روندهای مدیریت داده در سال 2024 - DATAVERSITY

می‌توان انتظار داشت که روند مدیریت داده برای سال 2024 از تأثیر بسته قانون خدمات دیجیتال اتحادیه اروپا (DSA) تا تغییرات جدید ChatGPT متمرکز بر مدیریت داده‌ها باشد. مدیریت داده ها (DM) با جمع آوری، پردازش و ذخیره سازی داده ها و همچنین قوانین و مقرراتی که از حقوق افراد محافظت می کند، سر و کار دارد. مدیریت داده های یک سازمان شامل طیف وسیعی از شیوه ها، سیاست ها و رویه ها است.

کسب و کارها می توانند انتظار تغییرات قابل توجهی در فرآیندهای DM خود در طول سال 2024 داشته باشند. 

هدف مدیریت داده ها استفاده کارآمد و مقرون به صرفه از داده ها و در عین حال کمک به افراد برای تکمیل وظایف و پروژه ها است. توسعه یک استراتژی DM قوی برای سازمان ها بسیار مهم شده است. یک استراتژی قوی مدیریت داده باید شامل مجموعه ای از ابزارها و تکنیک های DM باشد و از هوش تجاری و تجزیه و تحلیل پشتیبانی کند.

سیستم های مدیریت داده به طور سنتی حول یک پلت فرم DM توسعه می یابند که می تواند شامل نرم افزارهای پشتیبانی کننده پایگاه های داده، انبارهای داده، دریاچه های داده، تجزیه و تحلیل داده ها، یکپارچه سازی داده ها و موارد دیگر باشد.

تغییرات در تکنولوژی و مقررات را می توان با برنامه ریزی صحیح آماده کرد. سایر روندها برای سال 2024 ممکن است شامل موارد زیر باشد:

• مدیریت خودکار داده ها
• مدیریت داده های مراقبت های بهداشتی
• امنیت ترکیبی / چند ابری

تأثیر بسته DSA اتحادیه اروپا در سال 2024

رفتار و روند کسب‌وکارها در سال 2024 تا حدی تحت تأثیر بسته DSA است که اتحادیه اروپا ایجاد و تصویب کرده است.

اتحادیه اروپا (برخلاف ایالات متحده) مقررات اضافی را برای محافظت از شهروندان خود اجرا کرده است: قانون خدمات دیجیتال و قانون بازارهای دیجیتال، که به آنها نیز گفته می شود. بسته DSA. این اقدامات فعالیت های آنلاین را ایمن تر می کند و از حقوق مصرف کننده و کاربر محافظت می کند. اجرای این قانون از 6 مارس 2024 آغاز خواهد شد. 

بسته DSA برای محافظت از حقوق کاربران و هموار کردن زمین بازی طراحی شده است و تأثیر چند پلتفرم بزرگ (فیس بوک، توییتر، گوگل و سایر وب سایت های دارای بیش از 45 میلیون کاربر ماهانه) را کاهش می دهد.

یکی از نگرانی‌های مهم در توسعه آن، فروش محتوای غیرقانونی، کالاها و خدمات آنلاین بود - هرزه‌نگاری کودکان، اسلحه، خدمات هک، و غیره. همچنین این نگرانی وجود دارد که خدمات آنلاین توسط سیستم‌های الگوریتمی دستکاری که برای تقویت انتشار اطلاعات نادرست

بسته DSA دارای دسترسی فراسرزمینی است و بر مشاغل در سراسر جهان تأثیر خواهد گذاشت. اگر سازمانی با مشتریان اروپایی تجارت می کند، حتی اگر آن سازمان در اروپا واقع نشده باشد، هنگام تجارت با افراد یا مشاغل در اتحادیه اروپا باید از قوانین DSA پیروی کند. در حالی که بیشتر این بسته با سیستم عامل های آنلاین بسیار بزرگ سروکار دارد، کسب و کارهای کوچکتر نیز تحت تاثیر قرار می گیرند.

کسب و کارهای کوچکتر باید بدانند که بسته DSA برای همه خدمات دیجیتالی اعمال می شود که مصرف کنندگان اروپایی را به محتوا (در رابطه با اطلاعات غلط)، کالاها و خدمات آنلاین (در رابطه با فعالیت های غیرقانونی) متصل می کند. 

