I-unlock ang iyong na-trap na data: Pag-drive ng mga insight mula sa gilid-to-cloud

Pag-usapan natin ng isang minuto ang tungkol sa data silos. Ang totoong mundo silo ay, siyempre, ang mga tore sa mga sakahan na ginagamit upang mag-imbak ng butil para sa hinaharap na paggamit o pagbebenta. Ang mga ito ay nagtataasang mga gusali na karaniwang naglalaman lamang ng isang uri ng hilaw na materyales. Ang konsepto ng silo ay karaniwang gumagana bilang isang metapora para sa paglalarawan ng malalaking koleksyon ng raw data na nakaimbak nang hiwalay sa iba pang raw data.

Ang mga server at device ay kadalasang nagsi-silo ng data. Ang iba't ibang machine ay nag-iimbak ng data, ngunit hindi kinakailangang ibahagi ang lahat ng ito sa iba pang mga device. Ang mga application ay bumubuo at nag-iimbak ng data, ngunit ilan lamang ang maaaring…maaari…ibahagi kung ang isang mahusay na pagkakasulat na API (application programming interface) ay ginagamit. Sa paglipas ng panahon, nakikita ng mga organisasyon ang kanilang mga sarili na may maraming data, ngunit karamihan sa mga ito ay nakahiwalay, na nakaimbak sa magkahiwalay na metaphorical silo, hindi kailanman magiging bahagi ng isang mas malaking kabuuan.

Paano lumilikha ang edge computing ng perpektong bagyo para sa mga data silo

Pagdating sa enterprise networking, lalo na sa edge-to-cloud, natural na nangyayari ang mga data silo. Ang bawat device sa gilid ay gumagawa ng data, ngunit karamihan sa data na iyon ay maaaring manatili sa device, o sa pinakakaunti, ang kumpol ng mga device sa gilid na lokasyong iyon. Ang parehong ay totoo sa cloud operations. Ang data ay nilikha at iniimbak sa maraming iba't ibang mga provider ng cloud at, kahit minsan ay nagpapalitan sila ng data, karamihan sa mga ito ay nabubuhay na nakahiwalay sa iba pang bahagi ng enterprise.

Ito: Paano ang edge-to-cloud ay nagtutulak sa susunod na yugto ng digital transformation

Ngunit dumarating ang mga insight at naaaksyunan na diskarte kapag ang lahat ng data sa buong enterprise ay naa-access ng mga naaangkop na user at system. Tingnan natin ang isang halimbawa na maaaring mangyari sa fictional na retailer ng mga gamit sa bahay, Home-by-Home, na tinalakay natin dati.

Nagbebenta ang Home-by-Home ng wall mounted lighting fixture na gumagamit ng mga plastic bracket para idikit ito sa dingding. Karaniwan, ito ay isang mahusay na nagbebenta. Ngunit sa Marso at Abril bawat taon, ang kumpanya ay nakakakuha ng isang baha ng pagbabalik dahil ang mga bracket ay pumutok. Ang mga pagbabalik ay mula sa buong bansa, mula sa Miami hanggang Seattle. Iyan ang aming unang set ng data, at alam ito ng mga tindahan mismo.

Ang mga bracket ay ginawa ng isang kasosyong kumpanya sa isang pabrika. Karaniwan, ang pabrika ay nagpapatakbo sa mga temperaturang higit sa 62 degrees Fahrenheit, ngunit noong Enero at Pebrero, ang ambient temperature ng pabrika ay bumaba sa average na 57 degrees. Iyan ang aming pangalawang kumpol ng data, ang temperatura sa pabrika.

Wala alinman sa set ng data ay konektado sa isa pa. Ngunit habang nag-explore kami nang malalim noong nakaraan, ang ilang mga proseso ng produksyon ng plastik ay nagsisimulang mabigo sa ilalim ng 59 degrees o higit pa. Kung hindi nagagawang iugnay ang isang set ng data sa isang pabrika na may mga istatistika ng pagbabalik mula sa mga tindahan, hindi malalaman ng kumpanya na ang isang bahagyang mas malamig na pabrika ay gumagawa ng mga substandard na bracket, na nabigo sa buong bansa.

Ngunit sa pamamagitan ng pagkuha ng lahat ng data at paggawa ng mga data set na magagamit para sa pagsusuri (at AI-based na ugnayan at pagpoproseso ng malaking data), nagiging posible ang mga insight. Sa kasong ito, dahil ginawa ng Home-by-Home ang digital transformation na bahagi ng DNA nito, nagawa ng kumpanya ang koneksyon sa pagitan ng temperatura ng pabrika at pagbabalik, at ngayon ang mga customer na bumili ng mga lighting fixture na iyon ay nakakaranas ng mas kaunting mga pagkabigo. 

