Эксперты рассказывают об основных тенденциях больших данных за 2017 год

Автор: Roger Morrison
Дата создания: 21 Сентябрь 2021
Дата обновления: 19 Июнь 2024
Anonim
Наталья Зубаревич. Тенденции развития российских регионов
Видео: Наталья Зубаревич. Тенденции развития российских регионов

Содержание


вынос:

Многие эксперты считают, что 2017 год будет еще более масштабным, поскольку технология больших данных становится все более изощренной, а организации продолжают оттачивать свою способность использовать большие данные.

2016 год стал знаковым для больших данных. Согласно данным, собранным Tableau, больше организаций, чем когда-либо прежде, хранили, обрабатывали и анализировали большие данные в рамках своих бизнес-процессов. Многие эксперты считают, что 2017 год будет еще более масштабным, поскольку технология больших данных становится все более изощренной, а организации продолжают оттачивать свою способность использовать большие данные. Мы попросили экспертов в этой области представить свои прогнозы о том, что будет год, когда дело доходит до технологии больших данных. Вот что они нам сказали.

Увеличение автоматизации в инструментах больших данных

Компании, инвестирующие в большие данные, должны знать больше о своих клиентах, продуктах и ​​операциях. Новые инструменты для инструментальных панелей данных и автоматизации отчетности способны превращать информацию о длинных и коротких хвостах в доходы и приносить прибыль. Автоматизация и затраты на оффшорную экспертизу в области наук о данных позволят снизить затраты на внедрение ориентированных на бизнес инструментов анализа и помочь готовым клиентам персонализировать и продавать более качественные продукты / услуги своим новым и лояльным клиентам.

-Майкл Редди, основатель и главный аналитик Digital Acumen


Повышенное внимание к чистоте данных

Несмотря на все более мощное машинное обучение и продвинутые алгоритмы, многие маркетологи просто не смогли должным образом собрать свои данные, нормализовать их, очистить, структурировать и поместить в место, где они могут быть проанализированы. 2017 год будет годом, когда больше внимания будет уделяться этим задачам «сбора данных».

-Майк Дрисколл, генеральный директор Metamarkets

Ранние усыновители начнут использовать единую платформу взаимодействия с клиентами

Первые пользователи начнут использовать единую платформу взаимодействия с клиентами для сбора данных, полученных по всем точкам взаимодействия. Этот тип системы будет включать аналитику самообслуживания, мобильную аналитику и аналитику больших данных. Аналитика действительно дает понимание того, что ищут бренды, но важно рассматривать аналитику контакт-центра с точки зрения клиента, агента и организации. Другие решения, пытающиеся управлять пользовательским опытом, не могут работать за пределами одного взаимодействия. Они либо попадают в ловушку функции (продажи, маркетинг, сервис), либо канала (голосовой, мобильный, цифровой, социальный) или, что еще хуже, в канал в функции. В этих бункерах ответственность исчезает. В эпоху, когда потребители ожидают беспроблемного использования цифровых технологий, для потери лояльности клиентов достаточно одного перерыва.

-Merijn te Booij, директор по маркетингу в Genesys


SaaS и большие данные станут основой для аналитики ИТ-операций

Ожидается, что в 2017 году комбинация SaaS и больших данных переместится в основное русло решений для анализа ИТ-операций в реальном времени.

Нет ошибок, нет стресса - ваше пошаговое руководство по созданию изменяющего жизнь программного обеспечения без разрушения вашей жизни

Вы не можете улучшить свои навыки программирования, когда никто не заботится о качестве программного обеспечения.

Большие данные родились как программное обеспечение с открытым исходным кодом. Несмотря на огромную мощность, в большинстве случаев его нелегко переварить большинство ИТ-магазинов. Коммерциализация больших данных возникла благодаря консалтинговым компаниям, которые предлагали интеграцию и поддержку этих инструментов с открытым исходным кодом. Это было эффективно, но дорого. Параллельно облачные провайдеры начали предлагать инструменты для работы с большими данными в сочетании с ресурсами облачной инфраструктуры. Эти этапы эволюции закладывают основу для естественного перехода от инструментов и универсальных платформ к предложениям SaaS для больших данных, основанным на реальных сценариях использования.

-Джим Фрей, вице-президент по стратегическим альянсам в Кентике

Демократизация больших данных ускоряет и выравнивает игровое поле для небольших компаний

Особое внимание будет уделяться технологиям и услугам, которые передают всю мощь данных тем, кто в них больше всего нуждается. Например, в сфере продаж и маркетинга будет больше возможностей для мониторинга, очистки и анализа больших данных «на грани», прежде чем они будут выгружены в большие централизованные базы данных, где они могут быстро потерять ценность. Компании будут все чаще обращать внимание на поставщиков, которые облегчают бремя всего управления данными, обеспечивая при этом более эффективные продажи и маркетинг, предоставляя хорошие данные в руки торговых представителей и маркетологов, чтобы они могли предпринять более информированные и незамедлительные действия. Это будет особенно полезно для небольших компаний, которые будут использовать демократизированные данные для конкуренции с более крупными конкурентами.

