemer, fortsat udgør betydelige risici for virksomhederne. For eksempel reducerer AI-baserede chatbots og virtuelle agenter presset på virksomheder fra mangel på arbejdskraft. Inden for sundhedsvæsenet giver AI-baserede løsninger plejeteams mulighed for at styre en bredere patientpopulation og gøre det med en personlig tilgang på patientniveau. Sundheds- og menneskelige tjenester er opsatte på at implementere sundhedsinitiativer for hele mennesker, som kræver adgang til højkvalitets og nøjagtige kliniske, sociale determinanter og folkesundhedsdata for at udvikle skræddersyede plejeprogrammer på individuelt niveau.
I løbet af de næste par år kan vi forvente at se fremkomsten af fødereret maskinlæring, som muliggør teknologier med høj sporbarhed og giver forskere mulighed for at træne prædiktive modeller på følsomme data på en gennemsigtig måde. Denne tilgang omfatter alt fra støtte til udviklingen af sygdomsforudsigelse til hurtigere reaktioner for autonome køretøjer.
– Zakir Hussain, EY Americas IoT-leder
Ny privatlivsfokuseret lovgivning vil flytte opmærksomheden til datasuverænitetsskyer
< blokcitat>
Med øget fokus på General Data Protection Regulation (GDPR), der regulerer databeskyttelse og privatliv i EU og California Consumer Privacy Act (CCPA), der forbedrer privatlivsrettigheder og forbrugerbeskyttelse for californiere, står andre stater og lande under pres for at vedtage omfattende databeskyttelseslovgivning . Da dette fortsætter i 2022, forventer jeg, at vi vil se meget mere fokus på datasuverænitetsskyer for at holde data inden for nationer eller inden for en bestemt fysisk placering. Dette er en langt mere specificeret skymodel, som vi begynder at se i EMEA med Gaia-X. Nogle vil se dette som en hindring, men når det først er implementeret, vil det være en god ting, da det sætter forbrugernes privatliv i centrum af forretningsstrategien.
– Danny Allen, CTO, Veeam
Nye datahåndteringstilgange på kanten vil komme i forgrunden
Vi vil se dataanalyse skalere på kanten for at reducere data eller udføre dataudtynding, så analysesoftware kan give bedre indsigt og værdi til en organisations ledelsesteam til at håndtere mængden af data, der nu genereres uden for datacentret og skyen (Garter siger, at det i 2025 vil være 75 % af alle data). Nutidens edge computing-platforme var ikke designet til at håndtere dette – en ny tilgang er nødvendig for at gemme dataene omkostningseffektivt, “tynde” dataene ved kun at finde de nyttige dele, og efterfølgende gøre det nemt for analyser, maskinlæring og AI at udvinde værdi for organisationer.
– Bruce Kornfeld, CPMO hos StorMagic
Datavidenskabsindustrien begår den fejl at sætte modeller før rene data
Uden at rense dataene vil hver model udviklet og foreslået levere snavsede, ubetydelige data, hvilket vil gøre det umuligt at sige, om AI, der er designet til at standardisere data, fungerer som det skal. Denne praksis påvirker dataforskerens position og skaber tillidsproblemer omkring brugen af AI i datahåndtering. For at kunne udnytte data til deres fulde potentiale skal virksomheder tage det første skridt til at standardisere datasæt for virkelig at transformere en industri.
—Dr. Ron Bekkerman, CTO, Cherre
Vi vil omfavne datastoffer
Datastyringsudfordringer vil ikke forsvinde i 2022, så virksomheder bliver nødt til at bygge og omfavne datastrukturarkitekturer for agilitet og dynamisk beslutningstagning. I stedet for blot at sende data ned ad en vej, der skal lagres, skaleres eller analyseres, er et datastof i stand til at dirigere data ind i et opbevaringsområde, så det kan bruges, mens det er mest relevant. Med big data, der understøtter forretningsmålene for 72 % af organisationerne, er korrekt implementering af datastof en naturlig udvikling, der hjælper virksomheder med at blive mere informeret hurtigere.
– Stefan Sigg, Chief Product Officer, Software AG
Grafdatabaser: En must-have-komponent i 2022-datalandskabet
Ifølge Gartner Research vil grafteknologier i 2025 blive brugt i 80 % af data- og analyseinnovationer, op fra 10 % i 2021, hvilket letter hurtig beslutningstagning på tværs af virksomheden. Efterhånden som mængden af data, der skabes og replikeres i hele virksomheden, fortsætter med at stige, er skalerbar grafteknologi blevet det kritiske bindeled mellem enorme mængder af data og vigtig forretningsindsigt. Grafen vil blive en stor konkurrencemæssig differentiator blandt virksomheder i flere brancher – fra finansielle tjenesteydelser og sundhedspleje til detailhandel og fremstilling. Grafer kan hurtigt fremhæve, opdage og forudsige komplekse relationer inden for data – indsigt, der afslører økonomisk svindel eller hjælper med at løse logistiske udfordringer inden for forsyningskæden.
