Ogni anno, una vasta gamma di Dati di Grandi aziende inviarmi i loro dirigenti delle previsioni per il prossimo anno. È divertente per la compilazione, quindi leggere attraverso di loro e vedere quello che ognuno ha da dire. C’è foraggio per il caos come alcune previsioni sono in contraddizione esplicita di ogni altro, e c’è ampia possibilità per certi analisi quando due o più previsioni confermano a vicenda.
Estrazione approfondimenti
Quello che preferisco fare, però, è cercare temi che legano le previsioni insieme e fornire una tassonomia per la comprensione di tutta la gamma di loro. In questo modo, anche gli elementi che sembrano contraddirsi a livello superficiale il possibile, insieme, luce a un livello più profondo, e che il consenso può emergere. E anche se il consenso previsioni potrebbe essere non corretto, possiamo tuttavia ottenere un composito di vista di ciò che i leader del settore stanno pensando e quali saranno le tendenze che probabile risultato.
Quest’anno, le previsioni parlano di transizione nel settore, tra cui il passaggio da pure-play analytics per di più applicata scenari, soprattutto per quanto riguarda l’Internet delle Cose, l’Intelligenza Artificiale, machine learning casi di utilizzo. La domanda di silos di competenze e tecnologia rispetto a un approccio integrato, che arriva, come fa l’idea di applicare tecnologie di analisi per analytics.
Non è nuovo AI
Partiamo con l’Intelligenza Artificiale (IA), che John Schroeder, presidente esecutivo e fondatore di MapR Technologies, Inc, sottolinea, è “tornato di moda.” Mentre AI è una forza contemporanea, Schroeder, giustamente, sottolinea che “nel 1960, Ray Solomonoff gettato le basi di una teoria matematica di AI”, e che “nel 1980, il Primo Convegno Nazionale dell’Associazione Americana per l’Intelligenza Artificiale (AAAI) è tenuto a Stanford e ha segnato l’applicazione delle teorie del software”.
Cosa c’è di diverso ora, però, è che i volumi di dati sono, infatti, molto più grande, il che significa che i modelli sono meglio addestrati e più precisi; gli algoritmi sono migliori, e l’interesse del cliente è di ordini di grandezza più avanti di dove è stato 30 anni fa.
Forse è per questo che Rick Fitz, SVP di Mercati di Splunk, dice che il 2017 sarà l’anno in cui “Analytics andare mainstream”, aggiungendo che “più professionisti e tecnici [conteranno] sulle tecnologie emergenti come la macchina di apprendimento, di automazione e di analisi predittiva per fare più alto livello di lavoro dietro le quinte.”
L’automazione e l’occupazione
Questo significa che significa macchine porterà via i lavori da esseri umani, un problema che è chiaramente un fattore nell’attuale panorama politico? Joe Korngiebel, SVP, Esperienza Utente a Giornata vede in questo modo: “No, le macchine non stanno prendendo il sopravvento, ma siamo a un punto critico punto di flesso.”
Che cosa significa esattamente? Vishal Awasthi, Chief Technology Officer di SAP partner Delfino Enterprise Solutions Corporation prevede “l’eliminazione della routine di compiti che possono essere delegati a…bot”, ma Awasthi gli animi, affermando che i lavoratori precedentemente focalizzata su tali attività potrebbe “trasformare i loro ruoli per i lavoratori della conoscenza che si concentrano su attività che possono ancora essere fatto solo basato sull’intelligenza in generale.”
Forse che sottende perché la gente a Internet jobs sito Indeed.com mi ha detto “ora stiamo vedendo i dati di job posting andare dopo più di un anno di declino”. Inoltre, il crescente ricorso all’automazione crea la domanda per i professionisti della sicurezza dei dati. Indeed.com dice “la sicurezza dei dati rimane il top della mente per le imprese e abbiamo visto bastone da hockey crescita a partire dal 2013.”
Macchina di apprendimento, uber alles
Che l’osservazione sembrerebbe confermare Pentaho CEO di Quentin Gallivan, la previsione che “Cybersecurity sarà il più importante big data in caso d’uso.” Gallivan è anche in accordo con l’apprendimento automatico camp, dicendo che “il 2017 il” early adopters ” di AI e machine learning analytics guadagnare un enorme vantaggio della prima mossa di digitalizzazione del business.”
