Ozon разработал собственный инструмент для генерации и редактирования фона на изображении товаров, который работает с помощью алгоритмов машинного обучения.
По прогнозам экспертов, число предприятий, использующих отечественные решения, возрастет до 80% к концу 2024 г.
Как пандемия COVID-19 повлияла на данные и аналитику на предприятии? Gartner обозначила основные тенденции развития этих технологий в ближайшие годы, сообщает портал InformationWeek.
В течение последних нескольких лет предприятия серьезно заинтересовались идеями, которые лежат в основе передовых аналитических технологий, начиная с находящихся на слуху модных терминов («большие данные») и заканчивая машинным обучением и искусственным интеллектом. Несмотря на их, казалось бы, очевидную перспективность, они не всегда проходят проверку на качество после реального развертывания на предприятии. Особенности внедрения предприятиями расширенной аналитики, машинного обучения и ИИ несколько различаются в зависимости от того, мнению каких экспертов они доверяют, как классифицируют технологии и какие вопросы решают. Так или иначе, но эти технологии привлекли внимание как специалистов-практиков, которые осуществляют практическую поддержку ИТ-операций, так и топ-менеджеров, которые признают их перспективность во всем, что касается сокращения затрат, увеличения доходов, ускорения инноваций и повышения конкурентоспособности на рынке.
В прошлом году Gartner сообщила, что корпоративные развертывания ИИ в производственной среде достигли 19%. По мере его популяризации, что связано с растущей поддержкой со стороны поставщиков, постоянным пополнением рынка ИИ-специалистами и множеством технологических достижений, у предприятий будет появляться все больше возможностей, чтобы найти новые варианты для его применения, которые ранее не рассматривались.
На недавней конференции Gartner IT Symposium/XPO EMEA аналитическая компания представила отчет «Top 10 Strategic Technology Trends in Data and Analytics-2020», где рассматриваются основные тенденции, понимание которых поможет оправляющимся от последствий пандемического кризиса компаниям открыть для себя новые возможности.
1. ИИ станет умнее, быстрее и ответственнее. Gartner прогнозирует, что к концу 2024 г. 75% предприятий перейдут от пилотных проектов к коммерческой эксплуатации ИИ. Как следствие, это приведет к пятикратному увеличению инфраструктуры потоковых данных и аналитики, что ставит под вопрос текущую модель работы с данными — раньше она строилась исходя из большого объема исторических данных, но через несколько лет может потерять актуальность. Прикованный к ИИ интерес будет способствовать его быстрому развитию за счет таких алгоритмов обучения, как обучение с подкреплением (reinforcement learning), интерпретируемое обучение (interpretable learning) для объяснимого ИИ, а также появления эффективной инфраструктуры, в том числе периферийных вычислений, и новых типов микросхем.
2. Уход от дашбордов. Наиболее распространенным способом применения аналитики к 2025 г. станут истории данных, а не дашборды (информационные панели или панели мониторинга), причем 75% их общего объема будут автоматически генерироваться с использованием методов расширенной аналитики. Методы ИИ и машинного обучения все глубже проникают в платформы бизнес-аналитики. Чтобы добыть аналитические выводы, пользователю приходится проделывать много ручной работы с панелями мониторинга, тогда как истории данных предоставляют желаемое, не требуя от него проведения собственного анализа.
3. Аналитика для принятия решений. К 2023 г., прогнозирует Gartner, треть крупных компаний и корпораций будут иметь в своем штате аналитиков, специализирующихся в области средств моделирования принятия решений (Decision Intelligence). Математическая основа для проектирования, моделирования, согласования, выполнения решений, а также методы отслеживания и настройки моделей принятия решений в контексте бизнес-результатов создаются уже сегодня. Они будут задействоваться в сложных адаптивных системах, работа которых объединяет традиционные методы анализа на основе правил с передовыми методами, такими как ИИ и машинное обучение. Это позволяет пользователям, которые не обладают глубокими техническими познаниями, изменять логику принятия решений без привлечения программистов.
4.
