hirdetés
hirdetés

Trendek

Polgár és adatkutató

Rohamosan növekvő adattömegből igyekeznek a vállalatok értelmes és értékes információt kinyerni, méghozzá a lehető leggyorsabban. Üzleti elemzők által is jól használható kezelőfelületeikkel és a műveletek automatizálásával az adatkutatást és gépi tanulást támogató szoftverplatformok ebben sokat segíthetnek. Dinamikusan fejlődő piaci kínálatukból azonban korántsem egyszerű kiválasztani a feladatra legalkalmasabb eszközt, és a hatékony analitikai környezet kialakításához értő szakemberek is ritkaságszámba mennek.

hirdetés

A különféle adatkutatási megoldások létrehozásához, valamint üzleti folyamatokba, informatikai infrastruktúrákba és további termékekbe illesztéséhez szükséges, alapvető építőelemeket összefogó, integrált szoftveralkalmazásként határozza meg a Gartner az adatkutatást és gépi tanulást támogató platformot. Számos adatfelügyeleti és analitikai feladat ellátásában támogatja egyszerre felhasználóit a platform, akik között a professzionális adatkutatók mellett az ún. polgári adatkutatók – vagyis a szakterületen laikusnak számító üzleti elemzők – és az alkalmazásfejlesztők is megjelennek. Az adatok előkészítésétől, interaktív elemzésétől és vizualizálásától kezdve a fejlett analitikai modellek építésén, tesztelésén és bevezetésén át a modellek további menedzseléséig ezek a feladatok igen változatosak lehetnek. Ráadásul mindhárom felhasználói csoport másféle eszközökkel és kezelőfelületekkel tud hatékonyan dolgozni – mutatott rá a Gartner az adatkutatást és gépi tanulást támogató platformok piacáról készült, januárban közreadott tanulmányában (2018 Magic Quadrant for Data Science and Machine Learning Platforms).   

Fotó: 123rf.com
Fotó: 123rf.com

Míg az alkalmazásfejlesztőkhöz hasonlóan a professzionális adatkutatók is a kódírást részesítik előnyben – például Python vagy R programnyelven –, amikor analitikai modelleket építenek, addig a polgári adatkutatók jobban boldogulnak a grafikus kezelőfelületen, húzd és ejtsd (drag and drop) módszerrel összerakható modellekkel. Mi több, a polgári adatkutatók gyorsan bővülő tábora a kiterjesztett adatkutatást (augmented data science) preferálja – ebben a megközelítésben a modellépítés és a bevezetés folyamatát is a gépi tanulás háttérben működő technológiái automatizálják.

Idővel persze a professzionális adatkutatók is egyre nagyobb mértékben támaszkodnak majd a gépi tanulásra és az automatizálásra, mert segítségükkel ők is hatékonyabban dolgozhatnak.

Egy biztos, az adatkutatás és a gépi tanulás lehetőségeit a vállalat csak akkor tudja kiaknázni, ha a választott platform nemcsak a modellek építését, hanem bevezetésüket, üzleti folyamatokba történő beágyazásukat, valamint hosszú távú monitorozásukat, felügyeletüket és karbantartásukat is támogatja. Az eszközkészlet és a szóba jöhető használati esetek változatossága fontosabb, mint valaha – az üzlet igényeinek leginkább megfelelő platform kiválasztását ugyanakkor nem könnyíti meg.

A bőség zavara

Rávilágított erre a Gartner tavalyi felmérése (Data Science Team Survey) is, amely szerint az adatkutatási projektekben felépített analitikai modellek több mint 60 százalékát a vállalatok végül elvetik, sosem használják éles környezetben. Mágikus négyzetében ezért az elemző a piac értékelése mellett tanácsokat is megfogalmazott arra nézve, hogy a vállalatok miként tehetik sikeresebbé adatkutatási törekvéseiket.

Egészségesnek és élénknek minősíti a Gartner az adatkutatást és gépi tanulást támogató platformok alpiacát, amely az üzleti intelligencia (BI) és analitikai megoldások piacán 14 százalékos részesedéssel bír, és a második leggyorsabb ütemben bővülő szegmensnek számít – a piacelemző jelenleg elérhető, legfrissebb adatai szerint 2017-ben 12,2 százalékkal nőtt, és mérete elérte a 2,6 milliárd dollárt.

Fotó: 123rf.com
Fotó: 123rf.com

Szállítók rendkívül széles és színes mezőnye kínál újabbnál újabb platformképességeket, amelyek nemcsak az adatkutatás munkamódszereit fejlesztik tovább, hanem a hozzájuk férő felhasználók körét is kiszélesítik. A piac átalakulását három kulcstényező határozza meg: a felhőalapú és nyílt forráskódú megoldásokkal versenybe szálló, új szereplők megjelenése, a nagy hagyományú szállítók felzárkózása és megújuló kínálata, valamint a használati esetek és a felhasználói közösségek bővülő száma. 

