Two intelligent coworkers talking

Blog

AI en machine learning zijn de toekomst van elke branche, met name data en analytics. In Opgroeien met AIhelpen we u bij te blijven met alle manieren waarop deze baanbrekende technologieën de wereld veranderen.

Door het Gartner Top 10 trends in data en analyse voor 2020, Viel het me op hoe verschillende termen verschillende dingen betekenen voor verschillende doelgroepen in verschillende contexten. We horen veel over AI en analyse, niet alleen in interne gesprekken, maar ook van onze klanten en prospects. Maar wat bedoelen we eigenlijk als we het over deze kwesties hebben?

Aangezien ze alleen maar belangrijker zullen worden voor onze wereld, dacht ik dat het de moeite waard zou zijn om als Sisense’s hoofd AI-onderzoek (AIR) in 7 van de 10 trends op de lijst te duiken en mijn mening over elk te geven.

Het artikel begint met een grote verklaring over het feit dat AI begint te operationaliseren, waarbij de vereisten voor data- en analyse-infrastructuur worden verplaatst om de ontwikkelings- en adoptiefase te versnellen:

“Tegen het einde van 2024 zal 75% van de ondernemingen overschakelen van pilots naar het operationaliseren van AI, waardoor het aantal streaminggegevens en analyse-infrastructuren met 5x zal toenemen.”

Dit is een grote verandering in de manier waarop AI in het verleden is gebruikt naast gegevens en analyses, waardoor zowel krachtiger als effectiever wordt. Laten we in deze trends duiken en kijken wat er nog meer aan de horizon staat.

Sisense voor Cloud Data Teams

Trend 1: slimmere, snellere, meer verantwoorde AI

Gartner:

“Binnen de huidige pandemische context bieden AI-technieken zoals machine learning (ML), optimalisatie en natuurlijke taalverwerking (NLP) essentiële inzichten en voorspellingen over de verspreiding van het virus en de effectiviteit en impact van tegenmaatregelen.

“Aanzienlijke investeringen in nieuwe chiparchitecturen, zoals neuromorfische hardware die kan worden geïmplementeerd op randapparatuur, versnellen AI- en ML-berekeningen en workloads en verminderen de afhankelijkheid van gecentraliseerde systemen die hoge bandbreedtes vereisen. Dit zou uiteindelijk kunnen leiden tot meer schaalbare AI-oplossingen die een grotere impact hebben op het bedrijf. ”

Mijn mening:

Augmentatie en bekrachtiging zijn veel krachtiger dan kant-en-klare oplossingen, en dit is wat ons gaandeweg begeleidt. Planning voor elke functie begint met vragen over hoe de gebruiker kan spelen met de invoer en deze kan wijzigen om te zien hoe dit het resultaat beïnvloedt. Het was niet meer dan normaal voor ons hier bij Sisense om aanzienlijk te investeren in kennisgrafieken, NLP en geautomatiseerd machine learning. Samen stellen ze gebruikers in staat actief deel te nemen aan het systeem en te genieten van aanbevelingen en analyses. Deze functies maken ook een positieve feedbacklus mogelijk, waarbij betrokkenheid wordt gebruikt om te versterken wat werkt en wat niet werkt.

Een resultaat is dat systemen veel intuïtiever worden: gebruikers kunnen profiteren van de “Simply Ask” -functie om te controleren “wat zijn mijn verkopen de komende twee maanden” en chatbot-berichten te ontvangen met geprojecteerde visualisaties en suggesties voor verdere verkenningsroutes. Op een vergelijkbare manier biedt de aanstaande “Explanations” -functie gebruikers automatisch mogelijke drijvende krachten achter de bewegingen in de gegevens, met behulp van kennisgrafieken om de grenzen van hun grafieken te overschrijden. Dit kan de probleemdefinitieomgeving multidimensionaal maken en leren van de gebruikersinteractie met het systeem om de resultaten te personaliseren en af ​​te stemmen.

Van prognoses tot trends tot zoekopdrachten in natuurlijke taal, we zijn volledig transparant over de technologie erachter en de statistische kenmerken van de output. Wat u ook ziet wanneer u Sisense gebruikt, u kunt gemakkelijk in de systemen erachter graven.

Trend 2: achteruitgang van het dashboard

Gartner:

“Dynamische gegevensverhalen met meer geautomatiseerde en consumentgerichte ervaringen zullen visuele, point-and-click authoring en verkenning vervangen.”

Mijn mening:

Bij Amazon gaat iedereen in een vergadering aan het begin zitten en leest een volledig artikel, en dan begint de discussie, in plaats van tijdens de hele vergadering een eindeloze PowerPoint-presentatie te doorlopen. Ze richten zich meer op echte verhalen dan op opsommingstekens. We verwachten dat iets soortgelijks zal gebeuren met dashboards: het net op tijd ophalen van op inzichten gebaseerde samenvattingen, maar ook het begeleiden van de dagelijkse routines met een ‘agent’ die de bedrijfsstromen ondersteunt in verschillende tools.

