가트너, 2023년 중국 데이터 분석 및 인공지능 기술 성숙도 곡선 발표

Gartner는 2026년까지 중국 사무직 일자리의 30% 이상이 재정의되고 생성 AI를 사용하고 관리하는 기술이 큰 인기를 끌 것이라고 예측합니다.

Gartner의 2023 중국 데이터 분석 및 AI 기술 하이프 사이클은 중국의 데이터, 분석 및 AI와 관련된 네 가지 기본 주제를 공개합니다. 비즈니스 결과를 우선시하는 중국 데이터 전략, 지역 데이터 및 분석 및 AI 생태계, 데이터 중국과 대만의 붕괴, 그리고 인공지능이 국력의 새로운 상징이 되고 있다.

이 곡선에서는 가장 많은 기술이 예상되는 확장 기간에 진입하려고 합니다. Gartner의 수석 연구 이사인 Zhang Tong은 "혁신은 종종 전통적인 병목 현상에 대한 솔루션으로 선전되며 하드웨어 리소스 부족, 확장성, 지속 가능한 운영, 보안 위험 완화 및 기술 문제와 같은 중국 CIO의 공통 관심사를 해결할 것으로 예상됩니다. AI 모델의 독립성과 다중 영역 적용성을 통해 명확한 비즈니스 가치를 제공합니다. 그러나 최종 사용자는 추상적인 전략적 개념보다 실질적인 영향을 더 중요하게 생각합니다.

출처: Gartner(2023년 8월)

데이터 위빙

데이터 위빙은 데이터 통합, 활성 메타데이터, 지식 그래프, 데이터 프로파일링, 기계 학습 및 데이터 분류와 관련된 유연하고 재사용 가능한 데이터 파이프라인, 서비스 및 의미론을 얻기 위한 설계 프레임워크입니다. 데이터 위빙은 데이터 관리에 대한 기존의 지배적인 접근 방식을 뒤집습니다. 이는 더 이상 데이터 및 사용 사례에 맞게 "맞춤형"이 아니라 "먼저 관찰한 다음 사용"하는 것입니다.

Gartner의 수석 연구 책임자인 Zhang Tong은 다음과 같이 말했습니다. "데이터, 분석 및 AI 사용 사례의 출현과 빠르게 변화하는 데이터 보안 규정으로 인해 중국의 데이터 관리가 복잡해지고 불확실성이 커졌습니다. 데이터 위빙은 매몰 비용을 최대한 활용하는 동시에 데이터 관리 인프라에 대한 신규 지출에 대한 우선순위 지정 및 비용 관리에 대한 지침도 제공할 수 있습니다.”

데이터 자산 관리

데이터 자산 관리는 귀중한 자산인 데이터를 관리, 처리 및 활용하는 것입니다. 비즈니스 운영 프로세스에 데이터 자산 관리는 시스템 내 이미지, 동영상, 파일, 자료, 거래 데이터 등 다양한 형태의 데이터에 적용되며, 데이터 획득부터 파기까지 전체 데이터 라이프사이클을 동일하게 관리하는 것이 목적입니다. 자산으로 활용하고 그로부터 가치를 창출합니다.

새로운 생산 요소로서 데이터는 기업 조직의 경쟁 우위가 되었습니다. 데이터는 빠르고 다양하며 방대하고 사실에 근거합니다. 따라서 조직은 데이터 통찰력을 생성하기 위해 프로세스를 통합해야 합니다.

Gartner의 수석 연구 책임자인 Zhang Tong은 "데이터 자산은 운영 및 의사 결정의 품질을 향상시킬 수 있을 뿐만 아니라 더 많은 비즈니스 가치를 창출할 수 있습니다. 또한 새로운 비즈니스 모델을 생성하고 데이터를 사용하여 직접 수익을 창출할 수도 있습니다. 그러나 가치 창출이 가속화되고 있지만 데이터 자산에는 여전히 잠재적인 위험이 있습니다. 기업 조직은 규제 위반 및 우발적인 데이터 유출을 방지하기 위해 데이터 자산을 신중하게 관리해야 합니다.”