-Генри Шук, соучредитель и генеральный директор DiscoverOrg

Компании и технологии, которые создают большие данные и управляют ими, столкнутся с большими ожиданиями

Компании понимают, что проверенные данные являются наиболее важным фактором, определяющим успешные продажи и маркетинг. По мере того, как все больше технологий применяется к функциям продаж и маркетинга, хорошие данные становятся все более важными, поскольку именно эти инструменты используются в качестве топлива. Огромная ценность, которую Microsoft придает LinkedIn благодаря своим обширным данным и инвестициям, которые Salesforce вложила в инструменты, позволяющие использовать данные для информирования о «пути клиента», являются основными сигналами, которые предвещают будущие рыночные альянсы, консолидацию и инновации, которые будут основываться главным образом на ценность хороших данных.

-Генри Шук, соучредитель и генеральный директор DiscoverOrg

Суверенитет и безопасность данных будут стимулировать дискуссии на мировых форумах

Один из самых больших вопросов, связанных с большими данными в 2017 году, будет: «Кто на самом деле владеет ими?». Суверенитет и безопасность данных - как на корпоративном, так и на индивидуальном уровне - будут вести дискуссии по этой теме на многих известных форумах по всему миру (таких как Всемирный экономический форум в Давосе и G8).

По мере того как мы вступаем в эру машинного обучения, искусственного интеллекта (ИИ) и виртуальной реальности, данные, полученные с помощью любого отдельного элемента технологии, принадлежат «владельцу / создателю технологии». Однако в таких странах, как Европа, внедряются такие структуры, как Общие Регламент о защите данных (GDPR) в 2018 году, который будет предусматривать значительно большие штрафы за нарушения законов о защите данных (в некоторых случаях до 4% от глобального дохода компании), равно как и финансовая ответственность за несоблюдение.

Теперь, когда халатность в отношении суверенитета данных нанесет прямой удар по глубоким карманам корпораций, я прогнозирую, что в 2017 году он привлечет гораздо больше внимания.

-Гарри Коннолли, основатель и президент Host в Ирландии

Активность слияний и поглощений AI и Analytics Vendor ускорится

Нет сомнений в том, что есть огромный захват земли для всего, что связано с искусственным интеллектом, машинным обучением или глубоким обучением. Основные игроки, такие как Google, Apple, Salesforce и Microsoft для AOL и Amazon, стимулировали тенденцию приобретения в этом году. В связи с короткой историей работы большинства приобретаемых стартапов, эти шаги направлены не только на приобретение ограниченного числа экспертов по искусственному интеллекту на планете, но и на ценность того, что каждая компания произвела на сегодняшний день. Битва за интеллектуальную собственность предприятий ИИ явно развернута между IBM Watson, Salesforce Einstein и Oracle Adaptive Intelligent Applications. Хорошо известно, что ИИ нуждается в последовательной основе надежных данных для работы. С ограниченным числом стартапов, предлагающих эти интегрированные возможности, поиск соответствующих идей и, в конечном счете, рекомендуемых действий, которые могут помочь с прогнозирующим и более эффективным прогнозированием и принятием решений, приведет к еще более агрессивной деятельности по слияниям и поглощениям в 2017 году.

-Рамон Чен, директор по маркетингу Reltio

Озера данных наконец станут полезными

Многие компании, которые в первые дни резко сократили объемы данных, потратили немалые деньги не только на покупку недорогого хранилища и процессов, но и на множество услуг для агрегирования и предоставления значительных пулов больших данных для быть сопоставлены и раскрыты для лучшего понимания. Задача состояла в том, чтобы найти квалифицированных ученых-данных, способных разобраться в информации, а также гарантировать надежность данных, с которыми данные сопоставляются и сопоставляются (хотя отмеченный эксперт Том Давенпорт недавно заявил, что это миф, что ученые-данные трудны найти). Озера данных также не смогли обеспечить ввод и получение обновлений в реальном времени от действующих приложений. К счастью, сужается разрыв между тем, что традиционно было дисциплиной и набором технологий, известными как управление основными данными (MDM), и миром операционных приложений, хранилищ аналитических данных и озер данных. С учетом того, что существующие проекты больших данных признают необходимость надежного основания данных, а новые проекты объединяются в единую стратегию управления данными, озера данных могут, наконец, выполнить свое обещание в 2017 году.

