داده‌های بدون ساختار همچنان به بازسازی چشم‌انداز مدیریت داده‌ها ادامه می‌دهند در زمانی که نه تنها حجم بی‌سابقه‌ای از داده‌ها تولید می‌شود، بلکه در مکان‌های مختلف (در محل، در ابر و در لبه) جمع‌آوری، ذخیره، پردازش و تجزیه و تحلیل می‌شوند. ) و بین آن محیط ها حرکت کرد. شرکت‌ها از ویدئوها، تصاویر، داده‌های حسگر اینترنت اشیا، رسانه‌های اجتماعی و اطلاعات مشابه به عنوان پایه‌ای برای بسیاری از وظایف تحلیلی، یادگیری ماشینی و هوش تجاری که انجام می‌دهند استفاده می‌کنند. تعجب آور نخواهد بود که با ورود به سال 2022، مشاهده کنیم که داده های بدون ساختار همچنان در کانون تلاش های مدیریت داده شرکت ها قرار می گیرند.
بنابراین، چه روندهای مدیریت داده دیگری را می توانیم در سال 2022 انتظار داشته باشیم؟ اینجا چندتایی هستند:
رهبران فناوری اطلاعات روی استفاده از فضای ابری برای به دست آوردن ارزش از داده های بدون ساختار متمرکز خواهند شد
رهبران فناوری اطلاعات می‌دانند که ابر چیزی بیش از جایگزینی برای زیرساخت‌های داخلی است. این یک پلت فرم محاسباتی کشسان است که سازمان ها می توانند از آن برای ارائه مزیت رقابتی و چابکی استفاده کنند. ما هنوز به اندازه کافی درباره نحوه استفاده از ابر برای تجزیه و تحلیل داده های بدون ساختار نمی دانیم. با افزایش علاقه به یادگیری ماشینی و هوش مصنوعی (AI)، ما شاهد سرمایه گذاری بیشتری در تجزیه و تحلیل داده های بدون ساختار و راه حل های مدیریت داده خواهیم بود که این امکان را فراهم می کند. از آنجایی که داده‌های بدون ساختار بسیار بزرگ و غیرقابل استفاده هستند و بیشتر آنها در خارج از ابر در لبه رشد می‌کنند، مدیریت داده‌ای که لبه به ابر را در بر می‌گیرد و دریافت داده‌های بدون ساختار را برای تجزیه و تحلیل ابری ساده می‌کند، به یک روند قابل توجه تبدیل خواهد شد.
راه حل های گردش کار تجزیه و تحلیل داده های بدون ساختار ظاهر خواهند شد
پردازش و نمایه سازی پتابایت داده های بدون ساختار امروزه عمدتاً یک تلاش دستی است. سازمان‌های بزرگ تعداد زیادی از متخصصان داده را برای جستجو، فهرست‌نویسی و جابجایی این داده‌ها به کار می‌گیرند تا بتوان آنها را توسط ابزارهای تحلیلی جذب و دستکاری کرد. نیاز مبرمی برای ساده سازی و خودکارسازی این فرآیندها وجود دارد. راه حل هایی که فایل ها را به راحتی در چندین فایل و سیلوهای ابری فهرست بندی می کنند و حرکت سیستماتیک داده ها را خودکار می کنند، رو به افزایش خواهند بود. همچنین، راه‌حل‌های تجزیه و تحلیل داده‌ها برای داده‌های بدون ساختار ممکن است عمودی باشند، بنابراین آنها خاص بخش یا برنامه هستند. به عنوان مثال، تصاویر پزشکی و نحوه تفسیر آنها یک رویداد متنی است که به دانش خاصی از مجموعه داده های بالینی نیاز دارد. سازمان‌ها در حال ایجاد گردش‌های کاری سفارشی متشکل از ابزارهای تحلیلی مبتنی بر ابر مانند Amazon Comprehend برای شناسایی اطلاعات شناسایی شخصی (PII) همراه با حرکت دستی داده‌ها و دریاچه‌های داده هستند. زمان راه‌حل‌های مدیریت داده‌های تجاری است که می‌توانند جستجوی آسان مجموعه داده‌های خاص را در سراسر یک شرکت جهانی امکان‌پذیر کنند و این داده‌ها را به طور مستمر برای خودکارسازی سیستماتیک گردش کار تجزیه و تحلیل داده‌های بدون ساختار، به جریان بیندازند.
با گسترش تیم های مدیریت داده خود، DEI برای رهبران فناوری اطلاعات اهمیت بیشتری پیدا می کند
استخدام نیروی کار متنوع با توجه به اینکه بیش از نیمی از جمعیت فارغ التحصیل در حال حاضر زن هستند، منطقی به نظر می رسد. در سال 2022، رهبران فناوری اطلاعات به دنبال ایجاد فرهنگی خواهند بود که برای برابری در سطح مردمی مساعدتر باشد، مانند ارائه انعطاف‌پذیری بیشتر در کار از راه دور، شناسایی استعدادهای متنوع و پرورش الگوهای نقش متنوع هم به عنوان مدیر و هم به عنوان رهبر تیم.
