Bugun...


Vezir


facebook-paylas







Capgemini Çalışması
Tarih: 23-01-2017 21:54:00 Güncelleme: 24-01-2017 02:06:00


 

Stratejik düzeyde, büyük verilerin öneminden ötürü neredeyse evrensel yönetim alımı mevcuttur. Artık büyük veri çağının ne zaman geleceğini sormuyoruz çünkü zaten geldi. Bununla birlikte, birçok şirket büyük veri yatırımlarından operasyonel ve finansal fayda sağlamakta zorlanıyor. Bu makale, büyük veri girişimlerini uygularken yönetimin karşılaştığı zorlukları inceleyecek ve devam eden veri yatırımlarının değerinin nasıl optimize edileceğine dair bir çerçeve sunacaktır.

 

 

Mevcut durum: veri zengin, bilgi fakir

 


Gartner’e göre, alınan verinin %70’i kullanılmamaktadır. Başka bir deyişle veriyi toplamak, barındırmak ve erişmek için yapılan yatırımların büyük bir bölümü operasyonel fayda veya finansal dönüş sağlamamaktadır. Yöneticilerin yalnızca %27’si büyük veri girişimlerinin karlı olduğunu bildirmektedir.
 
Bu sonuç, büyük verinin hem Şirket hem de KOBİ’ler için kurumsal bir öncelik olduğu düşünüldüğünde, oldukça şaşırtıcıdır. 2016 yılındaki bir Capgemini çalışmasında, katılımcıların dörtte üçünden fazlası, CEO veya Yönetim kadrosunun büyük verinin yeni kazanç, operasyonel verimlilik ve maliyet azaltma alanlarında işletme sonuçlarını iyileştirme potansiyeline sahip olduğuna inandığını ifade etmiştir.
 


Veri madenciliği yeteneğine karşı organizasyonel kısıtlar

 

Mevcut veri ambarı tesislerimize her gün kentilyonlarca bayt ekliyoruz. Büyük verilere erişim, analiz ve kullanıma hazır hale getirme yeteneğimiz, toplama yeteneğimizin çok gerisinde kalmaktadır. Kısıtlardan bazılarına göz atalım:

 

1. Hangi değişkenin takip edileceğini bilmemek: Toplanan her 100 değişken içinde, herhangi bir zamanda işletme için kritik olan 10’dan az veri mevcuttur. En önemli ve en etkili değişkenleri nasıl seçer ve daha önemli değişkenler ortaya çıktığında analiz etmek için hangisiyle değiştireceğinizden nasıl emin olursunuz?

 

2. Yetersiz Business Intelligence araçları: Verileri depolamak için sağlam bir altyapı oluşturmada büyük ilerleme kaydedilmiş olmasına rağmen, şirketler genellikle erişim ve analiz için eski BT araçlarına güvenirler. İlk suçlu, gereksinimler ve kötü araç seçimiyle sonuçlanan işlevsellik arasındaki uyumsuzluktur. Genelde, Kurumsal çapta BI araçlarıyla ilgili kararların Operasyonel Teknoloji (OT) ekibinden veya işletme tarafından yetersiz girdi ile BT uzmanları tarafından yapıldığını görürüz.
 

3. Veri hijyeni ile ilgili sorunlar: Yaygın veri kalitesi sorunları, verilerin gerçek zamanlı ve işlenebilir kullanımı için karmaşık bir katman daha eklemektedir. Örneğin, Kamu Hizmetleri / Enerji / Kimyasallar kategorilerinde, yöneticilerin %40’ı  zayıf veri kalitesini büyük veri girişimleri için en büyük sorun olarak belirtmektedir. Farklı veri kaynaklarını entegre etmek zaman almaktadır. Daha da önemlisi, operasyonel kararların bozuk verilere dayandırılması, hatalı karar verme ile sonuçlanabilmektedir.

 

4. Yeterli sayıda yetenekli veri uzmanı bulunamaması:
Basitçe, organizasyonlar, büyük veriyi yönetecek kaynaklardan yoksundur. Verileri depolamak, temizlemek ve erişmek için teknik yeterlilikler kolay olan kısımdır. Pahalı olan, bir organizasyonun veri değişkenleri arasındaki gizli ilişkilerden gelen bilgilere dokunabilmesini sağlayacak olan, dahili Kurum çapında yetkinlikleri kurmasıdır.
 

Büyük bir veri yetkinliği oluşturmak için çerçeve

 

Büyük veriler bozulma potansiyeline sahiptir. Aynı zamanda, bir büyük veri girişimi uygulamak, kuruluşunuzda radikal bir değişim gerektirmez ve gerekmemelidir. Öncelikle, kuruluşunuzun sınırlamaları ve büyük verilere özgü ortak zorluklar hakkında gerçekçi olmanız gerekir. Mazeret üretmeden, herkesin aynı sorunla yüzleştiğini kabul edin: nasıl karmaşık verilere dayalı gerçek zamanlı karar alınır.
 

Büyük verilere yaklaşımımız kademeli ve bilgi aşırı yüklemesinin zorluklarını yansıtır şekildedir:
 

İnsanlar: Bir işletmeyi destekleyebilecek yetenekli veri uzmanlarının (Business intelligence mühendisleri, Büyük veri mimarları, veri bilim insanları vb.) kıtlığı büyük veri programları ve girişimlerinin benimsenmesini engellememelidir. Bunun yerine, denetimsiz öğrenme algoritmalarına dayanan araçlara vurgu yapılmasına ihtiyaç vardır. Denetimsiz Makine Öğrenme araçları anomali tespiti, korelasyon tespiti ve kalıp tanıma konusundaki insan uzmanlığının yerini alabilir ve hatta aşabilir.

