چگونه جهان به داده محور تبدیل شد و چه چیزی بعدی است
نگاهی به تکامل چشم انداز داده ها ، چگونگی کمک به فناوری در حال حاضر به مشاغل کمک می کند ، و چگونه تجزیه و تحلیل داده هایی که امروزه امکان پذیر است می تواند درک جدیدی از چگونگی عملکرد ما ، به عنوان یک جامعه ، در آینده بهتر انجام دهد.
شاید چشمگیرترین نتیجه انقلاب دیجیتال میزان داده هایی باشد که اکنون جمع آوری و مورد تجزیه و تحلیل قرار گرفته است. IDC محاسبه می کند که در سال 2010 جهان حدود دو Zettabytes (ZB) از اطلاعات دیجیتال ایجاد کرده است. اگر این درایوهای انگشت شست 1 گیگابایتی قرار داده شود که به پایان رسیدند ، این خط را ایجاد می کند که می تواند در 184 میلیون زمین فوتبال امتداد داشته باشد. این به نظر می رسد چشمگیر است ، تا زمانی که در نظر بگیرید که آمار و ارقام جهانی اقتصاد 44 ZB در سال 2020 جمع آوری خواهد شد.
ارقام انجمن جهانی اقتصاد 44 Zettabytes (ZB) اطلاعات دیجیتالی جمع آوری شده در سال 2020 خواهد بود.
رشد Gettythis در داده های تولید شده و جمع آوری شده عمیق است-و از آنجا که Covid-19 باعث ایجاد اختلال در اقتصادها ، مشاغل و زندگی در سراسر جهان شده است ، نه تنها در مقیاس این داده ها شگفت زده می شود بلکه درک می کند که چگونه چگونه این کار در حال کار است.
تحول در مناظر داده هرگز در تاریخ بشر چنین انفجار اطلاعاتی نبوده است. شما می توانید این موضوع را به ظهور تلفن های هوشمند ، سنسورها و وسایل نقلیه و وسایل متصل از بین سایر مصنوعات دیجیتال نسبت دهید. بخش اعظم آنچه ما با آن لمس می کنیم و با آن کار می کنیم به طور خودکار داده ها را تولید می کند. اما دلیل واقعی اینکه ما شاهد این افزایش هستیم ، کاربردی در حال رشد تجزیه و تحلیل داده ها و پاسخ های خودکار به تصمیمات تحلیلی است.
انفجار داده های دهه گذشته یک حلقه فضیلت از تجزیه و تحلیل داده ها و عمل ایجاد کرده و منجر به بینش های جدید ، ایجاد داده ها و تجزیه و تحلیل داده ها می شود. ما شاهد بودیم که شرکت ها داده های بیشتری را نسبت به گذشته جمع می کنند ، زیرا آنها برای تغییر مشاغل خود و تصمیم گیری های محور داده ها ، در حال جابجایی هستند.
برای زنده ماندن و شکوفایی در این محیط به سرعت در حال تغییر ، مشاغل باید در پیش بینی آنچه بعدی است و در زمان واقعی واکنش نشان می دهند ، خوب باشند.
این امر باعث ایجاد انواع اشیاء شخصی و متصل مانند ماشین آلات صنعتی شده است که در صورت نیاز به نگهداری ، با سیگنالینگ صرفه جویی می کند. و این سرویس هایی است که اطلاعات دیجیتالی را از اطلاعات ترافیک و نمودار شبکه های اجتماعی ترکیب می کند. همچنین این کارآیی بیشتری را برای مواردی مانند زنجیره های عرضه و بازاریابی خدمات سئو مصرف کننده به ارمغان آورده است تا فقط چند نمونه از آن نام ببرید.
این انفجار همچنین سازمان های دیگر را به سمت ارزیابی مجدد استراتژی های خود سوق داد و به زیرساخت های ابری نگاه می کرد تا از ابزارهای میراثی که نمی توانند با نیازهای رو به رشد تجارت همراه باشند ، رهایی یابد.
در حال حاضر حل شده است که در تاریخ بشریت همه گیر بوده است. این اولین کسی است که مردم به فن آوری های دیجیتالی آنلاین دسترسی پیدا کرده اند که مواردی مانند کار ، مدرسه ، دیدن پزشک ، خرید مواد غذایی و حتی حضور در کنفرانس های دیجیتال از خانه را امکان پذیر می کند - همه فعالیت های لازم برای سرکوب میزان عفونت. برخی از این تغییرات ممکن است دائمی باشد و منجر به تغییرات ساختاری در جامعه و اقتصاد شود. در نتیجه ، رشد داده ها و تصمیم گیری های مبتنی بر تجزیه و تحلیل به احتمال زیاد ادامه می یابد.
