Recentemente ho presentato al Vertice sui dati intelligentiun evento virtuale ospitato da IDevNews. A me si sono uniti SoftwareAG, MapR, tra gli altri, e uno dei nostri partner tecnologici, Reltio. Questo evento online, puntuale e tempestivo, era incentrato su tutto ciò che riguarda AI/ML, dati, IoT e altre tecnologie moderne ed è stato un piacere parteciparvi.
Durante la mia presentazione "Big Data self-service e AI/ML. Realtà o mito?" ho analizzato come un numero sempre maggiore di organizzazioni si stia orientando ai dati e li stia sfruttando per ottenere gli approfondimenti necessari a prendere decisioni chiave come il lancio di prodotti al momento giusto, l'anticipazione delle esigenze dei clienti e l'ingresso in nuovi mercati. L'orientamento ai dati può fornire un vantaggio competitivo che si traduce in ricavi. "Entro il 2021, il business guidato dagli insight ruberà 1.800 miliardi di dollari all'anno di fatturato ai concorrenti che non sono insight-driven", secondo Forrester. Tuttavia, per diventare data-driven occorre responsabilizzare i dipendenti, non solo il reparto IT, quando si tratta di utilizzare tecnologie come i Big Data, l'intelligenza artificiale (AI) e l'apprendimento automatico (ML).
Ecco alcuni dei punti salienti della mia presentazione:
- La trasformazione digitale è frenata dalle piattaforme legacy - La maggior parte delle organizzazioni è in fase di trasformazione digitale, ma la tecnologia le frena. A studio di Vanson Bourne ha rilevato che i principali limiti della trasformazione digitale includono 1) la complessità dell'utilizzo di più tecnologie, 2) la mancanza di risorse e 3) la dipendenza da tecnologie di database legacy. Un iPaaS è costruito appositamente per risolvere molte delle sfide legate ai dati che le organizzazioni devono affrontare nel tentativo di migliorare l'esperienza dei clienti, dei partner e dei dipendenti e di migliorare le prestazioni finanziarie. Per definizione, un iPaaS collega diversi endpoint come applicazioni, dati, IoT e processi, comprese le fonti di dati on-premises/legacy, in modo che le informazioni preziose non risiedano in un silo. Idealmente, l'iPaaS è intuitivo e facile da usare, in modo che i dipendenti con competenze diverse possano essere rapidamente produttivi.
- I Big Data comportano problemi ancora più grandi I big data, una tecnologia promettente per l'archiviazione dei dati necessari per ottenere approfondimenti, comportano problemi ancora più grandi. Ad esempio, un sondaggio Gartner ha rilevato che il 90% dei progetti di Data Lake subisce ritardi e supera il budget, mentre il 60% fallisce completamente. Molte aziende spostano i loro dati on-premises su cloud per ridurre i costi CapEx, ma scoprono subito che i costi OpEx rimangono. Perché? Perché per gestire lo sviluppo di Spark sono necessarie persone con competenze specialistiche, per non parlare del tempo necessario per configurare e attivare e disattivare i cluster di elaborazione, che può essere spesso. Queste organizzazioni sentono anche la carenza di talenti e la frustrazione per l'impossibilità di consentire a gran parte dell'organizzazione di accedere al data lake a causa del divario di competenze.
- Il Machine Learning non deve essere solo per gli scienziati dei dati - Un numero crescente di organizzazioni si rende conto che l'analisi descrittiva non è sufficiente e sfrutta il ML per l'analisi predittiva e prescrittiva. Tuttavia, non sono in grado di costruire e implementare con successo modelli basati sul ML a causa della carenza di talenti a livello globale di Data Scientist e della mancanza di dati utili. Per risolvere questo problema, hanno bisogno di un paradigma no-code che permetta agli analisti e agli sviluppatori di preparare tutti i dati raccolti in qualcosa di accessibile e che possa essere utilizzato per addestrare il modello utilizzando diversi algoritmi di ML. Gli algoritmi mostreranno i risultati e il modello più accurato potrà essere utilizzato per prevedere gli eventi quando i dati della vita reale verranno inseriti in esso.
Se volete scoprire come la vostra azienda può sfruttare i Big Data e costruire modelli di ML e altro ancora, il tutto senza una sola riga di codice, ecco alcune risorse per iniziare:
- Guida all'acquisto della moderna integrazione di applicazioni e dati
- Alleviare il dolore dei Big Data: La moderna architettura dei dati aziendali
- Estensione del valore di Microsoft Dynamics CRM
- Guida al confronto tra SnapLogic e Mulesoft
