CPDA數據分析師視點:為何說尖端分析技術處於邊緣?

來源：CPDA數據分析師網 / 作者：數據君 /

在人工智慧，物聯網和個性化世界中，數據和實時洞察力在企業內部已變得至關重要

實時可操作「即時」的洞察力可以在瞬間做出更好的決策，從而可以極大地改善客戶體驗和運營效率，並開闢新的業務模型，這些可行的見解來自於基於事務和流數據工作負載中的數據的分析和決策，為了保持競爭力，企業需要整合一個實時交易分析系統，該系統結合了流數據和歷史交易數據以提供有價值的見解，例子包括針對支付欺詐的異常檢測，廣告技術中的個性化定位以及針對電子商務和媒體的推薦引擎。

您最激動並認為最有潛力的一項新興技術是什麼？這項技術有什麼特別之處？

邊緣計算是真實的。在這裡，公司必須制定一項策略，以處理來自全球設備的實時大量數據流入，分析師預測，到2020年，將有500億個遠程信息處理設備，並預測到2025年，全球數據總和將達到175 ZB。儘管邊緣計算正給IT基礎架構帶來巨大壓力，而在IT基礎架構中，網絡，存儲和應用層的傳統系統正面臨著巨大壓力。今天的壓力很大-新一代系統即將上市，以幫助公司應對由邊緣計算引起的數據爆炸。

最令人興奮的是，這些新系統使公司能夠以全新的方式與客戶互動的能力

今天企業面臨的最大挑戰是什麼？大多數企業如何響應（並且有效）？隨著企業不斷擴大其數字投資，他們面臨著從以數據為主導的戰略轉變為以見解為主導的戰略的挑戰，他們收集了很多數據，並建立了數據倉庫和數據湖，但是他們正努力利用數據來獲取洞察力，從而做出更好的實時業務決策，企業開始在其數據平臺上進行再投資。他們知道他們需要將流數據和事務數據分析結合起來，但是由於現有的遺留系統，最終他們陷入了技術限制。

最大的障礙之一是處理利用當今基於機器學習的應用程式的功能和前景所需要的大量數據

機器學習和AI引擎在饋入足夠數量的最新數據時表現最佳，這些數據足以使模型足夠準確以按設計工作，我們稱其為「飢餓的機器學習和AI」，如今公司面臨著在傳統數據系統上真正增強機器學習和基於AI的應用程式的挑戰，數據和分析中是否有一項新技術正在帶來比大多數人意識到的更多的挑戰？企業應如何調整其方法？近年來，存儲技術取得了許多進步，這些成就不僅帶來了希望，而且也帶來了許多挑戰，很難相信，但是幾年前作為標準存儲介質的傳統旋轉磁碟驅動器正迅速被基於快閃記憶體的固態存儲器取代，另外動態存儲器容量正在迅速增加。

隨著這些存儲層變得更加經濟

公司必須確定正確的存儲類型組合，以最好地處理海量數據湧入，並提供正確的性能並持久地支持採用以下功能的新型關鍵任務運營應用程式：機器學習和AI，傳統BI和報告體系結構無法很好地支持這些存儲層和應用程式之上所需的分析，公司需要開始重新評估他們的存儲和分析方法，著眼於當今出現的混合存儲架構和實時分析平臺。

您的企業在今天花費最多的時間和資源是什麼？

我們認為，迫切需要下一代數據和分析平臺，以幫助解決由於邊緣計算興起而導致公司面臨的一些緊迫問題，目前我們幫助全球一些最大，最具創新性的公司管理其參與系統的超大規模數據需求-那些直接接觸其客戶和用戶的系統-消耗大量的流數據，這些流數據與回傳的數據合併記錄系統，我們與這些公司合作的經驗促使人們開始研究如何利用這些數據源的組合來幫助我們的客戶和潛在客戶實時獲得更好的見解，從而做出更好的決策來推動新的業務模式並獲得競爭優勢。

CPDA數據分析師

您如何看待2020年及以後的分析和數據管理？我們還沒有聽說過什麼呢？

隨著邊緣技術的不斷發展，分析和數據管理正在發生巨大變化，建立用於管理相對靜態數據並驅動每月，每周或每天更新的分析的數據管理系統不再適用於當今公司部署的許多關鍵任務應用程式，有趣的是邊緣應用程式或參與系統本身就嵌入了分析功能，他們可以對大量數據進行建模和分析，無需人工幹預即可做出決策，從本質上講，它們就像在實時互動中一樣，是在模仿人類的決策。

我們看到數據管理和分析的發展支持了公司內部和公司內部更廣泛的實時決策

幫助全球領先的企業充滿信心地構建和部署現代數據架構解決方案。我們的企業級資料庫平臺可幫助公司支持關鍵任務的戰略運營應用程式，從而使數位化轉型成為可能。由專利的混合內存架構和自主集群管理技術支持被金融，電子廣告技術等各種行業的企業所採用，非常適合防欺詐，數字錢包，在線經紀以及其他需要正常運行時間，性能和規模。