-Рамон Чен, директор по маркетингу Reltio

Закон Мура останется верным для баз данных

Согласно закону Мура, процессоры всегда становятся быстрее и дешевле. В последнее время базы данных следовали той же схеме.

В 2013 году Amazon изменила игру, когда представила Redshift, базу данных с массовой параллельной обработкой, которая позволяла компаниям хранить и анализировать все свои данные по разумной цене. С тех пор, однако, компании, которые рассматривали такие продукты, как Redshift, как хранилища данных с практически неограниченной емкостью, попали в стену. У них есть сотни терабайт или даже петабайт данных, и они застряли между тем, чтобы платить больше за скорость, к которой они привыкли, или ждать пять минут, чтобы запрос вернулся.

Введите (или повторно введите) закон Мура. Redshift стал отраслевым стандартом для облачных баз данных MPP, и мы не увидим, что это изменится в ближайшее время. С учетом вышесказанного мы прогнозируем на 2017 год, что базы данных MPP по требованию, такие как Google BigQuery и Snowflake, получат огромный рост популярности. Базы данных по требованию берут копейки за хранение, что позволяет компаниям хранить данные, не беспокоясь о стоимости. Когда пользователи хотят выполнять запросы или извлекать данные, они раскручивают необходимое оборудование и выполняют работу за считанные секунды. Они быстрые, масштабируемые, и мы ожидаем, что многие компании будут использовать их в 2017 году.

-Ллойд Табб, основатель, председатель и технический директор Looker

У SQL будет еще один необычный год

SQL существует уже несколько десятилетий, но с конца 1990-х до середины 2000-х он вышел из моды, когда люди начали изучать альтернативы NoSQL и Hadoop. SQL, однако, вернулся с удвоенной силой. Возрождение SQL было прекрасно созерцать, и я даже не думаю, что он еще близок к своему пику.

-Ллойд Табб, основатель, председатель и технический директор Looker

ИТ-команды будут уделять больше внимания использованию больших данных для использования

В 2017 году ИТ-команды будут выходить за рамки решения больших данных и, в свою очередь, больше внимания уделят использованию больших данных в качестве следующего шага. Машинное обучение будет использоваться в качестве источника широкого интеллекта и идей, которые раньше были невозможны для человека. В сочетании с отзывами клиентов ИТ-специалисты будут использовать информацию, полученную из машинного обучения, для прогнозирования и персонализации пользовательского опыта.

-Раджагопал Чандрамохан, главный архитектор, Enterprise Business Services в Intuit

Все больше компаний будут использовать аналитику больших данных для выявления (а не просто предотвращения) мошенничества

Многие ИТ-менеджеры не знают, что системы планирования ресурсов предприятия (ERP), которые содержат и управляют большими наборами данных компании, имеют присущие им сложности, которые фактически могут создавать возможности для мошенничества. Учитывая затраты на капитальный ремонт таких систем, компании начинают уделять больше внимания обнаружению мошенничества, устанавливая инструменты анализа данных для двойной проверки возможностей ERP с целью выявления аномалий, которые могут указывать на мошенничество.

Хотя добавление элементов управления ERP может предотвратить дополнительное мошенничество, оно является дорогостоящим и часто ограничивает эффективность процесса, одновременно открывая дверь для обхода решительными мошенниками. Сместив акцент, компании могут получить возможность анализировать тенденции в данных ERP и определять, где кто-то допустил ошибку или попытался обойти средства управления, вместо того чтобы устанавливать бесконечные контрольно-пропускные пункты.

-Дэн Зиттинг, директор по продукции ACL

2017 год станет годом оптимизации для организаций с облачными хранилищами данных

Для организаций с облачными хранилищами данных 2017 год станет годом оптимизации. Для тех, кто хочет перенести данные в облако, 2017 год станет годом для внедрения стратегий оптимизации данных. Все дороги приводят к устранению ненужных эксплуатационных расходов, в то же время способствуя повышению эффективности бизнеса благодаря доступу к информации и фактам. Истории о бумерангах данных - данные перемещаются в облако, а затем перемещаются обратно из-за непредвиденных затрат - можно устранить, следуя стратегии зонированной обработки данных. Это влечет за собой поддержку архитектур данных с предпосылкой, что все данные не равны организации. Архитекторы данных должны учитывать ценность данных в зависимости от потребностей организации. Выравнивание может быть достигнуто с зонами данных. Типичные примеры: освещение поддержки, конкурентное преимущество, инновации и совершенствование. Прошли те времена, когда озера данных можно рассматривать как простое и недифференцированное убежище для всех данных. Попасть в зону, зону данных.

-Уильям Херли, старший директор службы жизненного цикла программного обеспечения в Astadia