برای زنده ماندن و شکوفایی در این محیط به سرعت در حال تغییر ، مشاغل باید در پیش بینی آنچه بعدی است و در زمان واقعی واکنش نشان می دهند ، خوب باشند. به عنوان مثال ، با تغییر الگوهای تقاضای مصرف کننده ، خرده فروشان باید مدیریت موجودی خود ، زیرساخت های زنجیره تأمین ، مکانیسم های تحویل و تجربه مشتری را بسیار بیشتر محور و پویا انجام دهند.
جای تعجب نیست که ما برای خودمان دیدیم که آنها به شدت به تحلیلی در زمان واقعی و پیش بینی کننده تکیه می کنند تا همین کار را انجام دهند-برای بقای و موفقیت آنها بسیار مهم است. به طور فزاینده ، آنها همچنین در حال بررسی استفاده از نوآوری های جدید صنعتی مانند نمایشگاه های مجازی ، تولید روباتیک و ناوگان تحویل بدون راننده در یک اقتصاد دیجیتال پس از Covid-19 هستند. اتخاذ این فن آوری های جدید داده های بیشتری را ایجاد می کند و بیشتر استفاده از تجزیه و تحلیل پیشرفته را تسریع می کند.
مشاغل در حال بررسی استفاده از نوآوری های جدید صنعتی در اقتصاد دیجیتال پس از Covid-19 هستند. اتخاذ این فن آوری های جدید داده های بیشتری را ایجاد می کند و بیشتر استفاده از تجزیه و تحلیل پیشرفته را تسریع می کند.
Gettyin نقش من در Google Cloud ، من قدردانی عمیقی از مقادیر اصلی سرعت ، مقیاس ، دسترسی و انعطاف پذیری که در قلب فن آوری های تجزیه و تحلیل داده های خوب قرار دارد - در محصولاتی مانند BigQuery و چندین مورد دیگر در صنعت. مهندسان این نوآوری ها دنیایی را با داده های بیشتری پیش بینی و پرورش می دادند که بیشتر مردم می توانستند یک دهه پیش رویای آن را داشته باشند.
طی چند ماه گذشته ، ما شاهد بودیم که فناوری ما به این مناسبت برای حمایت از مشاغل در تمام صنایع ، به همراه محققان و موسسات دولتی که از فناوری ما به روش های باورنکردنی استفاده می کنند ، افزایش یابد.
از طریق پلتفرم جهانی تحلیلی ما ، ما یک مخزن میزبان مجموعه داده های عمومی مانند مرکز داده های علوم و مهندسی دانشگاه جان هاپکینز (JHU CSSE) ، داده های بهداشت جهانی از بانک جهانی و داده های OpenStreetMap را به صورت رایگان برای دسترسی و پرس و جو ارائه داده ایم. از طریق برنامه مجموعه داده های عمومی COVID-19 ما. این مجموعه داده ها موانع را برطرف کرده و دسترسی به اطلاعات مهم را به سرعت ، با خیال راحت و به راحتی فراهم می کند و نیاز به جستجوی و ورود به پرونده های بزرگ داده را از بین می برد.
دانشگاه شمال شرقی چنین سازمانی است که در این مدت توانسته است از ابزارهای تجزیه و تحلیل داده های ما استفاده کند. به گفته دکتر ماتئو Chinazzi ، دانشمند تحقیقاتی در دانشگاه شمال شرقی ، "تیم ما با تجزیه و تحلیل سریع صدها ترابایت داده های شبیه سازی ، گسترش مکانی بیماری های عفونی را پیش بینی می کند. با کمک BigQuery ، ما می توانیم بینش مدل های اپیدمی خود را تسریع کنیم و تکامل بهتر شیوع مداوم را مطالعه کنیم. "
با نگاهی به تجزیه و تحلیل داده های FutureThe که امروزه امکان پذیر است می تواند درک جدیدی از چگونگی ایمن ماندن در اختیار ما قرار دهد و اینکه چگونه ما به عنوان یک جامعه می توانیم در آینده عملکرد بهتری داشته باشیم. از آنجا که همه ما با تغییرات سریع مبارزه می کنیم ، توانایی انجام تجزیه و تحلیل ارزان ، سریع و انعطاف پذیر از جدیدترین و مطمئن ترین اطلاعات برای نحوه کار ما بسیار مهم تر می شود.
