10 روند برتر داده و تجزیه و تحلیل برای سال 2021


چگونه همه گیر COVID-19 بر دنیای داده ها و تجزیه و تحلیل شرکت تأثیر گذاشته است؟ در اینجا روند سال 2021 آمده است.

تصویر: NicoElNino – stock.adobe.com

در چند سال گذشته ، سازمان های شرکتی از ایده های تحلیلی پیشرفته استقبال کرده اند ، شروع با کلمات بلند مانند داده های بزرگ و رفتن به موضوعاتی مانند یادگیری ماشین و هوش مصنوعی. اما نوید این فناوری ها بعضی اوقات می تواند در واقعیت کاربرد آنها در بنگاه اقتصادی واقعی از بین برود. بسته به اینکه چه تحقیقاتی را دنبال می کنید ، چگونه فن آوری را تعریف می کنید و چه س questionsالاتی می پرسید ، پذیرش تجزیه و تحلیل پیشرفته ، یادگیری ماشین و هوش مصنوعی در سازمان های شرکتی بسیار متفاوت است.

اما فناوری هم مورد توجه متخصصان فناوری اطلاعات در سنگرها و هم مدیران ارشد در شرکت ها قرار گرفته است ، که قول وی را در مورد همه چیز از کاهش هزینه ها تا افزایش درآمد ، تسریع نوآوری و بهبود رقابت بازار اذعان دارند.

سال گذشته ، گارتنر گفت که معرفی هوش مصنوعی شرکتی در تولید به 19 درصد رسیده است. اما هرچه فناوری از طریق پشتیبانی بیشتر از طرف تأمین كنندگان ، استعداد بیشتر و پیشرفتهای فن آوری بیشتر گسترش یابد ، مشاغل در موقعیت بهتری خواهند بود تا هوش مصنوعی را به روشهای مختلفی كه به آنها پرداخته نشده است ، به كار گیرند.

اطلاعات بیشتر در مورد داده ها و تجزیه و تحلیل را در اینجا بخوانید:

علم داده: چگونگی تأثیر همه گیر بر 10 شغل محبوب

چگونه یک برنامه هوش مصنوعی موفق ایجاد کنیم

وضعیت Chatbots: نسخه همه گیر

حقوق تحلیلی در برابر بحران COVID پایدار است

با این حساب ، شرکت تحلیلگر طی سمپوزیوم اخیر گارتنر خود ، 10 روند برتر استراتژیک فناوری در داده ها و تجزیه و تحلیل ، 2020 ، لیستی را ارائه داد که برای هدایت سازمان ها “از بحران به فرصت دیگر” به عنوان مشاغل طراحی شده است از اثرات همه گیر بر ابتکارات تجاری و فناوری اطلاعات بهبود یابید.

ریتا سلام

ریتا سلام

در اینجا روندهای ارائه شده توسط معاون رئیس جمهور ریتا سلام در جریان همایش گارتنر ارائه شده است.

1. هوش مصنوعی هوشمند ، سریعتر ، با مسئولیت بیشتری. گارتنر پیش بینی کرده است که 75 درصد مشاغل از استقرار آزمایشی به عملیاتی استفاده از هوش مصنوعی تا پایان سال 2024 منتقل می شوند و این باعث افزایش 5 برابری زیرساخت های جریان و تجزیه و تحلیل می شود. رویکردهای فعلی چالش هایی دارد. مدلهای اولیه مبتنی بر مقادیر زیادی داده تاریخی ممکن است دیگر معتبر نباشند.

اما وقفه در هوش مصنوعی امکان یادگیری الگوریتم هایی مانند تقویت یادگیری ، یادگیری قابل تفسیر به عنوان هوش مصنوعی قابل توضیح و زیرساخت های کارآمد مانند محاسبات محدود و انواع جدید تراشه را فراهم می کند.

2. داشبورد را رها کنید. داستان های دارای داده (نه تابلو) تا سال 2025 به رایج ترین روش مصرف تجزیه و تحلیل تبدیل می شوند و 75٪ از این داستان ها با استفاده از تکنیک های پیشرفته تجزیه و تحلیل به طور خودکار تولید می شوند. هوش مصنوعی و فناوری های یادگیری ماشین در حال ورود به سیستم عامل های هوش تجاری هستند. در داشبورد ، کاربران باید غرق در بینش های بعدی کارهای دستی زیادی شوند. اما این داستان های داده ای بدون نیاز به کاربر برای انجام تجزیه و تحلیل خود ، بینش ارائه می دهند.

