Viele ausländische Autoren sind sich einig, dass die Ära der Big Data zu Ende geht. In diesem Kontext bezieht sich der Begriff Big Data auf Technologien, die auf Hadoop basieren. Viele Autoren können sogar mit Überzeugung ein Datum nennen, an dem Big Data diese Welt verlassen hat, und dieses Datum ist der 05.06.2019.
Was ist an diesem denkwürdigen Tag passiert?
An diesem Tag versprach das Unternehmen MAPR, seine Tätigkeit einzustellen, wenn es nicht in der Lage sei, finanzielle Mittel für die weitere Existenz zu finden. Später, im August 2019, wurde MAPR von HP übernommen. Aber zurückblickend auf den Juni kann man nicht umhin, die Tragik dieser Zeit für den Big-Data-Markt zu bemerken. In diesem Monat stürzten die Aktienkurse von CLOUDERA, einem führenden Akteur auf diesem Markt, der Anfang des Jahres mit dem chronisch unprofitablen HORTOWORKS fusionierte, erheblich ein. Der Rückgang war beträchtlich und belief sich auf 43 %, was schließlich zu einer Marktkapitalisierung von CLOUDERA führte, die von 4,1 auf 1,4 Milliarden Dollar sank.
Es ist nicht zu leugnen, dass seit Dezember 2014 Gerüchte über das Platzen der Blase im Bereich der auf Hadoop basierenden Technologien kursierten, aber die Technologie hielt tapfer fast fünf Jahre durch. Diese Gerüchte basierten auf der Ablehnung von Google, dem Unternehmen, in dem die Hadoop-Technologie entstand, von ihrer eigenen Erfindung. Doch die Technologie setzte sich während der Umstellung der Unternehmen auf Cloud-basierte Verarbeitungsmethoden und die rasante Entwicklung der künstlichen Intelligenz durch. Deshalb kann man rückblickend mit Sicherheit sagen, dass der Tod erwartet wurde.
So ist die Ära der Big Data zu Ende gegangen, doch im Verlauf der Arbeit mit großen Daten haben Unternehmen alle Nuancen der Arbeit damit erkannt, die Vorteile, die Big Data dem Geschäft bringen kann, und gelernt, künstliche Intelligenz zu nutzen, um Wert aus Rohdaten zu schöpfen.
So wird die Frage, was als Nächstes für diese Technologie kommt und wie sich die Analysetools weiterentwickeln werden, umso interessanter.
Erweiterte Analytik
Während der beschriebenen Ereignisse haben Unternehmen, die im Bereich der Datenanalyse tätig sind, nicht stillgestanden. Dies lässt sich aus den Informationen über die im Jahr 2019 getätigten Transaktionen ableiten. In diesem Jahr wurde der größte Deal auf dem Markt abgeschlossen – die Übernahme der Analyseplattform Tableau durch Salesforce für 15,7 Milliarden Dollar. Eine kleinere Transaktion fand zwischen Google und Looker statt. Und natürlich darf nicht die Übernahme der Big Data-Plattform Attunity durch das Unternehmen Qlik unerwähnt bleiben.
Marktführer im Bereich BI und die Spezialisten von Gartner sprechen von einem gewaltigen Paradigmenwechsel im Datenanalysesektor, der den BI-Markt vollständig umkrempeln und BI durch AI ersetzen wird. In diesem Kontext ist es wichtig zu erwähnen, dass die Abkürzung AI nicht für "Artificial Intelligence" steht, sondern für "Augmented Intelligence". Lassen Sie uns näher betrachten, was hinter dem Begriff "Erweiterte Analytik" steckt.
Erweiterte Analytik basiert, ähnlich wie die erweiterte Realität, auf mehreren gemeinsamen Grundsätzen:
- der Möglichkeit, mit Unterstützung von NLP (Natural Language Processing), also in natürlicher Sprache, zu kommunizieren;
- die Verwendung künstlicher Intelligenz, das bedeutet, dass die Daten zuerst von einer Maschine verarbeitet werden;
- und natürlich die Empfehlungen, die dem Benutzer des Systems zur Verfügung stehen und gerade von der künstlichen Intelligenz generiert wurden.
