Det burde ikke være så svært at få værdi ud af dine data

Leveret af Hewlett Packard Enterprise

Den potentielle indvirkning af den igangværende verdensomspændende dataeksplosion fortsætter med at ophidse fantasien. En rapport fra 2018 anslog, at hvert sekund af hver dag producerer hver person 1,7 MB data i gennemsnit — og den årlige dataskabelse har mere end fordoblet siden da og forventes at blive mere end fordoblet igen i 2025. En rapport fra McKinsey Global Institute anslår, at dygtig brug af big data kan generere yderligere 3 billioner dollars i økonomisk aktivitet, hvilket muliggør applikationer så forskellige som selvkørende biler, personlig sundhedspleje og sporbare fødevareforsyningskæder.

Men at tilføje alle disse data til systemet skaber også forvirring om, hvordan man finder det, bruger det, administrerer det og lovligt, sikkert og effektivt deler det. Hvor kom et bestemt datasæt fra? Hvem ejer hvad? Hvem har lov til at se visse ting? Hvor bor den? Kan det deles? Kan det sælges? Kan folk se, hvordan det blev brugt?

Efterhånden som datas applikationer vokser og bliver mere allestedsnærværende, oplever producenter, forbrugere og ejere og forvaltere af data, at de ikke har en håndbog at følge. Forbrugere ønsker at oprette forbindelse til data, de har tillid til, så de kan træffe de bedst mulige beslutninger. Producenterne har brug for værktøjer til at dele deres data sikkert med dem, der har brug for det. Men teknologiplatforme kommer til kort, og der er ingen rigtige fælles kilder til sandhed, der forbinder begge sider.

Hvordan finder vi data? Hvornår skal vi flytte den?

I en perfekt verden ville data flyde frit som et hjælpeprogram, der er tilgængeligt for alle. Det kunne pakkes sammen og sælges som råvarer. Det kunne nemt ses uden komplikationer af enhver, der er autoriseret til at se det. Dens oprindelse og bevægelser kunne spores og fjerne enhver bekymring om ondsindet brug et sted langs linjen.

Dagens verden fungerer selvfølgelig ikke på denne måde. Den massive dataeksplosion har skabt en lang række af problemer og muligheder, der gør det vanskeligt at dele bidder af information.

Med data, der skabes næsten overalt i og uden for en organisation, er den første udfordring at identificere, hvad der indsamles, og hvordan man organiserer det, så det kan findes.

En mangel på gennemsigtighed og suverænitet over lagrede og behandlede data og infrastruktur åbner op for tillidsproblemer. I dag er det dyrt og ineffektivt at flytte data til centraliserede lokationer fra flere teknologistakke. Fraværet af åbne metadatastandarder og bredt tilgængelige applikationsprogrammeringsgrænseflader kan gøre det svært at få adgang til og forbruge data. Tilstedeværelsen af ​​sektorspecifikke dataontologier kan gøre det svært for personer uden for sektoren at drage fordel af nye datakilder. Flere interessenter og vanskeligheder med at få adgang til eksisterende datatjenester kan gøre det svært at dele uden en styringsmodel.

Europa tager føringen

På trods af problemerne gennemføres datadelingsprojekter i stor skala. En, der støttes af EU og en nonprofit-gruppe, er at skabe en interoperabel dataudveksling kaldet Gaia-X , hvor virksomheder kan dele data under beskyttelse af strenge europæiske databeskyttelseslove. Udvekslingen er tænkt som et fartøj til at dele data på tværs af industrier og et lager for information om datatjenester omkring kunstig intelligens (AI), analyser og tingenes internet.

Hewlett Packard Enterprise annoncerede for nylig en løsningsramme at understøtte virksomheder, tjenesteudbydere og offentlige organisationers deltagelse i Gaia-X. Dataspaces-platformen, som i øjeblikket er under udvikling og baseret på åbne standarder og cloud-native, demokratiserer adgang til data, dataanalyse og AI ved at gøre dem mere tilgængelige for domæneeksperter og almindelige brugere. Det giver et sted, hvor eksperter fra domæneområder lettere kan identificere pålidelige datasæt og sikkert udføre analyser på operationelle data – uden altid at kræve den dyre bevægelse af data til centraliserede lokationer.

Ved at bruge denne ramme til at integrere komplekse datakilder på tværs af it-landskaber, vil virksomheder være i stand til at levere datagennemsigtighed i stor skala, så alle – uanset om de er dataforskere eller ej – ved, hvilke data de har, hvordan de får adgang til dem, og hvordan de skal bruge dem. i realtid.

