به دست آوردن ارزش از داده های شما نباید چندان دشوار باشد

تأثیر احتمالی انفجار مداوم داده ها در سراسر جهان تخیل را تحریک می کند. بر اساس گزارش 2018 ، هر ثانیه از هر روز ، هر فرد به طور متوسط ​​1.7 مگابایت داده تولید می کند – و تولید داده های سالانه از آن زمان دو برابر شده و پیش بینی می شود که تا سال 2025 دوباره دو برابر شود. استفاده ماهرانه از داده های بزرگ می تواند 3 تریلیون دلار دیگر در فعالیت های اقتصادی ایجاد کند ، و انواع برنامه های کاربردی مانند اتومبیل های خودران ، خدمات بهداشت شخصی و زنجیره تأمین مواد غذایی قابل جستجو را قادر می سازد.

اما افزودن همه این داده ها به یک سیستم باعث ایجاد سردرگمی در مورد نحوه پیدا کردن ، نحوه استفاده از آن ، نحوه مدیریت و نحوه به اشتراک گذاری قانونی ، ایمن و کارآمد می شود. مجموعه داده خاص از کجا آمده است؟ چه کسی مالک چه چیزی است؟ چه کسی مجاز به دیدن موارد خاصی است؟ او کجا زندگی می کند آیا می توان آن را به اشتراک گذاشت؟ آیا قابل فروش است؟ آیا مردم می توانند نحوه استفاده از آنها را ببینند؟

با افزایش و فراگیر شدن برنامه های کاربردی داده ها ، تولیدکنندگان ، مصرف کنندگان و صاحبان داده ها و مباشران متوجه می شوند که دفترچه ای برای پیگیری ندارند. مشتریان می خواهند با داده های مورد اعتماد خود ارتباط برقرار کنند تا بتوانند بهترین تصمیمات ممکن را بگیرند. تولیدکنندگان به ابزارهایی نیاز دارند تا بتوانند اطلاعات خود را به طور ایمن با کسانی که به آن نیاز دارند به اشتراک بگذارند. اما پلتفرم های فناوری کوتاه می آیند و هیچ منبع واقعی از حقیقت برای اتصال دو طرف وجود ندارد.

چگونه داده ها را پیدا کنیم؟ کی آن را جابجا می کنید؟

در یک دنیای کامل ، داده ها آزادانه به عنوان ابزاری برای همه در دسترس خواهند بود. می توان آن را به عنوان مواد اولیه بسته بندی و به فروش رساند. هر کسی که مجاز به دیدن آن باشد ، بدون عوارض می تواند به راحتی آن را ببیند. ریشه ها و حرکات آن قابل ردیابی است و هر گونه نگرانی در مورد استفاده نامقدس را در جایی از خط حذف می کند.

البته دنیای امروز به این شکل کار نمی کند. انفجار اطلاعات در مقیاس بزرگ ، فهرستی طولانی از مشکلات و فرصت ها ایجاد کرده است که به اشتراک گذاری بخش هایی از اطلاعات را دشوار می کند.

با ایجاد داده ها تقریباً در همه جا در داخل و خارج از سازمان ، اولین چالش این است که مشخص شود چه چیزی جمع آوری می شود و چگونه باید آن را سازماندهی کرد تا بتوان آن را پیدا کرد.

عدم شفافیت و حاکمیت بر داده ها و زیرساخت های ذخیره شده و پردازش شده ، مسائل مربوط به اعتماد را باز می کند. امروزه انتقال داده ها از چندین پشته فناوری به مکان های متمرکز گران و ناکارآمد است. فقدان استانداردهای فراداده باز و رابط برنامه نویسی برنامه های کاربردی تا حد زیادی می تواند دسترسی و استفاده از داده ها را دشوار کند. وجود هستی شناسی داده های مربوط به بخش می تواند استفاده از منابع جدید داده را برای افراد خارج از حوزه دشوار کند. مشکل در دسترسی به چندین ذینفع و خدمات داده موجود می تواند به اشتراک گذاری بدون مدل مدیریت را مشکل سازد.

