A gépek döntenek helyettünk?

Adatmenedzsment újragondolva

Minden vállalkozásnál bőségesen vannak olyan adatok, melyek kiaknázatlanok. Ezek egy része adatbázisokban, fájlokban áll rendelkezésre, míg más adatokat gépek, érzékelők, mobileszközök gyűjtenek. Sok strukturáltalan és „nem tradicionális” adat is keletkezik (pl. videó- és hangfelvételek), melyek tárolása és elemzése korábban bonyolult és költséges feladat volt. A temérdek adat figyelmen kívül hagyása mind-mind elvesztegetett lehetőség.
 
Napjainkban rendelkezésre állnak olyan megoldások, melyek segítségével változtatni lehet a helyzeten. Kognitív technológiák segítségével automatizálhatók a drága és erőforrásigényes adatgazdai feladatok, mint például az adatok feltárása és megismerése (data discovery) vagy az adatklasszifikáció. Gépi tanulás segítségével automatizálható az adatok feldolgozása, 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 el Fazekas Ákos, a Deloitte Technológiai tanácsadás üzletágának menedzsere. Szerinte a vállalatok 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 adatokat elemezni.

Hogyan segíthetünk a jó döntések meghozatalában?

A Deloitte Tech Trends 2021 kiadványa számos, a telekommunikációs és banki szektorban, valamint az élelmiszer- és gyógyszeriparban fellelt példával is alátámasztva, több módszert is ajánl a technológia által támogatott döntéshozatal fejlesztésére:

-Felhő alapú adattárházak használhatók például valós idejű adatfeldolgozásra. Több szolgáltató ajánl publikus megoldásokat. Ezek széleskörben elérhetővé teszik az adatokat 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 adatváltozások 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.