Molti autori stranieri concordano sul fatto che l'era dei Big Data sia giunta al termine. In questo caso, il termine Big Data si riferisce a tecnologie basate su Hadoop. Molti autori possono persino indicare con certezza la data in cui i Big Data hanno lasciato questo mondo: è il 05.06.2019.
Cosa è successo in quel giorno significativo?
In quel giorno, MAPR ha promesso di interrompere le proprie operazioni se non fosse riuscita a trovare fondi per continuare a operare. Successivamente, nell'agosto 2019, MAPR è stata acquisita da HP. Tuttavia, tornando a giugno, non si può non menzionare la tragicità di questo periodo per il mercato dei Big Data. In quel mese si è verificato un crollo delle azioni di CLOUDERA, un attore principale nel mercato evidenziato, che aveva fuso le proprie attività con l'infruttuoso HORTOWORKS a gennaio dello stesso anno. Il crollo è stato significativo, pari al 43%, portando la capitalizzazione di CLOUDERA da 4,1 a 1,4 miliardi di dollari.
Non si può non notare che le voci riguardanti un'inflazione della bolla nel settore delle tecnologie basate su Hadoop circolavano sin dal dicembre 2014, ma essa ha resistito coraggiosamente per quasi cinque anni. Queste voci erano basate sul rifiuto di Google, la compagnia in cui è nata la tecnologia Hadoop, di utilizzare la propria invenzione. Tuttavia, la tecnologia si è affermata durante il periodo di transizione delle aziende verso strumenti cloud e dello sviluppo rapido dell'intelligenza artificiale. Pertanto, guardando indietro, si può affermare con certezza che la fine fosse prevista.
Pertanto, l'era dei Big Data è terminata, ma nel processo di lavoro con i grandi dati le aziende hanno compreso tutte le sfide associate, i vantaggi che i Big Data possono fornire al business e hanno imparato a sfruttare l'intelligenza artificiale per estrarre valore dai dati grezzi.
Diventa quindi interessante chiedersi cosa prenderà il posto di questa tecnologia e come si svilupperanno ulteriormente le tecnologie analitiche.
Analisi Aggiuntiva
Durante gli eventi descritti, le aziende impegnate nell'analisi dei dati non sono rimaste inattive. Questo è evidenziato dalle informazioni sulle transazioni avvenute nel 2019. Quest'anno è stata effettuata la più grande operazione di mercato: l'acquisizione da parte di Salesforce della piattaforma analitica Tableau per 15,7 miliardi di dollari. Si è verificata anche un'operazione minore tra Google e Looker. E naturalmente è imperativo notare l'acquisizione da parte di Qlik della piattaforma di big data Attunity.
I leader del mercato BI e gli esperti di Gartner dichiarano un cambiamento epocale nei metodi di analisi dei dati; questo cambiamento distruggerà completamente il mercato BI e porterà alla sostituzione del BI con l'AI. In questo contesto, è importante notare che l'acronimo AI non sta per 'Artificial Intelligence', ma per 'Augmented Intelligence'. Esploriamo più da vicino cosa si cela dietro il termine 'Analisi Aggiuntiva'.
L'analisi aggiuntiva, come la realtà aumentata, si basa su alcuni postulati comuni:
- la possibilità di comunicare utilizzando l'NLP (Natural Language Processing), ovvero in linguaggio umano;
- l'uso dell'intelligenza artificiale, il che significa che i dati saranno elaborati preventivamente da un'intelligenza artificiale;
- e naturalmente le raccomandazioni disponibili per l'utente del sistema, generate dall'intelligenza artificiale.
Secondo i produttori di piattaforme analitiche, il loro utilizzo sarà accessibile agli utenti che non possiedono competenze specialistiche, come la conoscenza di SQL o di un linguaggio di scripting simile, né formazione statistica o matematica, né conoscenze sui linguaggi popolari specifici per l'elaborazione dei dati e le relative librerie. Queste persone, chiamate 'Citizen Data Scientist', dovranno avere solo eccezionali qualifiche aziendali. Il loro compito sarà quello di cogliere spunti aziendali dai suggerimenti e dalle previsioni fornite dall'intelligenza artificiale, sofficemente precisando le loro intuizioni attraverso l'uso dell'NLP.
Descrivendo il processo di lavoro degli utenti con sistemi di questo tipo, si può immaginare la seguente situazione. Una persona, arrivando al lavoro e avviando l'applicazione corrispondente, oltre al consueto insieme di report e dashboard, che possono essere analizzati con metodi standard (ordinamento, raggruppamento, operazioni aritmetiche), vede suggerimenti e raccomandazioni come: «Per raggiungere l'obiettivo chiave, in termini di vendite, dovresti applicare uno sconto sui prodotti della categoria “Giardinaggio”.» Inoltre, la persona può rivolgersi al messenger aziendale: Skype, Slack, ecc. Può porre domande al robot, sia per testo che per voce: «Mostrami i cinque clienti più redditizi». Ricevuta la risposta adeguata, deve prendere decisioni ottimali, basandosi sulla propria esperienza aziendale, per portare profitto all'azienda.
Se facciamo un passo indietro e guardiamo la composizione delle informazioni analizzate, in questa fase, i prodotti di analytics avanzata possono semplificare la vita delle persone. Idealmente, si presume che l'utente debba solo indicare all'analytical product le fonti delle informazioni desiderate, e il software si occuperà da solo della creazione del modello di dati, del collegamento delle tabelle e di compiti simili.
Tutto questo dovrebbe garantire, prima di tutto, la «democratizzazione» dei dati, ovvero che chiunque possa occuparsi dell'analisi dell'intero insieme di informazioni disponibili aziendali. Il processo decisionale deve essere supportato da metodi di analisi statistica. Il tempo di accesso ai dati deve essere minimo, così non sarà necessario scrivere script e query SQL. E, naturalmente, si potranno risparmiare sui costosi specialisti di Data Science.
Ipoteticamente, le tecnologie offrono prospettive molto promettenti per le aziende.
Cosa sostituisce i Big Data
Ma, in effetti, ho iniziato il mio articolo parlando dei Big Data. E non avrei potuto approfondire questo tema senza una breve escursione sugli strumenti BI moderni, i cui fondamenti spesso derivano dai Big Data. Il destino dei Big Data ora è chiaramente segnato, e sono le tecnologie cloud. Ho sottolineato le operazioni realizzate con i produttori di BI per dimostrare che ogni sistema analitico ora ha al suo interno un'archiviazione cloud, mentre i servizi cloud hanno la BI come front end.
Non dimenticando i pilastri nel campo dei database come ORACLE e Microsoft, è importante evidenziare la direzione di sviluppo scelta da loro, ovvero il cloud. Tutti i servizi offerti possono essere trovati nel cloud, ma alcuni servizi cloud non possono più essere ottenuti on-premise. Hanno svolto un lavoro significativo per l'uso di modelli di machine learning, creando librerie accessibili agli utenti e configurando interfacce per facilitare il lavoro con i modelli, dalla scelta fino all'impostazione dell'orario di avvio.
Un altro importante vantaggio dell'uso dei servizi cloud, che i produttori evidenziano, è la presenza di set di dati praticamente illimitati su qualsiasi tema, per l'addestramento dei modelli.
Tuttavia, sorge la domanda: quanto si radicheranno le tecnologie cloud nel nostro paese?
Fonte: habr.com
