[ad_1]

پس از یک چالش برانگیز سال 2020 ، اهمیت تجزیه و تحلیل و استراتژی قوی داده های شرکتی حتی بیشتر مشخص می شود. در اینجا برخی از روندها برای تماشا وجود دارد.

تصویر: Rymden - stock.adobe.com

تصویر: Rymden – stock.adobe.com

با وجود ناکامی های یک سال پر چالش ، حجم و اهمیت تجزیه و تحلیل و داده های شرکت برای استراتژی و پیاده سازی شرکت افزایش یافته است. استفاده و استفاده از هرچه بیشتر داده های شرکتی نه تنها مهم بلکه ضروری است.

تغذیه ضرورت چندین رویکرد ، فناوری و سیستم عامل جدید است. اگر دوست دارید پیشرفت کنید ، زمان کار بسیار مهیبی برای کار با داده ها و تجزیه و تحلیل های سازمانی است. تجزیه و تحلیل شرکت ها در سال 2021 سفری هیجان انگیز خواهد بود. در اینجا روندهایی که باید مشاهده کنید وجود دارد.

رایانش ابری منجر به بازیابی فناوری می شود

هزینه های فن آوری های شرکتی افزایش می یابد و بیشتر آنها صرف داده ها و تجزیه و تحلیل ها می شود – مدیریت داده ها ، محرمانه بودن داده ها ، پروژه های فشرده داده و موارد دیگر. قابلیت های رایانش ابری به شما این امکان را می دهد که مانند گذشته هرگز به سرعت این پروژه ها را امتحان کرده و به سرعت اجرا کنید. نوآوری های تأمین کنندگان همگرا این حرکت را ایجاد می کنند. به عنوان مثال ، AWS اخیراً حجم EBSio2 Block Express را اعلام کرده است. این یک ابر سان است. آنها همچنین جلدهای Gp3 را اعلام کردند که به شما امکان می دهد SLA را برای IOPS تنظیم کنید. پیام عالی دیگر انباشته شدن و تکثیر خودکار است ، که به طور خودکار داده ها را به سطوح ذخیره سازی سردتر منتقل می کند.

فضای ذخیره سازی سنتی در حال رشد متوسط ​​است و بازیکنان ذخیره سازی سنتی را مجبور به چرخش می کند. بازگشت به داخل کشور خبرساز است اما بندرت.

COVID-19 فقط نیاز به تمرکز و کارآیی شرکت ها و بنابراین مبتنی بر ابر را تشدید می کند.

هوش مصنوعی و یادگیری ماشین

سازمانها به طور فزاینده ای بر هوش مصنوعی و یادگیری ماشین (AI / ML) تمرکز دارند. سازمانهای پیشرو از این انقلاب استقبال می كنند ، كه انقلاب اطلاعاتی گسترده ای را به دنبال خواهد داشت و در مهندسی مجدد كامل شركتهای دارای AI / ML قرار دارند. با تولید ده ها مدل ، این شرکت ها فراتر از موارد استفاده اولیه هستند.

با مطالعه اهداف شرکت و نقشه راه ، به ندرت فعالیتی وجود دارد که با AI / ML تزریق نشود. زمینه های اصلی تمرکز اولیه اتوماسیون و تجربه مشتری است ، اما سازمان های پیشرو در زمینه های حفاظت پایین دست ، تجزیه و تحلیل پیش بینی و زنجیره تامین در حال گسترش هستند. سایر سازمانها و برنامه ها در سال 2021 دنبال می شوند.

مشارکت ML سفر چند ساله خود را به عنوان یک رویکرد ترجیحی ML آغاز خواهد کرد. این رویکرد تجربه انسانی و ML را با هم ترکیب می کند و برای این روزهای ابتدایی ML و راحتی روزافزون شرکت با آن مناسب است زیرا در سالهای آینده به سمت اعتماد بیشتر به ML حرکت می کنیم. ML مشارکتی از ML به عنوان مکمل فکر انسان در تصمیم گیری مبتنی بر داده استفاده می کند. ML مشارکتی عمدتاً شواهد ابتکاری مشارکت مشتری در سال 2021 خواهد بود.

پیاده سازی مدلهای ML در سال 2021 امری اساسی خواهد بود. با پیچیده تر شدن مدلها ، اجرای مدلها به بیشترین فعالیت متخصصان داده افزایش می یابد. با این حال ، اکثر سازمان ها با MLOps دست به گریبان هستند – یا باید بگویم بدون آنها -.