‘کسب درآمد از داده ها و استراتژی های مرتبط در سال 2022 محبوب خواهند شد
مفهوم سنتی کسب درآمد از داده‌ها حول محور استخراج CRM، ERP و سایر سیستم‌های تجاری اصلی برای اطلاعات در مورد رفتار مشتری، تقاضای محصول و روند موجودی چرخیده است. با این حال، یادگیری ماشین ابزاری است که بازی را تغییر می دهد و بر داده های بدون ساختار متکی است. آموزش رانندگی به خودی خود به یک ماشین نیاز به داده های مربوط به رانندگی در جاده هایی با سطوح متفاوت و الگوهای چراغ راهنمایی دارد. اگر می‌خواهید میزان رضایت از تماس‌های تلفنی پشتیبانی مشتری را بهبود ببخشید، باید بتوانید مکالمات را تجزیه و تحلیل کنید. به همین دلیل است که می بینیم شرکت هایی مانند Snowflake از داده های بدون ساختار پشتیبانی می کنند. آنها انبار داده را در فضای ابری فراهم می کنند و پاسخگویی به این سؤالات دلخواه و باز را آسان می کنند. روند خالص این است که درآمدزایی از داده‌ها از تمرکز بر داده‌های ساختاریافته به داده‌های بدون ساختار تغییر می‌کند، زیرا در اینجاست که در حال حاضر بیشتر فرصت برای استفاده از داده‌ها برای بهبود روابط و درآمد با مشتری و کاهش ریسک و کسب مزیت رقابتی وجود دارد.
زمان آن فرا رسیده است که فناوری اطلاعات سیلوهای داده را بپذیرد
سیلوهای داده از بین نمی روند و هیچ کس نمی خواهد برای جلوگیری از سیلوها، متعهد به قفل کردن فروشنده باشد. پاسخ این است که نگران سیلوها نباشید، بلکه به دنبال راه‌حل‌هایی باشید که بتواند داده‌ها را جستجو کند – جستجو، طبقه‌بندی، ایمن کردن، تجسم آنها در محل – بدون اینکه مجبور شوید همه داده‌های خود را در یک مکان یا فناوری قرار دهید. حوزه دیگری که دیده می شود، مدیریت برچسب های قابل حمل بین پلتفرمی است. این امر به مدیران داده و دانشمندان داده امکان می‌دهد تا فایل‌ها را به ابرها یا برنامه‌های جدید منتقل کنند و در عین حال برچسب‌هایی را که برای جستجوی سریع و تقسیم‌بندی داده‌ها برای تغذیه خطوط لوله تجزیه و تحلیل داده حیاتی هستند، حفظ کنند. نقش فناوری اطلاعات ذخیره‌سازی به‌جای مدیریت ساده زیرساخت‌ها، در حال تکامل است تا مدیریت داده‌ها را شامل شود و نتایج کسب‌وکار را ممکن می‌سازد.
مدیریت داده همچنان یک بازار داغ برای سرمایه گذاران خطرپذیر خواهد بود
مدیریت داده‌ها توسط بادهای پشتی بسیار قوی هدایت می‌شود که باید رشد بازار آن را تقویت کند. انفجار داده های بدون ساختار، افزایش داده ها در لبه و ابر، و تغییر تجزیه و تحلیل داده ها به کسب درآمد از داده های بدون ساختار، همگی نیروهای عظیمی هستند که در پس ارتباط مدیریت داده در بازار هستند. سرمایه گذاران خطرپذیر موفقیت شرکت هایی مانند Snowflake را می بینند و نمی خواهند فرصت بعدی مدیریت داده های بزرگ را از دست بدهند. سرمایه گذاران همیشه به دنبال چیز بزرگ بعدی هستند. چگونه می توانید از روندهای بازار برای ایجاد مزیت نامتناسب استفاده کنید؟ یک راه خوب برای نزدیک شدن به این موضوع این است که به دنبال یک مشکل مدیریت داده باشید که به خوبی درک می کنید، که هنوز توسط دیگران حل نشده است، در برخی از بخش های بازار فراگیر است و قابل حل است. حوزه های داغ در مدیریت داده ها شامل مدیریت داده های ابری، مدیریت داده ها با تجزیه و تحلیل، امنیت داده ها و مدیریت داده های بدون ساختار است.
داده‌های بدون ساختار در سال 2022 تمرکز کلیدی برای شرکت‌ها خواهد بود، اما در چنین بخش پویایی از صنعت، این تنها بخش نخواهد بود. شرکت‌ها می‌خواهند از سرمایه‌های مخاطره‌آمیز که به فضا می‌آیند سرمایه‌گذاری کنند تا قابلیت‌های خود را گسترش دهند، از قابلیت‌های تازه‌یافته‌ای که با یادگیری ماشینی و داده‌های ساختار نیافته به دست می‌آیند، کسب درآمد کنند و اطمینان حاصل کنند که نیروی کار آنها به اندازه کافی متنوع است که نه تنها جامعه را به‌عنوان یک کل منعکس کند، بهره مندی از استعدادهای رو به رشد در بخش هایی از جامعه که در گذشته نسبتاً استفاده نشده بود.
کریشنا سوبرامانیان رئیس، مدیر اجرایی و یکی از بنیانگذاران این شرکت است فشرده سازی