Datahåndteringstrender i 2024 – DATAVERSITET

Data Management Trends in 2024 – DATAVERSITY

Tidsstempel: 26. desember 2023 3:35
Kilde node: 3038167

Trendene innen dataadministrasjon for 2024 kan forventes å variere fra virkningen av EUs Digital Services Act (DSA)-pakke til nye varianter av ChatGPT fokusert på administrasjon av data. Data Management (DM) omhandler innsamling, behandling og lagring av data, samt lover og forskrifter som beskytter folks rettigheter. Å administrere en organisasjons data involverer et bredt spekter av praksiser, retningslinjer og prosedyrer.

Bedrifter kan forvente betydelige endringer i deres DM-prosesser i løpet av 2024. 

Målet med Data Management er å bruke data effektivt og kostnadseffektivt samtidig som det hjelper folk med å fullføre oppgaver og prosjekter. Å utvikle en robust DM-strategi har blitt ekstremt viktig for organisasjoner. En robust dataadministrasjonsstrategi bør inkludere en rekke DM-verktøy og -teknikker, og støtte forretningsintelligens og analyser.

Databehandlingssystemer er tradisjonelt utviklet rundt en DM-plattform, som kan inkludere programvare som støtter databaser, datavarehus, datainnsjøer, dataanalyse, dataintegrasjon og mer.

Endringer i teknologi og regelverk kan forberedes med riktig planlegging. Andre trender for 2024 kan omfatte:

  • Automatisert databehandling
  • Forvaltning av helsedata
  • Hybrid/multi-sky-sikkerhet

Virkningen av EUs DSA-pakke i 2024

Atferden og trendene til bedrifter i 2024 vil delvis bli påvirket av DSA-pakken EU har utviklet og vedtatt.

Den europeiske union (i motsetning til USA) har implementert ytterligere reguleringer for å beskytte sine innbyggere: Digital Services Act og Digital Markets Act, også referert til som DSA-pakke. Disse handlingene gjør nettaktiviteter tryggere og beskytter forbrukernes og brukernes rettigheter. Håndhevelsen starter 6. mars 2024. 

DSA-pakken er utviklet for å beskytte brukernes rettigheter og for å utjevne konkurransevilkårene, og redusere virkningen av noen få store plattformer (Facebook, Twitter, Google og andre nettsteder med over 45 millioner månedlige brukere).

En betydelig bekymring i utviklingen var salg av ulovlig innhold, varer og tjenester på nettet – barnepornografi, våpen, hackingtjenester osv. Det er også bekymring for at nettjenester blir misbrukt av manipulerende algoritmiske systemer som er designet for å forsterke spredning av feilinformasjon.

DSA-pakken har ekstraterritoriell rekkevidde, og vil påvirke virksomheter over hele verden. Hvis en organisasjon gjør forretninger med europeiske kunder, selv om den organisasjonen ikke er lokalisert i Europa, må den følge DSA-reglene når de gjør forretninger med personer eller bedrifter innenfor EU. Mens mye av pakken omhandler veldig store nettplattformer, mindre virksomheter blir også berørt.

Mindre bedrifter må være klar over at DSA-pakken gjelder for alle digitale tjenester som kobler europeiske forbrukere til innhold (når det gjelder feilinformasjon), varer og tjenester på nettet (angående ulovlige aktiviteter). 

Organisasjoner som driver forretninger i EU vil måtte møte nye forpliktelser som involverer å vurdere og motvirke risikoer, redusere skader, beskytte brukernes rettigheter på nettet og møte bredere ansvars- og åpenhetsansvar. Disse forskriftene er ment å tilby ny beskyttelse til internettbrukere og tydeliggjøre det juridiske ansvaret til organisasjoner som driver virksomhet på internett.  

Automatisert databehandling

Å redusere behovet for manuell databehandling har blitt et hovedmål for enkelte programvareutviklere. Mens du installerer automatiserte databehandlingsverktøy kan være en komplisert prosess, når den gjøres riktig, forbedrer den effektiviteten, reduserer kostnadene og eliminerer kjedelig manuelt arbeid. Nedenfor er noen automatiserte prosesser som organisasjoner har begynt å bruke: 

  • Datainnsamling: Innsamling av data fra forskjellige kilder, for eksempel databaser, dokumenter og andre nettsteder.
  • Dataintegrasjon: Dette innebærer å ta innsamlingsdataene, transformere dem til et passende format og lagre dem i et enkelt depot.
  • Datarensing: Prosessen med å fjerne dupliserte poster, standardisere dataformater og korrigere feil.
  • Databehandling og analyse: Bruk av algoritmer eller maskinlæring for å utvikle innsikt fra dataene.
  • Datastyring: Denne prosessen handler om å sikre at dataene håndteres i henhold til virksomhetens retningslinjer og myndighetsbestemmelser.

