Daugelis užsienio autorių sutinka, kad didžiųjų duomenų era baigėsi. Ir šiuo atveju terminas „Big Data“ reiškia technologijas, pagrįstas „Hadoop“. Daugelis autorių netgi gali drąsiai įvardyti datą, kada Big Data paliko šį pasaulį ir ši data yra 05.06.2019-XNUMX-XNUMX.
Kas nutiko šią reikšmingą dieną?
Šią dieną MAPR pažadėjo sustabdyti savo darbą, jei neras lėšų tolesnei veiklai. Vėliau 2019 m. rugpjūčio mėn. HP įsigijo MAPR. Tačiau grįžtant į birželį, negalima nepastebėti šio laikotarpio tragedijos Big Data rinkai. Šį mėnesį krito CLOUDERA – pirmaujančios rinkos žaidėjos, kuri tų pačių metų sausį susijungė su chroniškai nepelninga HORTOWORKS – akcijų kainos. Žlugimas buvo gana reikšmingas ir sudarė 43%, galiausiai CLOUDERA kapitalizacija sumažėjo nuo 4,1 iki 1,4 milijardo dolerių.
Negalima nesakyti, kad gandai apie burbulą Hadoop pagrindu sukurtų technologijų srityje sklandė nuo 2014 metų gruodžio, tačiau jis drąsiai išsilaikė dar beveik penkerius metus. Šie gandai buvo pagrįsti Google, įmonės, kurioje atsirado Hadoop technologija, atsisakymu išradinėti savo išradimą. Tačiau ši technologija įsigalėjo įmonėms pereinant prie debesų apdorojimo įrankių ir sparčiai vystantis dirbtiniam intelektui. Todėl žvelgdami atgal galime drąsiai teigti, kad mirtis buvo laukiama.
Taigi didžiųjų duomenų era baigėsi, tačiau dirbdamos su „Big Data“ įmonės suprato visus darbo su jais niuansus, naudą, kurią „Big Data“ gali atnešti verslui, taip pat išmoko naudoti dirbtinius. intelektas išgauti vertę iš neapdorotų duomenų.
Įdomesnis tampa klausimas, kas pakeis šią technologiją ir kaip toliau vystysis analitinės technologijos.
Papildyta analizė
Aprašytų įvykių metu duomenų analizės srityje dirbančios įmonės nesėdėjo vietoje. Ką galima spręsti remiantis informacija apie sandorius, įvykusius 2019 m. Šiais metais buvo įvykdytas didžiausias sandoris rinkoje – „Salesforce“ įsigijo analitinę platformą „Tableau“ už 15,7 mlrd. Tarp „Google“ ir „Looker“ įvyko mažesnis sandoris. Ir, žinoma, negalima nepaminėti, kad Qlik įsigijo didžiųjų duomenų platformą Attunity.
BI rinkos lyderiai ir „Gartner“ ekspertai skelbia apie milžinišką duomenų analizės požiūrio pasikeitimą. Šiame kontekste reikėtų pažymėti, kad AI santrumpa yra ne „Dirbtinis intelektas“, o „Papildytas intelektas“. Pažvelkime atidžiau, kas slypi už žodžių „Papildyta analizė“.
Papildyta analizė, kaip ir papildyta realybė, yra pagrįsta keliais bendrais postulatais:
- gebėjimas bendrauti naudojant NLP (Natural Language Processing), t.y. žmonių kalba;
- dirbtinio intelekto naudojimas, tai reiškia, kad duomenis iš anksto apdoros mašininis intelektas;
- ir, žinoma, sistemos vartotojui prieinamos rekomendacijos, kurias sugeneravo dirbtinis intelektas.
