Cloud Done Right: Bessere Entscheidungen und Vorhersagen mit maschinellem Lernen und Data Lakes
Juni 4, 2020 / Unisys Corporation
Als wir die Nachrichten über die COVID-19-Krise beobachteten, wurde deutlich, wie wichtig empirische Daten und Analytik sind, um Bürger und Regierungen weltweit zu informieren und sie in die Lage zu versetzen, politische Entscheidungen und Entscheidungen im Gesundheitswesen zu treffen. Johns Hopkins zum Beispiel stellte schnell einen Datensee mit Informationsfeeds aus Ländern auf der ganzen Welt zu COVID-19-Statistiken zusammen. Dies wurde zum Eckpfeiler für die Öffentlichkeit und Experten gleichermaßen, um tägliche Statistiken aus der ganzen Welt zu überwachen, und Modellierungen und Prognosen auf der Grundlage von maschinellem Lernen halfen Millionen.
Das Schöne an Data Lakes ist, dass ihre Erstellung und Nutzung nicht an eine starre Strukturierung der Daten gebunden ist – sie können in ihrem nativen Format aufgenommen werden. Die Cloud macht dies möglich durch:
- Kostengünstiger, on-demand Cloud-basierter Speicher
- Integrierte Cloud-Tools und Blueprints zur Aufnahme und Bereinigung von Daten
- Mehrere Cloud-Sicherheits- und Compliance-Schichten zum Schutz von Ressourcen
- Neueste und innovativste cloudbasierte Analytik-Tools
Sobald der Datensee „gebildet“ ist, ist es unerlässlich, Sicherheits- und Compliance-Maßnahmen zum Schutz der Systemintegrität sowie personenbezogener und geistiger Eigentumsdaten vorzusehen. Cloud Data Lake Security kann in einer softwaredefinierten Verschlüsselungs- und dynamischen Isolationsumgebung verwaltet und geschützt werden. Compliance-Standards (z. B. HIPAA, DSGVO, NIST) können mit branchenführenden cloudbasierten Diensten und Methoden bewertet, überwacht und durchgesetzt werden.
Cloud-Analytik, Data Mining und maschinelles Lernen können dann zum Einsatz kommen, um umsetzbare Erkenntnisse zu liefern. Wenn es um Daten-Feeds für das Training der Artificial-Intelligence-Modelle geht, ergeben mehr Feeds und reichhaltigere Daten typischerweise mehr Korrelationen und Erkenntnisse. Mögliche Datenquellen sind:
- Bestehende Data Warehouses
- Mobile, Web- und Social Media-Daten
- IoT- und Sensordaten
- Demografische Daten
- Kundenbeziehungsmanagement (CRM)-Daten
Laut einem aktuellen Aberdeen-Bericht verzeichneten Unternehmen, die Data Lakes einsetzen und nutzen, Umsatzsteigerungen im Vergleich zu Unternehmen, die dies nicht getan haben. IDC prognostiziert, dass die Ausgaben für kognitive und KI-Systeme bis 2022 77,6 Mrd. $ erreichen werden.
Insgesamt kann jedes Unternehmen Data Lakes und KI nutzen, um:
Erhalten Sie Einblicke in Innovationsentscheidungen. Ein Data Lake kann Ihren F&E-Teams helfen, ihre Hypothesen zu testen, Annahmen zu verfeinern und Ergebnisse zu bewerten – wie z. B. die Auswahl der richtigen Materialien in Ihrem Produktdesign, die zu einer schnelleren Leistung führen, genomische Forschung, die zu effektiveren Medikamenten führt, oder das Verständnis der Bereitschaft der Kunden, für verschiedene Produkt- oder Dienstleistungseigenschaften zu zahlen.
Verbessern Sie die Kundeninteraktionen. Ein Data Lake kann Kundendaten von einer CRM-Plattform mit Social-Media-Analytik, einer Marketingplattform mit Kaufhistorie und Incident-Tickets kombinieren, um das Unternehmen in die Lage zu versetzen, die rentabelste Kundenkohorte, die Ursache der Kundenabwanderung und die Werbeaktionen oder Belohnungen zu verstehen, die die Loyalität steigern werden.
Steigerung der betrieblichen Effizienz Das Internet der Dinge (IoT) führt weitere Möglichkeiten zur Datenerfassung über Prozesse wie die Fertigung ein, wobei Echtzeitdaten von mit dem Internet verbundenen Geräten stammen. Ein Data Lake erleichtert das Speichern und Ausführen von Analytik auf maschinengenerierten IoT-Daten, um Wege zur Senkung der Betriebskosten bei gleichzeitiger Steigerung der Qualität zu finden.
Führende Unternehmen in den Bereichen Gesundheitswesen, biologische und pharmazeutische Forschung, Logistik, Finanzen und Dienstleistungen haben den Wettbewerbs- und strategischen Wert von Data Lakes und fortschrittlicher Analytik mithilfe von maschinellem Lernen entdeckt.
Viel mehr als IT-Ergebnisse
Ein aktueller Unisys-Kunde, ein großes US-amerikanisches öffentliches Universitätssystem, begann mit der Multi-Cloud-, Multi-Campus-Integration von Daten, was zur Schaffung eines cloudbasierten, zentralen Datensees führte. Dieses Datenrepository umfasste eine Vielzahl strukturierter und unstrukturierter Daten, darunter Daten aus bestehenden CRM-Tools, Informationen zu Studierenden und Lehrkräften, Teilnahme, und Testleistungsdaten und vieles mehr von den 500.000+ Studierenden, Dozenten und Mitarbeitern.
Obwohl die IT-Ergebnisse für diesen Kunden bemerkenswert sind, bietet sein Data Lake noch größere Vorteile durch prädiktive Analysen – wie die Identifizierung von gefährdeten Studenten und das Eingreifen, bevor schlechte Leistungen, Teilnahme oder andere Faktoren ihren Studien- und akademischen Erfolg beeinträchtigen.
Bei Unisys sind wir nicht nur Befürworter von Data Lakes und Analytik für unsere Kunden – wir nutzen sie selbst, um unsere Systeme, Dienstleistungen und das Engagement für unsere Kunden kontinuierlich zu verbessern. Data Lakes für KI-gesteuerte Operationen nutzen cloudbasierte Ingestion-, Storage- und Machine Learning-Dienste und umfassen sowohl historische als auch Echtzeitdaten. Zu den Datenquellen gehören operative Tools, Configuration Management Databases (CMDB) und IT Service Management (ITSM) Systeme. Dies ermöglicht die Prognose von Trends und Vorfällen und die intelligente Identifizierung der Grundursache, um unseren Kunden einen besseren Service zu bieten. [Für einen detaillierteren Blick darauf, wie Data Lakes und KI-gesteuerte Betriebsabläufe bessere Erlebnisse in der Cloud ermöglichen können, siehe den neuesten Artikel von Suzanne Taylor, CTO von Unisys für aufstrebende Technologien, im Forbes Magazine .]
Datengesteuerte Entscheidungen und Vorhersagen mithilfe von maschinellem Lernen werden Unternehmen in allen Industries einen Wettbewerbsvorteil bieten, da Cloud-KI-Dienste den Weg für eine verstärkte Akzeptanz ebnen. Zögern Sie nicht, sich mit den richtigen Sicherheitsgeländern auseinanderzusetzen, um herauszufinden, welche Erkenntnisse in Ihrem Datensee schwimmen.
