Τα Big Data ήρθαν για να μείνουν στον επιχειρηματικό κόσμο. Το 2017 θα είναι η χρονιά που θα απολέσουν σημαντικό μέρος από το hype τους, αλλά θα αναβαθμίσουν σημαντικά τον ρόλο τους στα επιχειρηματικά δρώμενα. Οξύμωρο; Όχι και τόσο.

Τα τελευταία χρόνια, τα Big Data ήταν, από μόνα τους, μια επιχειρηματική τάση κολοσσιαίων διαστάσεων. Καθώς όμως οι οργανισμοί κάνουν πιο αποφασιστικά βήματα προς data-driven επιχειρηματικά μοντέλα, τα Big Data τείνουν να αποκτήσουν μια πιο “business as usual” διάσταση, αποτελώντας τη βάση για αναδυόμενες στο επιχειρηματικό περιβάλλον τεχνολογίες.

AI, IoT, VR και άλλα ακρωνύμια
Η τάση δεν αφορά πλέον στα Big Data, αλλά στο πώς αυτά «στρώνουν το έδαφος» για περαιτέρω ψηφιοποίηση των επιχειρηματικών διαδικασιών, με τη χρήση συνδεδεμένων τεχνολογιών, όπως είναι το Artificial Intelligence, το Internet of Things και το Augmented Reality. Σύμφωνα και με τις προβλέψεις του James Kobielus, Big Data Evangelist της IBM για το 2017, τα projects των οργανισμών για enterprise applications θα επικεντρωθούν σε χρήση artificial intelligence, machine learning και (τι άλλο;) cognitive computing για ανάπτυξη νέων προϊόντων.

Οι διαφορετικές εκφάνσεις της ανάλυσης δεδομένων, όπως machine learning, deep learning, neural networks, cognitive computing, αναγνώριση εικόνας και ομιλίας, καθώς και natural language processing αποτέλεσαν στην ουσία προπομπό της τεχνητής νοημοσύνης στα επιχειρησιακά περιβάλλοντα. Η τεχνητή νοημοσύνη είναι το απόλυτο εργαλείο ανάλυσης για τις ταχύτητες και τους μεγάλους όγκους που χαρακτηρίζουν τα Big Data.

Το Internet of Things είναι κάτι παραπάνω από μια ακόμα πηγή εξόρυξης δεδομένων. Η διείσδυσή του στις επιχειρηματικές διαδικασίες διαμορφώνει νέα μοντέλα αξιοποίησης του cloud, εξελίσσοντας ταυτόχρονα τα mobile applications. Το IoT είναι η πιο απτή απόδειξη της ενσωμάτωσης των Big Data σε αναδυόμενες τεχνολογίες , και είναι ίσως η πιο άμεσα εφαρμόσιμη τάση, για τους επόμενους μήνες.

Η «εικονοποίηση» των δεδομένων και η παρουσίαση των insights με τρόπο εύληπτο για τον μη-IT χρήστη ανέκαθεν αποτελούσε τη βάση για τον «εκδημοκρατισμό των δεδομένων» και την «τιθάσευση» των Big Data. Σήμερα οι οργανισμοί έχουν τη δυνατότητα να εξερευνήσουν τα δεδομένα τους με πιο αποτελεσματικούς (και σίγουρα πιο διασκεδαστικούς) τρόπους, καθώς τα AR (Augmented Reality) και VR (Virtual Reality) κερδίζουν έδαφος για χρήσεις πέρα από το gaming.

Και όλα αυτά είναι μόνο η αρχή: όπως επισημαίνει ο James Kobielus, τα enterprise applications projects νέας γενιάς θα αφορούν, μεταξύ άλλων, σε streaming media analytics, embedded deep learning, cognitive IoT, conversational chatbots, embodied robotic cognition, αυτοκινούμενα και computer vision –όλα πάνω στη βάση των Big Data.

Το machine learning θα διαδοθεί περισσότερο, καθώς περισσότερα κομμάτια της διαδικασίας θα αυτοματοποιηθούν μέσω unsupervised learning. Τέλος, τα εργαλεία ανοιχτού κώδικα θα προσθέσουν λειτουργικότητες deep learning και cognitive IoT, ώστε να ενισχύουν τα R, Spark and Hadoop.

Η πιο συναρπαστική πρόβλεψη για την ένταξη των Big Data στο επίκεντρο των νέων τεχνολογιών έρχεται από την Gartner, η οποία κάνει λόγο για τα «ψηφιακά δίδυμα» (digital twins), τα οποία θα «αναπαριστούν» δισεκατομμύρια αντικείμενα, μέσα στα επόμενα τρία με πέντε χρόνια. Χρησιμοποιώντας δεδομένα φυσικής από το πώς ένα αντικείμενο υπάρχει στον χώρο, σε συνδυασμό με πληροφορία από σένσορες, τα digital twins μπορούν να κάνουν ψηφιακές προσομειώσεις για δημιουργία σεναρίων σε πραγματικές συνθήκες πχ. σε ότι αφορά τον συνδυασμό εργασίας τεχνικών με συσκευές ελέγχου ατμοσφαιρικής πίεσης.

