Vor kurzem habe ich auf dem Intelligent Data Summitvorgestellt, einer virtuellen Veranstaltung, die von IDevNews ausgerichtet wurde. Neben mir waren unter anderem SoftwareAG, MapR und einer unserer Technologiepartner, Reltio, anwesend. Diese zeitgemäße Online-Veranstaltung konzentrierte sich auf alles, was mit KI/ML, Daten, IoT und anderen modernen Technologien zu tun hat, und es war eine Freude, daran teilzunehmen.
Während meines Vortrags "Self-Service Big Data und AI/ML. Reality or Myth?" ging ich darauf ein, wie immer mehr Unternehmen datengesteuert arbeiten und diese Daten nutzen, um die Erkenntnisse zu gewinnen, die sie für wichtige Entscheidungen benötigen, z. B. um Produkte zum richtigen Zeitpunkt auf den Markt zu bringen, Kundenbedürfnisse zu antizipieren und neue Märkte erfolgreich zu erschließen. Ein datengesteuerter Ansatz kann einen Wettbewerbsvorteil bieten, der sich in Umsatz niederschlägt. "Bis 2021 wird das erkenntnisgesteuerte Geschäft 1,8 Billionen Dollar pro Jahr Umsatz von Konkurrenten stehlen, die nicht erkenntnisorientiert sind", so Forrester. Um datengesteuert zu werden, müssen jedoch nicht nur die IT-Abteilung, sondern auch die Mitarbeiter befähigt werden, Technologien wie Big Data, künstliche Intelligenz (KI) und maschinelles Lernen (ML) zu nutzen.
Hier sind einige der wichtigsten Erkenntnisse aus meiner Präsentation:
- Die digitale Transformation wird durch veraltete Plattformen behindert - Die meisten Unternehmen befinden sich in der digitalen Transformation, aber die Technologie hält sie davon ab. A Studie von Vanson Bourne ergab, dass zu den größten Hindernissen bei der digitalen Transformation 1) die Komplexität des Einsatzes mehrerer Technologien, 2) fehlende Ressourcen und 3) die Abhängigkeit von veralteten Datenbanktechnologien gehören. Ein iPaaS wurde speziell entwickelt, um viele der datenbezogenen Herausforderungen zu lösen, mit denen Unternehmen konfrontiert sind, um die Erfahrungen von Kunden, Partnern und Mitarbeitern zu verbessern und die finanzielle Leistung zu steigern. Per Definition verbindet ein iPaaS verschiedene Endpunkte wie Anwendungen, Daten, IoT und Prozesse, einschließlich lokaler/alter Datenquellen, so dass wertvolle Informationen nicht in einem Silo liegen. Im Idealfall ist die iPaaS intuitiv und einfach zu bedienen, damit Mitarbeiter mit unterschiedlichen Fähigkeiten schnell produktiv werden können.
- Big Data bringt noch größere Probleme mit sich - Big Data, eine vielversprechende Technologie zur Speicherung von Daten, die zur Gewinnung von Erkenntnissen erforderlich sind, bringt noch größere Probleme mit sich. Zum Beispiel, eine Gartner-Umfrage ergab, dass sich 90 % der Data Lake-Projekte verzögern und das Budget überschreiten, während 60 % komplett scheitern. Viele Unternehmen verlagern ihre vor Ort gespeicherten Daten in die Cloud, um ihre Investitionskosten zu senken, stellen jedoch schnell fest, dass ihre Betriebskosten weiterhin anfallen. Und warum? Das liegt daran, dass für die Verwaltung der Spark-Entwicklung Mitarbeiter mit speziellen Kenntnissen erforderlich sind, ganz zu schweigen von dem großen Zeitaufwand für die Konfiguration und das Hoch- und Herunterfahren von Verarbeitungsclustern, der oft sehr hoch sein kann. Diese Unternehmen spüren auch den Talentmangel und die Frustration darüber, dass ein Großteil der Organisation aufgrund der Qualifikationslücke keinen Zugriff auf den Data Lake erhält.
- Maschinelles Lernen sollte nicht nur für Datenwissenschaftler sein - Immer mehr Unternehmen erkennen, dass deskriptive Analysen nicht ausreichen und setzen ML für prädiktive und präskriptive Analysen ein. Sie sind jedoch nicht in der Lage, ML-basierte Modelle erfolgreich zu entwickeln und einzusetzen, da es weltweit an talentierten Data Scientists mangelt und keine brauchbaren Daten vorhanden sind. Um dieses Problem zu lösen, benötigen sie ein No-Code-Paradigma, das es Analysten und Entwicklern ermöglicht, alle von ihnen gesammelten Daten so aufzubereiten, dass sie zugänglich sind und zum Trainieren des Modells mit verschiedenen ML-Algorithmen verwendet werden können. Die Algorithmen zeigen die Ergebnisse an, und das genaueste Modell kann zur Vorhersage von Ereignissen verwendet werden, wenn es mit realen Daten gefüttert wird.
Wenn Sie erfahren möchten, wie Ihr Unternehmen die Vorteile von Big Data nutzen und ML-Modelle und mehr erstellen kann, und das alles ohne eine einzige Zeile Code, finden Sie hier einige Ressourcen für den Anfang:
- Ein Leitfaden für die moderne Anwendungs- und Datenintegration
- Die Schmerzen von Big Data lindern: Moderne Unternehmensdatenarchitektur
- Erweiterung des Wertes von Microsoft Dynamics CRM
- SnapLogic vs. Mulesoft Vergleichsleitfaden