Ξεκλειδώστε τα παγιδευμένα δεδομένα σας: Οδηγώντας insights από άκρη σε άκρη

Ας μιλήσουμε για ένα λεπτό για τα σιλό δεδομένων. Τα σιλό του πραγματικού κόσμου είναι, φυσικά, εκείνοι οι πύργοι σε αγροκτήματα που χρησιμοποιούνται για την αποθήκευση σιτηρών για μελλοντική χρήση ή πώληση. Είναι πανύψηλα κτίρια που συνήθως περιέχουν μόνο έναν τύπο πρώτης ύλης. Η ιδέα του σιλό λειτουργεί γενικά ως μεταφορά για την περιγραφή μεγάλων συλλογών ακατέργαστων δεδομένων που αποθηκεύονται χωριστά από άλλα ακατέργαστα δεδομένα.

Διακομιστές και συσκευές συχνά δεδομένα σιλό. Διαφορετικά μηχανήματα αποθηκεύουν δεδομένα, αλλά δεν τα μοιράζονται απαραίτητα όλα με άλλες συσκευές. Οι εφαρμογές δημιουργούν και αποθηκεύουν δεδομένα, αλλά μόνο ορισμένες μπορεί να…ενδέχεται να…να κοινοποιηθεί εάν χρησιμοποιείται ένα καλογραμμένο API (διεπαφή προγραμματισμού εφαρμογών). Με τον καιρό, οι οργανισμοί βρίσκονται με πολλά δεδομένα, αλλά τα περισσότερα από αυτά είναι απομονωμένα, αποθηκευμένα σε ξεχωριστά μεταφορικά σιλό, για να μην αποτελέσουν ποτέ μέρος ενός ευρύτερου συνόλου.

Πώς το edge computing δημιουργεί την τέλεια καταιγίδα για σιλό δεδομένων

Όταν πρόκειται για εταιρική δικτύωση, ειδικά από άκρη σε άκρη, τα σιλό δεδομένων εμφανίζονται φυσικά. Κάθε συσκευή στο άκρο παράγει δεδομένα, αλλά πολλά από αυτά τα δεδομένα μπορεί να παραμείνουν στη συσκευή, ή τουλάχιστον, στο σύμπλεγμα συσκευών σε αυτή τη θέση άκρης. Το ίδιο ισχύει και για τις λειτουργίες cloud. Τα δεδομένα δημιουργούνται και αποθηκεύονται σε πολλούς διαφορετικούς παρόχους cloud και, ενώ μερικές φορές ανταλλάσσουν δεδομένα, τα περισσότερα από αυτά ζουν απομονωμένα από την υπόλοιπη επιχείρηση.

Επίσης: Πώς το edge-to-cloud οδηγεί το επόμενο στάδιο του ψηφιακού μετασχηματισμού

Ωστόσο, οι πληροφορίες και οι στρατηγικές που μπορούν να εφαρμοστούν έρχονται όταν όλα τα δεδομένα σε όλη την επιχείρηση είναι προσβάσιμα σε κατάλληλους χρήστες και συστήματα. Ας δούμε ένα παράδειγμα που μπορεί να συμβεί στο κατάστημα λιανικής πώλησης πλασματικών οικιακών ειδών, Home-by-Home, που συζητήσαμε προηγουμένως.

Η Home-by-Home πουλάει ένα επιτοίχιο φωτιστικό που χρησιμοποιεί πλαστικά στηρίγματα για να το στερεώσει στον τοίχο. Συνήθως, είναι μεγάλος πωλητής. Αλλά τον Μάρτιο και τον Απρίλιο κάθε χρόνο, η εταιρεία δέχεται μια πλημμύρα επιστροφών επειδή οι αγκύλες σπάνε. Οι επιστροφές γίνονται από όλη τη χώρα, από το Μαϊάμι μέχρι το Σιάτλ. Αυτό είναι το πρώτο μας σύνολο δεδομένων και είναι γνωστό στα ίδια τα καταστήματα.

Οι βραχίονες κατασκευάζονται από συνεργαζόμενη εταιρεία σε εργοστάσιο. Κανονικά, το εργοστάσιο λειτουργεί σε θερμοκρασίες πάνω από 62 βαθμούς Φαρενάιτ, αλλά τον Ιανουάριο και τον Φεβρουάριο, η θερμοκρασία περιβάλλοντος του εργοστασίου πέφτει στους 57 βαθμούς κατά μέσο όρο. Αυτό είναι το δεύτερο σύμπλεγμα δεδομένων μας, η θερμοκρασία στο εργοστάσιο.

