Artırılmış Analitik

Analitik içeriği geliştirme, tüketme ve paylaşma anlayışını dönüştürmek için makine öğrenimi (ML) ile yapay zekayı kullanan artırılmış analitik; veri ve analitik pazarındaki yeni dijital dönüşüme verilen isim olarak karşımıza çıkıyor. 2020 yılında artırılmış analitik; yeni analitik ve BI (iş zekası) alımlarının yanı sıra veri bilimi ve ML platformları ve gömülü analitik alımlarını yönlendiren ana faktör olacak. Veri ve analitik alanındaki liderler, platformun özellikleri olgunlaştıkça artırılmış analitiği nasıl kullanacaklarını planlamalılar.

PLATİN'İN AĞUSTOS SAYISINI ALMAK İÇİN TIKLAYIN 

Artırılmış Veri Yönetimi

Artırılmış veri yönetimi; veri yönetimi, veri kalitesi, meta veri yönetimi, ana veri yönetimi, veri entegrasyonu ve aynı zamanda konfigürasyonu ve ayarlamaları kendiliğinden gerçekleştiren veri tabanı yönetim sistemleri (DBM’ler) gibi kurumsal bilgi yönetimi kategorilerini oluştururken makine öğrenimi becerileri ve yapay zeka motorlarından faydalanıyor. Manuel görevlerin çoğunu otomize ederek teknik becerileri daha düşük olan kullanıcıların, veri kullanımında daha özerk olmalarını sağlıyor. Yüksek vasıflı kullanıcıların ise değeri daha önemli görevlere odaklanmalarına olanak tanıyor. Artırılmış veri yönetimi; meta verileri sadece denetim ve raporlama için kullanılan bir yapıdan, dinamik sistemleri güçlendiren bir yapıya dönüştürüyor. Meta veri, etkin bir yapıya dönüşerek tüm yapay zeka ve makine öğrenimi işlemlerinin ana sürücüsü haline geliyor. 2022 yılının sonuna kadar makine öğrenimi ve otomize hizmet düzeyi yönetiminin de resme girmesiyle, manuel data yönetimi görevleri yüzde 45 oranında düşüş gösterecek.

Sürekli Zeka

2022 yılına kadar önemli iş sistemlerinin yarısından fazlası daha iyi kararlar alabilmek için, gerçek zamanlı durum verilerinden yararlanan sürekli zekayı, sistemlerine dahil edecekler. Sürekli zeka, gerçek zamanlı analitiklerin bir işletmenin operasyonuna entegre edilmesinde izlenen bir tasarım kalıbı. Ortaya çıkan durumlar karşısında izlenecek yolu, mevcut ve geçmiş verileri inceleyerek öngörüyor. Sürekli zeka; artırılmış analitik, olay akışı işleme, optimizasyon, iş kuralı yönetimi ve makine öğrenimi gibi birçok teknolojiden yararlanıyor.

Açıklanabilir Yapay Zeka

Yapay zeka modelleri, insani karar verme sürecini güçlendirmek ve her geçen gün bu sürecin yerini almak adına daha sık kullanılır duruma geliyor. Bununla birlikte bazı durumlarda, işletmelerin bu modellerin kararlara nasıl vardıklarını meşrulaştırmaları gerekiyor. Kullanıcılar ve paydaşlarla güven tesis edebilmek için uygulama liderlerinin yapay zekayı daha yorumlanabilir ve açıklanabilir hale getirmeleri şart… Şimdilik bu modellerin çoğu, belirli bir öneride neden bulunduğunu veya bir karara neden vardığını açıklayamayan kara kutular gibi... Açıklanabilir yapay zeka; veri biliminde ve makine öğreniminde modellerin hatasızlıkları, özellikleri, istatistikleri ve doğal dil özellikleri açısından otomatik bir açıklama oluşturuyor.

Grafik

Grafik analitiği, ilgili kuruluşlar ile insanlar ve işlemler arasındaki ilişkilerin araştırılmasına izin veren bir dizi analitik tekniğe verilen isim olarak öne çıkıyor. Grafik işleme ve grafik veri tabanı yönetimi uygulamalarında, 2022 yılına kadar yıllık yüzde 100 oranında artış bekleniyor. Bu büyümenin, veri hazırlamayı sürekli olarak hızlandıracağı ve daha karmaşık, daha uyarlanabilir bir veri bilimini mümkün kılacağı öngörülüyor. Grafik veri depoları; veri siloları arasındaki karmaşık ilişkilerle verileri verimli bir şekilde modelleyebilir, keşfedebilir ve sorgulayabilir. Ancak Gartner’a göre; uzmanlık becerilerine duyulan ihtiyaç, bugüne kadar benimsenmelerini sınırladı. Karmaşık sorular sorma ihtiyacının giderek artmasıyla analitik grafiği, önümüzdeki yıllarda daha da büyüyecek.

