Datatrender for 2024: Fra samarbeidende datadeling til AI-drevne operasjoner – DATAVERSITY

Datatrender i 2024: Fra samarbeidende datadeling til AI-drevne operasjoner – DATAVERSITY

Tidsstempel: 14. desember 2023 3:25
Kilde node: 3013137

I det raskt utviklende datalandskapet er det å forstå nye trender og omfavne teknologiske fremskritt nøkkelen til å ligge i forkant. Når vi nærmer oss 2024, utforsker denne artikkelen datatrendene som vil definere det strategiske landskapet for det kommende året.

Trend: Et fokus på data SHaring og Data Csamarbeid

Forbedring av datadeling og sikkert datasamarbeid mellom parter er i ferd med å bli et nøkkelområde. Selskaper som Snowflake og Databricks omfavner denne ideen, og den får gjennomslag i ulike bransjer. 

I løpet av det siste tiåret, digital transformasjon har ført til nedbryting av forretningsprosesser og systemer i mindre biter. Noen av disse delene forblir i selskapet, mens andre er outsourcet til eksterne leverandører, noe som skaper et komplekst økosystem. For eksempel kan global betalingsbehandlings digitale transformasjonsarbeid nå berøre 10 eller 15 selskaper, og data er spredt på alle disse ulike partene. Data fra flere leverandører må integreres for å kunne ses helhetlig, og dette er en utfordring.

Så dataprodukter bygges i økende grad rundt ideen om å slå sammen data på tvers av ulike parter. Denne trenden forventes å fortsette de neste årene, og mange dataprodukter vil bygges rundt denne prosessen.

Trend: The Rise of Data Mesh

Begrepet datanett har fått gjennomslag de siste tre årene. Det bringer to nøkkelkomponenter i forgrunnen. For det første introduserer den ideen om "data som et produkt", som innebærer å pakke data i et veldefinert, oppdagbart format som kan brukes på en selvbetjent måte, uten direkte involvering fra dataprodusenten. Dette konseptet inkluderer ikke bare rådata, men også analytiske modeller, for eksempel de som brukes til kundefragang eller forebygging av svindel.

For det andre gjør bruken av selvbetjeningsplattformer for å produsere dataprodukter, ikke for business intelligence, ulike forretningsenheter i stand til å lage dataprodukter uten behov for separate dataplattformer. Dette reduserer kostnadene og øker effektiviteten.

Store teknologileverandører, inkludert skytjenester som Azure og AWS, fanger opp og tilbyr løsninger for å administrere distribuerte data- og analyseplattformer på en datamaskeringsmåte. Dette bidrar til å koble data på tvers av ulike plattformer og teknologier, og gir en sentralisert oversikt over datalandskapet.

Trend: LLM-er vil spille en avgjørende rolle i å forbedre datateknikk og datadrift

Generativ AI og store språkmodeller (LLM) har potensial til å transformere datarommet. Denne transformasjonen inkluderer distribusjon av GenAI-modeller innenfor eksisterende datainfrastruktur for oppgaver som datateknikk og datadrift. 

Enda mer interessant er potensialet for disse teknologiene for å løse rudimentære oppgaver, som profilering, modellering og integrering av data, strømlinjeforming av prosesser og forbedring av datakvalitet. LLM-er forventes å spille en avgjørende rolle i å forbedre datateknikk og datadrift.

Trend: Selskaper vil investere i dataoppdagingsverktøy og datakataloger

Datastyring har utviklet seg de siste årene. Tidligere var det fokusert på å sikre data og håndtere risiko, men det har siden gått over til å gjøre data allment tilgjengelig samtidig som risikoen er minimalisert. Konseptet med data-som-et-produkt er den største endringen, fordi det flytter ansvaret til teamene som produserer, eier eller betjener dataene.

Bedrifter investerer i dataoppdagingsverktøy og datakataloger for å få innsyn i dataene deres, inkludert kilder, eierskap, struktur og kvalitet. Datastyring innebærer nå å gjøre data synlige, oppdagbare, gjenbrukbare og nyttige. 

Trend: Økende vekt på datakvalitet 

Dataobservabilitet har vunnet popularitet de siste to eller tre årene, drevet av økt bruk av dataanalyse og behovet for datakvalitet. Det gir en detaljert forståelse av data under kjøring, og hjelper organisasjoner med å spore dataflyten og identifisere problemer med datakvalitet, driftsproblemer og endringer i datasystemer. Det gir mye verdi til ingeniører og driftsfolk når det gjelder synlighet og forståelse for hva som skjer.

Dataobservasjonsverktøy som Monte Carlo og Soda har dukket opp for å møte den økende etterspørselen etter forbedret datakvalitet og operasjonell effektivitet.

Et annet aspekt ved denne trenden er den økende investeringen i dataanalyse. I området for dataanalyse avhenger verdien som utledes sterkt av kvaliteten på dataene som analyseres. Som et resultat av dette legger organisasjoner større vekt på datakvalitet. I løpet av denne prosessen blir det tydelig at mange problemer med datakvalitet ikke stammer fra fraværet av veldefinerte forretningsregler eller valideringsregler for dataene. I stedet stammer ofte problemer fra operasjonelle avvik, for eksempel endringer gjort av enkeltpersoner eller unøyaktigheter i data mottatt fra leverandører, blant andre operasjonelle utfordringer.

Dette er fem av de viktigste datatrendene å være klar over i 2024. Hvilke vil du legge til listen?

Tidstempel:

Mer fra DATAVERSITET