Viele ausländische Autoren sind sich einig, dass die Ära von Big Data zu Ende ist. Und in diesem Fall bezieht sich der Begriff Big Data auf Technologien, die auf Hadoop basieren. Viele Autoren können sogar getrost das Datum nennen, an dem Big Data diese Welt verlassen hat, und dieses Datum ist der 05.06.2019.
Was geschah an diesem bedeutenden Tag?
An diesem Tag versprach MAPR, seine Arbeit einzustellen, wenn keine Mittel für den weiteren Betrieb gefunden werden könnten. MAPR wurde später im August 2019 von HP übernommen. Aber wenn wir auf den Juni zurückblicken, kommt man nicht umhin, die Tragödie dieser Zeit für den Big-Data-Markt zu bemerken. In diesem Monat kam es zu einem Einbruch der Aktienkurse von CLOUDERA, einem führenden Akteur auf dem Markt, der im Januar desselben Jahres mit der chronisch unrentablen HORTOWORKS fusionierte. Der Einbruch war recht erheblich und belief sich auf 43 %; letztendlich sank die Kapitalisierung von CLOUDERA von 4,1 auf 1,4 Milliarden Dollar.
Es ist unmöglich, nicht zu sagen, dass seit Dezember 2014 Gerüchte über eine Blase im Bereich der Hadoop-basierten Technologien im Umlauf sind, aber sie hielt tapfer noch fast fünf Jahre lang an. Diese Gerüchte basierten auf der Weigerung von Google, dem Unternehmen, aus dem die Hadoop-Technologie stammt, ihre Erfindung zu akzeptieren. Doch die Technologie etablierte sich während der Umstellung von Unternehmen auf Cloud-Verarbeitungstools und der rasanten Entwicklung künstlicher Intelligenz. Rückblickend können wir daher mit Sicherheit sagen, dass der Tod erwartet wurde.
Damit ist die Ära von Big Data zu Ende gegangen, aber im Prozess der Arbeit an Big Data haben Unternehmen alle Nuancen der Arbeit daran erkannt, die Vorteile, die Big Data für Unternehmen mit sich bringen kann, und auch gelernt, mit künstlichen Daten umzugehen Intelligenz zur Wertschöpfung aus Rohdaten.
Umso interessanter wird die Frage, was diese Technologie ersetzen wird und wie sich Analysetechnologien weiterentwickeln werden.
Erweiterte Analyse
Während der beschriebenen Ereignisse blieben die im Bereich der Datenanalyse tätigen Unternehmen nicht still. Was lässt sich anhand von Informationen über Transaktionen beurteilen, die im Jahr 2019 stattgefunden haben? In diesem Jahr wurde die größte Transaktion auf dem Markt durchgeführt – die Übernahme der Analyseplattform Tableau durch Salesforce für 15,7 Milliarden US-Dollar. Zwischen Google und Looker kam es zu einem kleineren Deal. Und natürlich ist die Übernahme der Big-Data-Plattform Attunity durch Qlik nicht zu übersehen.
BI-Marktführer und Gartner-Experten kündigen einen gewaltigen Wandel bei den Ansätzen zur Datenanalyse an; dieser Wandel wird den BI-Markt völlig zerstören und dazu führen, dass BI durch KI ersetzt wird. In diesem Zusammenhang ist zu beachten, dass die Abkürzung KI nicht „Künstliche Intelligenz“, sondern „Augmented Intelligence“ bedeutet. Werfen wir einen genaueren Blick darauf, was sich hinter den Worten „Augmented Analytics“ verbirgt.
Augmented Analytics basiert wie Augmented Reality auf mehreren allgemeinen Postulaten:
- die Fähigkeit, mittels NLP (Natural Language Processing) zu kommunizieren, d.h. in menschlicher Sprache;
- der Einsatz künstlicher Intelligenz bedeutet, dass die Daten durch maschinelle Intelligenz vorverarbeitet werden;
- und natürlich Empfehlungen, die dem Benutzer des Systems zur Verfügung stehen und durch künstliche Intelligenz generiert wurden.