Ang iyong data ay nasa lahat ng dako, ngunit ito ba ay naaaksyunan?

Isa lamang itong halimbawa ng potensyal na mag-harvest ng data mula sa edge-to-cloud. Mayroong ilang mga pangunahing ideya dito na lahat ay magkakaugnay. 

Ang iyong data ay nasa lahat ng dako: Halos bawat computer, server, internet-of-things device, telepono, factory system, branch office system, cash register, sasakyan, software-as-a-service app, at network management system ay patuloy na bumubuo ng data. Ang ilan sa mga ito ay pinu-purged habang nabuo ang bagong data. Ang ilan sa mga ito ay nabubuo hanggang sa maging barado ang mga storage device dahil sa sobrang paggamit. Ang ilan sa mga ito ay nasa mga serbisyo ng cloud para sa bawat login account na mayroon ka.

Ang iyong data ay nakahiwalay: Karamihan sa mga sistemang ito ay hindi nakikipag-usap sa isa't isa. Sa katunayan, ang pamamahala ng data ay kadalasang nasa anyo ng pag-uunawa kung anong data ang maaaring tanggalin upang magkaroon ng puwang para sa higit pang makolekta. Bagama't ang ilang system ay may mga API para sa pagpapalitan ng data, karamihan ay hindi ginagamit (at ang ilan ay labis na ginagamit). Kapag nagrereklamo tungkol sa ilang lokal na negosyo, gustong-gusto ng Tatay ko ang paggamit ng pariralang, “Hindi alam ng kaliwang kamay kung ano ang ginagawa ng kanang kamay.” Kapag ang data ay nakahiwalay, ang isang organisasyon ay ganoon din.

Dumarating ang mga insight kapag nag-uugnay ng maraming input: Bagama't posibleng isailalim ang isang dataset sa komprehensibong pagsusuri at makabuo ng mga insight, mas malamang na makakita ka ng mga trend kapag nauugnay mo ang data mula sa isang source sa data mula sa iba pang source. Nauna naming ipinakita kung paano ang temperatura ng isang factory floor ay may malayo, ngunit masusukat, na koneksyon sa dami ng mga pagbabalik sa mga tindahan sa buong bansa. 

Para magawa iyon, kailangang ma-access ang lahat ng data na iyon sa iyong enterprise: Ngunit ang mga ugnayan at obserbasyon na iyon ay posible lamang kapag ang mga analyst (parehong tao at AI) ay makakakuha ng access sa maraming pinagmumulan ng data upang malaman kung anong mga kuwento ang sinasabi ng lahat.

Ginagawang magagamit ang data at ginagawa itong katalinuhan

Ang hamon ay gawin ang lahat ng data na iyon na magagamit, pag-aani nito, at pagkatapos ay iproseso ito sa naaaksyunan na katalinuhan. Para magawa ito, apat na bagay ang kailangang isaalang-alang.

Ang una ay maglakbay. Dapat ay may mekanismo ang data upang lumipat mula sa lahat ng edge na device na ito, mga serbisyo sa cloud, server, at kung ano pa sa isang lugar kung saan ito maaaksyunan, o pinagsama-sama. Ang mga terminong tulad ng "data lake" at "data warehouse" ay naglalarawan sa konseptong ito ng pagsasama-sama ng data, kahit na ang aktwal na storage ng data ay maaaring medyo nakakalat. 

Ito: Ang digital transformation na pinapagana ng edge-to-cloud ay nabuhay sa sitwasyong ito ng isang big-box retailer

Ang dalawang isyung ito, ang pag-iimbak ng data at ang paggalaw ng data ay parehong nangangailangan ng pagsasaalang-alang katiwasayan at pamumuno. Kailangang protektahan ang data sa motion at data sa rest mula sa hindi awtorisadong pag-access, habang ginagawang available ang lahat ng data na iyon sa mga analyst at tool na maaaring magmina ng data para sa mga pagkakataon. Gayundin, ang pamamahala ng data ay maaaring isang isyu, dahil ang data na nabuo sa isang heyograpikong lokasyon ay maaaring may mga isyu sa pamahalaan o pagbubuwis kung ito ay ililipat sa isang bagong lokal.

At sa wakas, ang pang-apat na salik na dapat isaalang-alang ay pagsusuri. Ito ay dapat na naka-imbak sa paraang naa-access para sa pagsusuri, sapat na madalas na na-update, naka-catalog nang maayos, at na-curate nang may pag-iingat.

