Trendi upravljanja podatkov v letu 2024 - DATAVERSITY

Trendi upravljanja podatkov v letu 2024 – DATAVERSITY

Časovni žig: 26. december 2023 3:35
Izvorno vozlišče: 3038167

Pričakovati je, da se bodo trendi pri upravljanju podatkov za leto 2024 gibali od vpliva paketa EU o digitalnih storitvah (DSA) do novih različic ChatGPT, osredotočenih na upravljanje podatkov. Upravljanje podatkov (DM) se ukvarja z zbiranjem, obdelavo in shranjevanjem podatkov, pa tudi z zakoni in predpisi, ki ščitijo pravice ljudi. Upravljanje podatkov organizacije vključuje širok nabor praks, politik in postopkov.

Podjetja lahko pričakujejo znatne spremembe v svojih procesih DM v letu 2024. 

Cilj upravljanja podatkov je učinkovito in stroškovno učinkovito uporabljati podatke, hkrati pa ljudem pomagati pri dokončanju nalog in projektov. Razvijanje robustne strategije DM je postalo izjemno pomembno za organizacije. Trdna strategija upravljanja podatkov mora vključevati vrsto orodij in tehnik DM ter podpirati poslovno inteligenco in analitiko.

Sistemi za upravljanje podatkov so tradicionalno razviti okoli platforme DM, ki lahko vključuje programsko opremo, ki podpira podatkovne baze, podatkovna skladišča, podatkovna jezera, podatkovno analitiko, integracijo podatkov in drugo.

Na spremembe tehnologije in predpisov se je mogoče pripraviti s pravim načrtovanjem. Drugi trendi za leto 2024 lahko vključujejo:

  • Avtomatizirano upravljanje podatkov
  • Upravljanje zdravstvenih podatkov
  • Hibridna varnost/varnost v več oblakih

Vpliv svežnja DSA Evropske unije leta 2024

Na vedenje in trende podjetij v letu 2024 bo delno vplival sveženj DSA, ki ga je razvila in sprejela Evropska unija.

Evropska unija (za razliko od Združenih držav) je uvedla dodatne predpise za zaščito svojih državljanov: Zakon o digitalnih storitvah in Zakon o digitalnih trgih, imenovan tudi DSA paket. S temi dejanji so spletne dejavnosti varnejše in varujejo pravice potrošnikov in uporabnikov. Izvrševanje se bo začelo 6. marca 2024. 

Paket DSA je zasnovan tako, da ščiti pravice uporabnikov in izenači konkurenčne pogoje ter zmanjša vpliv nekaj velikih platform (Facebook, Twitter, Google in druga spletna mesta z več kot 45 milijoni uporabnikov mesečno).

Pomemben pomislek pri njegovem razvoju je bila prodaja nezakonitih vsebin, blaga in storitev na spletu – otroška pornografija, orožje, hekerske storitve itd. Obstaja tudi zaskrbljenost, da spletne storitve zlorabljajo manipulativni algoritemski sistemi, ki so zasnovani za razširitev širjenje napačnih informacij.

Paket DSA ima ekstrateritorialni doseg in bo vplival na podjetja po vsem svetu. Če organizacija posluje z evropskimi strankami, tudi če ta organizacija ni v Evropi, mora pri poslovanju z ljudmi ali podjetji znotraj Evropske unije upoštevati pravila DSA. Medtem ko se velik del paketa ukvarja z zelo velikimi spletnimi platformami, manjša podjetja so tudi prizadeti.

Manjša podjetja se morajo zavedati, da paket DSA velja za vse digitalne storitve, ki evropske potrošnike povezujejo z vsebino (v zvezi z napačnimi informacijami), blagom in storitvami na spletu (v zvezi z nezakonitimi dejavnostmi). 

Organizacije, ki poslujejo v EU, bodo morale izpolniti nove obveznosti, ki vključujejo ocenjevanje in preprečevanje tveganj, zmanjševanje škode, zaščito pravic uporabnikov na spletu ter izpolnjevanje širše odgovornosti in odgovornosti glede preglednosti. Ti predpisi naj bi uporabnikom interneta ponudili novo zaščito in pojasnili pravne odgovornosti organizacij, ki poslujejo na internetu.  

Avtomatizirano upravljanje podatkov

Zmanjšanje potrebe po ročnem upravljanju podatkov je postalo ključni cilj nekaterih razvijalcev programske opreme. Med namestitvijo avtomatizirana orodja za upravljanje podatkov je lahko zapleten proces, če se izvaja pravilno, izboljša učinkovitost, zmanjša stroške in odpravi dolgočasno ročno delo. Spodaj je navedenih nekaj avtomatiziranih procesov, ki so jih organizacije začele uporabljati: 

  • Zbiranje podatkov: Zbiranje podatkov iz različnih virov, kot so zbirke podatkov, dokumenti in druga spletna mesta.
  • Integracija podatkov: To vključuje zbiranje podatkov, njihovo preoblikovanje v ustrezno obliko in shranjevanje v enem samem repozitoriju.
  • Čiščenje podatkov: Postopek odstranjevanja podvojenih zapisov, standardizacije formatov podatkov in popravljanja napak.
  • Obdelava in analiza podatkov: Uporaba algoritmov ali strojnega učenja za razvoj vpogledov iz podatkov.
  • Upravljanje podatkov: Ta postopek se ukvarja z zagotavljanjem, da se s podatki ravna v skladu s poslovnimi politikami in vladnimi predpisi.

