• <ol id="sm76c"><big id="sm76c"></big></ol>

    <legend id="sm76c"></legend>

    <rp id="sm76c"><samp id="sm76c"><noframes id="sm76c">
    1. <s id="sm76c"></s>
    2. <span id="sm76c"><output id="sm76c"><small id="sm76c"></small></output></span>
        1. <span id="sm76c"><input id="sm76c"></input></span><strike id="sm76c"></strike><span id="sm76c"><input id="sm76c"></input></span>

            <tbody id="sm76c"><output id="sm76c"></output></tbody>

          1. 2023年及以后的七個(gè)大數據趨勢預測

            2023/1/31 14:03:00 來(lái)源: 網(wǎng)絡(luò )

            大數據初創(chuàng )廠(chǎng)商Dataddo公司首席執行官Petr Nemeth日前對全球2023年最重要的大數據發(fā)展趨勢進(jìn)行了預測。

            與人們可能認為的相反,如今投資數字化轉型的企業(yè)比例并不比新冠疫情發(fā)生之前高多少,處于數字化轉型更高級階段的企業(yè)所占的比例如今更高。

            他們正在使用更多的數據生成工具,與更多的最終用戶(hù)共享數據,并在管理數據方面做出更一致的努力。

            這對有效的數據管理和商業(yè)智能的未來(lái)發(fā)展提出了許多問(wèn)題。例如,是否需要更多的工具?如何確保他們生成的數據持續集成、共享和正確解釋?將如何確保數據安全和干凈?

            以下是對2023年及以后的七個(gè)大數據趨勢的預測,可以幫助商業(yè)領(lǐng)袖了解這些問(wèn)題的答案。

            對2023年大數據趨勢的預測

            (1)數據生成工具變得更加多樣化,但每種工具的客戶(hù)生命周期變得更短

            毫無(wú)疑問(wèn),可用的SaaS工具的數量以及它們產(chǎn)生的數據量將會(huì )繼續增長(cháng)。預計2023年SaaS市場(chǎng)規模是2019年的兩倍。企業(yè)每年都在采用越來(lái)越多的工具,而且沒(méi)有看到結束的跡象。這樣做的一個(gè)不太明顯的副作用可能是縮短了這些工具的平均客戶(hù)生命周期。

            各種規模的企業(yè)每年在很少使用的工具方面浪費大量的費用。他們不斷地嘗試采用新的工具,但與此同時(shí)卻忘記了其他工具。

            此外,許多工具是在部門(mén)、團隊和員工層面上采用的,導致大企業(yè)對其部署的SaaS工具的一半一無(wú)所知,小企業(yè)對大約三分之一的工具一無(wú)所知。

            為了減少未使用工具的支出浪費,人們將看到IT部門(mén)加強整合和清理,這將縮短大多數SaaS工具的生命周期。

            例外的是對企業(yè)基礎設施至關(guān)重要的工具,例如CRM和數據集成工具 。

            (2)數據集成變得與架構無(wú)關(guān)

            如今,企業(yè)通常使用單獨的平臺進(jìn)行ETL/ELT、反向ETL,有時(shí)還進(jìn)行數據復制。

            這是可以理解的,因為ETL/ELT和數據復制是數據集成世界中已經(jīng)建立的流程,反向ETL是一個(gè)非常新的流程,只有少數的供應商提供。

            反向ETL也是現代數據架構的最后一部分,因此對它感興趣的企業(yè)通常已經(jīng)與ETL/ELT和數據復制解決方案的供應商建立了關(guān)系。因此,為反向ETL尋找一個(gè)單獨的平臺似乎很自然。

            但是,隨著(zhù)時(shí)間的推移,數據集成將成為業(yè)務(wù)的核心方面,企業(yè)將不再意識到集成過(guò)程之間的差異。用于集成的工具將變得更加用戶(hù)友好,用戶(hù)將不再需要考慮連接數據源和數據目的地的工程類(lèi)型。

            他們想要一個(gè)服務(wù)于所有集成類(lèi)型的與架構無(wú)關(guān)的平臺。

            業(yè)務(wù)人員變得更有數據素養,從低代碼到無(wú)代碼的商業(yè)智能,數據集成工具成為標準。

            認識到需要精通數據的非技術(shù)專(zhuān)業(yè)人士的比例很高(Qlik公司在2022年的一項調查顯示為58%),期望他們精通數據的決策者的比例更高(Forrester公司在2022年進(jìn)行的一項調查顯示為82%)。如果這些專(zhuān)業(yè)人士想要在就業(yè)市場(chǎng)上保持競爭力,他們將不得不培養過(guò)去是工程師專(zhuān)屬領(lǐng)域的能力。

            對他們來(lái)說(shuō),幸運的是,運營(yíng)數據工具(商業(yè)智能工具、數據集成工具,甚至一些數據存儲)所需的技術(shù)知識越來(lái)越少。

            根據調研機構Gartner公司的預測,到2025年,70%由企業(yè)開(kāi)發(fā)的新應用程序將依賴(lài)于低代碼和無(wú)代碼技術(shù)。雖然“低代碼”和“無(wú)代碼”這兩個(gè)術(shù)語(yǔ)經(jīng)常用于描述開(kāi)發(fā)平臺,但人們將越來(lái)越多地看到它們用于描述商業(yè)智能和數據集成平臺。

            這一趨勢再加上企業(yè)內部對數據素養的推動(dòng),將有效地減輕工程師的工作,并使非技術(shù)員工能夠構建自己的數據解決方案。

            (3)對公民數據科學(xué)家的需求仍在增加

            公民數據科學(xué)家是業(yè)務(wù)部門(mén)的專(zhuān)業(yè)人士,他們對數據和分析有一定的了解,有時(shí)也會(huì )編碼,但他們并不是數據科學(xué)家。在不久的將來(lái),他們將在彌合業(yè)務(wù)團隊和數據團隊之間的差距方面發(fā)揮重要作用。他們的職責包括確定成功的度量,收集和解釋數據,評估和部署數據模型。

