Adatmenedzsment újragondolva: a gépek döntenek helyettünk?

Adatmenedzsment újragondolva: a gépek döntenek helyettünk?

Adatmenedzsment újragondolva: a gépek döntenek helyettünk?

big data

2 perc

Évtizedekig a cégek arra törekedtek, hogy összegyűjtsék, rendszerezzék az adatokat, és megérzések, érzelmek helyett elemzéseken, kimutatásokon keresztül támogassák a döntéshozatalt.

Az emberek hajlamosak úgy dönteni, hogy az adatokat aggregálva, két-három tényező mentén kategorizálva vizsgálják. Komplex adatokkal szembesülve azonban nehézséget okozhat azok feldolgozása. A gépek ezzel szemben számos tényezőt képesek egyszerre, a nap 24 órájában vizsgálni, és ezek alapján valós időben objektív döntéseket hozni – akár az ember helyett is.

Minden vállalkozásnál bőségesen vannak olyan adatok, melyek kiaknázatlanok. Ezek egy része adatbázisokban, fájlokban áll rendelkezésre, míg más részüket gépek, érzékelők, mobileszközök gyűjtik. Sok strukturáltalan és „nem tradicionális” adat is keletkezik (például videó- és hangfelvételek), melyek tárolása és elemzése korábban bonyolult és költséges feladat volt. A temérdek információ figyelmen kívül hagyása mind-mind elvesztegetett lehetőség.

Napjainkban rendelkezésre állnak olyan megoldások, melyekkel változtatni lehet a helyzeten. A kognitív technológiák segítségével automatizálhatók a drága és erőforrásigényes adatgazdai feladatok, mint például az információk feltárása és megismerése (data discovery) vagy az adatklasszifikáció.

A gépi tanulás bevetésével pedig automatizálható a feldolgozás, a felhasználók számára megjeleníthetők az összefüggések, javítható az adatok minősége. Mindez együtt pedig hatékonyabb adatgazdaságot eredményezhet.

„A következő 18-24 hónapban arra számítunk, hogy a vállalatok egyre inkább törekednek majd arra, hogy a jelenleg alkalmazott adatgyűjtési, -tárolási és -feldolgozási megoldásokat újratervezzék. Mindezt azért, hogy az adatok közti összefüggések feltárása egyszerűbb és hatékonyabb legyen, az infrastruktúra jobban támogassa a komplex adatok elemzését” – mondta Fazekas Ákos, a Deloitte technológiai tanácsadás üzletágának menedzsere.

Szerinte a cégek egyre kevésbé fognak törekedni a tiszta, táblákba és rekordokba tölthető adatok tárolására. Ahhoz, hogy az adatalapú döntéshozatal versenyelőnyhöz juttasson, vagy eseteként az aktuális kihívásokat le tudjuk küzdeni, nem elegendő csupán a nyilvánvaló tényezőket elemezni.

Hogyan hozhatunk jó döntéseket?

A Deloitte Tech Trends 2021 tanulmánya több módszert is ajánl a technológia által támogatott döntéshozatal fejlesztésére:

Felhőalapú adattárházak használhatók például valós idejű feldolgozásra. Több szolgáltató ajánl publikus megoldásokat. Ezek széles körben elérhetővé teszik az információkat a felhasználók számára úgy, hogy nem szükséges azokat több helyen tárolni. Emellett a szolgáltatás részeként gyakran ajánlanak keresési, lekérdezési és elemzési megoldásokat is.

Funkciókatalógusok segítségével hatékonyan szervezhetjük a feladatokat adat- és erőforrásigény, valamint a felhasználás célja alapján.

Idősor-adatbázis alkalmazható adott időben bekövetkezett események, valamint az adott periódusban történt változások vizsgálatára. Az IoT-eszközök robbanásszerű elterjedésével egyre nagyobb lesz az igény ezeknek az alkalmazására, hogy az eszközök által szolgáltatott adatokat hatékonyan, megbízhatóan és visszakövethetően tudjuk tárolni.

Gráfadatbázis segítheti a bonyolult összefüggések elemzését. Az adatok közötti kapcsolatok vizsgálata, teljes potenciáljának kihasználása tradicionális relációs adatbázisokkal bonyolult feladat. A gráfadatbázisok ezzel szemben az adatpontokat és kapcsolataikat natív módon képesek tárolni.