Tilbage i sine tidlige dage, Big data var intetsteds så stort som vi nu ved det. Der var en tid, hvor kun massive virksomheder havde råd til teknologien bag det. Men tiderne har ændret sig, og big data har udviklet sig utroligt hurtigt, hvilket gør det muligt for små virksomheder at drage fordel af det også.
I dag med lidt hjælp fra kunstig intelligens, tingenes internet og skyen, er big data vokset fra at være en populær it-trend til at blive en del af den måde, virksomheder driver forretning på. Hvis big data-adoptionen i 2015 lå et sted på 17 %, nåede den i 2018 59 %, og tallene bliver kun større. Men før du dykker ned i de store data-trends, der dukkede op i begyndelsen af 2019, og som vil fortsætte med at få mere og mere interesse i anden del af året, en kort historie af, hvor store data blev rygraden i virksomheden, som det nu er nødvendigt.
Hvad er store data?
Big Data beskriver den store mængde strukturerede og ustrukturerede data, der dagligt overvælder virksomheder. Den enorme mængde information kan derefter analyseres for at opnå indsigt, der kan forbedre beslutninger og strategier vedrørende virksomhedens næste forretningstræk. Et perfekt eksempel er software til styring af strategiske initiativer som giver virksomhederne mulighed for at forudsige, om deres initiativer afsluttes til tiden og inden for budgettet. Virksomheder kan også identificere, om disse initiativer påvirker de målrettede KPI'er, og give den indsigt, der er nødvendig for at reducere underpræsterende projekter. Dette sætter virksomheder i stand til at løse problemer og drive ydeevne.
Begrebet big data er ikke så nyt, som nogle måske tror, da ideen om at indsamle og opbevare enorme mængder information med det formål at analysere den, senere har eksisteret i årtier. Begrebet "big data", som det nu kendes, er dog relativt nyt. I begyndelsen af 2000'erne blev big data defineret som "de tre vigtigste V'er.”:
- Volumen: virksomheder indsamler data fra alle mulige kilder, nogle af dem har stadig ukendt værdi, såsom sociale medier, mens andre giver nøjagtige oplysninger, såsom forretningstransaktioner. Mens det tidligere var noget af et problem at gemme denne enorme mængde data, blev det lettere at gøre det, efterhånden som teknologien udviklede sig.
- Hastighed: data genereres hurtigt, og nogle af informationerne skal håndteres næsten med det samme, da produkter skal justeres og fungere i realtid og kræver konstant evaluering og tilpasning.
- Bred vifte: data kommer fra forskellige kilder og kan være både strukturerede og ustrukturerede. Hvis tidligere de eneste kilder, der blev analyseret af applikationer, var regneark og databaser, kommer informationen i dag i alle mulige former, fra e-mails til fotos, PDF'er og lyd.
På trods af navnet drejer vigtigheden af big data sig ikke om mængden, men mere præcist, hvordan den håndteres. Data kan bruges til at finde løsninger til omkostnings- og tidsreduktioner, generere brugerdefineret softwareudvikling og tage smarte forretningsbeslutninger. Og når informationen kombineres med kraftfulde analytiske værktøjer, kan den gøre en vigtig forskel i en virksomheds strategiske træk. Og med nye teknologier, der er ved at opstå, er big data sikkert indstillet til kontinuerligt at ændre den måde, virksomheden udføres på.
Tingenes internet-data streamet til maskinindlæring
Bestræbelserne på at bruge tingenes internet (IoT) til at kombinere maskinlæring og streaming-analyse fortsætter også i hele 2019. Hovedmålet er at tilbyde mere justerbare og korrekte svar på alle mulige situationer, især når du kommunikerer med mennesker.
Machine Learning, som vi kender det nu, bruger en bestemt mængde lagrede data med det formål at træne i et kontrolleret miljø. I den nye model sigter udviklere på at streame data fra IoT for at levere maskinlæring i realtid i et meget mindre kontrolleret miljø. Men denne proces kræver meget mere komplekse algoritmer, da Machine Learning kan træne systemerne til at tilbyde en mere præcis resultatforudsigelse.
Tager man for eksempel bilindustrien big data fortsætter med at omforme sig. Mens big data tidligere blev brugt med det formål at forbedre dykkeroplevelser, sikkerhed og reducere kulstofemissioner, kan de nu bruges til at lægge grundlaget for autonome biler. IoT letter måden, data deles og modtages på, giver mulighed for at gøre biler mere intelligente og hjælper i sidste ende med udviklingen af fuldt autonome køretøjer. Efterhånden som teknologien udvikler sig, vil køretøjer være i stand til at indsamle data vedrørende kort, ruter, forhindringer, der kan dukke op på vejen, motorstatus og dæktryk. IoT vil give køretøjer mulighed for at dele værdifuld information med hinanden for at hjælpe med agerernes sikkerhed.