Vind je het leuk om ’s ochtends vroeg te zien wat je hebt gemist? Op de hoogte worden gehouden van belangrijke bewegingen? Is een samenvatting voldoende om de bal aan het rollen te brengen, wetende dat je altijd een diepe duik kunt maken en om meer kunt vragen? Gebruikt u uw favoriete oplossing voor taakbeheer? De wereld verschuift van de statische, rigide ervaring naar de data-, inzicht- en personalisatiegestuurde assistent die weet hoe u wilt dat specifieke analyses worden bediend.

Om dat te laten werken, moeten een aantal bewegende delen samenkomen als één goed geoliede machine: embedded interfaces (onderweg via je apparaat, in je e-mail, chat of in-app), vooraf opgeleide analyseservices en trainingspijplijn, het middel om het maken van datamodellen te vergemakkelijken, en de juiste visualisatie en vertelling om de resultaten verteerbaar, betrouwbaar en leerzaam te maken.

Dit is wat Sisense AIR bezig houdt: onderzoek naar dashboardautomatisering en onze kennisgrafiek, waarin het gedrag van duizenden eerdere gebruikers is verwerkt.

Trend 3: Decision intelligence

Gartner:

“In 2023 zal meer dan 33% van de grote organisaties analisten hebben die beslissingsinformatie oefenen, inclusief besluitvormingsmodellering.”

“Het biedt een raamwerk om leiders op het gebied van data en analyse te helpen bij het ontwerpen, modelleren, afstemmen, uitvoeren, bewaken en afstemmen van besluitmodellen en -processen in de context van bedrijfsresultaten en gedrag.”

Mijn mening:

Automatisering van besluitvorming vereist veel stappen: eerst documenteert u het proces, configureert u het vervolgens op basis van het resultaat en automatiseert u vervolgens de mogelijke onderdelen. Mijn mening is dat als je de lus van data naar analyse en besluit terug naar data kunt automatiseren, het geen analyse is, maar geautomatiseerde procesautomatisering. Er is een argument dat zodra de besluitvorming over een use case voorspelbaar wordt, deze van BI naar een deel van de backoffice moet worden verplaatst.

Maar dat soort denken komt van de wereld die we vroeger kenden, een wereld die minder vluchtig en beter beheersbaar was, meer beïnvloed door het nabije ecosysteem dan door wereldgebeurtenissen en het klimaat. Tegenwoordig verandert de wereld met een snelheid die moeilijk te doorgronden is, dus de besluitvorming moet worden aangepast op basis van inzichten uit gegevens, vergezeld van aanbevolen acties. “Overleven van de snelste” is tegenwoordig de regel.

Trend 4: X-analyse

Gartner:

“Gartner bedacht de term ‘X analytics’ als een overkoepelende term, waarbij X de gegevensvariabele is voor een reeks verschillende gestructureerde en ongestructureerde inhoud, zoals tekstanalyse, videoanalyse, audioanalyse, enz.”

Mijn mening:

De wereld is breder dan de traditionele BI-tabelgegevens. Het is visueel, het wordt gesproken, het is hoorbaar. Waarom zou u slechts een van de zintuigen gebruiken en uw perspectief beperken?

Sisense onlangs gebruikt ons ecosysteem van ML-serviceproviders om de medische kennis van COVID-behandelingen te helpen scannen en naar boven te halen uit stapels tekstuele gegevens van een site genaamd G-Med. Het had geen zin om het wiel opnieuw uit te vinden om onze eigen video-, beeld-, spraak- en tekstanalysetools te bouwen – er zijn er al genoeg op de markt.

Hoe gaan al die gegevens precies met elkaar praten en samenkomen om de end-to-end analyse te geven? Kennisgrafieken zullen de basis vormen voor hoe de datamodellen en dataverhalen worden gemaakt, eerst als relatief stabiele wezens en, in de toekomst, als on-demand, per vraag.

Trend 5: Augmented data management

Gartner:

“Augmented data management maakt gebruik van ML- en AI-technieken om de bedrijfsvoering te optimaliseren en te verbeteren. Het converteert ook metadata die worden gebruikt in auditing, lineage en rapportage naar dynamische systemen. ”

Mijn mening:

Het Gartner-artikel gaat niet verder dan het automatiseren van lineage of workloads. Dat is belangrijk, maar dat is alleen wat er aan de hand is vandaag. Het ophalen van berekeningsresultaten voorafgaand aan de vraag verbetert de prestaties, maar het is nog steeds beperkt tot het datamodel of dimensionale paradigma van het individuele individu in de organisatie. Hebben ze het vereiste perspectief om orkaangegevens op te nemen voor het supply chain-dashboard voor Oost-Azië? Domeinexperts zouden waarschijnlijk besluiten om die informatie op te nemen na het lezen van verliezen in het nieuws. Wat als de relevante gegevens aan de context kunnen worden toegevoegd om het gegevensverhaal te vertellen zonder dat mensen zelf actie hoeven te ondernemen? Gegevensuitwisseling zal in de toekomst een belangrijkere rol spelen, waardoor hun aanbod wordt uitgebreid naar gegevensmodellering.