I løbet af 2022 vil flere virksomheder anvende kraften ved grafanalyse til at understøtte avancerede analyse- og maskinlæringsapplikationer, herunder svindeldetektion, anti-hvidvaskning af penge (AML), enhedsopløsning, kunde 360, anbefalinger, vidensgraf, cybersikkerhed, forsyningskæde, IoT , og netværksanalyse. Grafer vil blive endnu mere forbundet med ML og AI. Gartner rapporterer endda, at “så mange som 50 % af Gartners klienthenvendelser omkring emnet AI involverer en diskussion omkring brugen af grafteknologi.”
– Richard Henderson, teknisk direktør hos TigerGraph
Få værdi fra data, kunstig intelligens eller tab til konkurrenter og bliv shortet af investorer< /h3>
Vi finder en bedre definition af “demokratisering af data”, især datateknik. Efterhånden som flere mennesker på tværs af organisationer og jobfunktioner omfavner og engagerer sig i data, vil datateknik fortsætte med at udvikle sig for at give disse personer mulighed for at arbejde i det samme rum sammen. Effektiv datateknik er påkrævet for meningsfuld downstream-anvendelse, herunder maskinlæring og analyse. Så kollaborativ datateknik vil være afgørende for at give udviklere, der foretrækker SQL og Python, mulighed for at udføre deres arbejde lige ved siden af dem, der bruger AI-assisterede visuelle værktøjer. Cloud-baserede værktøjer vil gøre dette mere og mere tilgængeligt.
Således vil løsninger med lav kode og ingen kode blive stadig mere udbredte, især når de sætter kodere i stand til at udføre deres arbejde i samme rum som erhvervsbrugere. Disse mere sofistikerede, næste generations værktøjer vil have automatiske programmørassistenter og omfavne moderne teknikker, der gør det muligt for ikke-kodere at skabe brugerdefinerede programmer uden at indse det i det væsentlige.
Endelig ændrer AI-teknik sig: Tænk på “maskinlæring”. operationer.” Dette felt vil eksplodere i vækst, da mange nystartede virksomheder gør komponenter af dette mere tilgængelige og praktiske.
– Adam Wilson, CEO for Trifacta
Innovation
Den mest innovative teknologi, vi gennemgik i 2021 IBM, siger Samsung, at chipgennembrud kan give telefoner 'ugelang' batterilevetid Giftig og uetisk: En nat med Facebooks Oculus Quest 2 Covid-19: De bedste hurtige testsæt derhjemme Data Management | CXO | Digital transformation | Teknisk industri | Smarte byer | Sky
Vi finder en bedre definition af “demokratisering af data”, især datateknik. Efterhånden som flere mennesker på tværs af organisationer og jobfunktioner omfavner og engagerer sig i data, vil datateknik fortsætte med at udvikle sig for at give disse personer mulighed for at arbejde i det samme rum sammen. Effektiv datateknik er påkrævet for meningsfuld downstream-anvendelse, herunder maskinlæring og analyse. Så kollaborativ datateknik vil være afgørende for at give udviklere, der foretrækker SQL og Python, mulighed for at udføre deres arbejde lige ved siden af dem, der bruger AI-assisterede visuelle værktøjer. Cloud-baserede værktøjer vil gøre dette mere og mere tilgængeligt.
Således vil løsninger med lav kode og ingen kode blive stadig mere udbredte, især når de sætter kodere i stand til at udføre deres arbejde i samme rum som erhvervsbrugere. Disse mere sofistikerede, næste generations værktøjer vil have automatiske programmørassistenter og omfavne moderne teknikker, der gør det muligt for ikke-kodere at skabe brugerdefinerede programmer uden at indse det i det væsentlige.
Endelig ændrer AI-teknik sig: Tænk på “maskinlæring”. operationer.” Dette felt vil eksplodere i vækst, da mange nystartede virksomheder gør komponenter af dette mere tilgængelige og praktiske.
– Adam Wilson, CEO for Trifacta
Innovation
Den mest innovative teknologi, vi gennemgik i 2021 IBM, siger Samsung, at chipgennembrud kan give telefoner 'ugelang' batterilevetid Giftig og uetisk: En nat med Facebooks Oculus Quest 2 Covid-19: De bedste hurtige testsæt derhjemme Data Management | CXO | Digital transformation | Teknisk industri | Smarte byer | Sky