По мнению экспертов Gartner, лидеры разработки в области данных и аналитики должны уделять больше внимания влиянию искусственного интеллекта на трансформации в бизнесе и работать над тем, чтобы технологии становились более гибкими, а программное обеспечение более универсальным. Новые подходы и решения должны корректироваться в зависимости от того, как усовершенствуются и меняются современные бизнес-модели и операции, чтобы сохранять конкурентоспособность во всех областях.

Дело в том, что история данных и аналитики постоянно развивается, начиная от поддержки принятия внутренних решений и заканчивая уже готовыми информационными и программными продуктами. Очень важно получать более глубокое понимание технологических тенденций и расставлять приоритеты в соответствии с ценностями и ключевыми потребностями бизнеса.

Как ни парадоксально, но и самая частая проблема в работе с искусственным интеллектом и аналитическими приложениями – проблема сортировки, обработки, хранения и защиты данных – также оказала определенное влияние на рост популярности использования интеллектуального программного обеспечения и создала беспрецедентные условия для развития новых возможностей. Разработчики все активнее работают над более прогрессивными способами обработки данных, а также расширенным функционалом облачных сервисов и приложений. Задача не из простых, но крайне важна: создать возможность для искусственного интеллекта учиться, используя максимум «полезного» объема данных для реализации своего же полного потенциала, необходимого в современной цифровой бизнес-среде.

Сегодня Gartner выделяет главные текущие тенденции этого года, на которые следует обратить особое внимание руководителям бизнеса для лучшего понимания своих ключевых целей и способов их достижения при помощи интеллектуальных решений.

№ 1: Расширенная аналитика
Использует методы машинного обучения (ML) и искусственного интеллекта, чтобы изменить методы разработки, использования и распространения аналитического контента.

Ожидается, что к 2020 году расширенная аналитика станет доминирующим фактором для бизнес-прогнозирования и для обработки данных на базе платформ ML.

№ 2: Расширенное управление данными
Использует возможности ML и механизмы искусственного интеллекта для самостоятельной настройки и самонастройки категорий управления корпоративной информацией, включая качество данных, управление метаданными, управление основными данными, интеграцию данных, а также системы управления базами данных. Автоматизирует многие из ручных задач и позволяет менее технически квалифицированным пользователям быть более автономными при использовании данных, а также позволяет высококвалифицированным пользователям сосредоточиться на более важных задачах. Ожидается, что к концу 2022 года ручные задачи по управлению данными будут сокращены на 45% за счет широкого применения ML и автоматизации управления в сфере обслуживания.

№ 3: Универсальный искусственный интеллект
Технология, обеспечивающая аналитику в реальном времени, которая интегрируется в бизнес-операции, обрабатывая текущие и «старые» данные, чтобы максимально точно спрогнозировать необходимую бизнес-операцию. Обеспечивает автоматизацию принятия и поддержку реализации решений за счет расширенной аналитики, обработки потока событий, оптимизации данных, управления бизнес-процессами и автоматизации тех из них, которые наиболее трудоемки для человека. Ожидается, что к 2022 году более половины крупных новых бизнес-систем будут применять универсальный искусственный интеллект, который использует контекстные данные в реальном времени для улучшения решений.

№ 4: Объясняемый искусственный интеллект
Работает на платформах ML и автоматически генерирует объяснение бизнес-моделей и бизнес-функционала на максимально доступном, интуитивно понятном, «естественном» для пользователей языке.

№ 5: Графическая аналитика
Представляет набор аналитических решений, позволяющих исследовать взаимосвязь между объектами и данными, представляющими интерес для конкретного бизнес-процесса. Предполагается, что к 2022 году уровень популярности использования данной технологии достигнет 100% среди предприятий, использующих современные технологии в бизнесе. Кроме того, в следующие несколько лет эксперты ожидают расширение функционала решения, что позволит существенно расширить возможности непосредственно самого бизнеса.

№ 6: Структура данных/Data Fabric
Обеспечивает беспроблемный доступ и обмен данными в распределенной среде данных, что позволяет создать единую и согласованную структуру управления данными, которая обеспечивает беспрепятственный доступ к ним и их обработку в рамках разрозненного хранилища.

№ 7: Разговорная аналитика/ NLP
Технология позволяет анализировать сложные комбинации данных и делать аналитику доступной для компании любого направления деятельности, так как ориентируется конкретно на ее информационное поле и данные. Ожидается, что к 2020 году 50% аналитических запросов будут генерироваться именно с помощью NLP-обработки голоса.

№ 8: Коммерческие AI и ML
Ожидается, что к 2022 году 75% новых внедрений на базе AI и ML будут построены именно на коммерческих решениях, а не на платформах с открытым исходным кодом. Существующая ныне экосистема Open Source объединяет все больше разработчиков, а само программное обеспечение становится более доступным и «прозрачным» и одновременно более защищенным.

№ 9: Блокчейн
Блокчейны являются источником данных, а не базой данных, и не могут заменить существующие технологии управления данными, однако, спрос на них все равно будет расти за счет практически полного отсутствия сложностей, связанных с интеграцией технологии. И это несмотря на то, что интеграция в любую цифровую бизнес-инфраструктуру уже существующих данных и аналитики весьма затратна.

№ 10: Серверы постоянной памяти
Помогают снизить затраты и нейтрализовать сложности внедрения цифровых архитектур с поддержкой вычислений в памяти (IMC). Постоянная память представляет новый уровень памяти между флэш-памятью DRAM и NAND, которая может обеспечить гиперэкономичную большую память для высокопроизводительных рабочих нагрузок. Технология повышает потенциал производительности приложений, их доступности, времени загрузки, методов кластеризации и обеспечения безопасности при одновременном контроле расходов.

Автор: Юлия Долгопятова


Читайте также:

С ростом возможностей ИИ в области управления бизнес-проектами формируются новые тренды обеспечения безопасности данных

Мировой бизнес стремительно переходит на программное обеспечение для роботизированных процессов (RPA)

Комментарии