 

Süreç: İşleme otomatikleştirilmelidir. Bu, insan hatası örneklerini sınırlar ve aynı zamanda emek yoğun veri yönetimi görevlerini azaltır. Otomatik anormal olay algılama herhangi bir fiziksel parametredeki herhangi bir sapmayı gösterir. Gelişmiş izleme, makine bozulması için erken uyarı algılaması sağlar ve işletme ve izleme maliyetlerini azaltır.
 

Teknoloji: Makine öğreniminin ve tahminsel analitiklerin esas gücü geçmiş verileri kullanarak öğrenmek ve buna dayalı olarak gelecek davranışları tahmin etmektir. Teknoloji seçerken, zaman serileri veri tabanına erişebilen ve tahmin için istatistiksel modeller üretebilen araçları da dahil etmenizi tavsiye ederiz.
 

Presenso Tanıtımı: Tahminsel makine varlık yönetimi için çığır açan bir çözüm

Presenso, varlık arızalarını arıza gerçekleşmeden saatler veya günler önceden tahmin eden tamamen otomatik ve denetimsiz bir izleme çözümüdür. Denetimli izleme sistemlerinin aksine hiçbir insan girdisi veya uzman bilgisine gerek duymaz.
 

Presenso diğer çözümlerden nasıl farklı? 

 

Yapay Zeka ve uyarlamalı algoritmalar kullanarak tüm makine sensör verileri gerçek zamanlı olarak analiz edilir. Sıra dışı sensör veri davranışlarının erken tespiti ile Presenso, varlıkların bozulmasını veya potansiyel arızayı tanımlamak için Makine Öğrenimi'ni kullanır. Bu algılama, yalnızca kontrol eşikleri ihlalinden sonra – başka bir deyişle, artık çok geç olduğunda - uyarılar üreten, kurallara dayalı algılama sistemlerinden önce ortaya çıkar.
 

Tesisin potansiyel arızaya karşı uyarılmasıyla, makine duruş süresi veya fabrika kapanışı meydana gelmeden önce, önleyici faaliyet veya tamirat gerçekleşebilir ve tamamlanabilir.
 

Presenso bulut tabanlı çözümün kurulumu kolaydır, makine işleyişi veya yapısıyla ilgili hiçbir ileri seviye bilgi gerektirmez, sensör agnostiktir ve izlenebilen sensör sayısı açısından hiçbir sınırlama yoktur.
 

 

Presenso hakkında daha fazlasını öğrenmek ister misiniz?

Ücretsiz bir demo planlamak için Buraya tıklayın.

Yazar hakkında:  Eitan Vesely, Presenso’nun CEO’sudur. Büyük Veri Tahminsel Bakım alanında bir öncü ve devam etmekte olan Industry 4.0 geçişinin bir parçasıdır.
Çözüm, buluttaki sensörlerin sinyal verilerini izleyerek gerçek zamanlı varlık arıza tahminleri sınmak için ileri seviye Yapay Zeka kullanmaktadır. 
Tescilli uyarlanabilir algoritmalarıyla Presenso, sensör davranışlarını analiz edebilir, makinelerin nasıl davrandığını otomatik olarak öğrenebilir ve bu bilgiyi ortaya çıkmadan önce makine arızalarını tahmin etmede kullanır. 





FACEBOOK YORUM
Yorum

YAZARIN DİĞER YAZILARI

ÇOK OKUNAN HABERLER
  • BUGÜN
  • BU HAFTA
  • BU AY
YAZARLAR
SON YORUMLANANLAR
VİDEO GALERİ
  • SOCAR TÜRKİYE 8 MART DÜNYA KADINLAR GÜNÜ
    SOCAR TÜRKİYE 8 MART DÜNYA KADINLAR GÜNÜ
  • İzlanda jeotermal enerji şirketi Kanal Alterra Power'in Çalışmaları 2
    İzlanda jeotermal enerji şirketi Kanal Alterra Power'in Çalışmaları 2
  • İzlanda jeotermal enerji şirketi Kanal Alterra Power'in Çalışmaları
     İzlanda jeotermal enerji şirketi Kanal Alterra Power'in Çalışmaları
  • Bir dağın tepesine nasıl büyük rüzgar türbini getirilir ?
    Bir dağın tepesine nasıl büyük rüzgar türbini getirilir ?
  • İBRADI GES - Şebekenden bağımsız (OffGrid 50kWp)
    İBRADI GES - Şebekenden bağımsız (OffGrid 50kWp)
  • Dudgeon Offshore Wind Farm : AÇIK DENİZ RÜZGAR ENERJİSİ ( STATOİL )
    Dudgeon Offshore Wind Farm : AÇIK DENİZ RÜZGAR ENERJİSİ ( STATOİL )
  1. SOCAR TÜRKİYE 8 MART DÜNYA KADINLAR GÜNÜ
  2. İzlanda jeotermal enerji şirketi Kanal Alterra Power'in Çalışmaları 2
  3. İzlanda jeotermal enerji şirketi Kanal Alterra Power'in Çalışmaları
  4. Bir dağın tepesine nasıl büyük rüzgar türbini getirilir ?
  5. İBRADI GES - Şebekenden bağımsız (OffGrid 50kWp)
  6. Dudgeon Offshore Wind Farm : AÇIK DENİZ RÜZGAR ENERJİSİ ( STATOİL )
VİDEO GALERİ
YUKARI alan adlari kuşadası escort