Компания Gartner определила основные тенденции в области обработки данных и аналитики, которые порождают широкий спектр задач, в том числе организационных и кадровых. Сегодня обработка данных и аналитика переходит из сферы компетенции избранных в сферу повсеместного распространения. В то же время руководители сталкиваются с требованием не делать больше с меньшими затратами, а делать гораздо больше с гораздо большими затратами, что в свою очередь сопряжено с дополнительными вызовами, поскольку ставки продолжают повышаться. На конференции Gartner Data & Analytics Summit аналитики Gartner перечислили основные тенденции, на которые ИТ-руководители должны ориентироваться и учитывать в своей стратегии в текущем году.

Популярные продукты для обработки данных

Руководителям необходимо сосредоточиться на критически важных для бизнеса вариантах использования, масштабируя продукты и решая вопросы, связанные с доставкой данных. Приоритетное внимание следует уделять поставкам повторно используемых и компонуемых продуктов, обладающих минимальной жизнеспособностью, что позволит в дальнейшем совершенствовать их. Необходимо также согласовать ключевые показатели эффективности между разработчиками и заказчиками. Это имеет жизненно важное значение для оценки успеха информационных продуктов.

Решения для управления метаданными

Эффективное управление метаданными начинается с технических метаданных с дальнейшим их расширением и включением бизнес-метаданных для улучшения контекста. Используя метаданные различного типа, организации могут создавать каталоги данных, отслеживать перемещение данных и находить различные варианты использования, управляемые искусственным интеллектом. Обязательно следует выбрать инструменты, облегчающие автоматическое обнаружение и анализ метаданных.

Мультимодальная структура данных

Построение надежной системы управления метаданными предполагает сбор и анализ метаданных по всему каналу передачи данных. Применение аналитических средств и средств автоматизации с учетом требований, предъявляемых к координации структур данных, повышают эффективность работы за счет DataOps и позволяют создавать новые продукты для работы с данными.

Синтетические данные

Выявление областей, в которых данные отсутствуют, являются неполными или требуют больших затрат для обработки, имеет решающее значение для продвижения инициатив в области искусственного интеллекта. Синтетические данные, представляющие собой вариации исходных данных или способ замены важной и чувствительной информации, обеспечивают необходимую конфиденциальность и облегчают разработку ИИ-систем.

Агентная аналитика

Автоматизация бизнес-процессов в замкнутом цикле с помощью ИИ-агентов для анализа данных оказывает на систему трансформирующий эффект. Опробуйте различные варианты использования, объединяющие аналитические средства с интерфейсами на естественном языке, и оцените планы поставщиков в части интеграции приложений для цифровых рабочих мест. Создание системы управления сводит к минимуму ошибки и галлюцинации, а оценка готовности данных на основе принципов ИИ имеет определяющее значение для дальнейшего движения вперед.

ИИ-агенты

ИИ-агенты полезны для решения специальных, гибких и сложных задач адаптивной автоматизации. Помимо больших языковых моделей (LLM) здесь нужны и другие решения. ИИ-агентам необходимо предоставить возможность беспрепятственного доступа к данным и обмена ими с приложениями.

Не большие языковые модели

Небольшие языковые модели становятся предпочтительным вариантом для получения более точных результатов с учетом контекста. Данные рекомендуется предоставлять для генерации с дополненной выборкой и точной настройки пользовательских моделей предметной области, особенно при локальном развертывании, обработке конфиденциальных данных и в целях сокращения вычислительных ресурсов и затрат.

Составной искусственный интеллект

Применение разных методов повышает эффективность и надежность ИИ. Необходимо выходить за рамки генеративного ИИ и LLM, интегрируя в процессе создания комплексных ИИ-решений инструменты науки о данных, машинного обучения, графов знаний и средств оптимизации.

Платформы для анализа принимаемых решений

Решающее значение имеет переход от концепции, основанной на данных, к концепции, ориентированной на принятие решений. Рекомендуется определить приоритетность срочных бизнес-решений для моделирования, согласовать методы анализа принимаемых решений и оценить платформы анализа решений. Для достижения успеха потребуется пересмотреть методы обработки данных, провести оценку этических и юридических аспектов, а также рассмотреть вопросы, связанные с соблюдением нормативных требований в процессе принятия решений.