Wert aus Ihren Daten zu ziehen, sollte nicht so schwer sein

Zur Verfügung gestellt von Hewlett PackardEnterprise

wenn ich tot bin

Die möglichen Auswirkungen der anhaltenden weltweiten Datenexplosion regen weiterhin die Fantasie an. Ein Bericht aus dem Jahr 2018 schätzt, dass jeder Mensch jede Sekunde eines jeden Tages produziert 1,7 MB Daten im Durchschnitt – und die jährliche Datenerstellung hat seitdem mehr als verdoppelt und wird sich bis 2025 voraussichtlich noch einmal mehr als verdoppeln. Ein Bericht des McKinsey Global Institute schätzt, dass die geschickte Nutzung von Big Data zusätzliche generieren könnte 3 Billionen Dollar in der Wirtschaft und ermöglichen so unterschiedliche Anwendungen wie selbstfahrende Autos, personalisierte Gesundheitsversorgung und rückverfolgbare Lebensmittellieferketten.

Aber das Hinzufügen all dieser Daten zum System schafft auch Verwirrung darüber, wie man sie findet, verwendet, verwaltet und legal, sicher und effizient teilt. Woher stammt ein bestimmter Datensatz? Wem gehört was? Wer darf bestimmte Dinge sehen? Wo wohnt es? Kann es geteilt werden? Kann es verkauft werden? Können die Leute sehen, wie es verwendet wurde?

Da die Anwendungen von Daten wachsen und allgegenwärtiger werden, stellen Produzenten, Verbraucher sowie Eigentümer und Verwalter von Daten fest, dass sie kein Spielbuch haben, dem sie folgen können. Verbraucher möchten sich mit Daten verbinden, denen sie vertrauen, damit sie die bestmöglichen Entscheidungen treffen können. Produzenten brauchen Tools, um ihre Daten sicher mit denen zu teilen, die sie brauchen. Technologieplattformen sind jedoch unzureichend, und es gibt keine wirklich gemeinsamen Quellen der Wahrheit, um beide Seiten zu verbinden.

Wie finden wir Daten? Wann sollen wir es verschieben?

In einer perfekten Welt würden Daten frei fließen wie ein für alle zugängliches Dienstprogramm. Es konnte wie Rohstoffe verpackt und verkauft werden. Es konnte von jedem, der dazu berechtigt war, einfach und unkompliziert eingesehen werden. Seine Ursprünge und Bewegungen könnten verfolgt werden, wodurch alle Bedenken hinsichtlich schändlicher Verwendungen irgendwo entlang der Linie beseitigt würden.

Die heutige Welt funktioniert natürlich nicht so. Die massive Datenexplosion hat eine lange Liste von Problemen und Möglichkeiten geschaffen, die es schwierig machen, Informationsblöcke auszutauschen.

Da Daten fast überall innerhalb und außerhalb einer Organisation erstellt werden, besteht die erste Herausforderung darin, zu identifizieren, was gesammelt wird und wie es organisiert werden kann, damit es gefunden werden kann.

Fehlende Transparenz und Souveränität über gespeicherte und verarbeitete Daten und Infrastruktur wirft Vertrauensprobleme auf. Heutzutage ist es teuer und ineffizient, Daten von mehreren Technologie-Stacks an zentrale Standorte zu verschieben. Das Fehlen offener Metadatenstandards und allgemein zugänglicher Anwendungsprogrammierschnittstellen kann den Zugriff auf und die Nutzung von Daten erschweren. Das Vorhandensein sektorspezifischer Datenontologien kann es für Personen außerhalb des Sektors schwierig machen, von neuen Datenquellen zu profitieren. Mehrere Interessengruppen und Schwierigkeiten beim Zugriff auf vorhandene Datendienste können die gemeinsame Nutzung ohne ein Governance-Modell erschweren.

Europa übernimmt die Führung

Trotz der Probleme werden in großem Umfang Projekte zur gemeinsamen Nutzung von Daten durchgeführt. Eine, die von der Europäischen Union und einer gemeinnützigen Gruppe unterstützt wird, erstellt einen interoperablen Datenaustausch namens Gaia-X , wo Unternehmen Daten unter dem Schutz strenger europäischer Datenschutzgesetze austauschen können. Der Austausch ist als ein Gefäß zum branchenübergreifenden Datenaustausch und als Repository für Informationen über Datendienste rund um künstliche Intelligenz (KI), Analytik und das Internet der Dinge gedacht.