Jellemző, hogy mára a piac alvó óriásai is meghallották az idők szavát. A legnagyobb felhőszolgáltatók – az AWS, a Google és a Microsoft – palettáján éppúgy megtalálhatók az adatkutatás és gépi tanulás platformszolgáltatásai, mint a BI és analitikai megoldások nagy szállítóinak – például az IBM, a SAS és a Teradata – kínálatában, míg a piac fiatalabb szereplői – közöttük a Databricks, a DataRobot és a RapidMiner – különösen a polgári adatkutatók munkáját, valamint a profik és a laikusok együttműködését megkönnyítő képességek fejlesztésében tűnnek ki. 

Első adatkutatási és gépi tanulási kezdeményezéseikhez a vállalatok gyakran választják az ingyenesen vagy kedvező áron elérhető, nyílt forráskódú szoftvereket és nyilvános felhőben futó platformszolgáltatásokat, majd miután bővítették ismereteiket, és szert tettek némi tapasztalatra, olyan licenc- vagy előfizetői csomagra váltanak, amelyben minden nagyvállalati szintű képességet elérnek az analitikai modellek bevezetéséhez és karbantartásához vagy például a felhasználói csapatok egyűttműködésének támogatásához.

Akár az első lépéseket teszik meg az adatkutatás és a gépi tanulás területén, akár haladónak számítanak, a vállalatok helyesen teszik, ha folyamatosan figyelik a gyorsan fejlődő piac változásait, és eközben új használati eseteket, alkalmazásokat keresnek, amelyekkel megszüntethetik analitikai portfóliójuk hiányosságait, és ténylegesen növelhetik az üzleti értéket – emeli ki a Gartner. Figyelmet kell fordítaniuk arra is, hogy az új analitikai képességekhez a professzionális adatkutatókon túl más vállalati szerepkörökben is hozzáférést adjanak, a technológiákat beágyazzák az üzleti folyamatokba, és azokat teljes életciklusukon át menedzseljék. Kezdeményezéseiket tanácsos vállalati szintre kiterjeszteniük, szó szerint is közös platformra hozva az üzletágakat – ellenkező esetben azok eltérő alkalmazásokat és folyamatokat vezetnének be, ami nemcsak az üzemeltetést és a karbantartást, hanem az áhított üzleti betekintés megszerzését is eléggé megnehezítené.   

Automatizált analitika

Nem téveszthetik szem elől a vállalatok azt sem, hogy a mesterséges intelligencia, a mélytanulás, a kiterjesztett és a valós idejű analitika technológiái gyorsan fejlődnek, mind érettebbé és szélesebb körben elérhetővé válnak. Analitikai környezetükben alkalmazott eszközeiket és módszereiket, bevezetett folyamataikat ezért mindig újra kell értékelniük, hogy innovatív megoldásokat találjanak az üzleti érték növelésére és mérésére.

Idei stratégiai trendelőrejelzésében (Top 10 Strategic Technology Trends for 2019) a Gartner rámutat, hogy a kiterjesztett, gépi tanulással támogatott analitika az adatelemzés fejlődésének harmadik nagy hullámával söpör végig a piacon. A professzionális adatkutatók a gépi tanulást és automatizálást támogató platformok segítségével minden eddiginél több feltevést ellenőrizhetnek még nagyobb és változatosabb adatkészleteken, eddig nem látott üzleti betekintéshez, új felismerésekhez segítve a vállalatokat.  

Az új platformok elterjedésével ugyanakkor gyorsan bővül az analitikai folyamatokban részt vevő felhasználók köre is. A Gartner szerint 2020-ig a polgári adatkutatók száma ötször gyorsabban fog nőni, mint a professzionális adatkutatóké, és akkorra az adatkutatói feladatok több mint 40 százalékát a vállalatok már automatizálni fogják a mesterséges intelligencia segítségével. A kiterjesztett analitika térhódításával és a polgári adatkutatók táborának bővülésével az adatokból nyert üzleti tudáshoz, betekintéshez már a közeljövőben sokkal könnyebben hozzáférnek majd az elemzők, a döntéshozók és az operatív dolgozók egyaránt – alkalmat adva a vállalatoknak, hogy gyorsabban és helyesebben válaszoljanak a változásokra, jobban szolgálják ki ügyfeleiket, és innovatívabb termékekkel, szolgáltatásokkal lépjenek piacra. 

Kis Endre
a szerző cikkei

hirdetés
Ha hozzá kíván szólni, jelentkezzen be!
 
Cikk[236883] galéria
hirdetés
hirdetés
hirdetés

Kiadónk társoldalai

hirdetés