            根據美國勞工統計局的預測,到2029年,數據科學(xué)領(lǐng)域的增長(cháng)將超過(guò)其他任何領(lǐng)域。因此,像英國石油公司和Epsilon這樣的全球性公司已經(jīng)從公民數據科學(xué)家那里獲益也就不足為奇了。

            這類(lèi)新專(zhuān)業(yè)人員的崛起將對許多企業(yè)的數據治理策略產(chǎn)生去中心化的影響,這是由中心輻射型治理模型定義的。

            由此產(chǎn)生的業(yè)務(wù)團隊的授權將把數據團隊的重點(diǎn)轉移到安全和質(zhì)量上。

            (4)數據安全成為買(mǎi)家關(guān)注的主要問(wèn)題

            對于那些希望在運營(yíng)層面擁有更大分析靈活性的企業(yè)來(lái)說(shuō),分散數據能力是必要的。但是,隨著(zhù)數據泄露和其他隱私問(wèn)題越來(lái)越普遍,這也使他們面臨更高程度的風(fēng)險。

            在歐洲,數據保護部門(mén)不斷對違反GDPR法規的行為開(kāi)出罰單,其中一些科技公司遭到高昂的罰款。到目前為止,2022年最高一筆罰款高達4.05億歐元,這是Instagram所有者M(jìn)eta Platforms公司在2022年9月遭到的罰款數額。

            盡管美國聯(lián)邦沒(méi)有專(zhuān)門(mén)的數據隱私法,但企業(yè)仍要擔心各州的相關(guān)法律,當然還要防范黑客的攻擊。微軟、Uber、紅十字會(huì )和News Corporatio等企業(yè)和機構在2022年都遭到了黑客攻擊。

            SaaS買(mǎi)家正在注意到并很快會(huì )更加意識到他們向供應商提供了哪些數據。供應商將發(fā)現,如果沒(méi)有類(lèi)似SOC2這樣的認證,就很難完成大宗交易。人們可以看到這一點(diǎn)。最終,數據安全將優(yōu)先于用戶(hù)友好性和價(jià)格等其他購買(mǎi)標準。

            (5)數據質(zhì)量仍然是一個(gè)挑戰,人工智能在清理數據方面發(fā)揮著(zhù)更大的作用

            只要一直在收集數據,數據質(zhì)量就一直是一個(gè)挑戰。隨著(zhù)數據來(lái)自越來(lái)越多的不同來(lái)源,并由越來(lái)越多的業(yè)務(wù)線(xiàn)專(zhuān)業(yè)人員處理,將錯誤擴散到下游系統帶來(lái)的損失變得越來(lái)越顯著(zhù)。

            Gartner公司在2021年估計,不良數據每年給企業(yè)造成的平均損失為1290萬(wàn)美元。

            盡管確保數據質(zhì)量是一個(gè)難題,但在分析和數據集成工具中逐步實(shí)施基于人工智能的機制將極大地有助于保持高質(zhì)量(例如Dataddo是一款集成工具,內置人工智能異常檢測器) 。

            這些技術(shù)將在標記異常值方面變得越來(lái)越好,并將丟失、不正確和損壞的數據排除在管道和儀表板之外。

            同樣重要的是要注意,由于基于人工智能的數據質(zhì)量解決方案在長(cháng)期分析大型數據集時(shí)總是最有效的,因此它們應該始終與以人為本的解決方案一起實(shí)施。

            (6)商業(yè)智能工具成為被動(dòng)使用的移動(dòng)友好型工具

            商業(yè)智能進(jìn)入移動(dòng)領(lǐng)域似乎很自然。數據的消費者(例如營(yíng)銷(xiāo)人員、銷(xiāo)售人員和上層管理人員)經(jīng)常需要訪(fǎng)問(wèn)數據,像倉庫工作人員和卡車(chē)司機這樣不會(huì )在電腦前花費大量時(shí)間的專(zhuān)業(yè)人士需要采用移動(dòng)商業(yè)智能工具。

            因此,移動(dòng)商業(yè)智能的市場(chǎng)價(jià)值預計將從2021年的100億美元增長(cháng)到2030年的約555億美元。然而,這只是全球商業(yè)智能市場(chǎng)價(jià)值的一小部分,預計商業(yè)智能市場(chǎng)的價(jià)值將從2020年的352億美元增加到2028年的2242億美元。

            無(wú)論移動(dòng)商業(yè)智能工具變得多么先進(jìn)和精簡(jiǎn),將主要用于提供見(jiàn)解。對于產(chǎn)生見(jiàn)解,采用臺式機將永遠是主流。

            (7)保持領(lǐng)先

            數字化轉型的競賽是一場(chǎng)極具活力的競賽。保持行業(yè)領(lǐng)先的一種方法是密切關(guān)注數據管理和商業(yè)智能的新興趨勢。它們可以讓人們預測即將發(fā)生的事情,并有助于了解如今實(shí)施的戰略。

            企業(yè)應該考慮:

            • 通過(guò)為最終用戶(hù)提供更多支持,積極推動(dòng)SaaS工具的采用。

            • 投資于面向未來(lái)的數據集成工具。

            • 培養非技術(shù)業(yè)務(wù)專(zhuān)業(yè)人員的數據素養。

            • 盡一切努力符合國際數據安全標準。

            責任編輯:華軒來(lái)源: 企業(yè)網(wǎng)D1Net

            欧美肥妇bwbwbwbxx_91精品久久综合熟女_国产农村乱子伦精品视频_久久免费国产版