Hewlett Packard Enterprise hat kürzlich eine Lösungsrahmen Unterstützung von Unternehmen, Dienstleistern und öffentlichen Organisationen bei der Teilnahme an Gaia-X. Die Dataspaces-Plattform, die sich derzeit in der Entwicklung befindet und auf offenen Standards und Cloud-Nativen basiert, demokratisiert den Zugriff auf Daten, Datenanalyse und KI, indem sie sie für Domänenexperten und normale Benutzer zugänglicher macht. Es bietet einen Ort, an dem Experten aus Fachbereichen vertrauenswürdige Datensätze leichter identifizieren und Analysen zu Betriebsdaten sicher durchführen können – ohne dass Daten immer kostspielig an zentrale Standorte verschoben werden müssen.

Durch die Verwendung dieses Frameworks zur Integration komplexer Datenquellen in IT-Landschaften können Unternehmen Datentransparenz in großem Maßstab bereitstellen, sodass jeder – ob Data Scientist oder nicht – weiß, welche Daten er hat, wie er darauf zugreift und wie er sie verwendet in Echtzeit.

Initiativen zum Datenaustausch stehen ebenfalls ganz oben auf der Agenda der Unternehmen. Eine wichtige Priorität für Unternehmen ist die Überprüfung von Daten, die zum Trainieren interner KI- und maschineller Lernmodelle verwendet werden. KI und maschinelles Lernen werden bereits in großem Umfang in Unternehmen und der Industrie eingesetzt, um kontinuierliche Verbesserungen in allen Bereichen voranzutreiben, von der Produktentwicklung über die Personalbeschaffung bis hin zur Fertigung. Und wir fangen gerade erst an. IDC prognostiziert den globalen KI-Markt von 328 Milliarden US-Dollar im Jahr 2021 auf 554 Milliarden US-Dollar im Jahr 2025 wachsen.

Um das wahre Potenzial von KI auszuschöpfen, müssen Regierungen und Unternehmen das kollektive Erbe aller Daten, die diese Modelle antreiben, besser verstehen. Wie treffen KI-Modelle ihre Entscheidungen? Haben sie Vorurteile? Sind sie vertrauenswürdig? Konnten nicht vertrauenswürdige Personen auf die Daten zugreifen oder diese ändern, mit denen ein Unternehmen sein Modell trainiert hat? Eine transparentere und effizientere Verbindung von Datenproduzenten und Datenkonsumenten kann dabei helfen, einige dieser Fragen zu beantworten.

Aufbau von Datenreife

Unternehmen werden nicht über Nacht herausfinden, wie sie alle ihre Daten freigeben können. Aber sie können sich darauf vorbereiten, Technologien und Managementkonzepte zu nutzen, die dazu beitragen, eine Mentalität des Datenaustauschs zu schaffen. Sie können sicherstellen, dass sie die Reife entwickeln, Daten strategisch und effektiv zu nutzen oder zu teilen, anstatt dies ad hoc zu tun.

Datenproduzenten können sich auf eine breitere Verbreitung von Daten vorbereiten, indem sie eine Reihe von Schritten unternehmen. Sie müssen verstehen, wo sich ihre Daten befinden, und verstehen, wie sie sie sammeln. Dann müssen sie sicherstellen, dass die Personen, die die Daten nutzen, zur richtigen Zeit auf die richtigen Datensätze zugreifen können. Das ist der Ausgangspunkt.

Dann kommt der schwierigere Teil. Wenn ein Datenproduzent Verbraucher hat – die sich innerhalb oder außerhalb der Organisation befinden können – müssen diese eine Verbindung zu den Daten herstellen. Das ist sowohl eine organisatorische als auch eine technologische Herausforderung. Viele Organisationen wünschen sich eine Kontrolle über die gemeinsame Nutzung von Daten mit anderen Organisationen. Die Demokratisierung von Daten – zumindest die Möglichkeit, sie organisationsübergreifend zu finden – ist eine Frage der organisatorischen Reife. Wie gehen sie damit um?

