Waarde halen uit uw gegevens zou niet zo moeilijk moeten zijn

Geleverd door Hewlett Packard Enterprise

De potentiële impact van de aanhoudende wereldwijde data-explosie blijft tot de verbeelding spreken. Een rapport uit 2018 schatte dat elke seconde van elke dag, elke persoon produceert 1,7 MB aan gegevens gemiddeld—en de jaarlijkse gegevenscreatie heeft sindsdien meer dan verdubbeld en zal tegen 2025 naar verwachting opnieuw meer dan verdubbelen. Een rapport van het McKinsey Global Institute schat dat vakkundig gebruik van big data een extra $ 3 biljoen in economische activiteit, waardoor uiteenlopende toepassingen mogelijk worden, zoals zelfrijdende auto's, gepersonaliseerde gezondheidszorg en traceerbare voedselvoorzieningsketens.

Maar het toevoegen van al deze gegevens aan het systeem zorgt ook voor verwarring over hoe deze te vinden, te gebruiken, te beheren en legaal, veilig en efficiënt te delen. Waar komt een bepaalde dataset vandaan? Wie is eigenaar van wat? Wie mag bepaalde dingen zien? Waar woont het? Kan het worden gedeeld? Kan het worden verkocht? Kunnen mensen zien hoe het werd gebruikt?

Naarmate de toepassingen van data groeien en alomtegenwoordiger worden, merken producenten, consumenten en eigenaren en beheerders van data dat ze geen draaiboek hebben om te volgen. Consumenten willen verbinding maken met gegevens die ze vertrouwen, zodat ze de best mogelijke beslissingen kunnen nemen. Producenten hebben tools nodig om hun data veilig te delen met degenen die het nodig hebben. Maar technologieplatforms schieten tekort en er zijn geen echte gemeenschappelijke bronnen van waarheid om beide partijen met elkaar te verbinden.

Hoe vinden we gegevens? Wanneer moeten we het verplaatsen?

In een perfecte wereld zouden gegevens vrij kunnen stromen als een hulpprogramma dat voor iedereen toegankelijk is. Het kan worden verpakt en als grondstof worden verkocht. Het kan gemakkelijk en zonder complicaties worden bekeken door iedereen die bevoegd is om het te zien. De oorsprong en bewegingen kunnen worden gevolgd, waardoor eventuele zorgen over snode gebruik ergens langs de lijn worden weggenomen.

De wereld van vandaag werkt natuurlijk niet op deze manier. De enorme data-explosie heeft geleid tot een lange lijst van problemen en kansen die het lastig maken om brokken informatie te delen.

Aangezien data bijna overal binnen en buiten een organisatie worden gecreëerd, is de eerste uitdaging om te bepalen wat er wordt verzameld en hoe dit te organiseren zodat het kan worden gevonden.

Een gebrek aan transparantie en soevereiniteit over opgeslagen en verwerkte gegevens en infrastructuur leidt tot vertrouwensproblemen. Tegenwoordig is het verplaatsen van gegevens naar gecentraliseerde locaties vanuit meerdere technologiestacks duur en inefficiënt. De afwezigheid van open metadatastandaarden en breed toegankelijke applicatieprogrammeerinterfaces kan het moeilijk maken om toegang te krijgen tot data en deze te consumeren. De aanwezigheid van sectorspecifieke data-ontologieën kan het voor mensen buiten de sector moeilijk maken om te profiteren van nieuwe databronnen. Meerdere belanghebbenden en problemen met toegang tot bestaande dataservices kunnen het delen van gegevens zonder governancemodel bemoeilijken.

Europa neemt het voortouw

Ondanks de problemen worden er op grote schaal projecten voor het delen van gegevens ondernomen. Een die wordt ondersteund door de Europese Unie en een non-profitgroep, creëert een interoperabele gegevensuitwisseling genaamd Gaia-X , waar bedrijven gegevens kunnen delen onder de bescherming van strikte Europese wetten inzake gegevensprivacy. De uitwisseling is bedoeld als een vaartuig om gegevens tussen industrieën te delen en als een opslagplaats voor informatie over gegevensdiensten rond kunstmatige intelligentie (AI), analyse en het internet der dingen.

Hewlett Packard Enterprise heeft onlangs aangekondigd dat oplossingskader om de deelname van bedrijven, dienstverleners en publieke organisaties aan Gaia-X te ondersteunen. Het dataspaces-platform, dat momenteel in ontwikkeling is en gebaseerd is op open standaarden en cloud-native, democratiseert de toegang tot data, data-analyse en AI door ze toegankelijker te maken voor domeinexperts en gewone gebruikers. Het biedt een plek waar experts uit domeingebieden gemakkelijker betrouwbare datasets kunnen identificeren en veilig analyses kunnen uitvoeren op operationele data, zonder dat altijd de kostbare verplaatsing van data naar gecentraliseerde locaties nodig is.

Door dit raamwerk te gebruiken om complexe gegevensbronnen in IT-landschappen te integreren, kunnen ondernemingen op grote schaal gegevenstransparantie bieden, zodat iedereen, of het nu een gegevenswetenschapper is of niet, weet welke gegevens ze hebben, hoe ze er toegang toe krijgen en hoe ze ze moeten gebruiken live.

