Die Welt der Technologie hat viel mit der Modewelt gemeinsam. Beide regieren zum Beispiel die Trends. In der vergangenen Saison war Data Lake in Mode, was jetzt in Mode ist. In dieser Saison steht maschinelles Lernen an der Spitze. Und was wird in der nächsten Zeit in Mode sein? Es ist schwer zu erraten.
Es lohnt sich immer, am Puls der Zeit zu bleiben, aber blind der Mode zu folgen kann gefährlich sein. Wir können es möglicherweise akzeptieren, wenn sich in unserem Schrank ein Mantel befindet, den wir nie wieder tragen werden. Viel schlimmer, wenn unsere Versicherungsgesellschaft mehrere Millionen Zloty und mehrere Jahre Arbeit in eine Lösung investiert, die nur eine vorübergehende Modeerscheinung war. Und ein solches Szenario ist in Unternehmensorganisationen leider sehr verbreitet. Wie vermeide ich einen solchen Fehler? Lohnt es sich Implementieren Sie maschinelles Lernen?
Welche Gesetze unterliegen der Mode?
Zunächst müssen wir verstehen, wie der Mechanismus der Mode in der Technologie funktioniert. In erster Linie gewinnen neue Technologien immer mehr an Bekanntheit und erreichen den Höhepunkt ihrer Popularität. Dem Beispiel von Data Lake folgend, waren die hohen Erwartungen, dass Data Lakes die Lösung für das Big-Data-Problem sind, veraltete Data Warehouses ersetzen und fast die Welt retten würden. In dieser Zeit des Hypes investieren viele Unternehmen in Technologie. Und dann tauchen Probleme auf.
Es stellt sich schnell heraus, dass die Erwartungen zu hoch waren und die Data Lake-Technologie weder alle Probleme löst (weil keines von allen löst), noch ist sie ausgereift genug, um sie breit anzuwenden. Es gibt also eine komplette Umkehrung der Denkweise über Data Lake, und es tauchen Stimmen auf, dass sie nutzlos sind und nicht genutzt werden sollten. Aber das stimmt auch nicht.
Schließlich gibt es eine gewisse Stabilisierung, wir beginnen zu verstehen, wann es sich lohnt, eine bestimmte Technologie zu verwenden, und wann sie nutzlos ist. Im Fall von Data Lake haben wir festgestellt, dass sie das Data Warehouse nicht ersetzen, da es sich um eine völlig andere Lösung handelt. Wir können jedoch andere interessante Verwendungszwecke für sie finden.
Verstehe die Technologie
Die zweite Phase ist ein Versuch, die Stärken und Schwächen einer bestimmten Technologie zu verstehen. Mit Data Lake haben wir drei entscheidende Vorteile. Erstens unterstützt diese Art von Lösung im Gegensatz zu einem Data Warehouse die Verarbeitung unstrukturierter Daten wie PDF-Dateien, Videos, Fotos oder Sounds. Zweitens wurde es erstellt, um riesige Mengen an Rohdaten zu speichern. Drittens sind die dadurch verursachten Kosten niedriger als bei klassischen Datenbanken.
Data Lake hat andererseits auch Nachteile. Erstens erfordert der Zugriff auf Daten Kenntnisse in einer der Programmiersprachen. Zweitens haben die Daten in Data Lake von Natur aus keine analytische Struktur, sodass Sie sie selbst erstellen müssen (Schema-on-Read). Drittens bietet Data Lake nicht viele Mechanismen, um die Qualität der Daten im Hinblick auf ihre Richtigkeit oder Konsistenz zu kontrollieren.
Wählen Sie ein Szenario
Wenn wir die Vor- und Nachteile der Technologie verstehen, können wir im dritten Schritt mögliche Anwendungsszenarien bewerten. Angesichts der Fähigkeit, riesige Mengen unterschiedlicher Daten zu einem vernünftigen Preis zu speichern, werden Data Lake interessante Anwendungen sein: das Sammeln aller Daten eines Unternehmens für den weiteren Aufbau eines Data Warehouse, das Sammeln von Bildern von Kommunikationsschäden zur weiteren Verarbeitung durch KI-Algorithmen oder das Sammeln von Milliarden von Datensätzen, die von IoT-Geräten generiert wurden, die im Rahmen einer Pay-as-you-drive-Kommunikationspolitik an Autos angeschlossen sind.
Andererseits wird Data Lake aufgrund der unsicheren Qualität der Daten sowie des Fehlens eines vorgeschriebenen Schemas nicht nützlich sein für: den Ersatz von Data Warehouses, als Quelle für die Berichterstattung über das Finanzergebnis einer Versicherungsgesellschaft oder als direkte Datenquelle für maschinelle Lernalgorithmen, die Versicherungsrisiken oder die Wahrscheinlichkeit eines Ausscheidens eines Kunden bewerten.
Immer in Mode
Zuerst schrieb ich, dass die Welt der Technologie der Modewelt ähnlich ist. Und in beiden Fällen können wir ähnliche Strategien anwenden. Einerseits können wir jedes Jahr all unsere Klamotten wegwerfen und neue kaufen - derzeit in Mode. Andererseits kann der Kern unserer Garderobe klassische Kleidung sein, die unter bestimmten Bedingungen immer funktioniert. Und ich meine hier nicht nur einen klassischen Anzug oder ein „bisschen Schwarz“, sondern auch eine Regenjacke mit einer guten Membran.
Anstatt sich auf Mode zu konzentrieren und jedes Jahr die „neuesten“ und „besten“ Technologien einzuführen, ist es besser, sich darauf zu konzentrieren, die richtigen Lösungen auszuwählen, die unseren Bedürfnissen entsprechen. Denn die Wahrheit ist, dass die neueste Technologie keine Probleme löst. Nur die gut Auserwählten tun es. Sie werden uns gute Dienste leisten und lange nicht aus der Mode kommen.
