Melyek az intelligens adatok?

Melyek az intelligens adatok?

A sikeres adatvezérelt vállalkozások arra törekszenek, hogy javítsák az adatok minőségét, miközben csökkentik az adatok szervezését és az előkészítési időt. A cél az, hogy olyan adatokat hozzanak létre, amelyek gyorsan készen állnak az elemzésre, és ennek legjobb módja az, hogy ha az adatokat intelligenssé teszik.

Melyek az intelligens adatok?

Amint láttuk, az idő már most is az adatok által vezérelt szervezetek ellensége, mivel az adatok összegyűjtése és hagyományos elemzésre való előkészítése késedelmes. Az IDG Research 2016-os adat- és elemzési felmérése szerint a válaszadók 90 százaléka tapasztalt fájdalmas pontokat olyan területeken, mint az adathozzáférés, az adatok átalakítása, az adatok létrehozása és gyűjtése, az adatmigráció és az adattárolás.

Tovább bonyolítja a helyzetet, hogy az adatmennyiségek már most is hatalmasak, és egyre csak nagyobbodnak, ami felgyorsítja az adatáramlás sebességét a szervezetben. Miközben a vállalatok a felhasználói élmény optimalizálásához az adatokból származó létfontosságú intelligenciára támaszkodnak, csak kevesen tudják hatékonyan megoldani, hogy a minőségi adatokat gyorsasággal húzzák ki az áradatból.

Ahhoz, hogy a szervezeti adatokból teljes értéket lehessen kihozni, menet közben kell kitalálni, hogy mely bitek fontosak, biztosítani kell, hogy az adatok minősége kifogástalan legyen, és olyan kontextust kell hozzáadni, amely az adatokat már a gyűjtés helyén használható információvá alakítja.  Ha ezt meg tudja tenni, akkor intelligens adatokkal rendelkezik.

Az intelligens adatok és a hagyományos adatgyűjtési és elemzési módszerek közötti különbség mélyreható, és az ügyfélélmény és a működési hatékonyság javításától kezdve a biztonsági fenyegetések csökkentéséig mindenre hatással van.

 

Hogyan segít az intelligens adat

Bár az intelligens adatok definíciói némileg eltérőek, általában olyan adatoknak tekintik, amelyeket a gyűjtési ponton úgy készítenek elő és szerveznek, hogy a lehető legjobb minőségben és sebességgel álljanak készen az elemzésre.  

Egy nemrégiben tartott konferencián Donna Roy, az Egyesült Államok Belbiztonsági Minisztériuma Információmegosztási és Szolgáltatási Hivatalának ügyvezető igazgatója a FedTech szerint elmondta, hogy "csapatai idejük körülbelül 80%-át csak az adatok keresésével, bevitelével és elemzésre való előkészítésével töltik". Roy úgy véli, hogy az intelligens adatok lehetővé teszik, hogy a folyamatból kivegyék a lazaságot, és az ügynökségek gyorsabban és okosabban működhessenek.

A FedTech úgy fogalmazta meg Roy leírását az intelligens adatokról, mint "szoftverektől, alkalmazásoktól, eszközöktől vagy hálózatoktól független, de mégis felhasználható adatok. Olyan adatokról van szó, amelyek önmagukat leírják és védik. Saját kontextussal és szemantikával rendelkezik". Ez az adat át van itatva kontextussal, és ez a kontextus közelebb van csatolva az adatforráshoz.

"Az intelligens adat olyan információt jelent, amelynek valóban van értelme" - írja a Wired a Big data, fast data, smart data című cikkében. "Ez a különbség a heti eladásokra utaló számok hosszú listájának megtekintése és az értékesítési volumen csúcs- és mélypontjainak azonosítása között. Az algoritmusok az értelmetlen számokat használható meglátásokká változtatják. Az intelligens adatok olyan adatok, amelyekből intelligens algoritmusok által kivont jeleket és mintázatokat nyertek ki."

A hagyományos analitikával az adatokat összegyűjtik, ápolják, majd valamilyen rögzített ütemezés szerint - mondjuk naponta vagy hetente - feldolgozzák. Ez a munkafolyamat azt jelenti, hogy az eredmények gyakran elavulnak, mire az adatokat figyelembe veszik. Az intelligens adatokhoz viszont a gyűjtés helyén férnek hozzá és alakítják át az elemzéshez, ami segít csökkenteni az adatelőkészítési időbeli késedelmet.

Mit jelent ez az üzleti világban? Az intelligens adatok mindenekelőtt abban segítenek a vállalatoknak, hogy a rájuk zúduló hatalmas adatmennyiségből releváns adatokat emeljenek ki. Az, hogy korábban tudja, mit mondanak az adatai, hatalmas áldás a mai digitális üzleti világban. Az intelligens adatok kritikus szerepet játszhatnak egy sor tevékenységben, az egészségügyi megfigyeléstől és a betegellátástól kezdve a nagy adatelemzésen át a felhőmigrációig, valamint a hálózati és alkalmazásteljesítmény-menedzsmentig.  