Da bi sledili velikim zahtevam učinkovitega vsakodnevnega upravljanja ogromnih količin podatkov, morajo biti orodja za avtomatizacijo na osnovi programske opreme del praks organizacije DM. 

Leta 2024 lahko pričakujemo, da bosta AI in ML (strojno učenje) zagotavljala dragocene storitve avtomatizacije. 

Povečanje zdravstvene oskrbe z upravljanjem podatkov

Za razliko od bančništva in trgovine na drobno zdravstvena industrija še ni v celoti izkoristila analitike podatkov ali raziskav velikih podatkov. Razlogi za to zaostajanje so različni, od zasebnosti pacientov do manjšega poudarka na dobičku. 

Vendar pa se je začela zdravstvena industrija z uporabo analitike in veliki podatki za iskanje vzorcev. Preprost primer prihaja iz Francije: štiri bolnišnice, vse članice Assistance Publique-Hôpitaux de Paris, so uporabile zadnjih 10 let svojih bolnišničnih evidenc o sprejemih, da bi naredile urne in dnevne napovedi števila bolnikov, ki jih lahko pričakujejo v vsaki ustanovi. Analiza je predstavila ustrezne vzorce v stopnjah sprejema. 

Drug primer analitike podatkov v zdravstveni industriji je uporaba alarmiranja v realnem času. Bolnišnice so začele uporabljati Podpora pri kliničnem odločanju (CDS) programska oprema, ki analizira zdravstvene podatke na kraju samem in zdravstvenim delavcem nudi nasvete, ko sprejemajo predpisane odločitve.

11. novembra 2023 je Ministrstvo za veterane vneslo svojega milijontega veterana v genetsko zbirko podatkov, ki podpira Milijonski veteranski program. ​​Cilja njihove raziskave, ki temelji na podatkih, je bolje razumeti, kako geni, vojaška izpostavljenost in življenjski slog vplivajo na zdravje ljudi, ter zagotoviti individualizirano medicino.

Upravljanje podatkov za hibridno varnost v oblaku

V letu 2024 lahko pričakujemo uporabo sistemov za upravljanje podatkov šifriranje, kibernetsko varnostno mrežno arhitekturoin segmentacijo omrežja kot načine za zagotavljanje varnosti hibridnega oblaka in zaščito podatkov. 

V zadnjih letih se je definicija hibridnega oblaka razširila s kombinacije lokalnega sistema v kombinaciji z javnim oblakom na vključevanje sistemov z več oblaki. Hibridni oblak podpira prilagodljiv sistem, ki omogoča dostop do specializiranih orodij. 

Na žalost ima postopek uporabe hibridnega sistema/sistema v več oblakih tudi nekaj varnostni izzivi. 

Uporaba več oblakov postane zapletena z vidika upravljanja in varnosti. Brez vzpostavljenih ustreznih postopkov za sledenje in spremljanje uporabe različnih storitev v oblaku vodstvo ne ve, kdo uporablja vire. 

Poleg tega ne bodo vedeli, kdaj so uporabljeni, dokler ne prejmejo računa. Ker več aplikacij za dostop do podatkov in delo z njimi uporablja lokalne sisteme in več oblakov, postane opaznost ključnega pomena. (V tem primeru opazljivost pomeni zmožnost spremljanja podatkov in dogodkov v več oblakih in notranjih sistemih.) 

Prodajalci, kot sta Middleware in Datadog, so prepoznali to potrebo in se osredotočili na zagotavljanje orodij za opazovanje, ki zagotavljajo integrirano »eno stekleno ploščo« za namene gledanja. 

Druga skrb je, da različni oblaki uporabljajo različne oblike varnosti. Razvijanje sistema, ki povezuje vse oblake, ki jih vaša organizacija uporablja za delo na projektih, predstavlja veliko varnostno skrb, saj je lahko vsaka povezava potencialna kršitev. Hibridni/večoblačni oblaki ponujajo precejšnjo prilagodljivost pri hitrem premikanju delovnih obremenitev med različnimi okolji, vendar postopek povečuje tudi varnostna tveganja.

Upravljanje podatkov z uporabo umetne inteligence

Čeprav uporaba umetne inteligence za namene upravljanja podatkov ni nova, je še naprej vse bolj priljubljena. Pred letom 2023 se je za naloge DM uporabljala (in se še vedno) umetna inteligenca, ki je delovala kot bolj inteligentna oblika avtomatiziranih procesov. Umetna inteligenca se uporablja za različne naloge DM, vključno z:  

  • Detekcija anomalije
  • Upravljanje metapodatkov
  • Samodejno odkrivanje metapodatkov
  • Katalogizacija podatkov
  • Preslikava podatkov
  • Spremljanje nadzora upravljanja podatkov

Z uvedbo ChatGPT in velik jezikovni model če ga podpiramo, lahko pričakujemo nove rešitve, ki ponujajo inteligentne storitve, ki temeljijo na učenju. Ker se veliki jezikovni modeli še naprej razvijajo, se bodo storitve, ki podpirajo procese upravljanja podatkov, še naprej razvijale z njimi. OpenAI, organizacija, odgovorna za razvoj ChatGPT, ima eksperimentiral z upravljanjem podatkov.

Slika, uporabljena pod licenco Shutterstock

Časovni žig:

Več od PODATKOVNOST