Zahlreiche internationale Autoren sind sich einig, dass die Ära der Big Data zu Ende gegangen ist. In diesem Kontext beziehen sich die Technologien unter dem Begriff Big Data auf Hadoop-basierte Systeme. Viele Autoren können sogar mit Sicherheit das Datum benennen, an dem Big Data diese Welt verlassen hat – es ist der 05.06.2019.
Was ist an diesem denkwürdigen Tag passiert?
An diesem Tag kündigte das Unternehmen MAPR an, seine Aktivitäten einzustellen, wenn es keine Mittel für den weiteren Betrieb finden könne. Später, im August 2019, wurde MAPR von HP übernommen. Aber zurück zu Juni; man kann die Tragik dieses Zeitraums für den Big Data-Markt nicht übersehen. In diesem Monat erlebte die Aktie des Unternehmens CLOUDERA – einem führenden Akteur auf diesem Markt – einen dramatischen Rückgang, nachdem es im Januar desselben Jahres mit dem chronisch defizitären HORTOWORKS fusioniert hatte. Der Rückgang war erheblich und betrug 43%, wodurch die Marktkapitalisierung von CLOUDERA von 4,1 auf 1,4 Milliarden Dollar sank.
Es lässt sich nicht leugnen, dass seit Dezember 2014 Gerüchte über eine mögliche Blasenbildung im Technologie-Bereich rund um Hadoop im Umlauf sind, aber die Technologie hat tapfer fast fünf Jahre durchgehalten. Diese Gerüchte basierten auf der Entscheidung von Google, der Firma, in der Hadoop entwickelt wurde, dieses Erbe hinter sich zu lassen. Dennoch blieb die Technologie relevant, insbesondere während des Übergangs der Unternehmen zu Cloud-Lösungen und der explosionsartigen Entwicklung von künstlicher Intelligenz. Rückblickend lässt sich also mit Sicherheit sagen, dass das Ende vorhersehbar war.
So ist die Ära von Big Data zu Ende gegangen, aber während der Arbeit mit großen Datenmengen erkannten Unternehmen alle Feinheiten im Umgang damit, die Vorteile, die Big Data für das Geschäft bieten kann, und lernten, künstliche Intelligenz zu nutzen, um einen Mehrwert aus Rohdaten zu schöpfen.
Desto interessanter wird die Frage, was diese Technologie ersetzen wird und wie sich die Analysetechnologien weiterentwickeln werden.
Erweiterte Analytik
Während der beschriebenen Ereignisse haben Unternehmen im Bereich Datenanalyse nicht stillgestanden. Dies lässt sich anhand der Informationen über Transaktionen im Jahr 2019 ablesen. In diesem Jahr fand der größte Deal des Marktes statt – der Erwerb der Analyseplattform Tableau durch Salesforce für 15,7 Milliarden Dollar. Ein weniger umfangreicher Deal fand zwischen Google und Looker statt. Und natürlich darf die Übernahme der Big-Data-Plattform Attunity durch das Unternehmen Qlik nicht unerwähnt bleiben.
Marktführer im Bereich BI und Experten von Gartner berichten von einem gewaltigen Wandel in den Ansätzen zur Datenanalyse, dieser Wandel wird den BI-Markt vollständig umkrempeln und zu einem Ersatz von BI durch AI führen. In diesem Kontext ist es wichtig zu betonen, dass die Abkürzung AI nicht für "Artificial Intelligence" steht, sondern für "Augmented Intelligence". Lassen Sie uns näher betrachten, was sich hinter dem Begriff "Erweiterte Analyse" verbirgt.
Die erweiterte Analyse basiert, ähnlich wie die erweiterte Realität, auf mehreren gemeinsamen Postulaten:
- der Möglichkeit, mit Hilfe von NLP (Natural Language Processing), d.h. in menschlicher Sprache, zu kommunizieren;
- der Verwendung von künstlicher Intelligenz, was bedeutet, dass die Daten von einer Maschine vorverarbeitet werden.
- Und natürlich auch die Empfehlungen, die den Anwendern des Systems zur Verfügung stehen, welche gerade vom KI-gestützten System generiert wurden.