اروپا پیشرو است

با وجود مشکلات موجود ، پروژه های به اشتراک گذاری داده ها در مقیاس وسیع در حال انجام است. اتحادیه اروپا و یک گروه غیرانتفاعی در حال ایجاد مبادله داده های قابل همکاری به نام Gaia-X هستند ، جایی که مشاغل می توانند داده ها را تحت حمایت قوانین حفظ حریم خصوصی داده های اروپا به اشتراک بگذارند. ایده مبادله یک کشتی برای به اشتراک گذاری داده ها در صنایع مختلف و یک مخزن اطلاعات در مورد خدمات داده در اطراف اینترنت هوش مصنوعی (AI) ، تجزیه و تحلیل و موارد دیگر است.

Hewlett Packard Enterprise اخیراً یک چارچوب راه حل برای حمایت از مشارکت شرکت ها ، ارائه دهندگان خدمات و سازمان های عمومی در Gaia-X اعلام کرد. پلت فرم فضای داده ، که در حال حاضر در حال توسعه است و بر اساس استانداردهای باز و مبتنی بر ابر است ، دسترسی به داده ها ، تجزیه و تحلیل داده ها و AI را با دسترسی بیشتر به متخصصان دامنه و کاربران عمومی ، دموکراتیک می کند. این مکانی را فراهم می کند که متخصصان حوزه می توانند به راحتی مجموعه داده های معتبر را شناسایی کرده و تجزیه و تحلیلهای امن را روی داده های عملیاتی انجام دهند – همیشه بدون نیاز به جابجایی گران قیمت داده ها در یک مکان متمرکز.

با استفاده از این چارچوب برای ادغام منابع پیچیده داده ها در چشم انداز فناوری اطلاعات ، شرکت ها قادر خواهند بود شفافیت بیشتری را برای داده ها ایجاد کنند ، بنابراین همه – اعم از دانشمند داده یا نه – می دانند چه داده هایی دارند ، چگونه از آنها استفاده می کنند و چگونه از آنها استفاده می کنند. به موقع.

ابتکارات اشتراک گذاری اطلاعات در راس برنامه های کارآفرینان قرار دارد. بررسی داده های مورد استفاده برای آموزش مدل های هوش مصنوعی داخلی و یادگیری ماشین از اولویت های مهم است. هوش مصنوعی و یادگیری ماشینی در حال حاضر به طور گسترده ای در شرکت ها و صنعت برای بهبود مستمر در همه چیز از توسعه محصول گرفته تا استخدام استفاده می شود. و ما تازه شروع به کار می کنیم. پروژه های IDC بازار جهانی هوش مصنوعی از 328 میلیارد دلار در سال 2021 به 554 میلیارد دلار در سال 2025 افزایش می یابد.

برای آشکارسازی پتانسیل واقعی هوش مصنوعی ، دولتها و شرکتها باید میراث ترکیبی همه داده هایی که این مدل را هدایت می کند بهتر درک کنند. مدلهای هوش مصنوعی چگونه تصمیمات خود را می گیرند؟ آیا آنها تعصب دارند؟ آیا قابل اعتماد هستند؟ آیا افراد غیرقابل اعتماد می توانند به داده هایی که شرکت مدل خود را آموزش داده است دسترسی داشته باشند یا آنها را تغییر دهند؟ اتصال شفاف تر و کارآمدتر تولیدکنندگان داده با مشتریان داده می تواند به پاسخ به برخی از این سوالات کمک کند.

ایجاد بلوغ داده ها

شرکت ها نمی توانند نحوه باز کردن قفل همه داده های خود را یک شبه حل کنند. اما آنها می توانند خود را برای استفاده از فناوری و مفاهیم مدیریتی که به ایجاد طرز فکر اشتراک گذاری داده ها کمک می کند ، آماده کنند. آنها می توانند اطمینان حاصل کنند که در حال توسعه بلوغ برای استفاده یا به اشتراک گذاری داده ها به صورت استراتژیک و م effectivelyثر هستند و نه به صورت فوری.

تولیدکنندگان داده می توانند چندین مرحله را برای آماده سازی برای توزیع گسترده داده ها انجام دهند. آنها باید درک کنند که اطلاعاتشان کجاست و چگونه آنها را جمع آوری می کنند. سپس ، آنها باید اطمینان حاصل کنند که افرادی که از داده ها استفاده می کنند توانایی دسترسی به مجموعه داده های مناسب در زمان مناسب را دارند. این نقطه شروع است.

