tech trends 2021 - deloitte

Emerging Tech Executive Council Kick-offCopyright © 2021 Deloitte Development LLC. All rights reserved. 1

Tech Trends 2021Część 2 - Dane: Różnorodność możliwościWebinar, 12 lutego 2021

Tech Trends 2021© 2021. Deloitte Poland. 2

Webinar poprowadzą:

Daniel MartyniukPartner, lider zespołu strategii i transformacji [email protected]

Agnieszka ZielińskaPartner w Dziale Doradztwa [email protected]

Aneta OlędzkaManager w zespole Analytics & Cognitive [email protected]

Adam RafajeńskiDyrektor w zespole cyberbezpieczeń[email protected]

mailto:[email protected]





Wyznaczanie trendów: Dwanaście lat badań


Pełny raport Trendy technologiczne 2021 jest dostępny do bezpłatnego pobrania na http://www2.deloitte.com/pl/techtrends2021

Metodyka opracowania12. raportu Tech Trends

Trendy, które w najbliższych 18-24 miesiącach mogą

spowodować rewolucję w firmach w różnych branżach i regionach

N A S Z R A P O R T O P I S U J E :

Feedback od zarządów firm naszych klientów, dotyczący bieżących i przyszłych priorytetów.

Prognozy i analizy sporządzone przez badaczy nauki i przemysłu.

Mapy drogowe i priorytety inwestycyjne wiodących startupów, funduszy venture capital i dostawców technologii.

C O Z D E C Y D O W A Ł O O

W Y B O R Z E T R E N D Ó W ?


Serce organizacji5 lutego 2021

Lepsze doświadczenia19 lutego 2021

Przeprojektowana strategia(Strategy, engineered)

Dane: Różnorodność możliwości12 lutego 2021

Cykl webinarów: Trendy Technologiczne 2021

Wielka odnowa staregosystemu (Core revival)

Dostawy: od łańcucha do sieci (Supply unchained)

MLOps: Skalowanie sztucznej inteligencji(MLOps: Industrialized AI)

Rewolucja w danych: nowy wsad do maszyny(Machine data revolution: Feeding the machine)

Nigdy nie ufaj nikomu, czyli zero trust (Zero trust: Never trust, always verify)

Doświadczenia szyte na miarę (Bespoke for billions: Digital meets physical)

Restart modelu pracy(Rebooting the digital workplace)

Technologia w służbie różnorodności(DEI tech: Tools for equity)

Obejrzyj nagranie z webinaru

https://www2.deloitte.com/pl/pl/pages/webcasty/articles/Cykl-webinarow-Trendy-Technologiczne-2021/czesc-1.html?nc=1


MLOps: Skalowanie sztucznej inteligencji

Era chałupniczo projektowanej sztucznej inteligencji musi ustąpić miejsca MLOps - inżynierskiej precyzji, która pomoże w opracowaniu automatyzacji, konserwacji i dostarczy skalowalne modele uczenia maszynowego - aby skrócić cykle rozwoju i uprzemysłowić sztuczną inteligencję.


Rozwiązania uczenia maszynowego pomagają firmom:

skutecznie identyfikować wzorce,

odkrywać anomalie,

generować wnioski,

przewidywać,

podejmować decyzje.

Szybkie podejmowanie decyzji jest kluczem do reagowania na potrzeby klientów i wyzwań związanych z optymalizacją kosztów.

Nieskalowalne projektowanie i wdrażanie przy użyciu ręcznych, dedykowanych procesów, utrudnia eksperymentowaniei współpracę między zespołami produktowymi, operacyjnymi i analitykami danych, oraz ogranicza ich swobodę twórczą.

Wzrasta liczba wdrożeń AI i ML

Inżynieryjna i operacyjna precyzja może pomóc organizacjom pokonać przeszkody i efektywnie skalować sztuczną inteligencję, aby umożliwić transformację biznesową.

MLOps/ MLDevOps

Zarządzanie cyklem życia uczenia maszynowsgo

projektów AI / uczenia maszynowego kończy się niepowodzeniem


nie wychodzi nawet z fazy eksperymentalnej i nie trafia do produkcji

28%

47%

Wydajność organizacyjna

i tworzenie wartości


Podobnie jak DevOps, MLOps oferuje zautomatyzowane strumienie programistyczne, procesy i narzędzia, które usprawniają tworzenie i operacje modelu uczenia maszynowego.