سازمان‌هایی که در اتحادیه اروپا تجارت می‌کنند باید به تعهدات جدیدی از جمله ارزیابی و مقابله با خطرات، کاهش آسیب، حفاظت از حقوق کاربران خود در فضای آنلاین، و مسئولیت‌های گسترده‌تر پاسخگویی و شفافیت عمل کنند. این مقررات به منظور ارائه حمایت‌های جدید به کاربران اینترنت و روشن کردن مسئولیت‌های قانونی سازمان‌هایی است که در اینترنت تجارت می‌کنند.  

مدیریت خودکار داده ها

کاهش نیاز به مدیریت دستی داده ها به یک هدف کلیدی برای توسعه دهندگان نرم افزار خاص تبدیل شده است. در حین نصب ابزارهای مدیریت خودکار داده ها می تواند یک فرآیند پیچیده باشد، زمانی که به درستی انجام شود، کارایی را بهبود می بخشد، هزینه ها را کاهش می دهد و کار دستی خسته کننده را حذف می کند. در زیر برخی از فرآیندهای خودکاری که سازمان ها شروع به استفاده از آنها کرده اند آورده شده است: 

• جمع آوری داده ها: جمع آوری داده ها از منابع مختلف مانند پایگاه های داده، اسناد و سایر وب سایت ها.
• یکپارچه سازی داده ها: این شامل جمع آوری داده ها، تبدیل آن به فرمت مناسب و ذخیره آن در یک مخزن است.
• پاکسازی داده ها: فرآیند حذف رکوردهای تکراری، استانداردسازی فرمت های داده و تصحیح خطاها.
• پردازش و تحلیل داده ها: استفاده از الگوریتم ها یا یادگیری ماشینی برای ایجاد بینش از داده ها.
• حاکمیت داده: این فرآیند با حصول اطمینان از اینکه داده ها مطابق با سیاست های کسب و کار و مقررات دولتی اداره می شوند، سروکار دارد.

ابزارهای اتوماسیون مبتنی بر نرم‌افزار باید بخشی از شیوه‌های DM سازمان باشند تا با نیازهای مهم مدیریت حجم عظیمی از داده‌ها به طور کارآمد به صورت روزانه همراه باشند. 

در سال 2024، می‌توانیم انتظار داشته باشیم که هوش مصنوعی و ML (یادگیری ماشین) خدمات ارزشمند اتوماسیون را ارائه دهند. 

به حداکثر رساندن مراقبت های بهداشتی با مدیریت داده ها

برخلاف صنعت بانکداری و خرده فروشی، صنعت مراقبت های بهداشتی هنوز به طور کامل از تجزیه و تحلیل داده ها یا تحقیقات کلان داده استفاده نکرده است. دلایل مختلفی برای این تاخیر وجود دارد، از حفظ حریم خصوصی بیمار تا تاکید کمتر بر سود. 

با این حال، صنعت مراقبت های بهداشتی شروع شده است با استفاده از تجزیه و تحلیل و داده های بزرگ برای یافتن الگوها. یک مثال ساده از فرانسه می آید: چهار بیمارستان که همه اعضای Assistance Publique-Hôpitaux de Paris هستند، از 10 سال گذشته سوابق پذیرش بیمارستان خود برای پیش بینی ساعتی و روزانه تعداد بیمارانی که می توانند در هر مرکز انتظار داشته باشند، استفاده کردند. تجزیه و تحلیل الگوهای مربوطه را در نرخ پذیرش ارائه کرد. 

نمونه دیگری از تجزیه و تحلیل داده ها در صنعت مراقبت های بهداشتی، استفاده از هشدار در زمان واقعی است. بیمارستان ها شروع به استفاده کرده اند پشتیبانی تصمیم گیری بالینی نرم‌افزار (CDS) که داده‌های پزشکی را در محل تجزیه و تحلیل می‌کند و به پزشکان در هنگام تصمیم‌گیری توصیه می‌کند.

در 11 نوامبر 2023، وزارت امور کهنه سربازان میلیونی خود را وارد یک پایگاه داده ژنتیکی کرد که از برنامه میلیون جانباز. اهداف تحقیقات مبتنی بر داده آنها درک بهتر این است که چگونه ژن ها، قرار گرفتن در معرض نظامی و رفتارهای سبک زندگی بر سلامت افراد تأثیر می گذارد و ارائه داروی فردی است.

