2024 datatrender: från samverkande datadelning till AI-driven verksamhet - DATAVERSITET

Återutgiven av Platon

anhängare: 0

I det snabbt föränderliga datalandskapet är förståelse av nya trender och omfamning av tekniska framsteg nyckeln för att ligga i framkant. När vi närmar oss 2024 utforskar den här artikeln datatrenderna som kommer att definiera det strategiska landskapet för det kommande året.

Trend: Fokus på data Ssill och Data Csamarbete

Att förbättra datadelning och säkra datasamarbete mellan parter håller på att bli ett nyckelområde. Företag som Snowflake och Databricks anammar denna idé, och den vinner dragkraft i olika branscher.

Under det senaste årtiondet, digital omvandling har lett till uppdelning av affärsprocesser och system i mindre bitar. Vissa av dessa delar blir kvar inom företaget, medan andra outsourcas till externa leverantörer, vilket skapar ett komplext ekosystem. Till exempel kan den globala betalningsbearbetningens digitala transformationsansträngningar nu beröra 10 eller 15 företag, och data är spridd över alla dessa olika parter. Data från flera leverantörer måste integreras för att kunna ses holistiskt, och det här är en utmaning.

Så dataprodukter byggs i allt högre grad kring idén att slå samman data mellan olika parter. Denna trend förväntas fortsätta under de närmaste åren, och många dataprodukter kommer att byggas kring denna process.

Trend: The Rise of Data Mesh

Begreppet datanät har fått draghjälp under de senaste tre åren. Det tar två nyckelkomponenter i framkant. Först introduceras idén om "data som en produkt", vilket innebär att paketera data i ett väldefinierat, upptäckbart format som kan användas på ett självbetjäningssätt, utan direkt inblandning från dataproducenten. Detta koncept inkluderar inte bara rådata utan också analytiska modeller, såsom de som används för kundavgång eller förebyggande av bedrägerier.

För det andra, användningen av självbetjäningsplattformar för att producera dataprodukter, inte för business intelligence, gör det möjligt för olika affärsenheter att skapa dataprodukter utan behov av separata dataplattformar. Detta sänker kostnaderna och ökar effektiviteten.

Stora teknikleverantörer, inklusive molntjänster som Azure och AWS, kommer ikapp och erbjuder lösningar för att hantera distribuerade data- och analysplattformar på ett datamesh-sätt. Detta hjälper att koppla data över olika plattformar och tekniker, vilket ger en centraliserad bild av datalandskapet.

Trend: LLM kommer att spela en avgörande roll för att förbättra datateknik och datadrift

Generativa AI och stora språkmodeller (LLM) har potential att förändra datautrymmet. Denna transformation inkluderar implementering av GenAI-modeller inom befintlig datainfrastruktur för uppgifter som datateknik och datadrift.

Ännu mer intressant är potentialen för dessa tekniker för att lösa rudimentära uppgifter, som profilering, modellering och integrering av data, effektivisering av processer och förbättring av datakvalitet. LLM:er förväntas spela en avgörande roll för att förbättra datateknik och datadrift.

Trend: företag kommer att investera i dataupptäcktsverktyg och datakataloger

Datastyrning har utvecklats under de senaste åren. Tidigare var det fokuserat på att säkra data och hantera risker, men det har sedan dess gått över till att göra data allmänt tillgänglig samtidigt som riskerna minimeras. Konceptet med data-som-en-produkt är den största förändringen eftersom det flyttar ansvaret till de team som producerar, äger eller servar datan.

Företag investerar i dataupptäcktsverktyg och datakataloger för att få synlighet i sina data, inklusive dess källor, ägande, struktur och kvalitet. Datastyrning innebär nu att göra data synlig, upptäckbar, återanvändbar och användbar.

Trend: växande betoning på datakvalitet

Dataobservabilitet har blivit populärt under de senaste två eller tre åren, drivet av den ökade användningen av dataanalys och behovet av datakvalitet. Det ger en detaljerad förståelse av data under körning, vilket hjälper organisationer att spåra dataflödet och identifiera datakvalitetsproblem, driftsproblem och förändringar av datasystem. Det ger mycket värde till ingenjörer och driftpersonal när det gäller synlighet och en förståelse av vad som händer.

Dataobservationsverktyg som Monte Carlo och Soda har dykt upp för att möta den växande efterfrågan på förbättrad datakvalitet och operativ effektivitet.

En annan aspekt av denna trend är de ökande investeringarna i dataanalys. Inom området för dataanalys beror det härledda värdet mycket på kvaliteten på den data som analyseras. Som ett resultat av detta lägger organisationer större tonvikt på datakvalitet. Under denna process blir det uppenbart att många datakvalitetsproblem inte beror på frånvaron av väldefinierade affärsregler eller valideringsregler för data. Istället härrör ofta problem från operativa avvikelser, som ändringar som gjorts av individer eller felaktigheter i data som tas emot från leverantörer, bland andra operativa utmaningar.

Det här är fem av de viktigaste datatrenderna att vara medveten om under 2024. Vilka skulle du lägga till i listan?