Datadelingsinitiativer er også øverst på virksomhedernes dagsordener. En vigtig prioritet, virksomheder står over for, er kontrol af data, der bliver brugt til at træne interne AI- og maskinlæringsmodeller. AI og maskinlæring bliver allerede brugt i vid udstrækning i virksomheder og industri for at drive løbende forbedringer i alt fra produktudvikling til rekruttering til fremstilling. Og vi er lige begyndt. IDC forventer, at det globale AI-marked vil vokse fra $328 milliarder i 2021 til $554 milliarder i 2025.

For at frigøre AI's sande potentiale skal regeringer og virksomheder bedre forstå den kollektive arv fra alle de data, der driver disse modeller. Hvordan træffer AI-modeller deres beslutninger? Har de bias? Er de troværdige? Har utroværdige personer været i stand til at få adgang til eller ændre de data, som en virksomhed har trænet sin model imod? At forbinde dataproducenter med dataforbrugere mere gennemsigtigt og med større effektivitet kan hjælpe med at besvare nogle af disse spørgsmål.

Opbygning af datamodenhed

Virksomheder vil ikke løse, hvordan de låser alle deres data op fra den ene dag til den anden. Men de kan forberede sig på at drage fordel af teknologier og ledelseskoncepter, der er med til at skabe en datadelingsmentalitet. De kan sikre, at de udvikler modenheden til at forbruge eller dele data strategisk og effektivt i stedet for at gøre det på ad hoc-basis.

Dataproducenter kan forberede sig på en bredere distribution af data ved at tage en række skridt. De skal forstå, hvor deres data er, og forstå, hvordan de indsamler dem. Derefter skal de sørge for, at de mennesker, der bruger dataene, har mulighed for at få adgang til de rigtige datasæt på de rigtige tidspunkter. Det er udgangspunktet.

Så kommer den sværere del. Hvis en dataproducent har forbrugere – som kan være inden for eller uden for organisationen – skal de oprette forbindelse til dataene. Det er både en organisatorisk og en teknologisk udfordring. Mange organisationer ønsker styring over datadeling med andre organisationer. Demokratiseringen af ​​data – i det mindste at kunne finde dem på tværs af organisationer – er et organisatorisk modenhedsproblem. Hvordan håndterer de det?

Virksomheder, der bidrager til bilindustrien, deler aktivt data med leverandører, partnere og underleverandører. Det kræver mange dele - og en masse koordinering - at samle en bil. Partnere deler let information om alt fra motorer til dæk til web-aktiverede reparationskanaler. Automotive dataspaces kan betjene op mod 10.000 leverandører. Men i andre industrier er det måske mere isoleret. Nogle store virksomheder ønsker måske ikke at dele følsomme oplysninger, selv inden for deres eget netværk af forretningsenheder.

At skabe en datamentalitet

Virksomheder på begge sider af forbruger-producent-kontinuummet kan fremme deres datadelingsmentalitet ved at stille sig selv disse strategiske spørgsmål:

• Hvis virksomheder bygger AI- og maskinlæringsløsninger, hvor får teamene så deres data fra? Hvordan forbinder de sig til disse data? Og hvordan sporer de denne historie for at sikre pålidelighed og oprindelse af data?
• Hvis data har værdi for andre, hvad er den indtægtsgenereringsvej, teamet går i dag for at udvide med denne værdi, og hvordan vil det blive styret?
• Hvis en virksomhed allerede udveksler eller tjener penge på data, kan den så autorisere et bredere sæt tjenester på flere platforme – på stedet og i skyen?
• For organisationer, der har brug for at dele data med leverandører, hvordan foregår koordineringen af ​​disse leverandører til de samme datasæt og opdateringer i dag?
• Ønsker producenter at replikere deres data eller tvinge folk til at bringe modeller til dem? Datasæt kan være så store, at de ikke kan replikeres. Skal en virksomhed være vært for softwareudviklere på sin platform, hvor dens data er, og flytte modellerne ind og ud?
• Hvordan kan medarbejdere i en afdeling, der forbruger data, påvirke praksis hos upstream-dataproducenterne i deres organisation?

Tager affære

Datarevolutionen skaber forretningsmuligheder – sammen med masser af forvirring om, hvordan man søger efter, indsamler, administrerer og får indsigt fra disse data på en strategisk måde. Dataproducenter og dataforbrugere bliver mere koblet fra hinanden. HPE bygger en platform, der understøtter både on-premises og public cloud, ved at bruge open source som grundlag og løsninger som HPE Ezmeral Software Platform for at give det fælles grundlag, som begge sider har brug for for at få datarevolutionen til at fungere for dem.

Læs den originale artikel vedr Enterprise.nxt .

Dette indhold blev produceret af Hewlett Packard Enterprise. Det er ikke skrevet af MIT Technology Reviews redaktion.

skjule