3. هوش برای تصمیم گیری. بیش از 33٪ از سازمانهای بزرگ دارای تحلیلگرانی هستند که هوش تصمیم گیری را تمرین می کنند ، از جمله مدل سازی تصمیم تا سال 2023. گارتنر هوش تصمیم گیری را به عنوان یک منطقه عملی مشخص می کند که طیف وسیعی از تکنیک های تصمیم گیری را شامل می شود. این برنامه کاربردهایی مانند سیستم های انطباقی پیچیده را پوشش می دهد. این شامل چارچوبی است که ترکیبی از تکنیک های سنتی مانند رویکردهای مبتنی بر قانون با تکنیک های پیشرفته مانند هوش مصنوعی و یادگیری ماشین است. این به کاربران غیرفنی امکان می دهد منطق تصمیم گیری را بدون درگیر کردن برنامه نویسان تغییر دهند.

4. تجزیه و تحلیل X. “X” در اینجا مخفف هر تعداد کلمه است که قبل از تجزیه و تحلیل باشد. گارتنر گفت هوش مصنوعی برای تجزیه و تحلیل ویدئو ، صدا ، لرزش ، متن ، احساسات و سایر محتوا باعث ایجاد نوآوری و تحول عمده در 75٪ از شرکتهای Fortune 500 تا سال 2025 خواهد شد. X مخفف نوعی تجزیه و تحلیل از قبیل تجزیه و تحلیل فیلم یا تجزیه و تحلیل صوتی است. این امکان جدیدی برای تجزیه و تحلیل ایجاد می کند ، زیرا داده های این نوع به طور کامل توسط اکثر سازمان ها استفاده نمی شوند. اما تلاش ها برای استفاده از آن در حال افزایش است. سلام گفت: تکنیک های هوش مصنوعی و استفاده از هوش مصنوعی در ابر برای گسترش پذیرش و تأثیر تجزیه و تحلیل X در حال بلوغ است. در اینجا موارد استفاده زیادی وجود ندارد ، مانند تجزیه و تحلیل تصویر و فیلم برای بهینه سازی زنجیره تامین یا زمان فیلم و صدا یا تجزیه و تحلیل ترافیک.

5. مدیریت داده پیشرفته: فراداده “سیاه جدید” است. سازمان هایی که با استفاده از فراداده فعال ، یادگیری ماشین و پارچه های داده برای اتصال پویا ، بهینه سازی و خودکارسازی فرآیندهای مدیریت داده ، زمان تحویل داده ها را تا سال 2023 30٪ کاهش می دهند.

از تکنیک های AI برای توصیه بهترین روش بعدی یا تشخیص خودکار متادیتا یا نظارت خودکار بر کنترلهای مدیریتی ، در میان سایر روشها استفاده می شود. این مفهوم مجاز است که گارتنر آن را یک پارچه داده می نامد. گارتنر بستر داده را به عنوان چیزی تعریف می کند که از تجزیه و تحلیل مداوم دارایی های فراداده موجود ، قابل شناسایی و مشتق شده برای پشتیبانی از طراحی ، پیاده سازی و استفاده از اشیا data داده یکپارچه و قابل استفاده مجدد ، صرف نظر از بستر استقرار یا رویکرد معماری ، استفاده می کند.

6. ابر مشخص است. خدمات ابری عمومی برای 90٪ نوآوریهای داده و تجزیه و تحلیل تا سال 2022 ضروری است. هوش مصنوعی مبتنی بر ابر بین 2019 و 2023 5 برابر افزایش می یابد و AI را به یکی از بهترین دسته های بارگذاری ابر تبدیل می کند. این روند مدتها قبل از همه گیری شروع شد ، اما تأثیر COVID-19 بر روی شرکت مطمئناً آن را تسریع کرد. ارائه دهندگان ابر خود داده ها را برای آشنایی با مدل های موجود در نمونه کارها خود نگهداری می کنند. از دید یک ارائه دهنده ابر ، هرچه ارائه دهندگان ابر شما را وادار به انجام داده ها و تجزیه و تحلیل در فضای ابری خود کنند ، محاسبات بیشتری را در فضای ابری آنها انجام خواهید داد. از نظر شرکت ها ، استفاده از خدمات ابری عمومی سازمان ها را قادر می سازد کار را سریعتر انجام دهند. به گفته ساللام ، Cloud پشته جدید است.