조립 데이터 및 분석(D&A)은 컨테이너를 활용합니다. 기반 또는 비즈니스 마이크로서비스 기존 자산을 유연하고 모듈식이며 사용자 친화적인 데이터 분석 및 인공 지능(AI) 기능으로 결합하는 아키텍처 및 데이터 위빙 개념입니다. 이 기술은 일련의 기술을 사용하여 데이터 관리 및 분석 응용 프로그램을 데이터 분석 및 AI 구성 요소 또는 기타 응용 프로그램 모듈로 변환하고 로우 코드 및 노 코드 기능을 지원하고 적응형 및 지능적 의사 결정을 지원할 수 있습니다.

급변하는 비즈니스 환경에 직면한 중국 기업과 기관은 민첩성을 향상하고 통찰력의 산출을 가속화해야 합니다. Assembled D&A는 기업 조직이 모듈식 데이터 및 분석 기능을 사용하여 여러 통찰력과 참조 정보를 다양한 조치에 통합하여 단편적인 개발을 방지하도록 돕습니다. 기업 조직은 다양한 사용 시나리오에 대처하기 위해 D&A ​​기능을 조립하거나 재구성함으로써 제공 유연성을 더욱 향상시킬 수 있습니다.

대형 모델

대형 모델은 광범위한 데이터 세트에 대해 자기 감독 방식으로 훈련된 대규모 매개변수 모델로, 대부분은 Transformer 아키텍처 또는 확산 심층 신경망 아키텍처를 기반으로 하며 다중 모드가 될 수 있습니다. 빅 모델이라는 이름은 다양한 다운스트림 사용 시나리오에 대한 중요성과 광범위한 적합성에서 유래되었습니다. 다양한 시나리오에 적응하는 이러한 능력은 모델의 충분하고 광범위한 사전 교육을 통해 이점을 얻습니다.

대형 모델은 이제 자연어 처리에 선호되는 아키텍처가 되었으며 컴퓨터 비전, 오디오 및 비디오 처리, 소프트웨어 엔지니어링, 화학, 금융 및 법률에 적용되었습니다. 대형 모델에서 파생된 인기 있는 하위 개념은 텍스트 훈련을 기반으로 하는 대형 언어 모델입니다.

Gartner의 수석 연구 책임자인 Zhang Tong은 다음과 같이 말했습니다. "대형 모델은 다양한 자연어 사용 사례에 향상된 효과를 제공할 수 있는 잠재력을 갖고 있으므로 수직 산업과 비즈니스 기능에 지대한 영향을 미칠 것입니다. 직원의 역량을 향상할 수 있습니다. 생산성을 높이고 고객 경험을 활성화합니다. 새로운 제품과 서비스를 비용 효율적으로 자동화, 강화, 생성하여 디지털 혁신을 가속화합니다.”

데이터 미들 오피스

데이터 미들 오피스(DMO)는 조직 전략과 기술의 실천입니다. 데이터 센터를 통해 다양한 비즈니스 라인의 사용자는 엔터프라이즈 데이터를 효율적으로 사용하여 단일 정보 소스를 기반으로 의사 결정을 내릴 수 있습니다. 데이터 센터를 구축하는 것은 기업을 위한 조립 가능하고 재사용 가능한 데이터 및 분석 기능을 구축하는 방법이 될 수 있습니다. 이러한 기능은 고유한 디지털 운영을 제공하고 기술 스택을 통해 전체 가치 사슬에 걸쳐 디지털 운영을 통합할 수 있습니다.

많은 중국 기업이 데이터 미들엔드 방식을 채택하는 이유는 데이터 및 분석 아키텍처의 기술적 중복성을 줄이고, 다양한 시스템의 데이터 섬을 개방하며, 재사용 가능한 데이터 및 분석 기능을 장려하기 위한 것입니다. 그러나 데이터 센터는 민첩한 D&A 기능을 통합하겠다는 약속을 이행하지 못한 경우가 많았으며, 이로 인해 시장에서의 입지가 약화되었습니다. 많은 조직과 공급업체는 이 개념을 내부적으로 채택하거나 홍보에서 단순히 제거하는 것을 꺼립니다.

위 내용은 가트너, 2023년 중국 데이터 분석 및 인공지능 기술 성숙도 곡선 발표의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!