Isang banayad na panimula sa modernisasyon ng data

Ang mga tao ay mausisa na nilalang. Kung ano ang nilikha natin sa totoong buhay, madalas nating ginagawa sa ating mga digital na mundo. Marami sa atin ang may mga kalat na bahay at lugar ng trabaho dahil hindi pa namin nakita ang perpektong lokasyon ng imbakan para sa bawat bagay. Ang parehong, nakalulungkot, ay madalas na totoo sa kung paano namin pinamamahalaan ang data. 

Gaya ng napag-usapan natin kanina, napakarami na nating pinatahimik. Ngunit kahit na dalhin namin ang lahat ng data na iyon sa isang central data lake, wala kaming mga pinakamahusay na paraan upang hanapin, pag-uri-uriin, at suriing mabuti ang lahat ng ito. Ang modernization ng data ay tungkol sa pag-update kung paano kami nag-iimbak at kumukuha ng data para magamit ang mga modernong pag-unlad tulad ng malaking data, machine learning, AI, at maging ang mga in-memory na database.

Ang mga IT buzz-phrase ng data modernization at digital transformation ay magkakasabay. Iyon ay dahil ang isang digital na pagbabagong-anyo ay hindi maaaring maganap maliban kung ang mga pamamaraan ng pag-iimbak at pagkuha ng data ay nangunguna (madalas ang tuktok) pang-organisasyon na prayoridad sa IT. Ito ay tinatawag na diskarte sa data-first at maaari itong umani ng malaking gantimpala para sa iyong negosyo.

Tingnan mo, narito ang bagay. Kung ang iyong data ay nakatali at nakulong, hindi mo ito magagamit nang epektibo. Kung ikaw at ang iyong koponan ay palaging nagsisikap na mahanap ang data na kailangan mo, o hindi kailanman makikita ito sa unang lugar, ang pagbabago ay mapipigilan. Ngunit palayain ang data na iyon, at magbubukas ito ng mga bagong pagkakataon.

Hindi lamang iyon, ang data na hindi maayos na pinamamahalaan ay maaaring maging isang time sink para sa iyong propesyonal na kawani ng IT. Sa halip na magtrabaho upang isulong ang organisasyon sa pamamagitan ng pagbabago, gumugugol sila ng oras sa pamamahala sa lahat ng iba't ibang system, database, at interface na ito, at pag-troubleshoot sa lahat ng iba't ibang paraan na maaari nilang masira.

Ang pag-modernize ng iyong data ay hindi lamang nangangahulugan na maaari kang magbago, nangangahulugan din ito na maaari mong bakantehin ang iyong oras upang mag-isip sa halip na mag-react. Nagbibigay din iyon sa iyo ng oras upang mag-deploy ng higit pang mga application at feature na maaaring magbukas ng mga bagong abot-tanaw para sa iyong negosyo.

Hanapin ang halaga at mga naaaksyong insight na nakatago sa iyong data

Maaaring maging mahirap ang proseso ng modernisasyon ng data at paggamit ng diskarteng una sa data. Makakatulong ang mga teknolohiya tulad ng mga serbisyo sa cloud at AI. Makakatulong ang mga serbisyo sa cloud sa pamamagitan ng pagbibigay ng on-demand, scale-as-needed na imprastraktura na maaaring lumago habang dumarami ang na-harvest na data. Makakatulong ang AI sa pamamagitan ng pagbibigay ng mga tool na maaaring magsala sa lahat ng data na iyon at magkakaugnay na pag-aayos, para makapagsagawa ng aksyon ang iyong mga espesyalista at line-of-business manager.

Ngunit ito ay isang malaking hiling para sa karamihan ng mga koponan sa IT. Karaniwan, hindi itinakda ng IT na silo ang lahat ng data na iyon. Nangyayari lamang ito nang parami nang parami ang mga system na naka-install at parami nang parami ang mga bagay na dapat gawin ay inilalagay sa mga listahan ng mga tao.

Doon makakatulong ang mga serbisyo sa pamamahala at imprastraktura tulad ng HPE GreenLake at mga kakumpitensya nito. Nag-aalok ang GreenLake ng isang pay-per-use na modelo, kaya hindi mo na kailangang "kumita" ang paggamit ng kapasidad nang maaga. Sa cross-application at cross-service na mga dashboard at malawak na hanay ng propesyonal na suporta, matutulungan ka ng HPE GreenLake na gawin ang iyong data sa lahat ng dako na hamon sa isang diskarte sa unang data.