Zautomatyzowane strumienie wytwórcze

Ustandaryzowane procesy

Lepsza organizacja danych

Ciągłość wytwórcza

Szybkie eksperymenty

Szybkie dostarczanie

Uprzemysłownie AI

Szybkie dostrajanie

Poprawa współpracy

Zarządzanie szkicami modeli

Prognozujemy, że do 2025 roku rynek MLOps wzrośnie do prawie

4 miliardów dolarów


ZASADY ŁĄCZENIA AI Z DEVOPS


Dzięki MLOps inżynierowie danych i technolodzy mogą rozszerzyć zakres działań zespołów AI od budowania modeli do operacjonalizacji.




W L I C Z B A C H S I Ł A

Wszechstronne zespoły technologów i specjalistów ds. uczenia maszynowego mogą pomóc organizacjom w operacjonalizacji i skalowaniu sztucznej inteligencji.

Rozszerzone zespoły programistyczne i produkcyjne + podejście oparte na współpracyvs. poleganie na kilku ekspertach

NARZĘDZIA: Zautomatyzowane uczenie maszynowe, czyli AutoML, może przyspieszyć tworzenie modeli, pomagając naukowcom zajmującym się danymi w szybkim testowaniu różnych modeli i wariantów.





W L I C Z B A C H S I Ł A

Wszechstronne zespoły technologów i specjalistów ds. uczenia maszynowego mogą pomóc organizacjom w operacjonalizacji i skalowaniu sztucznej inteligencji.

WYZWANIA ZWIĄZANE Z DANYMI:RzetelnośćTransparentnośćZgodność z regulacjamiEtyka AIPrywatność i zgodyOchrona danychNieobiektywne dane

MLOps może pomóc w opracowaniu standardów idetyfikalności i stworzeniu odgórnych wytycznych w zakresie standryzacji, automatyzacji i współpracy.

Narzędzia MLOps mogą automatycznie rejestrować i przechowywać informacje o tym, jak wykorzystywane są dane, kiedy modele zostały wdrożone i ponownie skalibrowane oraz przez kogo i dlaczego wprowadzono zmiany.


AnthemNational Oceanic and Atmospheric Administration

Morgan Stanley

Case studies

Aby lepiej zrozumieć środowisko

Tworzenie prognoz potencjalnie ratujących życie

Wykrywanie i zapobieganie oszustwom

Automatyzacja sprzedaży i marketingu

Spersonalizowane zarządzanie majątkiem

Wymyślenie i przeorganizowanie krytycznych procesów biznesowych

Usprawnienie zarządzania roszczeniami

Utworzenie wirtualnego centrum sztucznej inteligencji, umożliwiającego zespołom dzielenie się najlepszymi praktykami i integrację działań, gdy jest to konieczne.

Wzmacnianie i rozszerzanie partnerstw.

Wykorzystanie zasad MLOps do skalowania AI i ML

Typowe platformy do zarządzania danymi oraz opracowywania, wdrażania i monitorowania modeli ML

Scentralizowane źródeł danych

Zaawansowane techniki maskowania danych

Jeden interfejs dla wszystkich rozwiązań AI i ML

Zintegrowane środowisko programistyczne

Kompleksowa platforma, która służy jako punkt całościowej obsługi, w której programiści i analitycy danych przygotowują i przechowują dane szkoleniowe, budują i weryfikują modele za pomocą łatwych w użyciu interfejsów oraz wdrażają je na dużą skalę

Mechanizm informacji zwrotnej

Inicjatywa konsolidująca dane z siedmiu systemów w jednym repozytorium

PRZYKŁAD ZASTOSOWANIA

ZASTOSOWANE ROZWIĄZANIE


Rewolucja w danych: nowy wsad do maszyny

Aby osiągnąć korzyści i skalę sztucznej inteligencji i MLOps, potrzebne jest opracowanie nowego podejścia do zarządzania danymi pod kątem wykorzystania ich przez algorytmy uczenia maszynowego, a nie przez człowieka. Dlatego organizacje muszą zmienić sposoby zbierania, przechowywania i przetwarzania danych.



POZYSKUJ I PRZECHOWUJ

Przeszukuj starsze systemy i bazy danych, aby znaleźć cenne, nieustrukturyzowane i nietradycyjne dane. Agreguj i przechowuj je na platformach opartych na chmurze zoptymalizowanych pod kątem uczenia maszynowego.





O D K R Y W A J I Ł Ą C Z

Wykorzystaj technologię kognitywnego zarządzania danymi, aby odkryć zależności i nieoczywiste powiązania między różnymi danymi.




