Uczenie maszynowe, integracja danych i NoSQL to tylko niektóre z nowości w Big Data. pl! Professional podsumowuje siedem najważniejszych trendów.

Transformacja cyfrowa jest nie do pomyślenia bez big data, ponieważ tylko wiedza, którą można uzyskać z danych, pozwala firmom stać się zwinny. W tym kontekście zwinność oznacza dwie rzeczy: z jednej strony optymalizację istniejących procesów biznesowych w bieżącym procesie w oparciu o sytuację na danych, a z drugiej strony uporządkowanie nieaktualnych procesów i zastąpienie ich nowe.

Znaczenie big data - słowo kluczowe Internet of Things (IoT) - również rośnie w wyniku rosnącej sieci. Te nowe warunki ramowe i uzyskane tutaj dane otwierają dla kreatywnych umysłów niewyobrażalne możliwości dla nowych modeli biznesowych. Widać to w rozwijającej się i odnoszącej sukcesy scenie założycieli i start-upów.

Mindbreeze, producent oprogramowania do wyszukiwania korporacyjnego, big data i zarządzania wiedzą, zidentyfikował trendy, które odzwierciedlają obecny rozwój rynku Big Data.

Uczenie maszynowe lub głębokie uczenie dotyczy urządzeń automatycznie zbierających, przechowujących i analizujących dane. W tym celu są wyposażone w rodzaj sztucznej inteligencji (AI), która pozwala im zrozumieć informacje zawarte w danych i rozpoznać związki semantyczne.

Bernard Marr Założyciel i dyrektor generalny Advanced Performance Institute www.ap-institute.com Zdjęcie: AP Institute „Widzę szczególny wzrost w zakresie analizy danych w czasie rzeczywistym i coraz większe wykorzystanie algorytmów uczenia maszynowego”.

Uczenie maszynowe jest szczególnie przydatne do analizowania ogromnych ilości danych, ponieważ „przy mniejszych zestawach danych nadal możesz się dowiedzieć sam” – podkreśla Norbert Wirth, Global Head of Data and Science w instytucie badań rynku GfK.

Uczenie maszynowe jest szczególnie popularne, jeśli chodzi o bezpieczeństwo. Na przykład istnieją projekty, których celem jest poprawa bezpieczeństwa budynków za pomocą uczenia maszynowego. Banki również widzą potencjał w uczeniu maszynowym, na przykład w celu zwiększenia bezpieczeństwa zakupów online. W tym celu systemy monitorują wszystkie transakcje i próbują odróżnić przestępcze od normalnych wzorców, aby w razie potrzeby interweniować.