V minulém článku jsme se věnovali trendům v datech pro rok 2024 a v tomto článku v tom budeme pokračovat. Je hodně co probírat, protože trendů v datové analytice je opravdu mnoho a o ty nejzajímavější vás přece nemůžeme ochudit. Níže tedy volně navazujeme na předchozí článek a uvádíme další set trendů, které nás jakožto datové analytiky velice zaujaly.
Využití AI ve vnitropodnikových procesech
S AI se setkáváme poslední roky víc než kdy jindy. Využití AI znamená rychlejší, přesnější a více flexibilní práci a možnost se rychleji přizpůsobit změnám. A to se v rychle měnícím se světě určitě hodí.
AI lze do vnitropodnikových procesů zapracovat nejjednodušeji pomocí machine learning a data science modelů, z nichž jsou nejčastěji využívány různé predikční modely, které se (zjednodušeně řečeno) snaží předpovídat budoucnost v různých oblastech. AI ale představují také hlasové modely pro automatickou komunikaci se zákazníkem například na zákaznických linkách, ale také různí chatboti nebo tzv. computer vision, tedy automatická práce s obrazem (jeho rozpoznávání, případně generování apod.).
Tradiční analytická práce představuje team IT a analytiků, kteří data zkoumají, testují své hypotézy a přichází se závěry. Využití AI (konkrétně machine learning) představuje neustálou analýzu dat, automatické upozornění na anomálie a různá upozornění na události v datech, a to bez lidského zásahu.
Machine learning často využíváme k prediktivní analýze, forecastingu, modelování nebo k vizualizacím. Výhodou je, že aplikace machine learning může pomoci i s analýzou nestrukturovaných dat (například záznamů z telefonních hovorů). Často aplikovatelným modelem je také analýza zákaznického chování za účelem dynamické tvorby ceny, která umožňuje zvyšovat finanční objem objednávky u zákazníků. Lze ji také využít k monitorování konkurence. Populární jsou také modely odchodu zákazníka, které se snaží rozpoznat, kteří zákazníci pravděpodobně v brzké době ukončí se společností spolupráci, což dává firmám příležitost tyto zákazníky oslovit a snížit procento těch, kteří odejdou.
Níže uvádíme několik zajímavých statistiky i s odkazem na zdroj, kde jich najdete ještě mnohem více[1][2]:
- Očekává se, že globální trh s AI dosáhne v roce 2023 hodnoty 538,13 miliardy dolarů. To ukazuje na rychlý růst a rostoucí investice do technologií AI napříč různými sektory.
- AI by měla do roku 2030 přispět k globální ekonomice částkou 15,7 bilionu dolarů, což zdůrazňuje její potenciál transformovat průmyslové odvětví a podporovat ekonomický růst.
- Až 37 % podniků a organizací využívá AI, což naznačuje, že téměř třetina všech podniků již začlenila AI do svých operací. Tato čísla jsou pravděpodobně ještě vyšší v určitých sektorech, které jsou na technologické inovace citlivější.
- Devět z deseti předních podniků investuje do technologií AI, ale méně než 15 % z nich skutečně využívá AI schopnosti ve své práci. To ukazuje na existující mezeru mezi investicemi do AI a jejím skutečným nasazením.
Edge computing
Jedná se o technický pojem, pod kterým si můžete představit snahu zpracovat data co nejblíže k jejich zdroji. Tedy místo toho, abychom se posílali do cloudu nebo kamkoli jinam a zpracovávali je mimo prostředí, ve kterém vznikají, zpracujeme je přímo u zdroje.
Edge computing je užitečný například u autonomních vozidel, při průmyslové automatizaci nebo v telemedicíně. Například autonomní vozidla přijímají spoustu informací a velký objem dat z čidel a kamer a musí umět tato data okamžitě vyhodnotit, aby bylo možné zajistit bezpečnou jízdu (co si budeme povídat, může to být právě jedna vteřina, která vás může dělit od možné nehody). Řešení tohoto problému představuje právě edge computing – zpracování dat přímo u zdroje.
Zpracování dat pomocí edge computing zvyšuje ochranu soukromí a bezpečnost dat a je také spolehlivější, protože zpracování dat může probíhat i bez připojení k internetu.
Data as a servis
Tento pojem zjednodušeně znamená, že data slouží svým uživatelům. Jsou dostupná odkudkoli, kdykoli, kterémukoli uživateli v rámci firmy. Tyto technologie jsou často založeny na cloudových řešeních a nabízí mnoho výhod oproti tradičnímu zpracování dat. Jednou z těchto výhod je centralizované uložení a správa dat, což umožňuje přístup k datům v rámci celé organizace. Další výhodou je udržování vysoké kvality dat a také jejich neustálá aktualizace. Výhodou je také pokročilá bezpečnost dat, kdy je možné v rámci cloudových řešení implementovat různé bezpečností protokoly a šifrování. Nesmíme opomenout ani snížení nákladů. Přenosem správy a ukládání dat na externího poskytovatele dochází k úspoře nákladů na hardware, software a také údržbu a správu dat. V současné chvíli je nejpopulárnějším poskytovatelem těchto řešení Snowflake.
Níže je několik zajímavých statistik na toto téma:
- Očekává se, že globální trh DaaS bude v roce 2023 dosahovat příjmů ve výši 10,7 miliardy USD, což ukazuje na stálý růst tohoto segmentu. Tento trend podtrhuje rostoucí poptávku po flexibilních a škálovatelných řešeních pro správu dat.
- Evropa je očekávána jako region s nejvyšším podílem na trhu DaaS, což odráží adaptaci datově řízených strategií v obchodních procesech.
Využití syntetických dat
Syntetická data jsou uměle generované datové sady, které jsou vytvořeny pomocí algoritmů a simulací, nikoli získány přímo z reálných událostí nebo pozorování. Tato data jsou často využívána v situacích, kde by sběr skutečných dat byl příliš nákladný, neetický, riskantní nebo nemožný.
Syntetická data mají řadu důležitých aplikací a výhod. Mohou být použita k ochraně osobních údajů, protože neobsahují skutečné informace o jednotlivcích. Tímto způsobem mohou organizace splňovat právní předpisy, jako je GDPR, při používání a sdílení dat. Syntetická data jsou užitečná pro testování softwaru, algoritmů a systémů, zejména v případech, kdy reálná data nejsou k dispozici nebo jsou příliš citlivá. Tím se snižuje riziko chyb a umožňuje se vývojářům pracovat s daty, která jsou reprezentativní pro skutečné podmínky.
Pro trénování modelů strojového učení lze použít syntetická data, když není k dispozici dostatečně velké množství reálných dat. Je důležité poznamenat, že přestože syntetická data mohou být velmi užitečná, mohou mít také svá omezení, například v přesnosti nebo ve schopnosti plně reprezentovat skutečné podmínky. Proto je při jejich používání důležité pečlivě zvážit kontext a potřeby aplikace.
Trendů v oblasti datové analytiky nalezneme mnohem více, ale některé z nich prozatím těžko najdou uplatnění v českém prostředí. Nicméně například vyšší využití AI ve svých procesech by mohlo firmám významně pomoci zvýšit jejich konkurenceschopnost. Celková kvalitní práce s daty a využití nejnovějších trendů může představovat pro firmy zajímavou příležitost.