Gallivan non vedere questo come limitata a pochi e specifici casi d’uso, aggiungendo: “questo è vero sia per il rivenditore on-line di voler offrire la migliore raccomandazioni per i clienti, per i grandi clienti industriali che vogliono ridurre al minimo i grandi costi di manutenzione, per il self-driving car di produttori o di un aeroporto, cercando di prevenire il prossimo attacco terroristico.”
AI, all’interno
Allora, dove sarà tutto questo AI smarts live? Toufic Boubez, VP Engineering a Splunk, prevede “la appification di machine learning”, spiegando che la “macchina capacità di apprendimento inizierà infiltrazione di applicazioni enterprise e applicazioni avanzate fornirà suggerimenti-se non risposte e fornire intelligente i flussi di lavoro basati su dati e in tempo reale il feedback degli utenti.” Boubez continua dicendo “questo permetterà agli esperti di business per beneficiare personalizzati di apprendimento automatico, senza dover essere di machine learning per gli esperti,”
Che la linea di thinkning è amplificato da Redis Labs VP Marketing di Prodotto, Leena Joshi, il quale ritiene che “le applicazioni aziendali che imparano rapidamente e personalizzare l’esperienza utente sarà la nuova norma per il successo.” Allo stesso modo, Basho CEO Adam Wray, ritiene che “le organizzazioni di iniziare a spostare il grosso dei loro investimenti per l’implementazione di soluzioni che consentono ai dati di essere utilizzato dove è generato e dove il processo di business si verificano a bordo.” E mentre che “edge” può fare riferimento ai dispositivi fisici, si può anche fare riferimento alla linea di applicazioni di business.
Dati gli Scienziati andare grande o andare a casa?
L’incorporamento di intelligence Enterprise mainstream software allude a un altro tema chiave in questo anno previsioni: se e in che misura abbiamo bisogno di Dati Scientifici.
Oliver Robinson, Direttore alla Programmazione nel Mondo, dice: “i corsi di formazione orientata verso la scienza di dati carriere aumenterà la popolarità…” e aggiunge che “questo contribuirà a soddisfare la crescente domanda di dati di scienziati e specialisti nel campo di lavoro.” Jeff Catlin, amministratore delegato di leader di PNL e sentimento fornitore di analisi Lexalytics dice “il 2017 sarà l’Anno della Data di Scienziato,'”, ma ulteriori prevede che nel 2018 “, quando AI diventerà buildable…by non di dati degli scienziati”.
Forse andando oltre, la gente a DataStax dire che “il termine, ‘Data Scientist’ diventare meno rilevante, e sarà sostituito da ‘Dati Tecnici.'” E anche la Programmazione del Mondo del Robinson permette un rilassamento dei Dati Scienziato titolo, dicendo “Machine learning e di intelligenza artificiale anche la necessità di nuovi tipi di dati specialisti” (enfasi mia).
Cloudward-legato?
Indipendentemente dal fatto che abbiamo bisogno di specialisti, scienziati o maggiore analytics di alfabetizzazione tra i lavoratori di tutte le strisce, la questione di dove analytics, avrà fatto si pone. Nonostante anni di hype intorno al cloud, è sembrato come la maggior parte dei big data attività è stata sul cluster Hadoop che sono stati installati in locale. Ma molti nel nostro previsione facoltà di insistere sul fatto che il cloud è dove le cose si sono diretti, e che anche il più conservatore di organizzazioni di adottare almeno un approccio ibrido.
Kunal Agarwal, CEO di Svelare i Dati, prevede che “nel 2017 vedremo più Grandi carichi di lavoro di Dati, cloud computing, mentre un gran numero di clienti che hanno tradizionalmente eseguire le loro operazioni locali si sposta di un cloud ibrido/locale modello.” Dan Sommer, Qlik senior director di mercato, ritiene che “a causa di dove i dati vengono generati, la facilità di ottenere iniziato, e la sua capacità di scala, stiamo ora assistendo ad un’accelerazione passare al cloud computing.” E il Fiocco di neve di Calcolo CEO, Bob Muglia, dice che “quasi ogni azienda, tra cui la maggior parte dei servizi finanziari, è ora impegnata ad adottare il cloud pubblico.”
