Wielu zagranicznych autorów zgadza się, że era Big Data dobiegła końca. W tym przypadku przez termin Big Data rozumie się technologie oparte na Hadoop. Wielu autorów może z pewnością wskazać datę, kiedy Big Data odeszła z tego świata, a jest to 05.06.2019.
Co wydarzyło się w ten pamiętny dzień?
W tym dniu firma MAPR obiecała wstrzymać swoją działalność, jeśli nie będzie mogła znaleźć środków na dalsze funkcjonowanie. Później, w sierpniu 2019 roku, MAPR został nabyty przez firmę HP. Jednak wracając do czerwca, nie można nie zauważyć tragizmu tego okresu dla rynku Big Data. W tym miesiącu nastąpił upadek notowań akcji firmy CLOUDERA – wiodącego gracza na wspomnianym rynku, która połączyła się z chronicznie nierentownym HORTOWORKS w styczniu tego samego roku. Spadek był znaczny i wyniósł 43%, ostatecznie kapitalizacja CLOUDERA zmniejszyła się z 4,1 do 1,4 miliarda dolarów.
Nie można nie wspomnieć, że plotki o tworzeniu bańki w dziedzinie technologii opartych na Hadoop krążyły już od grudnia 2014 roku, ale ona dzielnie przetrwała jeszcze prawie pięć lat. Plotki te opierały się na odmowie Google, firmy, w której powstała technologia Hadoop, od swojego wynalazku. Jednak technologia ta przetrwała, podczas gdy firmy przesiadały się na chmurowe środki przetwarzania i gwałtownie rozwijał się sztuczny inteligencja. Dlatego, spoglądając wstecz, można z pewnością stwierdzić, że koniec był oczekiwany.
Tak więc era Big Data dobiegła końca, ale podczas pracy nad dużymi danymi firmy zrozumiały wszystkie niuanse pracy nad nimi, korzyści, jakie Big Data może przynieść biznesowi, a także nauczyły się korzystać z sztucznej inteligencji w celu wydobywania wartości z surowych danych.
Tym bardziej interesujące jest pytanie, co przyjdzie w miejsce tej technologii i jak będą się rozwijać technologie analityczne.
Zwiększona analityka
Podczas opisanych wydarzeń firmy działające w dziedzinie analizy danych nie pozostawały bezczynne. O czym świadczy informacja o transakcjach, które miały miejsce w 2019 roku. W bieżącym roku dokonano największej transakcji na rynku – przejęcia przez Salesforce platformy analitycznej Tableau za 15,7 miliarda dolarów. Mniejsza transakcja miała miejsce między Google a Lookerem. Nie można również pominąć przejęcia platformy big data Attunity przez firmę Qlik.
Liderzy rynku BI oraz specjaliści z Gartnera mówią o ogromnej zmianie w podejściu do analizy danych, która całkowicie zrewolucjonizuje rynek BI i doprowadzi do zastąpienia BI przez AI. W tym kontekście warto zauważyć, że skrót AI oznacza nie 'Artificial Intelligence', ale 'Augmented Intelligence'. Przyjrzyjmy się bliżej temu, co kryje się za słowami 'Zwiększona analityka'.
Zwiększona analityka, podobnie jak rozszerzona rzeczywistość, opiera się na kilku wspólnych zasadach:
- możliwości komunikacji z wykorzystaniem NLP (Natural Language Processing), czyli w języku ludzkim;
- wykorzystaniu sztucznej inteligencji, co oznacza, że dane będą wstępnie przetwarzane przez inteligencję maszynową;
- i oczywiście rekomendacjach dostępnych użytkownikowi systemu, które zostały wygenerowane przez sztuczną inteligencję.
