Eski veriler sadece yeni kıyafetlere bürünmüş büyük veriler değil mi?
Yapay zeka inovasyonu, verilerin hacminde ve değerinde hızlı bir büyüme sağlıyor. Daha spesifik olarak, Üretken Yapay Zeka nihayet büyük verinin vaat ettiği şeyi yerine getiriyor; bilgiyi eyleme dönüştürülebilir zekaya dönüştürüyor.
Ancak asıl değişim şu: bu içgörüler yalnızca dünkü verilerden gelmiyor. Bir organizasyonun şimdiye kadar yakaladığı her şeyden geliyorlar. Her bayt bir sonraki atılımı barındırabilir.
Bu nedenle şirketler, verileri atılacak bir şey değil, uzun vadeli stratejik bir varlık olarak yeniden düşünüyor. Büyük veri size “şimdi”yi verir. Geçmiş veriler size “nedenini” verir. Birlikte zekayı beslerler.
Melyssa Banda, Seagate’te Uç Depolama ve Hizmetler Kıdemli Başkan Yardımcısıdır
Eski veriler neden bu kadar önemli (AI, ML) ve çoğunlukla nerede bulunuyor? (teyp? eski sabit diskler? kağıt?)
Yapay zeka veri olmadan var olamaz ve en güçlü modeller zamana yayılan kalıplar üzerine kuruludur. Geçmiş veriler, tahminleri kesinliğe ve fikirleri yeniliğe dönüştürerek yapay zekaya bağlam kazandırır.
Şöyle düşünün, insanlık Mezopotamya’daki kil tabletlerden ABD Nüfus Sayımı için kullanılan delikli kartlara kadar bilgiyi her zaman korumuştur. Bugünün farkı, bahislerin daha yüksek olmasıdır. Yapay zeka hacim ve çeşitlilikle büyüyor. Daha fazla veri daha iyi sonuçlar anlamına gelir ve kuruluşlara rekabet avantajı sağlar.
Bu verilerin nerede yaşadığına gelince, bunların büyük çoğunluğu (büyük ölçekli dağıtımlarda kabaca %87’si) HDD’lerde depolanıyor. Modern yapay zeka iş yükleri, sürdürülebilir üretim ve dayanıklılık için optimize edilmiş, ölçeklenebilir, yüksek kapasiteli sabit diskler gerektirir. Artık mesele sadece hız değil, önemli olan büyük hacimlerin işlenmesi, uzun vadeli elde tutmanın sağlanması ve bunu geniş ölçekte yapmaktır.
Eski verileri korumanın bir maliyeti vardır. İşletmeler eski verileri tamamen silmeye karar verirse ne olabilir?
Verileri silmek maliyet tasarrufu değildir, potansiyel değeri siler. Silinen her bayt, daha iyi modeller yetiştirmek ve özel içgörüler oluşturmak için kaçırılmış bir fırsattır.
Finans, sağlık ve üretim gibi sektörlerde anormallik tespiti, tahmine dayalı bakım ve trend analizi için geçmiş veriler önemlidir. Bu olmadan yapay zeka daha az doğru, daha az şeffaf ve daha az güvenilir hale gelir.
Bir de uyum boyutu var. Düzenleyiciler, yapay zeka karar alma süreçlerinde giderek daha fazla denetlenebilirlik talep ediyor. Eğitim verilerinizi izleyemiyorsanız sorumluluğu kanıtlayamazsınız.
Geçmiş verileri silmek kurumsal hafızayı silmek gibidir. Yeniliğin hammaddesini kaybedersiniz. O gidince değeri de gider.
Yıllar önce müşteriler şu soruyu sordu: “Tüm bu verileri neden saklıyoruz?” Bugün soruyorlar, “Neden siliyoruz? Saklamamıza yardım edin.”
Eski verilerin depolanmasından kaynaklanan OPEX’i hangi çözümler azaltabilir?
Amaç, verileri yalnızca ucuza depolamak değil, aynı zamanda akıllıca depolamaktır. Birçok kuruluş, sık erişilen verilerin yüksek performanslı sistemlerde yer aldığı, eski veya daha az erişilen verilerin ise maliyeti optimize edilmiş katmanlara taşındığı katmanlı depolama mimarilerine geçiş yapıyor.
Bu yaklaşım, işletmelerin ihtiyaç duymadıkları performans için ödeme yapmamalarını sağlar. Kısacası, yalnızca daha ucuz değil, daha akıllıca depolayın.
Bir açıklamada siz/Seagate, kuruluşların veri yaşam döngüsü yönetimini yeniden düşünmesi gerektiğini söylediniz; ancak teknoloji şu anda olduğu kadar hızlı ilerlerken, bu gerçekten mümkün mü?
Yapay zeka, verilerin değerini yeniden tanımladı; bu, veri yaşam döngüsü yönetiminin artık arşivleme anlamına gelmeyeceği anlamına geliyor. Bu, iş yükleri geliştikçe uyum sağlayan esnek, ölçeklenebilir bir altyapı oluşturmakla ilgilidir.
Eski “sakla ve unut” modeli artık işe yaramıyor. Veriyi sermaye olarak düşünün; dinamiktir ve ona güç veren teknoloji de öyle. Günümüzde yaşam döngüsü yönetimini yeniden düşünen kuruluşlar yalnızca ayak uydurmakla kalmıyor, aynı zamanda kendileriyle birlikte ölçeklenen bir temel de inşa ediyorlar.