Trend 6: Cloud is een gegeven

Gartner:

“In 2022 zullen publieke clouddiensten essentieel zijn voor 90% van de data- en analyse-innovatie. Nu data en analytics naar de cloud verhuizen, worstelen leiders op het gebied van data en analytics nog steeds om de juiste services af te stemmen op de juiste use cases, wat leidt tot onnodig meer overhead voor governance en integratie. ”

Mijn mening:

Cloud is hier om te blijven. Ik was getuige van de evolutie van de mainframe / pc / cloud / persoonlijke grafische verwerkingseenheid. Voor mij ligt het omslagpunt van cloudanalyse in de “context as a service” -combinatie van gegevens en logische componenten die worden bediend op basis van gebruikersvragen. Met aanbiedingen zoals AWS-buitenposten, het kan niet eenvoudiger zijn om aan de cloudreis te beginnen.

In de analysewereld is het cruciaal om up-to-date te blijven, door systemen voor continue integratie / continue levering en A / B-tests te implementeren voor betere prestaties en ervaring. Dit is alleen mogelijk met clouddiensten. Cloud gecombineerd met naleving van de Algemene Verordening Gegevensbescherming en SOC zijn essentieel om het vertrouwen van klanten te winnen. Gegevensintensieve berekeningen zullen kostbaar zijn om in de cloud uit te voeren als gegevens zich op locatie bevinden vanwege de zwaartekracht en latentie van gegevens. Het aanpassen van de architectuur van een systeem kan snel het verschil maken, wat betekent dat u gemakkelijk inzichten uit grote datasets kunt halen.

Trend 7: Data- en analyse-werelden komen in botsing

Gartner:

“Gegevens- en analysemogelijkheden werden van oudsher beschouwd als afzonderlijke entiteiten en dienovereenkomstig beheerd. Leveranciers die end-to-end-workflows aanbieden, mogelijk gemaakt door augmented analytics, vervagen het onderscheid tussen de twee markten.

De botsing van gegevens en analyses zal de interactie en samenwerking tussen historisch gescheiden gegevens- en analyserollen vergroten. Dit heeft niet alleen invloed op de technologieën en mogelijkheden die worden geboden, maar ook op de mensen en processen die deze ondersteunen en gebruiken. Het spectrum aan rollen zal zich uitstrekken van traditionele gegevens- en analyserollen in IT tot bijvoorbeeld informatieverkenner, consument en burgerontwikkelaar. ”

Mijn mening:

Ik ben het ermee eens dat er nieuwe rollen nodig zijn. Naarmate er nieuwe gegevens- en analyseproducten worden gebouwd en elk product gegevens- en analyse-elementen begint te bevatten, zullen productmanagers voor gegevens / kennis naar voren komen. Deze specialisten zullen gegevens begrijpen en query’s en transformaties kunnen uitvoeren en maken, maar zullen ook goed geïnformeerd zijn over de toepassingen die bovenop die gegevensstromen worden uitgevoerd.

Wat betreft gegevens en tools: “extraheren, transformeren en laden” (ETL) wordt ETLT. De “T” staat voor de “transformatiepijplijnen” die ofwel gegevens van de uitwisselingen of vooraf getrainde ML-services of trainingspijplijnen voor zowel gestructureerde als ongestructureerde gegevens brengen. Softwareontwikkelaars en datawetenschappers kunnen dezelfde pijplijnen gebruiken om hun delen van de applicatie te implementeren, en analytische workflows kunnen zo worden geautomatiseerd dat zakelijke gebruikers ze zelfs zonder hulp van buitenaf kunnen activeren.

AI en analyse: samen bouwen aan de toekomst

Als je gegevens hebt, is de kans groot dat je er veel van hebt. Je hebt waarschijnlijk meer dan je aankan. Dat is alleen. Alleen AI kan mensen helpen de enorme datasets te begrijpen die elke dag door talloze individuen en apparaten worden gegenereerd. AI-systemen zullen een steeds grotere rol spelen in onze persoonlijke en zakelijke wereld, dus wat u ook bouwt, begin na te denken over de manieren waarop AI uw product, service, collega’s en klanten kan helpen beter te worden. En waar u ook aan werkt, bouw moedig.

Sisense voor Cloud Data Teams

Inna Tokarev-Sela, Sisense’s Head of AI Research, heeft meer dan 15 jaar ervaring in de technische industrie. Ze bracht het afgelopen decennium door bij SAP en stimuleerde innovaties in cloudarchitectuur, in-memory producten en video-analyse door machine learning. Inna is een veelgevraagd spreker op branche-evenementen zoals IBC, NAB, Wonderland AI en Media Festival, en heeft een BS in natuurkunde en informatica, een MBA en een MS in informatiesystemen, nadat ze haar proefschrift over neurale netwerken heeft geschreven.