Kunstige intelligens platforme
Med hensyn til den seneste udvikling er tre AI-tendenser værd at holde øje med i 2019:
- AI-assistenter: Alexa og Siri har eksisteret i nogen tid nu, hvor næsten 50 millioner amerikanske voksne har en smart højttaler i deres hjem, men tingene stopper ikke her. Virtuelle assistenter er i stand til at udføre et stort antal handlinger, og de bliver kun mere avancerede, da de fortsat er integreret med IoT-enheder.
- AI-drevet søgning: Folk bruger ofte deres virtuelle assistenter til at køre onlinesøgninger efter dem. Hvis de ikke giver nøjagtige resultater, kan det afspejle negativt på både den virtuelle assistent og søgemaskinen. En af de mest almindelige årsager til unøjagtige søgeresultater er det faktum, at folk ofte taler anderledes, end de skriver. Resultaterne kan være meget mere præcise ved at tile søgemaskinerne til længere talte sætninger og forskellige accenter.
- chatbots: Sociale medieplatforme og e-handelswebsteder har allerede inkluderet bots, der har kundeservicefunktioner og kan hjælpe brugere med deres særlige behov. Dette vil kun fortsætte med at vokse gennem 2019, efterhånden som flere og flere nye virksomheder, der skaber bots til virksomheder, dukker op.
Hybrid Cloud
Udtrykket "sky" er ikke længere store nyheder for alle, der har og bruger en smartphone. Men der er en ny trend, der dukker op i form af Cloud Architecture, som er Hybrid Clouds. For at sige det enkelt, har hybridskyer til formål at kombinere en organisations private Cloud, som gemmer sikre data på stedet, med muligheden for at leje en offentlig Cloud, som kan bruges til at gemme projekter i store mængder, som ikke kræver meget sikkerhed. Dette giver virksomheder mulighed for at drage fordel af fordelene ved både private og offentlige skyer.
En af de største fordele ved hybrid skyer er omkostningseffektivitet. Omkostningerne til at øge kapaciteten til en on-premises Cloud, hvilket nogle gange kan betyde at bygge helt nye datacentre, kan være ekstremt høje. Ved at leje en offentlig cloud, hvor en virksomhed kan opbevare ikke-følsomme data, såsom e-mail-reklamer, sikkerhedskopier og arkiverede data, kan de organisatoriske omkostninger sænkes markant. På denne måde kan virksomheder bruge pay-as-you-go-tjenester og eliminere behovet for store økonomiske investeringer.
Fleksibilitet er en anden fordel ved hybridskyen, der gør det muligt for organisationer at flytte ressourcer fra den private til den offentlige sky og tilbage. Når det kommer til udvikling og test, giver hybridskyen udviklere mulighed for at spinne nye VM'er og apps op uden indgriben fra it-drift, samt udvide dele af applikationerne ind i skyen for bedre at håndtere spidsbelastningskravene. Skyen leverer også forskellige andre tjenester, såsom business intelligence, analytics og Internet of Things, så virksomheder kan drage fordel af dem uden at skulle bygge dem separat.
Quantum Computing
Undersøgelser har vist, at der oprettes omkring 2.5 exabyte data dagligt, og tallene fortsætter kun med at vokse. Løsningen til at gemme og analysere en så stor mængde data ser ud til at være kvanteberegning. Dette vil ikke kun give midler til at lagre data, men kan også lette analysehastigheden, da computeren ikke behøver at undersøge hele datasættet for at søge efter de nødvendige data. Og i betragtning af hvor hurtigt teknologien udvikler sig, er kvantecomputerens æra måske ikke så langt. En 72-qubit processor blev kun skabt sidste år, mens i 2017 blev en computer med endda en fjerdedel af den kraft betragtet som en fjern drøm. I betragtning af, at en 300-qubit-computer ville være mere kraftfuld end alle computere i verden, der er forbundet sammen, virker fremtiden for big data-behandling og -analyse ret lys og ret tæt på.
Ved at kombinere kvanteberegning med kunstig intelligens kan dataforskere analysere mønstre, som nu måske er mindre indlysende at søge efter. Dette kan føre til forbedringer i forskellige industrier, såsom den medicinske sektor, hvor forskere allerede bruger AI til at fremskynde kræftforskning. Dette kunne gøres meget mere effektivt med kvanteberegning.
Mens teknologien fortsætter med at udvikle sig, vil big data fortsætte med at spille en endnu vigtigere rolle i den måde, virksomheder driver deres forretning på for at imødekomme kundernes krav og følge med deres konkurrenter. Det ultimative mål, der breder sig over dette års trends, er at skabe smartere løsninger til at strømline forretningsprocesser og samtidig holde dem både tids- og omkostningseffektive.