Eric Mizell, Vice President, Global Solutions Engineering a Kinetica vede una convergenza dei sistemi cloud popolarità e il vantaggio per la macchina di apprendimento portato da Unità di Elaborazione Grafica (Gpu), affermando che “il Cloud, ottenere ‘turbo’ di prestazioni con le Gpu,” sottolineando che “Amazon ha già iniziato la distribuzione di Gpu, e Microsoft e Google hanno annunciato piani” e la previsione che “gli altri fornitori di servizi cloud possono anche essere previsto per iniziare la distribuzione di Gpu nel 2017.
IoT, in luogo di essere
Molto della necessità di questa ulteriore elaborazione potere deriva dal volume di input dei dati raccolti dai sensori incorporati in dispositivi progettati per l’Internet delle Cose (IoT) applicazioni.
Il braintrust a Analysys Mason, il Gruppo ritiene che “la prima vera commerciale NB [a banda stretta]-IoT reti sarà lanciato” nel 2017 e che “l’autorità di vigilanza in considerazione maggior sorveglianza dell’IoT.”
StreamSets CEO e Fondatore, Girish Pancha, ritiene che, nel 2017, IoT smetterà di essere la cosa nuova fiammante e verrà avviato reale, dicendo: “il prossimo anno, le organizzazioni di smettere di mettere IoT dati su un piedistallo, o, se più vi piace, in un silo.” In altre parole, internet degli Oggetti deve essere integrato con il resto del ciclo di vita dei dati nelle organizzazioni. Pancha elabora: “IoT dati deve essere correlata con altri flussi di dati, legato alla storica o di dati anagrafici o di esecuzione, attraverso algoritmi di intelligenza artificiale al fine di fornire alle imprese-guida di valore.”
In quella nota, CEO Andy Dearing, il CEO della Sconfinata, una società focalizzata su sistemi di informazione geografica (GIS), la tecnologia, ritiene che la correlazione IoT con flussi di dati basati sulla localizzazione sarà della massima importanza. Dearing prevede che “location-based analytics e piattaforme in grado di processo e di individuare le tendenze e fornire intelligence emergere come una tendenza popolare.”
Aggiunta la specificità di questo annuncio, Dearing dice che “con” self-driving cars e smart cities iniziative sempre più una realtà, sarà indispensabile per comprendere in che modo le informazioni sulla posizione possono essere utilizzati per prendere decisioni più intelligenti.”
Ciclo infinito?
Per ricavare tale valore IoT dati, le aziende avranno bisogno di competenza per l’elaborazione di dati in streaming. Anand Venugopal, responsabile di prodotto per StreamAnalytix a Impulso Tecnologie dice “le imprese che sfruttano il potere di streaming in tempo reale analytics diventano più sensibili, agile e di ottenere una migliore comprensione delle loro esigenze e abitudini di fornire una migliore esperienza complessiva.”
Il problema è che la mera ingerire dei dati non è sufficiente, perché i dati devono essere puliti e comunque preparati. Facendo che prende un sacco di lavoro, il che significa che il potenziale per nuove innovazioni nel campo della tecnologia è temperato con tecnologia vecchia realtà. Fa che non analytics, un gioco a somma zero?
Break on through
Pentaho è Gallivan, non la pensa così, credendo invece che le innovazioni in grado di risolvere i vecchi problemi, piuttosto che essere impantanati da loro. La sua opinione: “IoT adozione e la convergenza con i big data farà automatizzato di dati di onboarding un requisito” (di nuovo, enfasi mia). Mettere un altro modo, l’apprendimento automatico di modelli dovranno essere sfruttati per preparare i dati prima di allenare…macchina di altri modelli di apprendimento.
Che bella la tua trascendente analisi e, con il senno di poi, abbastanza semplice. Dopo tutto, come si fa a dire con la faccia seria che la nostra tecnologia sta cambiando gioco se non si applicano a cambiare il nostro stesso gioco?
E il mondo sarà un posto migliore
I Big Data e analytics mondo ha un po ‘ bloccato nel 2016. Speriamo, 2017 diventerà più “meta” pensiero Gallivan ha impiegato qui. Che sembrerebbe essere un biglietto del malessere attuale e nella successiva fase della produttività, e di bona fide valore per i clienti.
Armati con ottimismo, possiamo vedere come IoT-driven AI/macchina di apprendimento, in esecuzione su cloud basata su Gpu, all’interno di applicazioni Enterprise e in fase di esecuzione da parte di non esperti, può realmente funzionare. Speriamo 2017 è l’anno almeno un pezzo di che viene a passare.