For å holde tritt med de betydelige kravene til å administrere enorme mengder data effektivt på daglig basis, må programvarebaserte automatiseringsverktøy være en del av en organisasjons DM-praksis. 

I 2024 kan vi forvente at AI og ML (maskinlæring) vil gi verdifulle automatiseringstjenester. 

Maksimer helsevesenet med dataadministrasjon

I motsetning til bank- og detaljhandelsbransjen, har helsevesenet ennå ikke utnyttet dataanalyse eller stordataforskning fullt ut. Det er en rekke årsaker til dette etterslepet, alt fra pasientens personvern til lavere vekt på fortjeneste. 

Imidlertid har helsevesenet startet ved hjelp av analyser og store data for å finne mønstre. Et enkelt eksempel kommer fra Frankrike: fire sykehus, alle medlemmer av Assistance Publique-Hôpitaux de Paris, brukte de siste 10 årene av sykehusinnleggelsesjournalene sine til å lage timelige og daglige spådommer om antall pasienter de kunne forvente ved hvert anlegg. Analysen presenterte relevante mønstre i opptaksrater. 

Et annet eksempel på dataanalyse i helsesektoren er bruken av sanntidsvarsling. Sykehus har begynt å bruke Støtte for klinisk beslutning (CDS) programvare som analyserer medisinske data på stedet, og gir helsepersonell råd når de tar foreskrivende beslutninger.

11. november 2023 la Department of Veterans Affairs sin millionte veteran inn i en genetisk database som støtter Million Veteran Program. Målene med deres databaserte forskning er å bedre forstå hvordan gener, militære eksponeringer og livsstilsatferd påvirker folks helse, og å gi individualisert medisin.

Databehandling for Hybrid Cloud Security

I løpet av 2024 kan vi forvente at Data Management-systemer blir tatt i bruk kryptering, cybersecurity mesh-arkitekturog nettverkssegmentering som måter å gi hybrid skysikkerhet og beskytte data. 

De siste årene har definisjonen av en hybridsky utvidet seg fra kombinasjonen av et lokalt system kombinert med en offentlig sky til å inkludere multiskysystemer. Hybridskyen støtter et fleksibelt system som gir tilgang til spesialiserte verktøy. 

Dessverre kommer prosessen med å bruke et hybrid/multi-sky-system også med noen sikkerhetsutfordringer. 

Bruken av flere skyer blir kompleks fra et ledelses- og sikkerhetsperspektiv. Uten de riktige prosedyrene på plass for å spore og overvåke bruken av ulike skytjenester, vet ikke ledelsen hvem som bruker ressursene. 

I tillegg vil de ikke vite når de blir brukt før etter at de har mottatt regningen. Fordi flere applikasjoner bruker lokale systemer og multiskyer for å få tilgang til og arbeide med data, blir observerbarhet avgjørende. (I dette tilfellet betyr observerbarhet muligheten til å overvåke data og hendelser på tvers av flere skyer og interne systemer.) 

Leverandører, som Middleware og Datadog, har erkjent dette behovet og har fokusert på å levere observerbarhetsverktøy som gir en integrert "enkelt glassrute" for visningsformål. 

En annen bekymring er at forskjellige skyer bruker forskjellige former for sikkerhet. Å utvikle et system som kobler sammen alle skyene som brukes av organisasjonen din for å jobbe med prosjekter, utgjør et betydelig sikkerhetsproblem, ved at hver tilkobling kan være et potensielt brudd. Hybrid/multiskyer gir betydelig fleksibilitet når det gjelder å flytte arbeidsbelastninger mellom ulike miljøer raskt, men prosessen øker også sikkerhetsrisikoen.

Databehandling ved hjelp av kunstig intelligens

Selv om bruken av kunstig intelligens for databehandlingsformål ikke er ny, fortsetter den å vokse i popularitet. Før 2023 ble (og brukes fortsatt) kunstig intelligens til DM-oppgaver, og fungerte som en mer intelligent form for automatiserte prosesser. Kunstig intelligens brukes til en rekke DM-oppgaver, inkludert:  

  • Anomali påvisning
  • Metadatahåndtering
  • Automatisk oppdagelse av metadata
  • Datakatalogisering
  • Datakartlegging
  • Data Governance kontroll overvåking

Med introduksjonen av ChatGPT, og stor språkmodell Ved å støtte det kan vi forvente nye løsninger som tilbyr intelligente, læringsbaserte tjenester. Ettersom store språkmodeller fortsetter å utvikle seg, vil tjenester som støtter databehandlingsprosesser fortsette å utvikle seg med dem. OpenAI, organisasjonen som er ansvarlig for å utvikle ChatGPT, har har eksperimentert med Data Management.

Bilde brukt under lisens fra Shutterstock

Tidstempel:

Mer fra DATAVERSITET