Nach Angaben der Hersteller von Analyseplattformen wird deren Nutzung auch Nutzern zur Verfügung stehen, die keine besonderen Fähigkeiten haben, etwa Kenntnisse in SQL oder einer ähnlichen Skriptsprache, die keine statistische oder mathematische Ausbildung haben, die keine Kenntnisse in gängigen Sprachen haben spezialisiert auf Datenverarbeitung und entsprechende Bibliotheken. Solche Personen, sogenannte „Citizen Data Scientists“, dürfen nur über hervorragende betriebswirtschaftliche Qualifikationen verfügen. Ihre Aufgabe besteht darin, aus den Tipps und Prognosen der künstlichen Intelligenz geschäftliche Erkenntnisse zu gewinnen, und sie können ihre Vermutungen mithilfe von NLP verfeinern.
Wenn man den Prozess beschreibt, in dem Benutzer mit Systemen dieser Klasse arbeiten, kann man sich das folgende Bild vorstellen. Eine Person, die zur Arbeit kommt und die entsprechende Anwendung startet, sieht zusätzlich zu den üblichen Berichten und Dashboards, die mit Standardansätzen (Sortieren, Gruppieren, Durchführen arithmetischer Operationen) analysiert werden können, bestimmte Tipps und Empfehlungen, etwa: „In Um den KPI, die Anzahl der Verkäufe, zu erreichen, sollten Sie einen Rabatt auf Produkte aus der Kategorie „Gartenarbeit“ gewähren.“ Darüber hinaus kann eine Person einen Unternehmens-Messenger kontaktieren: Skype, Slack usw. Kann dem Roboter Fragen per Text oder Stimme stellen: „Nennen Sie mir die fünf profitabelsten Kunden.“ Nachdem er die entsprechende Antwort erhalten hat, muss er auf der Grundlage seiner Geschäftserfahrung die beste Entscheidung treffen und dem Unternehmen Gewinn bringen.
Wenn Sie einen Schritt zurücktreten und sich die Zusammensetzung der analysierten Informationen ansehen, können Augmented-Analytics-Produkte in dieser Phase das Leben der Menschen einfacher machen. Idealerweise wird davon ausgegangen, dass der Benutzer das Analyseprodukt nur auf die Quellen der gewünschten Informationen hinweisen muss und das Programm selbst sich um die Erstellung eines Datenmodells, die Verknüpfung von Tabellen und ähnliche Aufgaben kümmert.
All dies soll in erster Linie die „Demokratisierung“ von Daten gewährleisten, d.h. Jeder Mensch kann die gesamte Bandbreite der dem Unternehmen zur Verfügung stehenden Informationen analysieren. Der Entscheidungsprozess muss durch statistische Analysemethoden unterstützt werden. Die Datenzugriffszeit sollte minimal sein, sodass keine Skripte und SQL-Abfragen geschrieben werden müssen. Und natürlich können Sie bei hochbezahlten Data-Science-Spezialisten Geld sparen.
Hypothetisch bietet die Technologie sehr gute Geschäftsaussichten.
Was ersetzt Big Data?
Aber tatsächlich habe ich meinen Artikel mit Big Data begonnen. Und ich könnte dieses Thema nicht entwickeln, ohne einen kurzen Ausflug in moderne BI-Tools zu machen, deren Grundlage oft Big Data ist. Das Schicksal von Big Data ist nun klar bestimmt und es handelt sich um die Cloud-Technologie. Ich habe mich auf Transaktionen mit BI-Anbietern konzentriert, um zu zeigen, dass mittlerweile jedes Analysesystem über einen Cloud-Speicher verfügt und dass Cloud-Dienste BI als Front-End haben.
Nicht zu vergessen sind Säulen im Datenbankbereich wie ORACLE und Microsoft. Es ist notwendig, die von ihnen gewählte Richtung der Geschäftsentwicklung zu beachten, und zwar die Cloud. Alle angebotenen Dienste sind in der Cloud zu finden, einige Cloud-Dienste sind jedoch nicht mehr on-premise verfügbar. Sie haben erhebliche Arbeit an der Verwendung von Modellen für maschinelles Lernen geleistet, für Benutzer verfügbare Bibliotheken erstellt und Schnittstellen konfiguriert, um die Arbeit mit Modellen von der Auswahl bis zur Einstellung der Startzeit zu vereinfachen.
Ein weiterer wichtiger Vorteil der Nutzung von Cloud-Diensten, der von Herstellern genannt wird, ist die Verfügbarkeit nahezu unbegrenzter Datensätze zu jedem Thema für Trainingsmodelle.
Es stellt sich jedoch die Frage: Wie weit werden Cloud-Technologien in unserem Land Fuß fassen?
Source: habr.com