5. Расширенное управление данными: метаданные — это «новый хит». Организации, использующие активные метаданные, машинное обучение и фабрики данных для динамического подключения, оптимизации и автоматизации процессов управления данными, к 2023 г. на 30% сократят время доставки данных. Методы ИИ среди прочего используются для рекомендаций по выбору наилучших действий, автоматического обнаружения метаданных или автоматизированного мониторинга средств управления. Это стало возможным благодаря концепции, которую Gartner называет «фабрикой данных». Она определяет структуру данных как нечто, что использует непрерывную аналитику существующих, обнаруживаемых и предполагаемых ресурсов метаданных для поддержки проектирования, развертывания и использования интегрированных и повторно используемых объектов данных, независимо от платформы развертывания или архитектурного подхода.
6. Облако как данность. К 2022 г. публичные облачные сервисы будут необходимы для проведения в жизнь 90% инноваций в области данных и аналитики. К тому времени облачный ИИ вырастет в 5 раз, что сделает его одной из основных категорий рабочих нагрузок в облаке. Эта тенденция началась задолго до пандемии, но влияние COVID-19 на предприятие, безусловно, ускорило ее. Поставщики облачных услуг и сами уделяют первостепенное значение поддержке данных для понимания поведенческих моделей в своих портфелях услуг. Они заинтересованы в том, чтобы клиенты работали с данными и аналитикой в их облаке, потому что тем самым они задействуют больше облачных вычислений. Со стороны предприятия использование публичного облака позволяет ему ускорить выполнение работы. По словам Саллам, облако — это новый стек.
7. Данные и аналитика: два мира сталкиваются. По данным Gartner, в ближайшие несколько лет корпоративные приложения, не связанные с аналитикой, обзаведутся аналитическими функциями. К 2023 г. 95% компаний из списка Fortune 500 превратят управление аналитикой в более масштабные инициативы по анализу и управлению данными. Еще на год раньше, к 2022 г., 40% разработки и оценки моделей машинного обучения будет осуществляться в продуктах, для которых оно является второстепенной задачей. Поставщики аналитических и BI-платформ добавляют возможности управления данными, тогда как поставщики решений для управления данными добавляют в них функции для их предварительной подготовки. В результате в течение ближайших
8. Появятся маркетплейсы и биржи данных. К 2022 г. 35% крупных организаций станут либо продавцами, либо покупателями данных через официальные торговые площадки (в 2020 г., по оценке Gartner, доля таких предприятий — 25%). По словам Саллам, эта тенденция связана с ускорением развития облачных технологий, обработки данных, машинного обучения и ИИ. Торговые площадки и биржи данных предоставляют единую платформу для консолидации предложений. Они обеспечивают централизованный доступ к
9. В аналитику придет блокчейн. Gartner считает, что в сфере данных и аналитики блокчейн будет использоваться для вертикально ориентированных бизнес-инициатив, таких как смарт-контракты, но его не стоит рассматривать как замену существующей инфраструктуры управления данными, потому что уровень его безопасности не выше, чем у альтернативных источников данных. Организации, использующие смарт-контракты на блокчейне, через три года на 50% повысят общее качество данных. При 30%-ном снижении их доступности вырастет рентабельность инвестиций в данные и аналитику.
10. Ценность данных будут формировать взаимосвязи. Замыкают новый топ трендов развития аналитики Gartner технологии графовой аналитики — набора методов, ориентированных на анализ структуры связей между объектами. К 2023 г. они будут способствовать быстрой контекстуализации для принятия решений в 30% компаний по всему миру, где будут использоваться для исследования отношений между организациями, людьми и транзакциями. С помощью средств графовой аналитики данных будут находиться связи, которые нелегко было выявить с помощью традиционных аналитических инструментов. «Эти связи имеют решающее значение для большинства задач, которые мы хотим решать с помощью данных и аналитики», — сказала Саллам. Связи раскрывают мотивы появления конкретного результата и отвечают на вопросы типа: «Что люди купили после приобретения зонта? Что они покупают одновременно?». Но при применении традиционных подходов хранения данных большинство связей теряется. Сведение реляционных таблиц требует много ресурсов и снижает производительность. В то же время технология графов позволяет прослеживать связи и увеличивает глубину понимания данных машинным обучением и ИИ.