Anarchy in the Data…
Ο παραδοσιακός ορισμός των Big Data (εάν δεχθούμε φυσικά ότι υπάρχει επίσημος ορισμός) αφορά σε μεγάλο όγκο δεδομένων και σε μη δομημένα δεδομένα. Το 2017 θα είναι η χρονιά των μη δομημένων δεδομένων, καθώς το machine learning κερδίζει έδαφος στον επιχειρηματικό κόσμο. Ο συνδυασμός των δεδομένων που εκχωρούνται από ανθρώπους με τα δεδομένα που παράγονται από μηχανές σε σύνθετες μορφές visualization θα αρχίσει να μπαίνει στην ατζέντα των data-driven οργανισμών το 2017. Χαρακτηριστικό παράδειγμα αποτελούν τα drone hosted data, τα οποία συνδυάζουν καταχωρίσεις από το IT με δεδομένα από σένσορες σε μια ενιαία διεπαφή, ώστε ο χρήστης να έχει εικόνα της λειτουργίας του drone.

Το νέο data aggregation έχει και μία λιγότερο «φουτουριστική», αλλά εξόχως συμβατή με την ελληνική επιχειρηματικότητα διάσταση, καθώς, στο πλαίσιο της αξιοποίησης των μη δομημένων δεδομένων, ολοένα και περισσότεροι οργανισμοί εισάγουν στο σύστημα δεδομένα που βρίσκονται σε φωτογραφίες, videos αλλά και έγγραφα. Η χρήση των… αναλογικών δεδομένων προσφέρει στους οργανισμούς ένα αξιόπιστο σημείο αναφοράς για τον υπολογισμό της απόδοσης διαχρονικά, τον προσδιορισμό φάσεων των οικονομικών κύκλων, αλλά και εύρεση trails σε περιπτώσεις νομικών διαμαχών ή κρουσμάτων απάτης. Σε ένα σενάριο… επιστημονικής φαντασίας, θα είχε ενδιαφέρον να δούμε τα insights που θα προέκυπταν από το data aggregation στο ελληνικό δημόσιο, αλλά αυτό μάλλον αφορά τις γενιές μετά από εμάς. Σε κάθε περίπτωση, το data aggregation αποκτά νέα έννοια και οι συμβουλευτικές εταιρείες, αλλά και οι προμηθευτές analytics θα πρέπει να συνδράμουν τους οργανισμούς στους νέους στόχους τους.

Χρήση (και πρόσβαση) με το… μέτρο
Η εφαρμογή data-driven επιχειρησιακών μοντέλων προϋποθέτει πρόσβαση όλων των χρηστών στα insights που προκύπτουν από τα δεδομένα, αλλά όχι πρόσβαση στα δεδομένα καθαυτά. Αυτό διότι η πιο άμεσα επαληθεύσιμη τάση για το data analysis του 2017 αφορά σε πιο «σφιχτά» κανονιστικά πλαίσια για τη συλλογή και επεξεργασία των δεδομένων.

Είναι αναμενόμενο για τους οργανισμούς να ενισχύσουν τους ελέγχους πρόσβασης εταιρικών χρηστών στα δεδομένα, και με εφαρμογή τεχνολογιών οι οποίες θα σημαίνουν συναγερμό κάθε φορά που πραγματοποιείται μη εξουσιοδοτημένη χρήση των δεδομένων.

Η επεξεργασία δεδομένων και ο τρόπος με τον οποίο χρησιμοποιούνται από τις επιχειρήσεις συγκεντρώνει το ενδιαφέρον των κανονιστικών αρχών και των κυβερνήσεων, ελέω κανονισμών όπως το General Data Protection Regulation. Σε αυτό το πλαίσιο, είναι σχεδόν βέβαιο ότι οι οργανισμοί θα κάνουν ένα βήμα μπροστά σε data aggregation και cognitive technologies και πολλά βήματα προς την κατεύθυνση ενός ισχυρού πλαισίου data governance.

Η έλευση του citizen data scientist
Καθώς τα Big Data αναβαθμίζονται στο πλαίσιο των επιχειρηματικών μοντέλων, ο ρόλος του data scientist αλλάζει με τη σειρά του. Σύμφωνα με τον James Kobielus, οι «παραδοσιακοί» προγραμματιστές θα πρέπει να εκπαιδευτούν ώστε να συνεχίσουν να εξυπηρετούν τους σκοπούς των οργανισμών, ενώ οι «καθαρόαιμοι» data scientists θα αποκτήσουν operational αρμοδιότητες, με έμφαση στον σχεδιασμό, υλοποίηση και διαχείριση έργων A/B tests, machine learning και predictive analytics, ευθυγραμμισμένα με τις core business διαδικασίες και τα σημεία επαφής με τον τελικό πελάτη. Καθώς η εύρεση data scientists με τις κατάλληλες δεξιότητες και business acumen έχει αποδειχθεί δύσκολη για τους περισσότερους οργανισμούς, το 2017 περιμένουμε να δούμε περισσότερους data scientists με υπόβαθρο εκτός του προγραμματισμού και της στατιστικής, ήτοι τους «αυτοδίδακτους» citizen data scientists, οι οποίοι θα αξιοποιούν τα εξελιγμένα εργαλεία analytics και θα συνεργάζονται με τους έμπειρους data scientist σε εταιρικά projects υψηλής προτεραιότητας. Είναι χαρακτηριστικό ότι η εκπαίδευση στο data science θα συντελείται κατά κύριο λόγο στο μέλλον σε hackathons και crowdsourcing περιβάλλοντα.