Klik voor meer informatie over auteur
Sam Mahalingam.
Het profiel van data-analyse is nog nooit zo hoog geweest. Geconfronteerd met de ongekende uitdagingen van COVID-19, vertrouwen overheden over de hele wereld doorgaans op geavanceerde statistische modellen om inzicht te krijgen in een spervuur van constant veranderende statistieken. Datawetenschappers spelen een cruciale rol en adviseren besluitvormers bij het implementeren van het juiste beleid op het juiste moment.
Het is natuurlijk niets nieuws om diep inzicht uit rijke gegevens te halen. In de afgelopen jaren was de snelle evolutie van geavanceerde tools die efficiënte real-time analyse mogelijk maken, een van de bepalende trends van de industrie en het bedrijfsleven.
Vooruitkijkend naar 2021 zijn er geen tekenen van een versoepeling van het momentum. De opkomst van kunstmatige intelligentie (AI) en machine learning (ML) zal de manieren waarop data-analyse wordt ontworpen, gebruikt, gedeeld en geïntegreerd, blijven veranderen. Ze helpen nieuwe maatstaven te stellen op het gebied van toegankelijkheid, de snelheid waarmee inzicht wordt geleverd en de mate waarin het de menselijke besluitvorming vervangt en vergroot.
In de komende 12 maanden zullen vier belangrijke trends deze ontwikkelingen stimuleren:
Augmented Analytics
Dit vertegenwoordigt de volgende golf van verstoringen in data-analyse. Door gebruik te maken van de nieuwste natuurlijke taalverwerking (NLP), AI- en ML-technieken, herdefinieert het al hoe data-analyse wordt gebruikt en door wie.
Voor het eerst geïdentificeerd door Gartner in 2017 zijn er dwingende redenen waarom verbeterde analyses volwassen wordt. Bovenal maakt de enorme hoeveelheid informatie waarover organisaties beschikken, een effectieve interpretatie steeds uitdagender. En het wordt alleen maar erger. Om maar één voorbeeld te noemen: tegen 2025 zullen er wereldwijd meer dan vijf miljard cellulaire IoT-verbindingen zijn, gestegen van 1,3 miljard in 2019. Bovendien zijn uit gegevens verkregen inzichten doorgaans kort houdbaar. Als het besluitvormers niet op tijd bereikt, vervaagt de waarde snel.
ML en AI zijn bij uitstek geschikt voor het automatiseren en versnellen van de meest bewerkelijke elementen van het werk van een datawetenschapper: het verzamelen, voorbereiden, opschonen en vinden van patronen en correlaties in data. Het belang van augmented analytics gaat echter veel verder dan het verlichten van de last van overwerkte specialisten. Door geavanceerde tools toegankelijk te maken voor een veel breder publiek, zullen augmented analytics de nieuwe generatie citizen datawetenschappers versterken. Frontline-medewerkers – bijvoorbeeld business line managers, operations managers en domeinexperts – krijgen de controle over de tools die ze nodig hebben om sneller tot betere beslissingen te komen.
Continue intelligentie (CI)
De snelle groei van CI weerspiegelt de enorme snelheid waarmee moderne ondernemingen opereren. Om de juiste beslissingen te nemen, moeten we weten wat er nu gebeurt – en wat de beste manier is om daarop te reageren. In 2021 en daarna zullen meer van deze antwoorden komen van CI, een ontwerppatroon waarin real-time analytics is geïntegreerd in een bedrijfsvoering. Het verwerken van zowel huidige als historische gegevens, zal in toenemende mate worden gebruikt om het besluitvormingsproces te automatiseren in plaats van te ondersteunen.
De tools die door CI worden gebruikt, zullen rijk en gevarieerd zijn. Ze omvatten augmented analytics, evenals verwerking, optimalisatie, beheer van bedrijfsregels en ML. Bovendien heeft 2020 maar al te duidelijk gemaakt dat “set and forget” niet langer een optie is. Markten veranderen, gedrag evolueert, gebeurtenissen gebeuren. De voorspeller van vandaag zal niet eeuwig werken. In feite werkt het morgen misschien niet eens. CI zal impact hebben in 2021 omdat het tools levert die op eigen kracht leren, zich voortdurend aanpassen en verbeteren. Net zoals augmented analytics de opkomst van de citizen data scientist aanwakkert, zal CI worden ingebed in bestaande workflows, niet in silo’s met Data Science-specialisten.
Augmented Data Management, Data Discovery en Data Catalogs
Deze zullen ook in 2021 groot nieuws zijn. Nogmaals, het zijn ML-mogelijkheden en AI-engines die aan het werk worden gezet. In dit geval worden ze gebruikt om gegevens te vinden en te begrijpen en om categorieën voor bedrijfsinformatiebeheer te maken – inclusief datakwaliteit, metadatabeheer, master data management, en data-integratie, evenals databasebeheersystemen (DMS) – zelfconfiguratie en zelfafstemming.
Auto ML / verklaarbare AI
Zoals ik al heb gesuggereerd, zal in 2021 een versnelde verschuiving plaatsvinden naar het automatiseren van het besluitvormingsproces. In veel gevallen zullen organisaties echter nog moeten onderzoeken en rechtvaardigen hoe dergelijke beslissingen worden genomen. Applicatieleiders moeten daarom modellen kunnen bouwen die interpreteerbaar en verklaarbaar zijn. De “black box” -benadering van sommige oplossingen dient alleen om gebruikers buiten te sluiten. Analisten zullen in plaats daarvan steeds vaker op zoek gaan naar verantwoorde, verklaarbare en interpreteerbare AI die het deksel op de ingezette modellen tilt. Deze transparantie wekt meer vertrouwen in de gegenereerde resultaten en geeft het groeiende leger van citizen datawetenschappers de kans om te leren en mee te groeien met hun systemen. Bovendien kunnen modellen worden aangepast en verfijnd in overeenstemming met steeds veranderende omgevingen. In 2021 en daarna zou het niet nodig moeten zijn om te kiezen tussen automatisering en democratisering. Met de juiste oplossingen gaan die twee hand in hand.
