En Kıymetli Varlığınızdan Değer Yaratmak

---

Anahtar Noktalar:

- Verilere karşı Doğru/Yanlış bakış açısı.

-Başlangıç Noktası

-İşlem Süreci

-Sürecin Sonucu

---

Veri, herhangi bir kuruluşun sahip olduğu en kıymetli varlıktır ve yaşam döngüsünün her aşamasından değer çıkarılarak, bu şekilde ele alınmalıdır.

-Brian Pawlowski

Yıllardır farklı sektörlerdeki kuruluşlar, veri hacimlerini statik bir varlık olarak gördüler ve ona depolanacak ve tekrar kullanılmayacak bir şey olduğu varsayımıyla yaklaştılar; ancak bu görüş, gerçekten çok uzak. Veriler, yaşam döngüsü boyunca etkili bir şekilde yönetildiğinde başarıya giden yeni yolların kilidini açabilir. Ancak veriler yalnızca, verilere göre hareket etme yeteneği kadar güçlüdür. Kuruluşların veri yönetimi yaklaşımlarını uygulanabilir fiillerle yeniden çerçevelemesi gerekiyor: oluşturma, dönüştürme ve koruma. Bu veri yönetimi yöntemini, verilerin sürekli olarak iş akışları boyunca çalıştığı, toplandığı, depolandığı ve kuruluşlara önemli iş öngörüleri sağlamak üzere optimize edildiği bir veri fabrikası olarak düşünün.

Veri fabrikası çerçevesinin üç ana bileşeni vardır: hammaddeler, devam eden işler ve bitmiş ürünler. İyi bir fabrika gibi uyum içinde çalıştığında, kuruluşların yapılandırılmamış veri varlıklarının değerini en üst düzeye çıkarmasına olanak tanıyarak telemetri içgörülerini sorunsuz bir şekilde, pazar büyümesini ve sürdürülebilir başarıyı yönlendiren etkili bir eyleme dönüştürebilir.

Başlangıç Noktası – Hammaddeler:

Veri fabrikasındaki başlangıç noktası, verilerin herhangi bir bulut tabanlı, uç veya şirket içi cihaz tarafından oluşturulduğu yerdir. Şu anda veriler, özellikle de video ve görüntüler gibi yapılandırılmamış veriler, dijital dönüşüme ve hibrit çalışma ortamlarına doğru toplumsal değişimlerin ortasında benzeri görülmemiş bir hızda üretiliyor ve toplanıyor. Hatta dünyadaki verilerin %90'ı son iki yılda oluşturuldu ve toplanan tüm verilerin %80'i yapılandırılmamış. Video gözetim görüntülerinden MRI gibi tıbbi görüntülere, IoT algılama ve izleme kayıtlarına kadar her günün her saniyesinde akıl almaz miktarda veri üretiliyor. Ek olarak, VR/AR'ın ortaya çıkışı gibi yeni iş yükleri ve uygulamalar, yapılandırılmamış verilerin katlanarak artmasına katkıda bulunuyor. Yapılandırılmamış verilerin bu fabrika modelini karmaşıklaştıran ek bir davranışı da fabrikanın tamamında mobil olmasıdır; veriler yalnızca tek bir yönde hareket etmez.

İşleme Süreci - Devam Eden Çalışmalar:

Veriler, üretilip toplandıktan sonra, belirli yeteneklerin gerçekten önemli olduğu süreç içi çalışma aşamasına geçer. İlk sırada performans, ikinci sırada, verilere kolayca erişebilme ve her yerden işbirliği yapabilme yeteneği kritik öneme sahiptir. Üçüncü sırada ise, verilerden daha fazla değer elde etmek için yapay zeka veri zenginleştirmesini ilk kez kullanmaya başladığımız aşama bulunuyor. Yapay zeka, zenginleştirmeyi çeşitli yollarla gerçekleştirebilir: kolayca aranabilir hale getirmek için verilere meta etiketler koymak, kalıpları anlamak ve görünürlük kazanmak için analitik uygulamak veya yalnızca kategorizasyona yardımcı olmak.

Bu zenginleştirme süreci neden bu kadar önemli? IDC'ye göre, yakın zamanda, yapılandırılmamış verilerin hızla artmasıyla birlikte şirketler, dijital rekabet gücünü artırmak için verileri zenginleştirerek, verilerinin gücünden yararlanma becerilerine bağlı olarak başarılı ya da başarısız olacaklar. Bu, şirketlerin yeni ürün geliştirme ve inovasyon atılımları için verilerinden içgörü toplamak ve operasyonel iş akışlarını kolaylaştırmak için yapay zekayı kullanabileceği, böylece çalışanların daha yüksek düzeyde iş önceliklerine odaklanabilmesi için gereken manuel çabayı azaltabileceği anlamına geliyor.

Sürecin Sonucu, Sadece Bir Başlangıç – Bitmiş Ürünler:

Son olarak, veriler zenginleştirildikten sonra kolayca erişilebilecek ve yeniden değerlendirilebilecek bir yerde arşivlenmeye hazır hale gelir, çünkü sonuçta, veriler asla ölmez. Örneğin, aynı görüntü, başlangıçta şirket içi eğitim amacıyla kullanılabilir ve daha sonra kurumsal bir pazarlama video ekibi tarafından gelecekteki bir içerik üretimi için yeniden kullanılabilir. Adli analizler aynı veriler üzerinde her seferinde farklı bir amaç göz önünde bulundurularak tekrar tekrar gerçekleştirilebilir, bu da veri fabrikasını döngüsel bir süreç haline getirir.

Uzun vadeli veri arşivleme söz konusu olduğunda farklı yeteneklere ihtiyaç duyulur. İhtiyaç duyulan yetenekler arasında, verileri mümkün olan en düşük medya maliyetinde depolama yeteneği, çözümün sürdürülebilir ve yeşil olması, yani güç ve veri merkezi gayrimenkulünün maliyet açısından verimli olması ve eksabayt ölçeğinde yıllarca güvenilir bir şekilde çalışması gerekiyor.

Veriler, herhangi bir kuruluş için en önemli kaynaklardan biridir ve analitik, yapay zeka/makine öğrenimi ve daha fazlası sayesinde her gün veri yüzeyinden değer üretmenin yeni yolları arttıkça, giderek daha da önemli hale gelecektir. Veri yaşam döngüsünün her zamankinden daha döngüsel olması nedeniyle, daha fazla kuruluşun, verilerden maksimum değerin sürekli olarak yaratılabileceği, çıkarılabileceği ve yeniden kullanılabileceği fabrika benzeri bir işlemi benimsemesi gerekiyor. Bu yeniden kullanıma bir örnek, eski tıbbi görüntülerin ve araştırma verilerinin arşivlerden geri çağrılması ve yeni ilaçlar üretmek veya hastalıkların davranışlarını incelemek için araştırılmasıdır. Bunun gibi önemli atılımlar, ne kadar eski olursa olsun tüm verilerin öneminin mükemmel bir göstergesidir. Veriler akışkandır ve kuruluşların, verilerin yaşam döngüsünün neresinde olduğuna bağlı olarak doğru fiyat noktasında dinamik bir altyapıya sahip olduklarından emin olmaları gerekiyor.

-Brian Pawlowski