O D K R Y W A J I Ł Ą C Z

W Z M O C N I J M O Ż L I W O Ś C I M L

Poznaj możliwości wykorzystania przetwarzania brzegowego i 5G w celu zwiększenia możliwości przetwarzania danych w czasie rzeczywistym i zmniejszenia opóźnień.


Wykorzystaj technologię kognitywnego zarządzania danymi, aby odkryć zależności i nieoczywiste powiązania między różnymi danymi.


Case studies

AT&T

Demokratyzacja dostępu do danych oraz stworzenie przejrzystego procesu przetwarzania danych

Dostępność danych gotowych do wykorzystania w biznesie

Zmniejszenie opóźnienia w dostępie do danych

Dostęp do danych w czasie rzeczywistym

Poprawa jakości danych

Wzmocnienie zarządzania danymi u źródła

Wsparcie strategii biznesowych skupionych wokół Klientów Banku

Opracowanie platformy Amp, która umożliwia kulturę dzielenia się technologią i danymi, ich wielokrotnego użytku i rozszerzalności.

Firma wykorzystuje zdolność chmury do skalowania mocy obliczeniowej zgodnie z potrzebami. Moc chmury pomaga stworzyć dostęp w czasie rzeczywistym, którego wymaga ML.

Wdrożenie wielopłaszczyznowego modelu siatki danych (data mesh), który przenosi dane wszędzie tam, gdzie muszą się znaleźć w ekosystemie, od źródła aż do konsumenta.

Opracowanie mechanizmu informacji zwrotnej, który umożliwia naukowcom zajmującym się danymi żądanie naprawy problemów z jakością danych u źródła i skupienie się na przekształcaniu danych w wartość.

Wdrożenie zaawansowanej analityki i warstwy AI, aby wspierać strategie biznesowe, które szybko ewoluują.

PRZYKŁAD ZASTOSOWANIA

ZASTOSOWANE ROZWIĄZANIE

ABN AMRO


Nigdy nie ufaj nikomu, czyli zero trust

Podejście zero zaufania w cyberbezpieczeństwie daje możliwość stworzenia solidniejszych i odporniejszych zabezpieczeń, uproszczenia zarządzania bezpieczeństwem, poprawy doświadczenia użytkownika końcowego i wprowadzenia nowoczesnych praktyk IT.



PODSTAWY CYBERWZMOCNIENIA

Udoskonalenie podstawowych zasad i praktyk cyberhigieny może pomóc firmom w osiągnięciu pełnych korzyści wynikających z zerowego zaufania.





A U T O M A T Y Z U J T E C H N I K I B E Z P I E C Z E Ń S T W A

Uproszczenie, integracja i automatyzacja zabezpieczeń stosu technologicznego może poprawić wydajność zespołów cyber oraz usprawnić procesy i operacje związane z bezpieczeństwem.





A U T O M A T Y Z U J T E C H N I K I B E Z P I E C Z E Ń S T W A

Uproszczenie, integracja i automatyzacja zabezpieczeń stosu technologicznego może poprawić wydajność zespołów cyber oraz usprawnić procesy i operacje związane z bezpieczeństwem.

P R Z E M Y Ś L P O D E J Ś C I E D O B E Z P I E C Z E Ń S T W A

Metoda „zero trust” może wymagać od przedsiębiorstw ponownego przemyślenia podejścia organizacji do bezpieczeństwa oraz umiejętności, procesów i technologii, które je wspierają.


Kto i co jest potrzebne do realizacji takiego celu?

Jakiego typu organizacji dotyczy ta koncepcja ?

Czy „Zero Trust” oznacza całkowity brak zaufania? Nie taniej i szybciej wyłączyć system?

Key questions


Zapraszamy na trzeci webinar

Cykl webinarów: Trendy Technologiczne 2021

Lepsze doświadczenia19 lutego 2021

Doświadczenia szytena miarę (Bespoke for billions: Digital meets physical)

Restart modelu pracy(Rebooting the digital workplace)

Technologia w służbie różnorodności(DEI tech: Tools for equity)

P O B I E R Z R A P O R T Te c h Tr e n d s 2 0 2 1

http://www2.deloitte.com/pl/techtrends2021

http://www2.deloitte.com/pl/techtrends2021


Dziękujemy za uwagę

Daniel MartyniukPartner, lider zespołu strategii i transformacji [email protected]

Agnieszka ZielińskaPartner w Dziale Doradztwa [email protected]

Aneta OlędzkaManager w zespole Analytics & Cognitive [email protected]

Adam RafajeńskiDyrektor w zespole cyberbezpieczeń[email protected]

Zachęcamy do kontaktu!





tech trends 2021 - deloitte

Documents