Analitinių platformų gamintojų teigimu, jomis naudotis galės vartotojai, neturintys specialių įgūdžių, tokių kaip SQL ar panašios skriptų kalbos žinios, neturintys statistinio ar matematinio išsilavinimo, nemokantys populiarių kalbų. specializuojasi duomenų apdorojime ir atitinkamose bibliotekose. Tokie žmonės, vadinami „Piliečių duomenų mokslininkais“, turi turėti tik puikią verslo kvalifikaciją. Jų užduotis – gauti verslo įžvalgas iš patarimų ir prognozių, kuriuos jiems duos dirbtinis intelektas, ir jie gali patikslinti savo spėjimus naudodami NLP.
Apibūdinant vartotojų darbo su šios klasės sistemomis procesą, galima įsivaizduoti tokį paveikslėlį. Asmuo, atėjęs į darbą ir paleidęs atitinkamą programą, be įprastų ataskaitų ir prietaisų skydelių rinkinio, kurį galima analizuoti naudojant standartinius metodus (rūšiavimą, grupavimą, aritmetinių operacijų atlikimą), mato tam tikrus patarimus ir rekomendacijas, pavyzdžiui: „In Norėdami pasiekti KPI, pardavimų skaičių, turėtumėte taikyti nuolaidą „Sodininkystė“ kategorijos produktams. Be to, asmuo gali susisiekti su įmonės pasiuntiniu: Skype, Slack ir kt. Gali užduoti robotui klausimus žinute arba balsu: „Duokite man penkis pelningiausius klientus“. Gavęs atitinkamą atsakymą, jis turi priimti geriausią sprendimą, remdamasis savo verslo patirtimi ir nešti pelną įmonei.
Jei žengsite žingsnį atgal ir pažvelgsite į analizuojamos informacijos sudėtį, o šiame etape papildytos analizės produktai gali palengvinti žmonių gyvenimą. Idealiu atveju daroma prielaida, kad vartotojui tereikia analitinį produktą nukreipti į norimos informacijos šaltinius, o pati programa pasirūpins duomenų modelio sukūrimu, lentelių susiejimu ir panašiomis užduotimis.
Visa tai visų pirma turėtų užtikrinti duomenų „demokratizavimą“, t.y. Bet kuris asmuo gali analizuoti visą įmonei prieinamos informacijos masyvą. Sprendimų priėmimo procesas turi būti paremtas statistinės analizės metodais. Duomenų prieigos laikas turėtų būti minimalus, todėl nereikia rašyti scenarijų ir SQL užklausų. Ir, žinoma, galite sutaupyti pinigų gerai apmokamiems duomenų mokslo specialistams.
Hipotetiškai technologijos siūlo labai šviesias verslo perspektyvas.
Kas pakeičia didžiuosius duomenis
Bet iš tikrųjų savo straipsnį pradėjau nuo Big Data. Ir aš negalėjau plėtoti šios temos be trumpo pažinimo su šiuolaikiniais BI įrankiais, kurių pagrindas dažnai yra dideli duomenys. Didžiųjų duomenų likimas dabar aiškiai nulemtas, ir tai yra debesų technologija. Sutelkiau dėmesį į operacijas, atliktas su BI tiekėjais, siekdamas parodyti, kad dabar kiekviena analitinė sistema turi saugyklą debesyje, o debesies paslaugų priekinė dalis yra BI.
Nepamirštant tokių duomenų bazių srities ramsčių kaip ORACLE ir Microsoft, būtina atkreipti dėmesį į jų pasirinktą verslo plėtros kryptį ir tai yra debesis. Visas siūlomas paslaugas galima rasti debesyje, tačiau kai kurios debesies paslaugos nebepasiekiamos vietoje. Jie atliko didelį darbą naudodami mašininio mokymosi modelius, sukūrė vartotojams prieinamas bibliotekas ir sukonfigūravo sąsajas, kad būtų lengviau dirbti su modeliais nuo jų pasirinkimo iki pradžios laiko nustatymo.
Kitas svarbus debesų paslaugų naudojimo pranašumas, kurį išsako gamintojai, yra beveik neribotų duomenų rinkinių bet kuria tema mokymo modeliams prieinamumas.
Tačiau kyla klausimas: kiek debesų technologijos prigis mūsų šalyje?
Šaltinis: www.habr.com