5 toppdata- och analystrender att titta pÄ under 2022

YData lanserar datacentrerad AI-gemenskap för datavetare


.

Data och analys har varit en dominerande kraft för att öka transparensen, hastigheten och beslutsförmÄgan hos organisationer i flera Är, och de kommer att fortsÀtta att vara en drivkraft under 2022 och framÄt. De gör organisationer mer motstÄndskraftiga, sÀrskilt inför pandemin som har fÄtt dem att inse den stora guldgruvan av outforskad data. Företag uppfinner nu sig sjÀlva kulturellt och tekniskt för att utnyttja data till fullo och vara digitala först. HÀr Àr en titt pÄ nÄgra data- och analystrender som vi förvÀntar oss kommer att stÄ i centrum under 2022.

1. MLops pÄskyndar AI-anpassningen

Även om datorkraft och massiva datauppsĂ€ttningar har lett till att det Ă€r lĂ€tt att skapa AI-modeller, Ă€r den svĂ„ra verkligheten att endast 53 % av AI Proof of Concepts nĂ„r produktion. Och Ă€nnu fĂ€rre lyckas leverera det avsedda, mĂ€tbara affĂ€rsvĂ€rdet. MLops eller AI Engineering vĂ€xer fram som en dominerande trend för att definiera bĂ€sta praxis och processer för att ta maskininlĂ€rningsmodeller till produktion och operationalisera dem i verkliga sammanhang. Det gör det möjligt för datavetare, dataingenjörer och managed service-personal att samarbeta för att distribuera, övervaka och styra maskininlĂ€rningstjĂ€nster. Framstegen inom MLops kommer att leda till att företag skapar stabila maskininlĂ€rningsmodeller med kvalitet pĂ„ applikationsnivĂ„. Faktum Ă€r att Gartner förutspĂ„r att Ă„r 2025 kommer de 10 % av företagen som etablerar bĂ€sta praxis för AI-teknik att generera minst tre gĂ„nger mer vĂ€rde frĂ„n sina AI-insatser Ă€n de 90 % av företagen som inte gör det.

2. Explosion av företagsdata öppnar nya vÀgar för analys och digital transformation 2022

Ökade kontaktpunkter för konsumenter har lett till att företag har tillgĂ„ng till betydligt mer konsumentdata Ă€n nĂ„gonsin tidigare. Men att fĂ„ fram företagsdata som tillverkning och försĂ€ljning har varit en stor utmaning. SĂ„ Ă€r det inte lĂ€ngre. Företagsdata registreras, lagras och görs tillgĂ€nglig mer Ă€n nĂ„gonsin. Det kan tillskrivas den ökade spridningen av IoT-enheter, sensorer, transaktionsregister, molnmigreringsinitiativ, digitalisering och behovet av att effektivt hantera hierarkiska masterdata som genereras mellan avdelningar. Företag letar nu efter att utforska guldgruvan av data och utnyttja den för att bli mer konkurrenskraftig, effektiv och innovativ, vilket ger en möjlighet för ledare inom företagsarkitektur att utforma datainitiativ och möjliggöra snabbare beslutsfattande.

3. Mogen datastyrning sÀkerstÀller datatillgÀnglighet och sÀkerhet

En stor del av data förblir oanvÀnd pÄ grund av datahantering och sÀkerhetsutmaningar. Dessutom lÀggs 30 % av företagets totala tid pÄ uppgifter som inte ger mervÀrde pÄ grund av dÄlig datakvalitet och tillgÀnglighet. Mogen datastyrning frÀmjar datahanteringsprocessen och hjÀlper till att mÀta och förstÄ hur vÀl företag hanterar sin data. En robust datastyrningspolicy kommer att tillÄta företag att maximera vÀrdet av data, hantera risken för datamissbruk och sÀkerstÀlla att lÀmpliga personer har tillgÄng till rÀtt data. Det hjÀlper organisationen att skrÀddarsy datametoder efter team och projekt. Ett moget ramverk för datastyrning tar itu med dessa utmaningar genom att standardisera datasystem, frÀmja datatransparens och möjliggöra sjÀlvbetjÀningsanalys.

4. Dataanalys blir en viktig drivkraft för 2022 Ärs motstÄndskraft

Företag fokuserar pÄ operativ smidighet och motstÄndskraft för att studsa tillbaka frÄn motgÄngar, för vilka analyser Àr en nyckelfaktor. Det gÀller sÀrskilt för försörjningskedjor som sÄg betydande störningar i transporter, organisatorisk komplexitet och rÄvaruanskaffning pÄ grund av covid-19. En undersökning fann att över 87 % av leverantörer inom leveranskedjan planerar att investera i motstÄndskraft och smidighet under de kommande tvÄ Ären. Att anskaffa rÄvaror frÄn olika geografier Àr en betydande utmaning som företag stÄr inför, vilket gör inköpsanalyser och prognoser till ett kritiskt krav. Den analyserar potentiella risker i försörjningskedjan och förbÀttrar förmÄgan att reagera pÄ interna och externa hinder, vilket ökar transparensen och insikterna för bÀttre beslutsfattande.

5. Att utnyttja plattformsspecifika tjÀnster markerar utvecklingen av multimoln

Traditionella multicloud-tjÀnster eliminerade beroendet av en enda molnleverantör och utnyttjade tvÄ eller flera offentliga eller privata moln för att distribuera datorresurser och minimera risken för stillestÄnd och dataförlust. TillvÀgagÄngssÀttet med flera moln utvecklas nu dÀr företag inte bara vill kunna vÀxla mellan moln utan anvÀnda specifika plattformar som Databricks och Snowflake för att utnyttja det bÀsta av sina erbjudanden. Medan det traditionella multimolnet kunde ha sett ut som 50 % Google och 50 % Amazon, kan det nu vara 70 % Amazon, 20 % Databricks, 30 % Confluent och 10 % MongoDB. De kanske anvÀnder Google eller AWS, men vill anvÀnda Databricks för Spark eller Snowflake för lager eftersom de Àr de bÀsta leverantörerna för det erbjudandet.

Företag experimenterar med dessa specialiserade multimolnmodeller med hjÀlp av nischtjÀnster frÄn de bÀsta leverantörerna. Detta tillvÀgagÄngssÀtt Àr inte bara kostnadseffektivt utan gör det ocksÄ möjligt för företag att anvÀnda mycket konkurrenskraftiga tjÀnster och lÀgga till utvecklingsmöjligheter utan att lÀgga till specialiserad personal.

DataDecisionMakers

VĂ€lkommen till VentureBeat-communityt!

DataDecisionMakers Àr dÀr experter, inklusive tekniska personer som arbetar med data, kan dela datarelaterade insikter och innovation.

Om du vill lĂ€sa om banbrytande idĂ©er och aktuell information, bĂ€sta praxis och framtiden för data- och datateknik, gĂ„ med oss ​​pĂ„ DataDecisionMakers.

Du kan till och med övervÀga att bidra med en egen artikel!

LÀs mer frÄn DataDecisionMakers