Previsioni di big data: 8 tendenze di analisi nel 2020
L’elaborazione in memory, l’analisi predittiva e l’automazione dei dati saranno alcuni degli argomenti più importanti nei prossimi tempi.
1. In-memory processing
I costi in memoria stanno diminuendo e questo porterà più analisi agli ambienti in tempo reale. La richiesta di analisi in tempo reale o quasi in tempo reale richiederà CPU veloci ed elaborazione in memoria.
Le aziende desiderano avere la possibilità di rispondere istantaneamente alle attività di vendita online, avvisi sulle loro infrastrutture di produzione o improvvisi cambiamenti nei mercati finanziari e nei portafogli.
2. Natural-language processing
Le applicazioni e le analisi vocali non si sono mosse rapidamente negli ultimi anni, date le sfide del tentativo di catturare intonazioni e accenti vocali diversi con un accurato riconoscimento del linguaggio naturale. La buona notizia è che il riconoscimento, l’interpretazione e la meccanica del linguaggio naturale sono notevolmente migliorati, al punto che più comandi di analisi possono essere posti dal comando vocale.
Questo è l’ideale in ambienti frenetici come magazzini e logistica e in altre situazioni che richiedono ai dipendenti di lavorare a mani libere. L’elaborazione in linguaggio naturale funziona bene anche per dirigenti e manager che desiderano ottenere dati utilizzando i comandi vocali dai loro dispositivi mobili.
3. Graph analytics
I fogli di calcolo sono stati fondamentali per coinvolgere le aziende nell’analisi, ma molte aziende si trovano in un punto di inflessione in cui i loro dati e la complessità delle loro query di analisi stanno superando le capacità del foglio di calcolo comune.
Si prevede che l’analisi dei grafi guadagnerà posizioni nel 2020. Con l’analisi dei grafi, le aziende possono facilmente determinare le connessioni tra molti punti dati diversi, anche quelli che inizialmente non sembrano essere connessi. La tecnologia dei grafici semplifica il compito di collegare persone, luoghi, tempi e cose e può accelerare i tempi di immissione sul mercato per approfondimenti sul business.
4. Analytics life-cycle development
Le aziende e i dipartimenti IT inizieranno a guardare le loro app di analisi nella stessa luce in cui guardano le loro app transazionali tradizionali. L’IT svilupperà politiche e procedure di gestione del ciclo di vita per l’analisi, a partire dallo sviluppo e dal collaudo delle applicazioni, estendendosi al lancio, supporto, backup e disaster recovery.
5. Augmented analytics
I dipartimenti di informatica e scienza dei dati aziendali inizieranno a integrare i vari elementi di analisi in un tutto organizzato. C’è la base dell’analisi rudimentale e poi c’è la possibilità di aumentare queste analisi con query di dati generati dalla macchina attraverso l’intelligenza artificiale (AI) e l’apprendimento automatico (ML). Sia l’IA che l’ML “apprendono” dai repository di analisi dei dati osservando modelli ripetitivi di dati, elaborazione e risultati, quindi ponendo domande derivate da ciò che viene appreso. AI e ML aumenteranno – non sostituiranno – la creatività umana in termini di inquadramento di query analitiche uniche. Poiché l’IA / ML è in grado di percepire rapidamente schemi ripetitivi, potrebbe essere in grado di fornire tempi più rapidi al mercato per determinate informazioni di business.
6. Predictive analytics
Nel 2019, le aziende hanno continuato a utilizzare l’analisi per comprendere le situazioni storiche e attuali. Nei prossimi tempi ci sarà uno spostamento verso analisi più predittive per valutare le condizioni economiche, le aree di rischio (es- post Covid-19), le tendenze climatiche, la manutenzione delle infrastrutture e le esigenze di investimento future.
7. Data automation
Con i “dati sporchi” che costano all’economia degli Stati Uniti $ 3,1 trilioni all’anno e che i data scientist impiegano fino all’80% del loro tempo a pulire e preparare i dati, le aziende desiderano un’automazione dei dati che possa eliminare il coinvolgimento umano in queste scrupolose operazioni. Ciò renderà più produttivo il tempo dei data scientist e accelererà il time to market per l’analisi, che può ottenere prima i dati adeguatamente preparati e controllati.
8. IoT analytics
I fornitori di soluzioni IoT si sono concentrati principalmente sull’attrezzatura dei propri strumenti con analisi, ma le aziende vorranno di più. Nei prossimi tempi, l’analitica IoT si sposterà verso un approccio più olistico. Il prossimo anno costituirà un punto di “passaggio” verso l’unificazione dei flussi di analisi IoT e le aziende di input stanno entrando in una griglia IoT integrata che riflette più da vicino le effettive operazioni aziendali.
Fonte: www.techrepublic.com