Pénzcentrum • 2021. február 2. 18:02
Évtizedekig a vállalatok arra törekedtek, hogy összegyűjtsék, rendszerezzék az adatokat azzal a céllal, hogy megérzések, érzelmek helyett adatok támogassák a döntéshozatalt. Az emberek hajlamosak úgy dönteni, hogy az adatokat aggregálva, két-három tényező mentén kategorizálva vizsgálják. Komplex adatokkal szembesülve azonban nehézséget okozhat azok feldolgozása. A gépek ezzel szemben számos tényezőt képesek egyszerre, a nap 24 órájában vizsgálni, ezek alapján valós időben objektív döntéseket hozni - akár az ember helyett is.
Adatmenedzsment újragondolva
Minden vállalkozásnál bőségesen vannak olyan adatok, melyek kiaknázatlanok. Ezek egy része adatbázisokban, fájlokban áll rendelkezésre, míg más adatokat gépek, érzékelők, mobileszközök gyűjtenek. Sok strukturáltalan és "nem tradicionális" adat is keletkezik (pl. videó- és hangfelvételek), melyek tárolása és elemzése korábban bonyolult és költséges feladat volt. A temérdek adat figyelmen kívül hagyása mind-mind elvesztegetett lehetőség.
Napjainkban rendelkezésre állnak olyan megoldások, melyek segítségével változtatni lehet a helyzeten. Kognitív technológiák segítségével automatizálhatók a drága és erőforrásigényes adatgazdai feladatok, mint például az adatok feltárása és megismerése (data discovery) vagy az adatklasszifikáció. Gépi tanulás segítségével automatizálható az adatok feldolgozása, a felhasználók számára megjeleníthetők az összefüggések, javítható az adatok minősége. Mindez együtt pedig hatékonyabb adatgazdaságot eredményezhet.
- mondta el Fazekas Ákos, a Deloitte Technológiai tanácsadás üzletágának menedzsere. Szerinte a vállalatok egyre kevésbé fognak törekedni a tiszta, táblákba és rekordokba tölthető adatok tárolására. Ahhoz, hogy az adatalapú döntéshozatal versenyelőnyhöz juttasson vagy eseteként az aktuális kihívásokat le tudjuk küzdeni, nem elegendő csupán a nyilvánvaló adatokat elemezni.
Hogyan segíthetünk a jó döntések meghozatalában?
- Felhő alapú adattárházak használhatók például valós idejű adatfeldolgozásra. Több szolgáltató ajánl publikus megoldásokat. Ezek széleskörben elérhetővé teszik az adatokat a felhasználók számára úgy, hogy nem szükséges azokat több helyen tárolni. Emellett a szolgáltatás részeként gyakran ajánlanak keresési, lekérdezési és elemzési megoldásokat is.
- Funkciókatalógusok segítségével hatékonyan szervezhetjük a feladatokat adat- és erőforrásigény, valamint a felhasználás célja alapján.
- Idősor-adatbázis alkalmazható adott időben bekövetkezett események, valamint az adott periódusban történt adatváltozások vizsgálatára. Az IoT eszközök robbanásszerű elterjedésével egyre nagyobb lesz az igény ezeknek az alkalmazására, hogy az eszközök által szolgáltatott adatokat hatékonyan, megbízhatóan és visszakövethetően tudjuk tárolni.
- Gráfadatbázis segítheti a bonyolult összefüggések elemzését. Az adatok közötti kapcsolatok vizsgálata, teljes potenciáljának kihasználása tradicionális relációs adatbázisokkal bonyolult feladat. A gráfadatbázisok ezzel szemben az adatpontokat és kapcsolataikat natív módon képesek tárolni.