مدیریت داده برای امنیت ابر ترکیبی

در طول سال 2024، می‌توان انتظار داشت که از سیستم‌های مدیریت داده استفاده شود رمزگذاری, معماری شبکه امنیت سایبریو تقسیم بندی شبکه به عنوان راه هایی برای تامین امنیت ابر هیبریدی و محافظت از داده ها. 

در سال‌های اخیر، تعریف ابر هیبریدی از ترکیب یک سیستم داخلی همراه با یک ابر عمومی به سیستم‌های چند ابری گسترش یافته است. ابر هیبریدی از یک سیستم انعطاف پذیر پشتیبانی می کند که دسترسی به ابزارهای تخصصی را فراهم می کند. 

متأسفانه، فرآیند استفاده از سیستم هیبریدی/چند ابری نیز با برخی از آنها همراه است چالش های امنیتی. 

استفاده از ابرهای متعدد از منظر مدیریت و امنیت پیچیده می شود. بدون رویه‌های مناسب برای ردیابی و نظارت بر استفاده از خدمات مختلف ابری، مدیریت نمی‌داند چه کسی از منابع استفاده می‌کند. 

علاوه بر این، تا زمانی که صورتحساب را دریافت نکرده باشند، نمی دانند چه زمانی از آنها استفاده می شود. از آنجا که چندین برنامه از سیستم های داخلی و چند ابری برای دسترسی و کار با داده ها استفاده می کنند، مشاهده پذیری بسیار مهم می شود. (در این مورد، قابلیت مشاهده به معنای توانایی نظارت بر داده ها و رویدادها در چندین ابر و سیستم داخلی است.) 

فروشندگان، مانند Middleware و Datadog، این نیاز را تشخیص داده اند و بر ارائه ابزارهای قابل مشاهده تمرکز کرده اند که یک "تک شیشه" یکپارچه را برای اهداف مشاهده فراهم می کند. 

نگرانی دیگر این است که ابرهای مختلف از اشکال مختلفی از امنیت استفاده می کنند. توسعه سیستمی که تمام ابرهای مورد استفاده سازمان شما را برای کار بر روی پروژه ها به هم متصل می کند، یک نگرانی امنیتی قابل توجه است، زیرا هر اتصال ممکن است یک نقض بالقوه باشد. ترکیبی/چند ابری انعطاف‌پذیری قابل‌توجهی در جابجایی سریع حجم کاری بین محیط‌های مختلف ارائه می‌کند، اما این فرآیند خطرات امنیتی را نیز افزایش می‌دهد.

مدیریت داده ها با استفاده از هوش مصنوعی

اگرچه استفاده از هوش مصنوعی برای اهداف مدیریت داده جدید نیست، اما همچنان محبوبیت خود را افزایش می دهد. قبل از سال 2023، هوش مصنوعی برای وظایف DM مورد استفاده قرار می گرفت (و هنوز هم استفاده می شود) و به عنوان یک شکل هوشمندتر از فرآیندهای خودکار عمل می کرد. هوش مصنوعی برای انواع وظایف DM استفاده می شود، از جمله:  

• تشخیص ناهنجاری
• مدیریت فراداده
• کشف خودکار فراداده
• فهرست نویسی داده ها
• نقشه برداری داده ها
• نظارت بر کنترل حاکمیت داده

با معرفی ChatGPT، و مدل زبان بزرگ با پشتیبانی از آن، می‌توانیم انتظار راه‌حل‌های جدید ارائه خدمات هوشمند و مبتنی بر یادگیری را داشته باشیم. همانطور که مدل های زبان بزرگ به تکامل خود ادامه می دهند، خدماتی که از فرآیندهای مدیریت داده پشتیبانی می کنند با آنها به تکامل خود ادامه می دهند. OpenAI، سازمانی که مسئول توسعه ChatGPT است در حال آزمایش بوده است با مدیریت داده

تصویر مورد استفاده تحت مجوز Shutterstock

• محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
• PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
• PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
• PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
• PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
• منبع: https://www.dataversity.net/data-management-trends-in-2024/