Unternehmen, die zur Automobilindustrie beitragen, teilen aktiv Daten mit Anbietern, Partnern und Subunternehmern. Es braucht viele Teile – und viel Koordination – um ein Auto zusammenzubauen. Partner tauschen bereitwillig Informationen zu allem aus, von Motoren über Reifen bis hin zu internetfähigen Reparaturkanälen. Automotive-Datenräume können mehr als 10.000 Anbieter bedienen. Aber in anderen Branchen könnte es isolierter sein. Einige große Unternehmen möchten möglicherweise vertrauliche Informationen nicht einmal innerhalb ihres eigenen Netzwerks von Geschäftseinheiten teilen.

Datenmentalität schaffen

Unternehmen auf beiden Seiten des Konsumenten-Produzenten-Kontinuums können ihre Mentalität des Datenaustauschs fördern, indem sie sich diese strategischen Fragen stellen:

  • Wenn Unternehmen KI- und maschinelle Lernlösungen entwickeln, woher bekommen die Teams ihre Daten? Wie stellen sie eine Verbindung zu diesen Daten her? Und wie verfolgen sie diesen Verlauf, um die Vertrauenswürdigkeit und Herkunft der Daten sicherzustellen?
  • Wenn Daten für andere einen Wert haben, welchen Monetarisierungspfad verfolgt das Team heute, um diesen Wert zu erweitern, und wie wird er geregelt?
  • Wenn ein Unternehmen bereits Daten austauscht oder monetarisiert, kann es eine breitere Palette von Diensten auf mehreren Plattformen autorisieren – vor Ort und in der Cloud?
  • Wie erfolgt heute für Unternehmen, die Daten mit Anbietern teilen müssen, die Koordination dieser Anbieter für dieselben Datensätze und Aktualisierungen?
  • Wollen Produzenten ihre Daten replizieren oder Leute zwingen, Modelle zu ihnen zu bringen? Datensätze können so groß sein, dass sie nicht repliziert werden können. Sollte ein Unternehmen Softwareentwickler auf seiner Plattform hosten, auf der sich seine Daten befinden, und die Modelle ein- und auslagern?
  • Wie können Mitarbeiter in einer Abteilung, die Daten konsumiert, die Praktiken der vorgelagerten Datenproduzenten in ihrer Organisation beeinflussen?

Handeln

Die Datenrevolution schafft Geschäftsmöglichkeiten – zusammen mit viel Verwirrung darüber, wie man diese Daten auf strategische Weise sucht, sammelt, verwaltet und daraus Erkenntnisse gewinnt. Datenproduzenten und Datenkonsumenten werden immer stärker voneinander getrennt. HPE baut eine Plattform auf, die sowohl On-Premises als auch Public Cloud unterstützt, wobei Open Source als Grundlage und Lösungen wie die HPE Ezmeral Software Platform verwendet werden, um die gemeinsame Grundlage zu schaffen, die beide Seiten benötigen, damit die Datenrevolution für sie funktioniert.

Lesen Sie den Originalartikel weiter Unternehmen.nxt .

Dieser Inhalt wurde von Hewlett Packard Enterprise erstellt. Es wurde nicht von der Redaktion des MIT Technology Review geschrieben.

verbergen

Tatsächliche Technologien

Kategorie

Unkategorisiert

Technologie

Biotechnologie

Technologierichtlinie

Klimawandel

Mensch Und Technik

Silicon Valley

Computer

Mit News Magazine

Künstliche Intelligenz

Platz

Intelligente Städte

Blockchain

Reportage

Alumni-Profil

Alumni-Verbindung

Mit News Feature

1865

Meine Sicht

77 Mass Avenue

Treffen Sie Den Autor

Profile In Großzügigkeit

Auf Dem Campus Gesehen

Lerne Den Autor Kennen

Alumni-Briefe

Nicht Kategorisiert

77 Massenallee

Rechnen

Tech-Richtlinie

Lernen Sie Den Autor Kennen

Nachrichten

Wahl 2020

Mit Index

Unter Der Kuppel

Feuerwehrschlauch

Unendliche Geschichten

Pandemie-Technologieprojekt

Vom Präsidenten

Titelstory

Fotogallerie

Empfohlen