Κανένα σύνολο δεδομένων δεν είναι συνδεδεμένο με το άλλο. Αλλά καθώς εξερευνήσαμε σε κάποιο βάθος πριν από λίγο καιρό, ορισμένες διαδικασίες παραγωγής πλαστικών αρχίζουν να αποτυγχάνουν κάτω από 59 βαθμούς περίπου. Χωρίς να είναι σε θέση να συσχετίσει ένα σύνολο δεδομένων σε ένα εργοστάσιο με στατιστικές επιστροφών από καταστήματα, η εταιρεία δεν θα μπορούσε να γνωρίζει ότι ένα ελαφρώς πιο ψυχρό εργοστάσιο παρήγαγε υποτυπώδεις βραχίονες, οι οποίοι αποτυγχάνουν σε όλη τη χώρα.

Ωστόσο, συλλέγοντας όλα τα δεδομένα και καθιστώντας διαθέσιμα σύνολα δεδομένων για ανάλυση (και συσχέτιση με βάση την τεχνητή νοημοσύνη και επεξεργασία μεγάλων δεδομένων), οι πληροφορίες γίνονται δυνατές. Σε αυτήν την περίπτωση, επειδή το Home-by-Home έκανε τον ψηφιακό μετασχηματισμό μέρος του DNA της, η εταιρεία μπόρεσε να κάνει τη σύνδεση μεταξύ της εργοστασιακής θερμοκρασίας και των επιστροφών, και τώρα οι πελάτες που αγοράζουν αυτά τα φωτιστικά αντιμετωπίζουν πολύ λιγότερες αστοχίες. 

Τα δεδομένα σας είναι παντού, αλλά είναι εφικτά;

Αυτό είναι μόνο ένα παράδειγμα της δυνατότητας συλλογής δεδομένων από edge-to-cloud. Υπάρχουν μερικές βασικές ιδέες εδώ που είναι όλες αλληλένδετες. 

Τα δεδομένα σας είναι παντού: Σχεδόν κάθε υπολογιστής, διακομιστής, συσκευή internet-of-things, τηλέφωνο, εργοστασιακό σύστημα, σύστημα υποκαταστημάτων, ταμειακή μηχανή, όχημα, εφαρμογή λογισμικού ως υπηρεσία και σύστημα διαχείρισης δικτύου παράγουν συνεχώς δεδομένα. Κάποια από αυτά εκκαθαρίζονται καθώς δημιουργούνται νέα δεδομένα. Κάποια από αυτά συσσωρεύονται μέχρι να βουλώσουν οι συσκευές αποθήκευσης λόγω υπερβολικής χρήσης. Ορισμένα από αυτά βρίσκονται σε υπηρεσίες cloud για κάθε λογαριασμό σύνδεσης που έχετε.

Τα δεδομένα σας είναι απομονωμένα: Τα περισσότερα από αυτά τα συστήματα δεν μιλούν μεταξύ τους. Στην πραγματικότητα, η διαχείριση δεδομένων παίρνει συχνά τη μορφή του να υπολογίσει ποια δεδομένα μπορούν να διαγραφούν για να δημιουργηθεί χώρος για τη συλλογή περισσότερων. Ενώ ορισμένα συστήματα διαθέτουν API για ανταλλαγή δεδομένων, τα περισσότερα είναι αχρησιμοποίητα (και μερικά είναι υπερβολικά). Όταν παραπονιόταν για κάποιες τοπικές επιχειρήσεις, ο μπαμπάς μου συνήθιζε να χρησιμοποιεί τη φράση, «Το αριστερό χέρι δεν ξέρει τι κάνει το δεξί». Όταν τα δεδομένα είναι απομονωμένα, ένας οργανισμός είναι ακριβώς έτσι.

Οι πληροφορίες προέρχονται όταν συσχετίζονται πολλαπλές εισροές: Ενώ είναι δυνατό να υποβάλετε ένα μεμονωμένο σύνολο δεδομένων σε ολοκληρωμένη ανάλυση και να καταλήξετε σε πληροφορίες, είναι πολύ πιο πιθανό να δείτε τάσεις όταν μπορείτε να συσχετίσετε δεδομένα από μια πηγή με δεδομένα από άλλες πηγές. Προηγουμένως δείξαμε πώς η θερμοκρασία ενός δαπέδου εργοστασίου έχει μια μακρινή, αλλά μετρήσιμη, σχέση με τον όγκο των επιστροφών στα καταστήματα σε όλη τη χώρα. 