سپس قسمت سخت می آید. اگر تولیدکننده داده مشتریانی دارد – که ممکن است در داخل یا خارج از سازمان باشند – آنها باید به داده ها متصل شوند. این یک چالش سازمانی و تکنولوژیکی است. بسیاری از سازمانها می خواهند بر اشتراک گذاری داده ها با سایر سازمانها نظارت کنند. دموکراتیزه شدن داده ها – حداقل در سازمان هایی که بتوانند آن را پیدا کنند – یک مساله بلوغ سازمانی است. چگونه با آن کنار می آیند؟

شرکت های مشارکت کننده در صنعت خودرو به طور فعال اطلاعات را با فروشندگان ، شرکا و پیمانکاران فرعی به اشتراک می گذارند. برای مونتاژ یک ماشین به قطعات زیاد و هماهنگی زیادی نیاز است. همکاران به راحتی اطلاعات مربوط به همه چیز ، از موتورها ، لاستیک ها و کانال های تعمیر وب را به اشتراک می گذارند. فضای داده خودرو می تواند به بیش از 10،000 فروشنده خدمات ارائه دهد. اما در صنایع دیگر ، ممکن است جزیره ای تر باشد. برخی از شرکتهای بزرگ ممکن است مایل به اشتراک گذاری اطلاعات حساس حتی در شبکه واحد تجاری خود نباشند.

ایجاد طرز فکر داده

شرکت های طرفین تداوم مصرف کننده-تولید کننده می توانند با طرح این س questionsالات استراتژیک ، ذهنیت اشتراک گذاری داده های خود را افزایش دهند:

• اگر Enterprise AI و Machine Learning Solutions ایجاد شوند ، تیم ها اطلاعات خود را از کجا دریافت می کنند؟ چگونه آنها به آن داده ها متصل می شوند؟ و چگونه آنها این سابقه را برای اطمینان از قابلیت اطمینان و صحت داده ها دنبال می کنند؟
• اگر داده ها برای دیگران ارزشمند است ، امروزه مسیر درآمدزایی تیم برای گسترش این مقدار چیست و چگونه با آن برخورد می شود؟
• اگر شرکتی در حال مبادله یا کسب درآمد از داده است ، آیا می تواند مجموعه وسیع تری از خدمات را در چندین سیستم عامل – در محل و در فضای ابری مجاز کند؟
• سازمان هایی که باید داده ها را با فروشندگان به اشتراک بگذارند ، چگونه فروشندگان امروز مجموعه داده ها و به روز رسانی های مشابه را هماهنگ می کنند؟
• آیا تولیدکنندگان می خواهند داده های خود را کپی کنند یا افراد را مجبور به آوردن مدل برای خود کنند؟ مجموعه داده ها می توانند آنقدر بزرگ باشند که قابل تکرار نباشند. آیا یک شرکت باید توسعه دهندگان نرم افزار را در پلتفرم خود که در آن داده وجود دارد ، میزبانی کند و مدل را به داخل و خارج منتقل کند؟
• چگونه کارکنان داده های دپارتمان می توانند روی شیوه های تولید کنندگان داده بالادستی در سازمان خود تأثیر بگذارند؟

اقدام می کند

انقلاب داده ها فرصت های تجاری ایجاد می کند – با سردرگمی زیادی در مورد نحوه جستجوی استراتژیک ، جمع آوری ، مدیریت و کسب اطلاعات در مورد آن داده ها. ارتباط بین تولیدکنندگان و مصرف کنندگان داده ها از یکدیگر بیشتر می شود. HPE در حال ساختن پلتفرمی است که هم از محیط داخلی و هم از ابر عمومی پشتیبانی می کند ، از منبع باز به عنوان پایه استفاده می کند و راه حل هایی مانند پلت فرم نرم افزاری HPE Ezemeral باید به عنوان یک انقلاب داده برای هر دو طرف عمل کند.

مقاله اصلی را در Enterprise.nxt بخوانید.

این محتوا توسط Hewlett Packard Enterprise ایجاد شده است. این توسط هیات تحریریه MIT Technology Review نوشته نشده است.