IoT、人工知能、機械学習におけるデータグリッドのユースケースとアプリケーション

#グリッドは、分散型の方法で物理ネットワークと仮想ネットワーク全体にデータを分散します。高度に一元化されたインフラストラクチャを必要とする従来のデータ統合ツールとは異なり、データ グリッドはオンプレミス、マルチクラウド、およびシングルクラウドのエッジ環境全体で機能します。

この記事では、さまざまな設定におけるグリッドの実際の応用について説明します。

データ グリッド: いくつかの一般的な問題の解決

MIT の調査結果によると、調査対象の組織のうち、データ戦略を正常に実行できたのは 13% のみでした。データ グリッドは、原因となる根本原因の多くを解決しています。

データ グリッドを使用すると、小規模なデータ パイプラインで発生するいくつかの問題を解決できます。切り離されたピアツーピア システムが時間の経過とともに独自のネットワークを作成するため、これらの問題は対処せずに放置すると、時間の経過とともにすぐに問題が発生し、脆弱になる可能性があります。

同時に、データ グリッドは、会社のさまざまな部門で異なる可能性のある中核的なビジネス事実など、組織内のより大きな問題も解決します。

データ グリッドを実装すると、システムが事実のコピーを保持する可能性が低くなります。

データ グリッドを使用すると、システムに秩序がもたらされるだけでなく、管理性が向上し、成熟し進化したデータ アーキテクチャも提供されます。

クラウドベースのアプリケーションの台頭により、アプリケーション アーキテクチャは従来の集中型 IT から分散型サービス メッシュまたはマイクロサービスに移行しつつあります。 K2view と呼ばれるリアルタイム データ プラットフォームは一歩進んでおり、ファブリックおよびグリッド アーキテクチャにマイクロ DB の使用を実装することに成功しています。各マイクロ データベースには特定のビジネス パートナー (顧客) のデータのみが保存されますが、そのグリッド プラットフォームにはそのようなマイクロ データベースが何百万も保存されます。

データ グリッド: ユース ケース

データ グリッドは、複数のドメインにわたる複数の分析および運用のユース ケースをサポートできます。 -

1. 顧客ライフサイクル

顧客ケアに 360 度のサポートを提供し、平均顧客対応時間を大幅に短縮します。また、顧客満足度も向上し、最初の問い合わせの解決率も向上します。

マーケティング部門は、次善のオファーの決定やチャーン予測モデリングのために顧客の単一ビューを展開することもできます。

2. モノのインターネット (IoT) のユーティリティ

製品チームは、IoT デバイスの監視を通じて、エッジ デバイスの使用パターンについての洞察を得ることができます。このパターン情報を使用して、収益性と製品の導入を繰り返し改善することができます。

IoT デバイスにメッシュ ネットワークを採用することで、企業はネットワークを選択する際にメッシュ ネットワークを人気のテクノロジーにするいくつかのメリットを得ることができます。

企業は、IoT、エンタープライズ、ストリーミング、サードパーティのすべてのデータを、非常に低コストで S3 データ レイクにまとめて保存できます。

3. 修復アルゴリズム

最短パス ブリッジングで説明したように、一部のノードが接続を失った場合でも、自己修復アルゴリズムはデータを送信するための最適なパスを自動的に選択します。

このアルゴリズムにより、システムは利用可能な動作中の接続のみを使用できるようになります。したがって、一部のデバイスが機能を停止した場合でも、ネットワークは特定のタスクを維持または完了するために必要な情報を送受信できます。

4. 分散型でより効果的なセキュリティ

さて、セキュリティに関しては、企業は十分な準備を整えており、プロトコルを常に更新しています。しかし、中小企業には必要な指導が不足しています。アクセンチュアのサイバー犯罪調査によると、攻撃の 43% は小規模組織をターゲットにしており、自己防御可能な攻撃は 14% のみです。

Mesh のような最新のデータ管理ソリューションを利用すれば、SMB にも後れを取らないチャンスが得られます。

データが高度に断片化され分散している場合、セキュリティは非常に重要です。

このようなシステムでは、承認と認証のアクティビティをさまざまなユーザーに委任し、必要に応じてさまざまなレベルのアクセスを提供する必要があります。

Market Premier 2022 レポートでは、データ グリッドの次の主要なセキュリティ機能が特定されました。

さまざまな形式のデータ プライバシー管理
• データ暗号化 (保存中かどうかにかかわらず)または実行中
• データマスキング、PII難読化の効果的な管理
• CCPAおよびGDPRコンプライアンスおよびその他の規制
• すべてのIAM/LDAPタイプのサービスをカバーするID管理