Για να γίνει αυτό, όλα αυτά τα δεδομένα πρέπει να είναι προσβάσιμα σε όλη την επιχείρησή σας: Αλλά αυτοί οι συσχετισμοί και οι παρατηρήσεις είναι δυνατοί μόνο όταν οι αναλυτές (τόσο άνθρωποι όσο και AI) μπορούν να αποκτήσουν πρόσβαση σε πολλές πηγές δεδομένων για να μάθουν τι ιστορίες λένε όλα.

Κάνοντας τα δεδομένα αξιοποιήσιμα και μετατρέποντάς τα σε ευφυΐα

Η πρόκληση στη συνέχεια είναι να γίνουν όλα αυτά τα δεδομένα αξιοποιήσιμα, να τα συλλέξουμε και στη συνέχεια να τα επεξεργαστούμε σε ευφυΐα με δυνατότητα δράσης. Για να γίνει αυτό, πρέπει να ληφθούν υπόψη τέσσερα πράγματα.

Το πρώτο είναι ταξίδι. Τα δεδομένα πρέπει να έχουν έναν μηχανισμό για να μετακινούνται από όλες αυτές τις συσκευές αιχμής, τις υπηρεσίες cloud, τους διακομιστές και οτιδήποτε άλλο σε κάποιο σημείο όπου μπορούν να γίνουν ενέργειες, ή συγκεντρωτικά. Όροι όπως "λίμνη δεδομένων" και "αποθήκη δεδομένων" περιγράφουν αυτήν την έννοια της συγκέντρωσης δεδομένων, παρόλο που η πραγματική αποθήκευση των δεδομένων μπορεί να είναι αρκετά διάσπαρτη. 

Επίσης: Ο ψηφιακός μετασχηματισμός που τροφοδοτείται από το edge-to-cloud ζωντανεύει σε αυτό το σενάριο ενός λιανοπωλητή μεγάλου κουτιού

Αυτά τα δύο ζητήματα, η αποθήκευση των δεδομένων και η μετακίνηση των δεδομένων απαιτούν και τα δύο υπόψη ασφάλεια και διακυβέρνησης. Τα δεδομένα σε κίνηση και τα δεδομένα σε κατάσταση ηρεμίας πρέπει να προστατεύονται από μη εξουσιοδοτημένη πρόσβαση, ενώ ταυτόχρονα να διατίθενται όλα αυτά τα δεδομένα σε αναλυτές και εργαλεία που μπορούν να εξορύξουν τα δεδομένα για ευκαιρίες. Ομοίως, η διακυβέρνηση δεδομένων μπορεί να αποτελεί πρόβλημα, καθώς τα δεδομένα που δημιουργούνται σε μια γεωγραφική τοποθεσία μπορεί να έχουν κυβερνητικά ή φορολογικά ζητήματα εάν μεταφερθούν σε νέα τοποθεσία.

Και τέλος, ο τέταρτος παράγοντας που πρέπει να ληφθεί υπόψη είναι ανάλυση. Πρέπει να αποθηκευτεί με τρόπο προσβάσιμο για ανάλυση, να ενημερώνεται αρκετά συχνά, να καταλογίζεται σωστά και να επιμελείται με προσοχή.

Μια ήπια εισαγωγή στον εκσυγχρονισμό δεδομένων

Οι άνθρωποι είναι περίεργα πλάσματα. Αυτό που δημιουργούμε στην πραγματική ζωή, το αναπαράγουμε συχνά στον ψηφιακό κόσμο μας. Πολλοί από εμάς έχουμε ακατάστατα σπίτια και χώρους εργασίας επειδή δεν βρήκαμε ποτέ την τέλεια τοποθεσία αποθήκευσης για κάθε αντικείμενο. Το ίδιο, δυστυχώς, συμβαίνει συχνά με τον τρόπο με τον οποίο διαχειριζόμαστε δεδομένα. 

Όπως συζητήσαμε νωρίτερα, έχουμε αποσιωπήσει τόσα πολλά από αυτά. Αλλά ακόμα και όταν αντλούμε όλα αυτά τα δεδομένα σε μια κεντρική λίμνη δεδομένων, δεν έχουμε τους καλύτερους τρόπους αναζήτησης, ταξινόμησης και κοσκίνισης όλων. Ο εκσυγχρονισμός δεδομένων έχει να κάνει με την ενημέρωση του τρόπου με τον οποίο αποθηκεύουμε και ανακτούμε δεδομένα για να αξιοποιήσουμε τις σύγχρονες εξελίξεις όπως τα μεγάλα δεδομένα, η μηχανική εκμάθηση, η τεχνητή νοημοσύνη, ακόμη και οι βάσεις δεδομένων στη μνήμη.