7. دنیای داده ها و تجزیه و تحلیل با هم برخورد می کنند. طبق گفته گارتنر ، برنامه های غیر تحلیلی طی چند سال آینده تکامل می یابند. تا سال 2023 ، 95٪ از شرکتهای Fortune 500 مدیریت تجزیه و تحلیل را به ابتکارات گسترده تری در زمینه مدیریت و تجزیه و تحلیل داده تبدیل خواهند کرد. سلام گفت ، پیش از این ، تا سال 2022 ، 40 درصد از توسعه و ارزیابی مدل های یادگیری ماشین در محصولاتی انجام می شود که هدف اصلی آنها یادگیری ماشین نیست. ارائه دهندگان تجزیه و تحلیل و BI قابلیت مدیریت داده را اضافه می کنند. ارائه دهندگان مدیریت داده ، آماده سازی داده ها را اضافه می کنند. انتظار می رود در آینده نزدیک شاهد همگرایی بیشتری باشید.

8. بازارهای داده و تبادل. گارتنر پیش بینی کرده است که 35٪ از سازمانهای بزرگ تا سال 2022 فروشنده یا خریدار داده از طریق بازارهای رسمی داده آنلاین خواهند بود. به گزارش سلام ، این افزایش 25٪ در سال 2020 است. وی گفت ، این روند مربوط به شتاب ابر ، علم داده و یادگیری ماشین و هوش مصنوعی است.

9. زنجیره بلوکی عملی (برای داده ها و تجزیه و تحلیل). گارتنر معتقد است که در زمینه داده ها و تجزیه و تحلیل ها ، بلاکچین برای ابتکارات خاص عمودی و مبتنی بر تجارت مانند قراردادهای هوشمند استفاده خواهد شد. به گفته ساللام ، از آن برای جایگزینی فن آوری های موجود مدیریت داده استفاده نخواهد شد. بلاکچین ذاتاً از منابع داده جایگزین امنیت بیشتری دارند. گارتنر پیش بینی کرده است که تا سال 2023 ، سازمان هایی که از قراردادهای هوشمند بلاکچین استفاده می کنند ، کیفیت داده ها را 50٪ افزایش می دهند ، اما در دسترس بودن داده ها را 30٪ کاهش می دهند و بازده مثبت داده ها و تجزیه و تحلیل ها را ایجاد می کنند.

10. روابط اساس ارزش و تجزیه و تحلیل داده ها را تشکیل می دهد. به گفته گارتنر ، فناوری های گرافیکی زمینه سازی سریع تصمیم گیری را در 30٪ از سازمان های سراسر جهان تسهیل می کنند. پایگاه داده های گرافیکی و سایر فناوری ها بر ارتباطات بین نقاط داده متمرکز هستند. سلام گفت: این روابط برای بیشتر کارهایی که می خواهیم با داده ها و تجزیه و تحلیل ها انجام دهیم حیاتی است. ما می خواهیم بدانیم موتورهای حاصل خاص چیست؟ مردم پس از خرید چتر چه چیزی خریداری کردند؟ مردم چه چیزهایی را به طور هم زمان خریداری می کنند؟ اما بیشتر روابط هنگام استفاده از روش های ذخیره سازی سنتی از بین می روند. ترکیب جداول رابطه ای با هم از منابع زیادی استفاده می کند و باعث کاهش تولید می شود. فناوری گرافیک این روابط را حفظ کرده و زمینه یادگیری ماشین و هوش مصنوعی را افزایش می دهد. آنها همچنین توضیح این فن آوری ها را بهبود می بخشند.

جسیکا دیویس کار خود را صرف پوشش تلاقی تجارت و فناوری در عناوینی از جمله Infoworld توسط IDG ، eWeek و Channel Insider توسط Ziff Davis Enterprise و MSPmentor توسط Penton Technology کرده است. او علاقه زیادی به استفاده عملی از هوش تجاری دارد ، … بیوگرافی کامل را ببینید

ما از نظرات شما در مورد این موضوع در کانال های رسانه های اجتماعی خود استقبال می کنیم [contact us directly] با س questionsال در مورد سایت.

بینش بیشتر




منبع: tasiveh-news.ir

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>