Veri Dokusu

Veri dokusu, dağıtılmış bir veri ortamında uyumlu erişime ve veri paylaşımına olanak sağlıyor. Diğer uygulamalarla etkileşimde olmayan veri depolamanın aksine, tasarıma göre kesintisiz veri erişimine ve işlemesine olanak veren tek bir kesintisiz veri yönetimini devreye sokuyor. 2022 yılı boyunca ısmarlama veri yapısı tasarımları, birincil olarak statik bir altyapı olarak kullanılacak ve kurumları, daha dinamik bir veri ağı yaklaşımı hedefiyle yeniden tasarım yapmaya zorlayarak, yepyeni bir maliyet dalgasına maruz bırakacak.

Doğal Dil İşleme / Konuşma Analitiği

2020 yılına kadar analitik sorguların yüzde 50’si; aramayla, doğal dil işlemeyle (NLP) veya sesle oluşturulacak. Karmaşık veri kombinasyonlarını analiz etme ve analitiğin organizasyon içindeki herkes için erişilebilir hale getirilmesi ihtiyacı, bunun daha geniş çapta benimsenmesini sağlayacak. Bu sayede analitik araçların kullanımı, bir araştırma arayüzü kadar veya sanal bir asistanla sohbet kadar kolay olacak.

Ticari Yapay Zeka ve Makine Öğrenimi

Gartner; 2022 yılına kadar yapay zeka ve makine öğrenimi tekniklerini kullanan yeni son kullanıcı çözümlerinin yüzde 75’inin, açık kaynaklı platformlardan öte ticari çözümlerle kurulacağını öngörüyor. Ticari satıcılar, yapay zekayla makine öğrenimini demokratikleştirmek için gereken kurumsal özellikleri sağlıyor. Bunlar arasında açık kaynak teknolojilerinde bulunmayan; proje ve model yönetimi, yeniden kullanım, şeffaflık, veri kullanımı ve platform tutarlılığı ile entegrasyonu gibi özellikler bulunuyor.

BlockchaIn

Blockchain ve dağıtılmış defter teknolojilerinin önerdiği en temel değer; güvenilmeyen katılımcılardan oluşan bir ağ genelinde merkezi olmayan şekilde güveni tesis etmek. Özellikle katılımcı ilişkilerinden ve etkileşimlerinden yararlananlar açısından, analitik kullanım durumunda ortaya çıkabilecek olası sonuçlar dikkate değer. Bununla birlikte, dört veya beş büyük blok zincir teknolojisinin baskın hale gelmesi birkaç yıl alacak. Bu gerçekleşene kadar, son kullanıcılar baskın ağlar tarafından belirlenen blok zincir teknolojilerine ve standartlarına entegre olmak zorunda kalacaklar. Buna mevcut veri ve analitik altyapısıyla entegrasyon da dahil. Üstelik entegrasyon maliyetleri, potansiyel faydalardan daha ağır gelebilir. Blockchain, veri kaynağı olduğu için veri tabanı görevi görmüyor ve mevcut veri yönetimi teknolojilerinin yerini alması ise mümkün değil.

Kalıcı Bellek Sunucuları

Yeni kalıcı bellek teknolojileri, bellek içi bilişim özellikli mimarilerini (IMC) uyarlama maliyetlerini ve karmaşıklığını azaltmaya yardımcı olacak. Kalıcı bellek, DRAM ve NAND flash bellek arasında yeni bir sınıfı temsil ediyor. Bu sınıf, yüksek performanslı iş yoğunluğu için uygun maliyetli toplu bellek sağlıyor. Maliyetleri kontrol altında tutarken; uygulamanın performansını, bulunabilirliğini, ön yükleme zamanlarını, kümeleme yöntemlerini ve güvenlik uygulamalarını geliştirme potansiyeline de sahip. Ayrıca, kuruluşların veri çoğaltma ihtiyaçlarını kısarak uygulamalarının ve veri mimarilerinin karmaşıklığını azaltmalarına yardımcı olacak.