يتفق العديد من المؤلفين الأجانب على أن عصر البيانات الضخمة قد وصل إلى نهايته. وفي هذه الحالة، يشير مصطلح البيانات الضخمة إلى التقنيات القائمة على Hadoop. يمكن للعديد من المؤلفين تسمية التاريخ الذي غادرت فيه البيانات الضخمة هذا العالم بثقة، وهذا التاريخ هو 05.06.2019/XNUMX/XNUMX.
ماذا حدث في هذا اليوم المهم؟
في هذا اليوم، وعدت MAPR بتعليق عملها إذا لم تتمكن من العثور على أموال لمواصلة عملها. استحوذت HP لاحقًا على MAPR في أغسطس 2019. ولكن بالعودة إلى شهر يونيو/حزيران، لا يسع المرء إلا أن يلاحظ المأساة التي شهدتها هذه الفترة بالنسبة لسوق البيانات الضخمة. شهد هذا الشهر انهيارًا في أسعار أسهم شركة CLOUDERA، وهي شركة رائدة في السوق، والتي اندمجت مع شركة HORTOWORKS التي كانت غير مربحة بشكل مزمن في يناير من نفس العام. كان الانهيار كبيراً جداً وبلغ 43%، وفي نهاية المطاف، انخفضت رسملة CLOUDERA من 4,1 إلى 1,4 مليار دولار.
من المستحيل ألا نقول إن الشائعات حول وجود فقاعة في مجال التقنيات القائمة على Hadoop قد انتشرت منذ ديسمبر 2014، لكنها صمدت بشجاعة لمدة خمس سنوات أخرى تقريبًا. واستندت هذه الشائعات إلى رفض شركة جوجل، الشركة التي نشأت فيها تقنية Hadoop، من اختراعها. لكن التكنولوجيا ترسخت أثناء انتقال الشركات إلى أدوات المعالجة السحابية والتطور السريع للذكاء الاصطناعي. لذلك، إذا نظرنا إلى الوراء، يمكننا أن نقول بثقة أن الموت كان متوقعا.
وهكذا، وصل عصر البيانات الضخمة إلى نهايته، ولكن في عملية العمل على البيانات الضخمة، أدركت الشركات جميع الفروق الدقيقة في العمل عليها، والفوائد التي يمكن أن تجلبها البيانات الضخمة للأعمال التجارية، وتعلمت أيضًا استخدام البيانات الاصطناعية الذكاء لاستخراج القيمة من البيانات الخام.
والسؤال الأكثر إثارة للاهتمام هو ما الذي سيحل محل هذه التكنولوجيا وكيف ستتطور تقنيات التحليلات بشكل أكبر.
التحليلات المعززة
خلال الأحداث الموصوفة، لم تقف الشركات العاملة في مجال تحليل البيانات ساكنة. ما الذي يمكن الحكم عليه بناءً على معلومات حول المعاملات التي حدثت في عام 2019. تم هذا العام تنفيذ أكبر صفقة في السوق، وهي استحواذ شركة Salesforce على منصة التحليل Tableau مقابل 15,7 مليار دولار. حدثت صفقة أصغر بين Google وLooker. وبطبيعة الحال، لا يسع المرء إلا أن يلاحظ استحواذ شركة Qlik على منصة البيانات الضخمة Attunity.
يعلن قادة سوق ذكاء الأعمال وخبراء جارتنر عن تحول هائل في أساليب تحليل البيانات؛ وهذا التحول سوف يدمر سوق ذكاء الأعمال بالكامل ويؤدي إلى استبدال ذكاء الأعمال بالذكاء الاصطناعي. وفي هذا السياق، تجدر الإشارة إلى أن اختصار AI ليس "الذكاء الاصطناعي" بل "الذكاء المعزز". دعونا نلقي نظرة فاحصة على ما يكمن وراء عبارة "التحليلات المعززة".
تعتمد التحليلات المعززة، مثل الواقع المعزز، على عدة افتراضات عامة:
- القدرة على التواصل باستخدام NLP (معالجة اللغات الطبيعية)، أي. باللغة البشرية؛
- استخدام الذكاء الاصطناعي، وهذا يعني أن البيانات ستتم معالجتها مسبقًا بواسطة الذكاء الآلي؛
- وبالطبع التوصيات المتاحة لمستخدم النظام والتي تم إنشاؤها بواسطة الذكاء الاصطناعي.
