7 objetivos de large knowledge para 2021: IA, DevOps, nube híbrida y más


Cuando planifique su estrategia de major knowledge para el próximo año, tenga en cuenta estos siete objetivos.

Ciudad y tecnología. Gráficos de computadora.

Imagen: iStockphoto / metamorworks

En 2021, los líderes corporativos de huge information buscarán mejorar la calidad de los datos y la respuesta de los proyectos de large data, así como el desempeño en el cumplimiento de los objetivos comerciales. Si bien 2020 no ha sido un año usual para nadie, aún debe planificar el futuro y prepararse para lo que pueda venir. Aquí hay siete áreas clave de enfoque de significant data para 2021.

VER: Informe: las pymes no están preparadas para abordar la privacidad de los datos (TechRepublic High quality)

1. Gestione mejor los datos

El Huge Details continúa ingresando a las redes corporativas a velocidades torrenciales, con la cantidad de datos deficientes que las empresas obtienen o utilizan cuestan a la economía de los EE. UU. un estimado de $ 3,1 billones anualmente. Es necesario realizar más esfuerzos para filtrar los datos a medida que ingresan y para limpiar y preparar adecuadamente los datos antes de agregarlos a los repositorios de datos corporativos.

En IBM Investigate Switzerland, la inteligencia artificial (IA) y el aprendizaje automático ayudaron a los investigadores a examinar montones de artículos científicos y revistas en la búsqueda de información relevante relacionada con el diseño de un fármaco molecular. Los investigadores reconocieron que gran parte de la información mundial que estaría revisando la IA no tendría relevancia para el problema que estaban tratando de abordar. La empresa tomó la decisión de eliminar por adelantado la importación de datos de fuentes no relevantes. Esta ahorró horas de tiempo de inteligencia synthetic, brindó a los investigadores un conjunto de datos altamente relevantey eliminó el desperdicio de almacenamiento de datos.

Una vez que los datos pasan los criterios de entrada, también deben limpiarse y prepararse adecuadamente antes de cargarlos en un repositorio de datos. Esto significa verificar si hay datos incompletos, duplicados e inexactos, y también normalizar los datos para que puedan combinarse con otros datos de origen para el análisis.

VER: Puede usar RPA para ayudar con la limpieza de datos para análisis (TechRepublic)

2. Acelerar y supervisar el proceso

A estas alturas, la mayoría de las organizaciones están bien encaminadas con un enfoque de desarrollo iterativo de estilo DevOps para huge details y análisis. Ahora es el momento de formalizar el proceso para que los usuarios y la TI / ciencia de datos sepan cuándo un modelo de análisis de massive data está lo suficientemente maduro como para ser colocado y mantenido en producción.

El punto de referencia para la preparación corporativa es que los resultados del análisis de large info deben alcanzar un umbral de precisión del 95% y deben ofrecer este nivel de rendimiento de manera constante. Dado que las condiciones comerciales y externas cambian con el tiempo, es posible que una aplicación de significant details en producción comience a caer por debajo del 95% de precisión.

La TI y la ciencia de datos deben establecer una política de mantenimiento que vuelva a medir la precisión de las aplicaciones cada año para garantizar que las aplicaciones sigan brindando resultados precisos.

3. Formalice una arquitectura híbrida para major details y análisis

La TI, la ciencia de datos y los usuarios finales han presupuestado y desarrollado de forma independiente aplicaciones de análisis y big information. Algunos de estos sistemas se ejecutan en las instalaciones, mientras que otros se ejecutan en plataformas en la nube pública y privada.

A medida que crece la necesidad de recopilar más datos de fuentes dispares, se debe formalizar una arquitectura de nube híbrida general que incluya plataformas en la nube y locales, y la seguridad y la gobernanza empresarial deben aplicarse de manera uniforme en todas partes. Pocas organizaciones han formalizado esta arquitectura híbrida para massive info. 2021 es el año para hacerlo.

VER: Guía del líder empresarial para crear una estrategia multicloud exitosa (ZDNet)

4. Construya puentes entre TI, ciencia de datos y usuarios

A medida que más proveedores simplifican las soluciones de IA, ha habido un crecimiento en la IA ciudadana, donde las unidades de negocios desarrollan sus propias aplicaciones de IA y significant facts. Más tarde, cuando los usuarios quieran entrenar estas aplicaciones e integrarlas con otros datos y plataformas de la empresa, necesitan que los departamentos de ciencia de datos y TI los ayuden.

Si los profesionales de TI y ciencia de datos colaboran activamente con los usuarios comerciales en las primeras etapas de sus procesos de aplicación, muchas de estas dificultades de integración posteriores se pueden evitar. El desarrollo de relaciones productivas con las unidades de negocio en toda la empresa debe ser un objetivo importante de big knowledge y análisis para TI.

5. Mejorar la seguridad, especialmente para IoT

Muchos dispositivos de World-wide-web de las cosas (IoT) tienen sistemas operativos patentados y ajustes preestablecidos de seguridad que no cumplen con los estándares de seguridad y gobierno de la empresa.

Dado que los intentos de intrusión de seguridad ocurren a diario, revisar estos dispositivos, trabajar con los proveedores y garantizar que se puedan realizar configuraciones que se ajusten a los estándares corporativos de seguridad y gobierno, son aspectos primordiales.

VER: Seguridad de IoT: la universidad crea nuevas etiquetas para dispositivos para aumentar la conciencia de los consumidores (TechRepublic)

6. Revisar el panel e informar los resultados.

Los paneles de command y los informes desplegables que producen sus análisis pueden funcionar sin problemas desde un punto de vista técnico, pero ¿siguen siendo relevantes? El departamento de TI debe visitar a los usuarios finales anualmente para revisar el uso de informes y determinar si los paneles e informes deben revisarse o incluso reemplazarse.

7. Mejorar las comunicaciones con la dirección.

Aunque la administración es muy consciente de la importancia del huge knowledge, la inteligencia artificial y el IoT, no está de más informarles periódicamente sobre proyectos y nuevos desarrollos. Esto mantiene a la gerencia al tanto y ayuda a asegurar un apoyo continuo.

Las comunicaciones regulares del proyecto a la gerencia en un lenguaje sencillo deben ser un objetivo en negrita en todos los planes de TI en 2021.

Ver también



Enlace a la noticia initial