Według producentów platform analitycznych ich użycie będzie dostępne dla użytkowników, którzy nie posiadają specjalistycznych umiejętności, takich jak znajomość SQL lub podobnych języków skryptowych, nie mających przygotowania statystycznego ani matematycznego, ani wiedzy w zakresie popularnych języków specjalizujących się w przetwarzaniu danych i odpowiednich bibliotek. Osoby te, nazywane 'Citizen Data Scientist', powinny dysponować jedynie wyjątkowymi kwalifikacjami biznesowymi. Ich zadaniem jest uchwycenie biznesowych wniosków z podpowiedzi i prognoz, które dostarczy im sztuczna inteligencja, a swoje przypuszczenia będą mogli weryfikować, wykorzystując NLP.
Opisując proces pracy użytkowników z systemami takiej klasy, można sobie wyobrazić następujący obraz. Osoba, przychodząc do pracy i uruchamiając odpowiednią aplikację, widzi oprócz znanych raportów i pulpitów, które można analizować standardowymi metodami (sortowanie, grupowanie, wykonywanie działań arytmetycznych), pewne wskazówki i rekomendacje, coś w stylu: „Aby osiągnąć KPI w zakresie liczby sprzedaży, powinieneś zastosować rabat na produkty z kategorii «Ogrodnictwo»”. Oprócz tego osoba ta może zwrócić się do korporacyjnego komunikatora: Skype, Slack itp. Może zadać robotowi pytania w formie tekstowej lub głosowej: „Wyświetl mi pięciu najbardziej opłacalnych klientów”. Otrzymując odpowiedni wynik, musi podjąć optymalną decyzję na podstawie swojego doświadczenia w biznesie i przynieść firmie zysk.
Jeśli cofnąć się o krok i spojrzeć na strukturę analizowanych informacji, na tym etapie produkty klasy złożonej analityki mogą uprościć życie ludziom. Idealnie byłoby, gdyby użytkownik musiał jedynie wskazać analitycznemu produktowi źródła pożądanych informacji, a program samodzielnie zadbał o stworzenie modelu danych, powiązanie tabel i podobne zadania.
Wszystko to powinno przede wszystkim zapewnić «demokratyzację» danych, tzn. każdy człowiek może zajmować się analizą całego zbioru dostępnych informacji w firmie. Proces podejmowania decyzji powinien być wspierany metodami analizy statystycznej. Czas dostępu do danych powinien być minimalny, nie będzie więc potrzeby pisania skryptów i zapytań SQL. No i oczywiście, można będzie zaoszczędzić na wysoko opłacanych specjalistach Data Science.
Hipotetycznie technologie otwierają dość obiecujące perspektywy dla biznesu.
Co zastępuje Big Data
Jednakże, rozpocząłem mój artykuł od Big Data. Nie mogłem rozwinąć tego tematu bez krótkiego wstępu do nowoczesnych narzędzi BI, które często opierają się na Big Data. Los dużych danych jest teraz wyraźnie przesądzony i są to technologie chmurowe. Skupiłem się na transakcjach dokonanych z producentami BI w celu wykazania, że teraz każdy system analityczny ma pod sobą chmurowe przechowywanie, a chmurowe usługi mają BI jako front end.
Nie zapominając o takich filarach w dziedzinie baz danych jak ORACLE i Microsoft, należy zauważyć ich wybrane kierunki rozwoju biznesu, a jest to chmura. Wszystkie oferowane usługi można znaleźć w chmurze, ale niektóre usługi chmurowe nie są już dostępne w modelu on-premise. Wykonano znaczną pracę nad wykorzystaniem modeli uczenia maszynowego, stworzono biblioteki dostępne dla użytkowników, skonfigurowano interfejsy w celu ułatwienia pracy z modelami, od ich wyboru po czas uruchomienia.
Kolejną ważną zaletą korzystania z usług chmurowych, którą podkreślają producenci, jest dostępność praktycznie nieograniczonych zbiorów danych na dowolny temat, do trenowania modeli.
Jednak pojawia się pytanie, na ile technologie chmurowe przyjmą się w naszym kraju?
Źródło: habr.com