5. 自己構成

メッシュ ネットワークの自動検出のおかげで、IoT デバイスは自己構成できるようになりました。新しいノードを自動的に調整し、事前のセットアップなしで必要なネットワークに接続します。

この機能を使用すると、ネットワークを簡単に拡張および管理できます。

6. マーケティングとセールス

マーケティング チームとセールス チームは、分散データを使用することで、異なるプラットフォームやシステムからの消費者のプロファイルと行動の 360 度ビューを簡単にキュレーションできます。

これにより、よりターゲットを絞ったキャンペーン、CLV (顧客生涯価値) の作成、リード スコアリングの精度の向上、その他いくつかの重要なパフォーマンス指標の実行が可能になります。

マーケティング チームはハイパーセグメンテーションを使用して、適切なチャネルを通じて適切なタイミングで適切な顧客にキャンペーンを配信します。

7. 人工知能と機械学習

インテリジェンス チームと開発チームは、複数のソースからデータ カタログと仮想ウェアハウスを簡単に作成して、AI と機械学習のモデルを提供できます。

これにより、すべてのデータを特定の中央の場所に収集する必要がなく、より多くの洞察が得られます。

チームはフェデレーション データ準備を使用して、ドメインがデータ分析ワークロードに信頼できるデータと品質を提供できるようにすることもできます。

8. 損失防止

金融分野にデータ グリッドを導入することで、企業は運用上のリスクとコストを削減しながら、より迅速に洞察を得ることができます。

この機能を使用すると、国際的な金融機関や組織がデータをローカルで分析できるようになります。これはどの地域や国でも実行でき、中央データベースに転送できるデータセットのコピーを作成することなく、詐欺の脅威を特定するのに役立ちます。

データ プライバシー管理により、企業は進化する地域データと VCDPA などのプライバシー法に準拠する必要があるため、顧客データを保護できます。

データ グリッドのいくつかの実践的な実装

金融サービス機関

Thoughtworks は、ブログの 1 つで、金融機関のデータ プロセスに対するデータ グリッドの影響について説明しています。

このようなアプリケーションは大量のトランザクション データをリアルタイムで処理するため、分析システムに正確かつタイムリーなデータ ストリーミングを行うことが重要です。

この場合、経営幹部はデータを迅速に操作し、ドメイン指向のデータ製品にアクセスできる柔軟性を備えています。

これにより、より関連性の高い質問をすることができ、最終的にはより信頼性の高い回答と貴重な洞察を得ることができ、より短い時間で行動を起こすことができます。

それだけでなく、ドメイン チームは分析データを使用して、ユーザーのデジタル エクスペリエンスに直接構築することもできます。

AWS S3

AWS がストレージ レイヤーをコモディティ化し、AWS S3 オブジェクト ストレージに置き換えたとき、約 15 年前に大きな変化が起こりました。

S3 やその他のクラウド ストレージは手頃な価格で普及しているため、企業は現在、データをクラウド オブジェクト ストレージに移行しています。これにより、最終的にさまざまな方法でデータを分析できるデータレイクを構築できるようになります。

ファッション小売業者ブランド

ヨーロッパ最大のオンライン ファッション小売業者である Zalando は、大規模なアクセスと可用性を保証する簡単な方法があることを知りました。これは、最初にこのデータを収集し、必要なドメイン知識を持っているチームに、より多くの責任を移すことで実現できます。また、すべてのメタデータ情報とデータ ガバナンスを中央の場所に保管することによっても実現できます。

すべてのユースケースをカバーするには十分なスペースがありません。これはプッシュ市場であり、企業はそれを最大限に活用したいと考えています。

次は何ですか?データ プロダクト思考の採用

デザイン思考、実行すべき仕事の理論、障害となる組織のサイロの打破など、さまざまな概念を統合するデータ プロダクトの革新的な実践方法がいくつかあります。部門横断的なイノベーション。 2022 年までに、企業はこの機会を捉え、Web 3.0 を念頭に置いてデータ管理戦略を進化させる必要があります。

以上がIoT、人工知能、機械学習におけるデータグリッドのユースケースとアプリケーションの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。