وفقًا لمصنعي المنصات التحليلية، سيكون استخدامها متاحًا للمستخدمين الذين ليس لديهم مهارات خاصة، مثل معرفة SQL أو لغة برمجة نصية مماثلة، والذين ليس لديهم تدريب إحصائي أو رياضي، والذين ليس لديهم معرفة باللغات الشائعة متخصصة في معالجة البيانات والمكتبات المقابلة لها. يجب أن يتمتع هؤلاء الأشخاص، الذين يطلق عليهم اسم "علماء بيانات المواطنين"، بمؤهلات تجارية متميزة فقط. وتتمثل مهمتهم في التقاط رؤى الأعمال من النصائح والتنبؤات التي سيقدمها لهم الذكاء الاصطناعي، ويمكنهم تحسين تخميناتهم باستخدام البرمجة اللغوية العصبية.
عند وصف عملية عمل المستخدمين مع أنظمة هذه الفئة، يمكن للمرء أن يتخيل الصورة التالية. الشخص الذي يأتي إلى العمل ويقوم بتشغيل التطبيق المقابل، بالإضافة إلى المجموعة المعتادة من التقارير ولوحات المعلومات التي يمكن تحليلها باستخدام الأساليب القياسية (الفرز والتجميع وتنفيذ العمليات الحسابية)، يرى بعض النصائح والتوصيات، شيء من هذا القبيل: "في من أجل تحقيق مؤشر الأداء الرئيسي، عدد المبيعات، يجب عليك تطبيق خصم على المنتجات من فئة "البستنة". بالإضافة إلى ذلك، يمكن لأي شخص الاتصال ببرنامج مراسلة الشركة: Skype، Slack، إلخ. يمكنه طرح أسئلة على الروبوت عبر رسالة نصية أو صوتية: "أعطني العملاء الخمسة الأكثر ربحية". وبعد حصوله على الإجابة المناسبة، يجب عليه اتخاذ القرار الأفضل بناءً على خبرته التجارية وتحقيق الربح للشركة.
إذا رجعت خطوة إلى الوراء ونظرت إلى تركيبة المعلومات التي يتم تحليلها، وفي هذه المرحلة، يمكن لمنتجات التحليلات المعززة أن تجعل حياة الناس أسهل. ومن الناحية المثالية، من المفترض أن المستخدم سيحتاج فقط إلى توجيه المنتج التحليلي إلى مصادر المعلومات المطلوبة، وسيهتم البرنامج نفسه بإنشاء نموذج بيانات، وربط الجداول والمهام المشابهة.
كل هذا ينبغي، أولا وقبل كل شيء، ضمان "دمقرطة" البيانات، أي. يمكن لأي شخص تحليل مجموعة كاملة من المعلومات المتاحة للشركة. ويجب أن تكون عملية اتخاذ القرار مدعومة بأساليب التحليل الإحصائي. يجب أن يكون وقت الوصول إلى البيانات في حده الأدنى، لذلك ليست هناك حاجة لكتابة البرامج النصية واستعلامات SQL. وبالطبع، يمكنك توفير المال من خلال الاستعانة بمتخصصي علوم البيانات ذوي الأجور المرتفعة.
من الناحية النظرية، توفر التكنولوجيا آفاقًا مشرقة جدًا للأعمال.
ما الذي يحل محل البيانات الضخمة؟
لكن في الواقع، لقد بدأت مقالتي بالبيانات الضخمة. ولم أتمكن من تطوير هذا الموضوع دون رحلة قصيرة إلى أدوات ذكاء الأعمال الحديثة، والتي غالبًا ما تكون البيانات الضخمة أساسًا لها. لقد تم الآن تحديد مصير البيانات الضخمة بوضوح، وهي التكنولوجيا السحابية. لقد ركزت على المعاملات التي تمت مع موردي ذكاء الأعمال من أجل إثبات أن كل نظام تحليلي الآن لديه تخزين سحابي خلفه، وأن الخدمات السحابية لديها ذكاء الأعمال كواجهة أمامية.
دون أن ننسى الركائز في مجال قواعد البيانات مثل ORACLE وMicrosoft، فمن الضروري ملاحظة الاتجاه الذي اختاروه لتطوير الأعمال وهو السحابة. يمكن العثور على جميع الخدمات المقدمة في السحابة، ولكن بعض الخدمات السحابية لم تعد متوفرة محليًا. لقد قاموا بعمل كبير في استخدام نماذج التعلم الآلي، وأنشأوا مكتبات متاحة للمستخدمين، وقاموا بتكوين واجهات لتسهيل العمل مع النماذج بدءًا من تحديدها وحتى تحديد وقت البدء.
ميزة أخرى مهمة لاستخدام الخدمات السحابية، والتي عبرت عنها الشركات المصنعة، هي توفر مجموعات بيانات غير محدودة تقريبًا حول أي موضوع لنماذج التدريب.
ومع ذلك، فإن السؤال الذي يطرح نفسه: إلى أي مدى سوف تتجذر التقنيات السحابية في بلدنا؟
المصدر: www.habr.com