Gondoljunk például arra a problémára, amelyet Bill Gillis, a bostoni Beth Israel Deaconess Care Organization CIO-ja tapasztalt. Szervezete a kárigénylési adatok segítségével szeretett volna nagyobb betekintést nyerni a betegek egészségi állapotába, de ezek az adatok jellemzően csak 90 nappal az esemény után állnak rendelkezésre elemzésre, amely miatt a beteg először is az egészségügyi szervezethez fordult. Ez nyilvánvalóan túl hosszú idő ahhoz, hogy érdemben reagálni lehessen, így az adat használhatatlanná válik. Ha az adatok hamarabb rendelkezésre állnának, a szervezet hirtelen gazdag új információforráshoz jutna, amelyet felhasználhatna a betegek megsegítésére.

 

Stratégiai taktika  

A következő megfontolások fontosak ahhoz, hogy intelligens adatstratégiát alakítson ki vállalata számára:

 

  • Vegyük figyelembe az adatforrást. Nem minden adatforrás egyenlő, és fontos, hogy megtaláljuk azokat, amelyek a legfrissebb és legrelevánsabb adatokat szolgáltatják.  Például egyes hálózati felügyeleti eszközök manapság strukturálatlan gépi adatokat (naplófájlok, SNMP stb.) használnak, amelyeket valamikor indexelnek és archiválnak elemzés céljából. Ennek a megközelítésnek több korlátja is van. Egyrészt rengeteg adatot eredményez, amelyeket át kell válogatni, másrészt csak olyan adatokat gyűjt, amelyek naplózhatók, így potenciális vakfoltok maradnak. Kettő: a folyamat régi adatokat eredményez. A vezetékes adatok használata a hálózati láthatósághoz jobb intelligens adatfogadást nyújt: teljes képet ad arról, hogy mi történik, és ha jól csinálja, akkor valós időben elérhető, gyűjthető és átalakítható.
  • Biztosítsa az adatok minőségét. Egyes becslések szerint a rossz adatok a vállalatoknak átlagosan a bevétel 12%-ába kerülnek. Valójában a régi garbage in, garbage out szó túlzó értelmet nyer, tekintettel az intelligens adatok kritikus felhasználási eseteire, az üzleti elemzéstől az adatbiztonságban és az alkalmazás teljesítménykezelésében betöltött működési szerepekig. Az adatminőség kiépítéséhez a szervezeten belül egységes és következetes megközelítésre van szükség, ami a vállalati adatkezelési kézikönyvbe van beépítve.
  • Tekintse át a szervezeti változások szükségességét. Az adatelemzési erőfeszítések általában központosítva vannak, de az intelligens adatok esetében az érték az adatok első értékelése után hamarosan elkezd felhalmozódni, ami azt jelenti, hogy több lehetőség van a cselekvésre - és a gyorsabb cselekvésre - a gyűjtési ponthoz közelebbi adatokon. Ez hatással lesz mind a technológiai stratégiákra (fel van-e szerelve az adatok gyorsabb kiaknázására?), mind pedig arra, ahogyan a csapatait az adatok alapján történő cselekvéshez összeállítja (szükség lesz-e elosztottabb struktúrára ahhoz, hogy a legtöbbet hozza ki az adatokból?).
  • Fogadja el az automatizálást. Az adatgyűjtést és -átalakítást automatizáló eszközök létfontosságúak, és az igény csak növekedni fog, ahogy megpróbál értéket kinyerni az egyre több forrásból származó, egyre növekvő adatmennyiségből. Egyszerűen nincs más módja annak, hogy a tűzoltótömlő elé kerüljünk, és elvárjuk, hogy képesek legyünk értelmesen elemezni, rangsorolni és értelmezni az adatokat.

Mint említettük, a problémát azonban különböző módon lehet megközelíteni. Vegyük például a hálózati és alkalmazásteljesítmény-menedzsmentre szolgáló intelligens adatalkalmazásokat, amelyek a teljes átláthatóság érdekében a hálózat távoli részeinek mérését igénylik. A hardveralapú megközelítések túl költségesnek és nehezen kiterjeszthetőnek bizonyulhatnak felhőalapú környezetekre. Ez sok szervezet számára nem jöhet szóba, de mivel az intelligens adatok értékének egy része abban rejlik, hogy a forrásnál gyűjtik őket, fontos, hogy alternatívát találjunk. Ebben az esetben olyan szoftvereszközöket keressen, amelyek csökkentik a költségeket, ugyanakkor kiterjesztik a hatókörüket vegyes környezetekre, például felhőalapú és virtualizált környezetekre is.

Bár talán kihívást jelenthet, a digitális átalakítási erőfeszítések végső sikere azon fog múlni, hogy mennyire jók az adatai, és milyen gyorsan tud cselekedni az adatok alapján. Az intelligens adatok azt ígérik, hogy segítenek gyorsabban okosabb döntéseket hozni, és azok a vállalatok, amelyek ezt a legjobban csinálják, lesznek azok, amelyek az élre kerülnek.