Laut den Herstellern von Analyseplattformen wird ihre Nutzung auch für Anwender zugänglich sein, die keine speziellen Fähigkeiten besitzen, wie etwa SQL-Kenntnisse oder ähnlichen Skriptsprachen, keine statistische oder mathematische Ausbildung haben und nicht über Kenntnisse in gängigen Programmiersprachen zur Datenverarbeitung und den entsprechenden Bibliotheken verfügen. Solche Personen, die als „Citizen Data Scientist“ bezeichnet werden, sollten lediglich über außergewöhnliche Business-Kompetenzen verfügen. Ihre Aufgabe besteht darin, Geschäftseinblicke aus den Ideen und Prognosen, die ihnen die Künstliche Intelligenz bietet, herauszufiltern, wobei sie ihre Annahmen mithilfe von NLP präzisieren können.
Wenn man den Arbeitsprozess der Benutzer mit Systemen dieser Art beschreibt, kann man sich folgendes Szenario vorstellen. Eine Person kommt zur Arbeit und öffnet die entsprechende Anwendung. Neben den gewohnten Reports und Dashboards, die mit standardmäßigen Methoden analysiert werden können (Sortierung, Gruppierung, Durchführung von arithmetischen Operationen), sieht sie bestimmte Hinweise und Empfehlungen, wie zum Beispiel: „Um Ihre Verkaufsziele zu erreichen, sollten Sie Rabatte auf Produkte aus der Kategorie 'Gartenbau' anwenden.“ Darüber hinaus kann die Person auf den Unternehmensmessenger wie Skype oder Slack zugreifen. Sie kann dem Bot Fragen stellen, entweder schriftlich oder per Sprache: „Nenne mir die fünf profitabelsten Kunden.“ Nach Erhalt der entsprechenden Antwort muss sie, basierend auf ihrer Geschäftserfahrung, die optimale Entscheidung treffen, um dem Unternehmen Gewinn zu bringen.
Wenn man einen Schritt zurücktritt und die Informationen, die analysiert werden, betrachtet, können Produkte der erweiterten Analyse den Menschen das Leben erleichtern. Idealerweise muss der Nutzer lediglich dem Analysetool die Quellen der gewünschten Informationen angeben, während die Software sich um die Erstellung des Datenmodells, die Verknüpfung von Tabellen und ähnliche Aufgaben kümmert.
All dies sollte in erster Linie die «Demokratisierung» der Daten sicherstellen, d.h. jeder kann die gesamte Informationsmenge, die im Unternehmen vorhanden ist, analysieren. Der Entscheidungsprozess sollte durch statistische Analysemethoden unterstützt werden. Die Zugriffszeit auf Daten sollte minimal sein, sodass das Schreiben von Skripten und SQL-Abfragen nicht erforderlich ist. Und natürlich kann man auch an hochbezahlten Data-Science-Spezialisten sparen.
Hypothetisch eröffnen Technologien sehr vielversprechende Perspektiven für Unternehmen.
Was Big Data ersetzt
Ich habe meinen Artikel mit Big Data begonnen und kann das Thema nicht weiterentwickeln, ohne einen kurzen Blick auf moderne BI-Tools zu werfen, die oft auf Big Data basieren. Die Zukunft von Big Data steht fest: es sind Cloud-Technologien. Ich habe auf Transaktionen zwischen BI-Herstellern hingewiesen, um zu zeigen, dass jetzt jedes Analysesystem über Cloud-Speicher verfügt und Cloud-Dienste BI als Frontend nutzen.
Ohne die Säulen im Datenbankbereich wie ORACLE und Microsoft zu vergessen, ist es wichtig, ihre gewählte Richtung in der Geschäftsentwicklung zu erwähnen: die Cloud. Alle angebotenen Dienste sind in der Cloud zu finden, aber einige cloudbasierte Dienste sind nicht mehr in der On-Premise-Form erhältlich. Es wurde erhebliche Arbeit geleistet, um Machine-Learning-Modelle zu implementieren, Bibliotheken für Benutzer zu erstellen und benutzerfreundliche Schnittstellen zu konfigurieren, die vom Modell-Training bis zum Startzeitpunkt reichen.
Ein weiterer wichtiger Vorteil der Nutzung von Cloud-Diensten, der von Anbietern hervorgehoben wird, ist die Verfügbarkeit nahezu unbegrenzter Datensätze zu jeder Thematik, um Modelle zu trainieren.
Doch die Frage bleibt, wie gut sich Cloud-Technologien in unserem Land etablieren werden?
Quelle: habr.com