Initiatieven voor het delen van gegevens staan ​​ook bovenaan de agenda van ondernemingen. Een belangrijke prioriteit waarmee ondernemingen worden geconfronteerd, is het doorlichten van gegevens die worden gebruikt om interne AI- en machine learning-modellen te trainen. AI en machine learning worden al op grote schaal gebruikt in ondernemingen en de industrie om voortdurende verbeteringen in alles te stimuleren, van productontwikkeling tot werving tot productie. En we zijn nog maar net begonnen. IDC voorspelt dat de wereldwijde AI-markt dat zal doen: groeien van $328 miljard in 2021 naar $554 miljard in 2025.

Om het ware potentieel van AI te ontsluiten, moeten overheden en ondernemingen de collectieve erfenis van alle gegevens die deze modellen aandrijven, beter begrijpen. Hoe nemen AI-modellen hun beslissingen? Hebben ze vooroordelen? Zijn ze betrouwbaar? Hebben onbetrouwbare personen toegang kunnen krijgen tot de gegevens waartegen een onderneming haar model heeft getraind of deze kunnen wijzigen? Door dataproducenten transparanter en efficiënter met dataconsumenten te verbinden, kan een aantal van deze vragen worden beantwoord.

Volwassenheid van data opbouwen

Bedrijven gaan niet oplossen hoe ze al hun gegevens van de ene op de andere dag kunnen ontgrendelen. Maar ze kunnen zich voorbereiden om te profiteren van technologieën en beheerconcepten die helpen om een ​​mentaliteit van het delen van gegevens te creëren. Ze kunnen ervoor zorgen dat ze de volwassenheid ontwikkelen om gegevens strategisch en effectief te consumeren of te delen in plaats van dit op ad-hocbasis te doen.

Gegevensproducenten kunnen zich voorbereiden op een bredere verspreiding van gegevens door een reeks stappen te nemen. Ze moeten begrijpen waar hun gegevens zijn en hoe ze deze verzamelen. Vervolgens moeten ze ervoor zorgen dat de mensen die de gegevens gebruiken, op het juiste moment toegang hebben tot de juiste gegevenssets. Dat is het uitgangspunt.

Dan komt het moeilijkere deel. Als een dataproducent consumenten heeft, die zich binnen of buiten de organisatie kunnen bevinden, moeten ze verbinding maken met de data. Dat is zowel een organisatorische als een technologische uitdaging. Veel organisaties willen governance over het delen van gegevens met andere organisaties. De democratisering van gegevens - in ieder geval in staat zijn om deze over organisaties heen te vinden - is een kwestie van volwassenheid van de organisatie. Hoe pakken ze dat aan?

Bedrijven die een bijdrage leveren aan de auto-industrie, delen actief gegevens met leveranciers, partners en onderaannemers. Er zijn veel onderdelen nodig - en veel coördinatie - om een ​​auto in elkaar te zetten. Partners delen gemakkelijk informatie over alles, van motoren tot banden tot online reparatiekanalen. Automotive dataspaces kunnen meer dan 10.000 leveranciers bedienen. Maar in andere industrieën is het misschien meer insulaire. Sommige grote bedrijven willen misschien geen gevoelige informatie delen, zelfs niet binnen hun eigen netwerk van business units.

Een data-mentaliteit creëren

Bedrijven aan weerszijden van het continuüm consument-producent kunnen hun mentaliteit voor het delen van gegevens bevorderen door zichzelf deze strategische vragen te stellen:

• Als ondernemingen AI- en machine learning-oplossingen bouwen, waar halen de teams dan hun gegevens vandaan? Hoe maken ze verbinding met die gegevens? En hoe volgen ze die geschiedenis om de betrouwbaarheid en herkomst van gegevens te waarborgen?
• Als gegevens waarde hebben voor anderen, wat is dan het pad om inkomsten te genereren dat het team vandaag volgt om die waarde uit te breiden, en hoe wordt het beheerd?
• Als een bedrijf al gegevens uitwisselt of er inkomsten mee genereert, kan het dan een bredere reeks services op meerdere platforms autoriseren - op locatie en in de cloud?
• Voor organisaties die gegevens met leveranciers moeten delen, hoe wordt de coördinatie van die leveranciers met dezelfde gegevenssets en updates vandaag gedaan?
• Willen producenten hun gegevens repliceren of mensen dwingen om modellen naar hen toe te brengen? Gegevenssets kunnen zo groot zijn dat ze niet kunnen worden gerepliceerd. Moet een bedrijf softwareontwikkelaars hosten op zijn platform waar zijn gegevens zich bevinden en de modellen in en uit verplaatsen?
• Hoe kunnen werknemers op een afdeling die data consumeert de praktijken van de upstream dataproducenten binnen hun organisatie beïnvloeden?

Actie ondernemen

De datarevolutie creëert zakelijke kansen, samen met veel verwarring over hoe op een strategische manier naar die data te zoeken, deze te verzamelen, te beheren en er inzichten uit te halen. Dataproducenten en dataconsumenten raken steeds meer van elkaar losgekoppeld. HPE bouwt een platform dat zowel on-premises als de openbare cloud ondersteunt, met behulp van open source als basis en oplossingen zoals HPE Ezmeral Software Platform om de gemeenschappelijke basis te bieden die beide partijen nodig hebben om de datarevolutie voor hen te laten werken.

Lees het originele artikel op Enterprise.nxt .

Deze inhoud is geproduceerd door Hewlett Packard Enterprise. Het is niet geschreven door de redactie van MIT Technology Review.

zich verstoppen