استقرار ابر بدون سرور و بدون هیچ کس همچنان به خودکار کردن انواع زیرساخت های محاسباتی ادامه خواهد داد و به مشتریان این امکان را می دهد تا به جای مدیریت زیرساخت ها روی اداره مشاغل خود تمرکز کنند. از آنجا که مشاغل به تصمیم گیری بیشتر و بیشتر در زمان واقعی نیاز دارند ، داده های جریان در تصمیم گیری های تجاری در زمان واقعی مهم هستند. با ادامه دموکراتیک سازی یادگیری ماشین ، که هم اکنون می توان به اندازه API ابر یا یک مدل از پیش داده شده دسترسی پیدا کرد ، تحلیلگران داده می توانند به سرعت ابتکارات مبتنی بر فناوری را که می توانستند بسیار پر هزینه یا وقت گیر باشند ، برای توسعه فقط چند سال عملیاتی کنند. پیش علاوه بر این ، قیمت های مقیاس پذیر و انعطاف پذیر و گزینه های خدمات به مشاغل بیشتری کمک می کند تا در دنیای سریع در حال تغییر و واکنش نشان دهند.
این هیچ کجای دیگر از صنعت مراقبت های بهداشتی نیست. پزشکان و پرستاران در صدر این بیماری همه گیر بوده اند و قادر به حمایت از شرکت هایی که از کارگران مراقبت های بهداشتی حمایت می کنند ، واقعاً یک افتخار است. Wellframe ، یک بستر مدیریت سلامت دیجیتال ، مشتری است که از پلت فرم Analytics ما برای پشتیبانی از سازمان های مراقبت های بهداشتی استفاده کرده است.
Wellframe در حال حاضر شاهد افزایش 80 درصدی در تعامل با برنامه بیماران هفتگی ، بهبود مراقبت از رانندگی برای ارائه دهندگان ، برنامه های بهداشتی و پزشکان بوده است.
به گفته محمد جونی ، CTO از Wellframe ، با BigQuery ، Wellframe به بسیاری از تیم های مدیریت مراقبت از برنامه های بهداشتی کمک کرده است که به طور چشمگیری تجربه پزشکی را برای بیماران با شرایط طولانی مدت بهبود بخشند. Wellframe و BigQuery در کنار هم ، تجزیه و تحلیل سریعتر و حل نیازهای بیمار ، بهبود عملکرد پزشکان و نتایج سلامت بهتر را امکان پذیر می کنند. به عنوان مثال ، Wellframe قبلاً شاهد افزایش 80 درصدی در تعامل با برنامه بیمار هفتگی ، بهبود مراقبت از رانندگی برای ارائه دهندگان ، برنامه های بهداشتی و پزشکان بوده است.
همه گیر به ما یادآوری می کند که واقعاً مهم است و چه ارزشهایی را می خواهیم زندگی کنیم و توسط آنها کار کنیم. اهمیت این ارزشها در نحوه شکل گیری مشاغل ساخته شده بر روی آنها منعکس شده است. مقادیری مانند بینش دقیق و تنظیم سریع ما را به عنوان مردم به پاسخ دادن به چالش های جدید با داده های بیشتر - که سریعتر از منابع بیشتر و برای اهداف جدید پاسخ می دهند ، توانمند می کند. نبوغ آن افراد به ما الهام می بخشد تا ویژگی ها و قابلیت های جدیدی را به پلت فرم تحلیلی ما اضافه کنیم. ده سال از موفقیت خود ، انبار داده های در مقیاس Petabyte Google Cloud همچنان به مشتریان کمک می کند تا با چابکی و کارآیی ، تجزیه و تحلیل های مقرون به صرفه را در مقیاس اجرا کنند.
در این ماه ، BigQuery Warehouse Cloud Data Google 10 می شود. ما با هم جمع شدیم تا در مورد برخی از نقاط عطف فنی ، لحظات به یاد ماندنی در طول مسیر تأمل کنیم و در مورد آنچه بعدی برای تجزیه و تحلیل داده ها است فکر کنیم. مقاله را بخوانید
Debanjan Sahadebanjan Saha GM Data Analytics در Google Cloud است ، جایی که وی رهبری استراتژی و اجرای خدمات تحلیلی در GCP را بر عهده دارد. قبل از پیوستن به Google ، Debanjan VP از آمازون شفق قطبی و RDS در خدمات وب آمازون بود. در اوایل کار خود ، Debanjan چندین مقام رهبری اجرایی و فنی را در IBM و Tellium ، پیشگام شبکه نوری که وی به رشد در مرحله اولیه به یک شرکت دولتی کمک کرده بود ، برگزار کرد. Debanjan عضو IEEE و دانشمند برجسته ACM است. وی با همکاری یک کتاب ، 50 برنامه ثبت اختراع و مقالات فنی متعددی از جمله مقالات برنده جایزه و استانداردهای اینترنتی همکاری کرده است. وی مدرک کارشناسی ارشد و دکترا را از دانشگاه مریلند دریافت کرد و یک B.Tech از IIT ، همه در علوم کامپیوتر. در سال 2019 ، Business Insider او را به عنوان یکی از 10 مدیر برتر فناوری که تجارت را تغییر می دهد ، نامگذاری کرد. ">
* استانداردهای تحریریه
* تحسین های فوربس