Οι φράσεις IT του εκσυγχρονισμού δεδομένων και του ψηφιακού μετασχηματισμού πάνε χέρι-χέρι. Αυτό συμβαίνει επειδή ένας ψηφιακός μετασχηματισμός δεν μπορεί να πραγματοποιηθεί εκτός εάν οι μεθοδολογίες αποθήκευσης και ανάκτησης δεδομένων είναι κορυφαία (συχνά ο κορυφή) οργανωτική προτεραιότητα πληροφορικής. Αυτό ονομάζεται στρατηγική για τα δεδομένα και μπορεί να αποκομίσει σημαντικά οφέλη για την επιχείρησή σας.

Δείτε, εδώ είναι το θέμα. Εάν τα δεδομένα σας είναι δεμένα και παγιδευμένα, δεν μπορείτε να τα χρησιμοποιήσετε αποτελεσματικά. Εάν εσείς και η ομάδα σας προσπαθείτε πάντα να βρείτε τα δεδομένα που χρειάζεστε ή δεν τα βλέπετε ποτέ εξαρχής, η καινοτομία θα σβήσει. Αλλά ελευθερώστε αυτά τα δεδομένα και ξεκλειδώστε νέες ευκαιρίες.

Και όχι μόνο αυτό, η κακή διαχείριση των δεδομένων μπορεί να αποτελέσει χρόνο για το επαγγελματικό σας προσωπικό πληροφορικής. Αντί να εργάζονται για να οδηγήσουν τον οργανισμό προς τα εμπρός μέσω της καινοτομίας, αφιερώνουν χρόνο στη διαχείριση όλων αυτών των διαφορετικών συστημάτων, βάσεων δεδομένων και διεπαφών και στην αντιμετώπιση προβλημάτων με όλους τους διαφορετικούς τρόπους με τους οποίους μπορούν να σπάσουν.

Ο εκσυγχρονισμός των δεδομένων σας δεν σημαίνει μόνο ότι μπορείτε να καινοτομήσετε, αλλά σημαίνει επίσης ότι μπορείτε να ελευθερώσετε χρόνο για να σκεφτείτε αντί να αντιδράσετε. Αυτό σας παρέχει επίσης χρόνο για να αναπτύξετε περισσότερες εφαρμογές και δυνατότητες που μπορούν να ανοίξουν νέους ορίζοντες για την επιχείρησή σας.

Βρείτε την αξία και τις χρήσιμες πληροφορίες που κρύβονται στα δεδομένα σας

Η διαδικασία εκσυγχρονισμού δεδομένων και η υιοθέτηση μιας στρατηγικής με προτεραιότητα τα δεδομένα μπορεί να είναι προκλητική. Τεχνολογίες όπως οι υπηρεσίες cloud και η τεχνητή νοημοσύνη μπορούν να βοηθήσουν. Οι υπηρεσίες cloud μπορούν να βοηθήσουν παρέχοντας μια υποδομή κατ' απαίτηση, ανάλογα με τις ανάγκες, η οποία μπορεί να αναπτυχθεί καθώς συλλέγονται όλο και περισσότερα δεδομένα. Η τεχνητή νοημοσύνη μπορεί να βοηθήσει παρέχοντας εργαλεία που μπορούν να εξετάσουν όλα αυτά τα δεδομένα και οργανώνοντας με συνέπεια, έτσι ώστε οι ειδικοί και οι διευθυντές επιχειρήσεων να μπορούν να αναλάβουν δράση.

Αλλά εξακολουθεί να είναι ένα μεγάλο αίτημα για τις περισσότερες ομάδες πληροφορικής. Συνήθως, το IT δεν σκοπεύει να συλλέξει όλα αυτά τα δεδομένα. Απλώς συμβαίνει οργανικά καθώς όλο και περισσότερα συστήματα εγκαθίστανται και όλο και περισσότερα αντικείμενα που πρέπει να κάνουμε μπαίνουν στις λίστες των ανθρώπων.

Εκεί μπορούν να βοηθήσουν οι υπηρεσίες διαχείρισης και υποδομής όπως η HPE GreenLake και οι ανταγωνιστές της. Η GreenLake προσφέρει ένα μοντέλο πληρωμής ανά χρήση, ώστε να μην χρειάζεται να "υπολογίζετε" τη χρήση χωρητικότητας εκ των προτέρων. Με πίνακες εργαλείων πολλαπλών εφαρμογών και πολλαπλών υπηρεσιών και μια μεγάλη γκάμα επαγγελματικής υποστήριξης, η HPE GreenLake μπορεί να σας βοηθήσει να κάνετε τα δεδομένα σας παντού πρόκληση σε μια στρατηγική πρώτης χρήσης δεδομένων.