MLOps از اصول تحویل ML DevOps استفاده می کند. مدل سازی می تواند از یک رویکرد تکراری بهره مند شود تا دامنه بهتر درک شود و مدل ها بهبود یابند. فرآیند ، MLOps ، به یک خط لوله بسیار اتوماتیک از ابزارها ، مخازنی برای ذخیره و ردیابی مدل ها ، کد ، منبع داده و یک محیط هدف نیاز دارد که بتواند به سرعت در آن مستقر شود. در ML تجربیات و اشتباهات زیادی وجود دارد و به همین دلیل روند کار آن انجام می شود. MLOps می تواند به سازمان ها کمک کند تا در هزینه های زیرساختی صرفه جویی کرده و ضمن کاهش بار عملیاتی ، به سرعت در استقرار مدل کمک کنند.

موفقیت با MLOps می تواند نشان دهنده 50٪ یا بیشتر از ارزش تحویل ML در سال جاری باشد.

دریاچه های داده و ذخیره سازی ابر

موقعیت دریاچه های داده روند بزرگی در سال 2020 بود ، اما هنوز به اندازه کافی قوی است و می تواند روند امسال باشد.

دریاچه های داده معرفی شده در سال 2021 روند استفاده از ذخیره سازی ابری را دنبال می کنند و به یک انبار داده مبتنی بر رابطه در مفهوم Lakehouse مرتبط می شوند. دریاچه هایی که قبلا توسعه یافته بودند اکنون نیاز به این امر را می بینند. نوسازی نیز فعالیت عمده ای برای سال 2021 خواهد بود.

پیشرفت های جالب در ذخیره سازی ابر نیز سودمندی آنها را افزایش می دهد. به عنوان مثال ، پروژه Nessie یک تجربه Git مانند را برای دریاچه های داده فراهم می کند ، و Apache Iceberg اکنون گزینه ای است که توالی معاملات ، برگشت و سفر در زمان برای یک دریاچه داده را فراهم می کند. Nessie همچنین اجازه می دهد تا تراکنش ها به چندین کاربر و موتور مانند Spark ، Kakfa ، Hive و Dremio برسد.

Data Lakes بخشی از مجموعه اطلاعات مدرن گسترده است. در حالی که از داده های منبع ، یکپارچه سازی داده ها و دسترسی به داده ها برای تشکیل یک پشته سازگار استفاده می شد ، در سال 2021 پشته ها گسترش خواهند یافت و شامل تجزیه و تحلیل داده ها ، علم داده ، فهرست داده ها ، مدیریت بار ، استقرار و م componentsلفه ها می شوند. برای امنیت.

اگرچه من در استفاده از فناوری های پایگاه داده رابطه ای به دلیل این پیشرفت ها کاهش مشاهده نمی کنم ، اما آنها مطمئناً از انتخاب لایه ذخیره سازی به عنوان یک نقطه اتصال برای امسال حمایت می کنند.

روندها برای نظارت مهم هستند زیرا به خواسته های مشتری شما تبدیل می شوند. برای کسانی که پایبند هستند ، بهتر است در ابتدای روند باشند تا در انتها. این روندها باید ایده های تجاری شما را ارائه دهند و موارد دیگر برابر ، تأثیر زیادی بر فعالیت های انجام شده در شرکت شما در سال 2021 دارند.

ویلیام مک نایت به بسیاری از مشهورترین سازمانهای جهان مشاوره داده است. استراتژی های وی طرح مدیریت اطلاعات را برای شرکت های پیشرو در صنایع مختلف تشکیل می دهد. او نویسنده ای توانا و مدرس و مربی محبوب است. او ده ها معیار از پایگاه های اطلاعاتی پیشرو ، حوضچه داده ها ، جریان سازی و ادغام داده ها را انجام داده است. ویلیام یک تأثیرگذار جهانی در ذخیره سازی داده ها و مدیریت کارشناسی ارشد داده است و وی رهبری می کند گروه مشاوره مک کایت، که دو بار توسط Inc ذکر شده است. 5000. می توان در آن دسترسی پیدا کرد [email protected].

انجمن هفته اطلاعات متخصصان فناوری اطلاعات و متخصصان صنعت را با مشاوره ، آموزش و نظرات فناوری اطلاعات گرد هم آورده است. ما تلاش می کنیم رهبران فن آوری و متخصصان موضوع را برجسته کنیم و از دانش و تجربه آنها برای کمک به مخاطبان IT خود استفاده کنیم … 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



[ad_2]

منبع: tasiveh-news.ir