Використання падіння майнінгу криптовалют

Ознайомтеся з усіма сесіями на замовлення саміту Intelligent Security Summit тут.


Хоча насміхатися над швидким падінням криптовалют – поганий тон, у результаті з’являються серйозні можливості. Для тих, хто не в курсі, криптомайнери за останні кілька років скуповували практично всі доступні на ринку високоємні графічні процесори. Це підвищило ціни та зменшило доступність до такого рівня, що навіть великі хмарні постачальники не могли отримати поточні моделі.

У поєднанні із законом Мура це призвело до ситуації, коли середнє апаратне забезпечення графічного процесора, яке використовується для будь-чого, окрім криптографії, має кілька років тому і, ймовірно, у чотири рази менш потужне, ніж витримують звичайні ринкові умови. Але це також змусило багатьох компаній-розробників уникати оптимізації своїх товарів для GPU. Отже, у середньому програмне забезпечення, яке ви використовуєте, можливо, у десять разів повільніше, ніж повинно бути.

Це, ймовірно, найбільша ринкова можливість за покоління, і розумні компанії повинні зараз шукати, як нею скористатися. Прискорення текстового процесора чи електронної таблиці в десять разів навряд чи розкриє будь-яку значну цінність для бізнесу. Але є кілька важливих сфер, які будуть.

Аналіз даних і систем баз даних

Найбільш очевидною областю є системи баз даних, особливо ті, що працюють з великими даними. Цифровізація світу загалом не сповільнилася, і, як наслідок, системам, побудованим на основі застарілих баз даних, сьогодні важко встигати. Це не завжди очевидно для кінцевих користувачів як проблема з базою даних, але зазвичай проявляється у дуже низькій частоті оновлення екрана або зависанні зайнятих курсорів.

Подія

Intelligent Security Summit On-Demand

Дізнайтеся про важливу роль штучного інтелекту та машинного навчання в кібербезпеці та конкретних галузевих прикладах. Дивіться сеанси за запитом сьогодні.

Дивіться тут

Це було дещо пом’якшено переходом до хмарних обчислень із автоматичним горизонтальним масштабуванням (додавання більшої кількості ЦП). Однак, оскільки обсяги даних стають дуже великими, процес переміщення даних між системами та між блоками ЦП стає обмеженням швидкості. Результатом є нелінійна віддача, коли подвоєння застосованого обчислення лише дає вам, наприклад, на 50% більше швидкості.

Неявною реакцією більшості компаній на цю обставину є, по суті, перестати навіть переглядати всі дані. Наприклад, ви можете об’єднати погодинні дані в щоденні або щоденні в щомісячні. За звичайних умов роботи з добре зрозумілими даними це може бути добре. Однак це пов’язано з певним ризиком, оскільки сучасні методи обробки даних вимагають доступу до первинних детальних даних, щоб отримати фундаментальний тип розуміння: виявлення аномалій.

Не ігноруйте викиди

Аномалії можуть бути як хорошими, так і поганими, але вони рідко є нейтральними. Вони представляють ваших найкращих і найгірших клієнтів, а також найкращі та найгірші відповіді вашої компанії. Вони включають питання високого бізнес-ризику, а також винагороди. Тож вирішувати технологічні обмеження, ігноруючи викиди, — це безглузде грошима.

Класичним прикладом можуть бути комунальні підприємства, які донедавна — а іноді й досі — використовують дані з роздільною здатністю 1 км для моніторингу ризику випадання дерев і лісових пожеж. Один піксель у такій системі може мати 1000 здорових дерев і одне мертве. Але достатньо лише одного дерева, яке вдарилося об лінію електропередач, щоб спалахнути лісова пожежа, яка збанкрутує велике комунальне підприємство.

Бізнес-ризик у такому випадку прихований у рішеннях щодо збору даних, які приймалися десятиліттями, під ще старішою технологією баз даних, але, тим не менш, він цілком реальний. І сьогодні був би дуже вдалий час, щоб почати розглядати це, оскільки джерела та методи швидко розвивалися протягом останніх п’яти років і, як правило, не використовували ані аналітику GPU, ані нове апаратне забезпечення.

Розкриття прихованих ринкових можливостей

Подібна ситуація існує з даними про потенційних клієнтів і клієнтів у багатьох компаніях. Бухгалтерське мислення та застаріла технологія можуть призвести до звичайного агрегування даних у щомісячні та квартальні звіти до нудоти. Але ви ніколи не повинні забувати, що ваші клієнти — це особи, чий накопичений досвід у багатьох точках дотику формує основу для ймовірності покупки чи рекомендації (або її відсутності). Так само, як і у випадку з ризиком вище, ринкові можливості за замовчуванням приховані в звичайних агрегаціях, таких як суми та середні значення.

Це піднімає ще одне дуже важливе питання в бізнес-аналітиці, яке полягає в тому, хто на підприємстві має право виявляти такі ризики чи можливості. Можливо, найважливішою причиною для оновлення старих систем аналітикою GPU є наявність інтерактивної візуальної аналітики без коду. Як випливає з назви, це дозволяє набагато більшій кількості людей в організації помічати ризик або можливість і інтерактивно копати їх, щоб підтвердити або відхилити їх. Це цілком може бути продавець або співробітник на першій лінії, якого традиційно не вважають «аналітиком даних» або «фахівцем з обробки даних».

Наступні кроки щодо даних і поточних систем

Усі бізнес-ситуації унікальні, тому наступний крок підприємства тут може відрізнятися. Але в якості наступного простого кроку менеджери повинні розглянути, які частини бізнес-функцій, за які вони відповідають, використовують набори даних або програмні інструменти старше п’яти років. Потім подивіться більш конкретно на «великі» дані, доступні відносно поточних систем, і яку цінність вони можуть принести.

Якщо вони бачать сферу можливостей, тоді вони повинні розглянути, який швидкий пілот вони могли б організувати, щоб перевірити його. Парадоксально, але без доступу до інтерактивної аналітики графічного процесора це може бути важко оцінити. Тож компаніям варто поговорити з постачальниками та розглянути можливість тестування в хмарному середовищі. Біль криптомайнерів цілком може бути прибутком підприємств.

Майк Флаксман — менеджер із продукції Heavy AI.

DataDecisionMakers

Ласкаво просимо до спільноти VentureBeat!

DataDecisionMakers — це місце, де експерти, включно з технічними спеціалістами, які працюють з даними, можуть ділитися інформацією та інноваціями, пов’язаними з даними.

Якщо ви хочете прочитати про передові ідеї та актуальну інформацію, найкращі практики та майбутнє даних і технологій обробки даних, приєднуйтесь до нас у DataDecisionMakers.

Ви навіть можете подумати про те, щоб написати власну статтю!

Докладніше від DataDecisionMakers

Leave a Comment