من ربات ترجمیار هستم و خلاصه مقالات علمی رو به صورت خودکار ترجمه میکنم. متن کامل مقالات رو میتونین به صورت ترجمه شده از لینکی که در پایین پست قرار میگیره بخونین
گام بعدی در دنیای دادهمحور چیست؟ سال ۲۰۲۲ و پس از آن

منتشر شده در analyticsinsight به تاریخ ۲۱ مه ۲۰۲۲
لینک منبع WHAT’S THE NEXT STEP FOR THE DATA-DRIVEN WORLD? 2022 AND BEYOND
شاید چشمگیرترین نتیجه انقلاب دیجیتال مقدار دادههایی باشد که در حال حاضر جمعآوری و تحلیل شدهاند. IDC محاسبه میکند که در سال ۲۰۱۰ جهان حدود دو zettabytes (ZB) از اطلاعات دیجیتال ایجاد کردهاست. اگر آن را در درایوهای بند انگشتی 1 گیگابایتی قرار دهید و آنها را از سر به انتها پشت سر هم قرار دهید، خطی ایجاد میشود که میتواند در 184 میلیون زمین فوتبال کشیده شود. این موضوع جالب توجه به نظر میرسد تا زمانی که شما در نظر بگیرید که آمار مجمع جهانی اقتصاد در سال ۲۰۲۰، ۴۴ ZB جمعآوری خواهد شد.
این رشد در دادههای تولید شده و جمعآوریشده عمیق است - و همانطور که COVID19 باعث اختلال در اقتصادها، کسب و کارها و زندگی در سراسر جهان شدهاست، بسیار ضروری است که نه تنها از مقیاس تمام این دادهها شگفتزده شویم، بلکه درک کنیم که چگونه به کار گرفته میشوند.
نگاهی به چشمانداز داده
انفجار داده در دهه گذشته، دایره کاملی از تجزیه و تحلیل و اقدام داده را ایجاد کرد که منجر به بینشهای جدید، ایجاد داده و تجزیه و تحلیل داده شد. ما شاهد بودهایم که شرکتها بیش از هر زمان دیگری داده جمعآوری میکنند تا کسبوکار خود را تغییر دهند و تصمیمات برگرفته از داده بگیرند. این امر همه انواع اشیا شخصی و متصل را تحتتاثیر قرار داده است، مانند ماشین آلات صنعتی که در صورت نیاز به تعمیر و نگهداری از طریق سیگنالدهی در هزینهها صرفهجویی میکنند. و خدماتی را باعث شده است که اطلاعات دیجیتال را از اطلاعات ترافیکی و نمودارهای شبکه اجتماعی ترکیب میکنند. همچنین برای مواردی مانند زنجیره تامین و بازاریابی مصرفکننده کارایی بیشتری به ارمغان آورده است. این انفجار همچنین سازمانهای دیگر را مجبور کرد تا استراتژیهای خود را مجددا ارزیابی کنند و به زیرساختهای ابری بنگرند تا از ابزارهای موروثی که نمیتوانند با نیازهای رو به رشد کسبوکار سازگار باشند، رهایی یابند.
اتوماسیون و جهان امنیت
تجزیه و تحلیل دادهها که امروزه امکانپذیر است، میتواند درک جدیدی از چگونگی ایمن ماندن و اینکه چگونه ما، به عنوان یک جامعه، میتوانیم در آینده عملکرد بهتری داشته باشیم، به ما بدهد. همانطور که همه ما با تغییرات سریع دستوپنجه نرم میکنیم، توانایی انجام تحلیلهای ارزان، سریع و انعطافپذیر از جدیدترین و قابلاعتمادترین اطلاعات حتی برای روش کار ما مهمتر میشود. استقرار ابری بدون سرور و بدون عملیات به خودکارسازی بسیاری از زیرساختهای محاسباتی ادامه میدهد و به مشتریان این امکان را میدهد تا به جای مدیریت زیرساختها، بر اجرای مشاغل خود تمرکز کنند. همانطور که کسبوکارها به تصمیمگیری بلادرنگ بیشتر و بیشتر نیاز دارند، دادههای جاری شده، در راس تصمیمگیریهای تجاری بلادرنگ قرار میگیرند. با ادامه دموکراسیسازی یادگیری ماشینی، که در حال حاضر به اندازه یک API ابری یا یک مدل از پیش آموزشدیده قابلدسترسی است، تحلیلگران دادهها میتوانند به سرعت ابتکارات مبتنیبر فنآوری را عملیاتی کنند که چند سال پیش بسیار پرهزینه یا وقتگیر بودند. علاوهبراین، گزینههای قیمتگذاری و خدمات مقیاسپذیر و انعطافپذیر به کسبوکارهای بیشتری کمک میکند تا دنیایی که به سرعت در حال تغییر است را تحلیل کرده و نسبت به آن واکنش نشان دهند.
دادههای تصویری و نگاهی به آینده
تا سال ۲۰۲۵، بیش از ۵۰٪ دادهها در لبه، در ۴۱، ۶ میلیارد دستگاه IoT، شامل ۶ میلیارد گوشی هوشمند جمعآوری خواهند شد. چیزهای بیشتری از حسگرها، دوربینها، و مانند آن به دست میآیند. البته ساعت هوشمند شما نیز در این لیست قرار خواهد گرفت. علاوه بر این، دستگاههای پیشرفته بدون اتصال اینترنتی نیز وجود خواهند داشت. موج عظیم دادههای تصویری موجود نه تنها دادهها را به ارمغان میآورد، بلکه فنآوری استفاده از آنها در مقیاس بزرگ را نیز به ارمغان میآورد. هر کسی میتواند محاسبات زیادی را روی تصاویر بهصورت ارزان و آسان انجام دهد و دوباره دینامیک را تغییر میدهد. این احتمالا OCR را به سطحی میرساند که هیچ سند کاغذی در آن وجود ندارد. حداقل این چیزی است که مشتریان شما انتظار دارند. این کار شناسایی اشیا بر روی تصاویر را به یک سطح بسیار نزدیک به یک سطح عالی خواهد رساند.
این متن با استفاده از ربات ترجمه مقالات علم داده ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است.در نتیجه میتواند دارای برخی اشکالات ترجمه باشد.
مقالات لینکشده در این متن میتوانند به صورت رایگان با استفاده از مقالهخوان ترجمیار به فارسی مطالعه شوند.
مطلبی دیگر از این انتشارات
۷ عادت نویسندگان موفق محتوا
مطلبی دیگر از این انتشارات
تولید داده تصوایر متنوع پزشکی مصنوعی برای آموزش مدلهای یادگیری ماشین
مطلبی دیگر از این انتشارات
اهمیت محاسبات کوانتومی در وسایل نقلیه خودران