Nach Meinung der Anbieter von Analyseplattformen wird ihre Nutzung auch Benutzern zugänglich sein, die über keine speziellen Fähigkeiten verfügen, wie Kenntnisse in SQL oder ähnlichen Skriptsprachen, keine statistische oder mathematische Ausbildung haben und keine Kenntnisse in beliebten Programmiersprachen besitzen, die für die Datenverarbeitung und die entsprechenden Bibliotheken spezialisiert sind. Solche Menschen, die als "Citizen Data Scientist" bezeichnet werden, sollten lediglich über hervorragende geschäftliche Qualifikationen verfügen. Ihre Aufgabe besteht darin, aus den Hinweisen und Prognosen, die ihnen die künstliche Intelligenz liefert, Geschäftseinblicke zu gewinnen; ihre Vermutungen können sie mithilfe von NLP verfeinern.
Bei der Beschreibung des Arbeitsprozesses von Nutzern mit Systemen dieser Art kann man sich folgendes vorstellen. Wenn eine Person zur Arbeit kommt und die entsprechende Anwendung startet, sieht sie neben dem gewohnten Satz an Berichten und Dashboards, die man mit Standardansätzen analysieren kann (Sortierung, Gruppierung, Durchführung arithmetischer Operationen), bestimmte Hinweise und Empfehlungen, etwa: „Um das KPI bei der Anzahl der Verkäufe zu erreichen, sollten Sie Rabatte auf Produkte aus der Kategorie „Gartenbau“ anwenden“. Darüber hinaus kann die Person auf den Unternehmensmessenger wie Skype, Slack usw. zugreifen. Sie kann dem Bot Fragen stellen, entweder schriftlich oder per Sprache: „Zeige mir die fünf profitabelsten Kunden“. Nachdem sie die entsprechende Antwort erhalten hat, muss sie eine optimale Entscheidung basierend auf ihrer Erfahrung im Geschäft treffen und dem Unternehmen Gewinn bringen.
Wenn man einen Schritt zurücktritt und sich die analysierten Informationen anschaut, kann an dieser Stelle Produkte der erweiterten Analyse den Menschen das Leben erleichtern. Idealerweise sollte der Benutzer dem analytischen Produkt nur die Quellen der gewünschten Informationen angeben, und das Programm kümmert sich selbst um die Erstellung des Datenmodells, das Verknüpfen von Tabellen und ähnliche Aufgaben.
All dies sollte vor allem die „Demokratisierung“ der Daten gewährleisten, d.h. jeder kann die gesamte vorhandene Information des Unternehmens analysieren. Der Entscheidungsfindungsprozess sollte durch statistische Analysemethoden gestützt werden. Die Zugriffszeit auf die Daten sollte minimal sein, sodass es nicht erforderlich ist, Skripte und SQL-Abfragen zu schreiben. Und natürlich kann auch Geld bei hochbezahlten Data-Science-Spezialisten eingespart werden.
Hypothetisch eröffnen Technologien sehr vielversprechende Perspektiven für Unternehmen.
Was Big Data ersetzt
Ich habe meinen Artikel tatsächlich mit Big Data begonnen. Um dieses Thema weiterzuentwickeln, kann ich nicht ohne einen kurzen Exkurs in die modernen BI-Tools auskommen, deren Grundlage häufig Big Data bildet. Das Schicksal der Big Data ist nun eindeutig vorbestimmt, und zwar durch Cloud-Technologien. Ich habe den Fokus auf die Transaktionen gelegt, die mit BI-Anbietern abgeschlossen wurden, um zu zeigen, dass jetzt jedes analytische System eine Cloudspeicherung hat und Cloud-Services BI als Frontend integrieren.
Ohne die bedeutenden Säulen im Bereich der Datenbanken wie ORACLE und Microsoft zu vergessen, sollte die von ihnen gewählte Richtung der Geschäftsentwicklung, nämlich die Cloud, hervorgehoben werden. Alle angebotenen Dienstleistungen sind in der Cloud verfügbar, jedoch sind einige Cloud-Dienste bereits nicht mehr On-Premise erhältlich. Es wurde viel Arbeit geleistet, um Machine-Learning-Modelle zu verwenden, Bibliotheken erstellt, die für Benutzer zugänglich sind, und Schnittstellen eingerichtet, die eine benutzerfreundliche Arbeit mit den Modellen von der Auswahl bis zur Installation der Startzeit ermöglichen.
Ein weiterer wichtiger Vorteil der Nutzung von Cloud-Diensten, der von den Herstellern genannt wird, ist die Verfügbarkeit nahezu unbegrenzter Datensätze zu jedem Thema für das Training von Modellen.
Doch stellt sich die Frage, wie gut sich Cloud-Technologien in unserem Land etablieren werden?
Quelle: habr.com
