استراتيجية البيانات والذكاء الاصطناعي: كيف تحقق أقصى استفادة؟

يشهد عالم BMC Software، وخاصةً خط منتجات Control-M، تطوراً مُبهراً، حيث نساعد كبرى الشركات العالمية على أتمتة وتنسيق النتائج التجارية التي تعتمد على سير عمل معقدة. يركّز جزء كبير من استراتيجيتنا على DataOps، وتحديداً على التنسيق داخل ممارسات DataOps. خلال الاثني عشر شهراً الماضية، قمنا بتوفير أكثر من سبعين تكاملاً مع عروض خوادم بلا سيرفر وPaaS عبر AWS و Azure و GCP، مما مكّن عملائنا من دمج خدمات السحابة الحديثة بسرعة في أنماط تنسيق Control-M الخاصة بهم. بالإضافة إلى ذلك، نقوم باختبار نماذج استخدام تعتمد على الذكاء الاصطناعي التوليدي لتسريع تطوير سير العمل وتحسين وقت التشغيل.

ما هي أحدث الاتجاهات التي لاحظتها في تطوير DataOps؟

نشهد في عالم البيانات بشكل عام استمراراً في الاستثمار في برامج البيانات والتحليلات. يُقدّر المحللون أن الإنفاق على برامج البيانات والتحليلات في العام الماضي تجاوز 100 مليار دولار. إذا نظرنا إلى مشهد تعلم الآلة والذكاء الاصطناعي والبيانات الذي ينشره مات ترك في Firstmark كل عام، سنجد أنه أكثر ازدحاماً من أي وقت مضى، حيث يحتوي على أكثر من 2011 شعاراً، أُضيف منها أكثر من خمسمائة منذ عام 2023. نظراً لهذا النمو السريع في الأدوات والاستثمار، أصبح DataOps الآن في مركز الصدارة، حيث أدركت الشركات أنه لتحقيق أهدافها في مجال البيانات، لم يعد بإمكانها الاكتفاء بإضافة المزيد من المهندسين. أصبحت ممارسات DataOps الآن بمثابة مخطط أساسي لتوسيع نطاق هذه المبادرات في الإنتاج. وسيجعل الانتعاش الأخير للذكاء الاصطناعي التوليدي هذا النموذج التشغيلي أكثر أهمية.

ما الذي يجب أن توليه الشركات اهتماماً خاصاً عند محاولة إنشاء استراتيجية بيانات؟

كما ذكرت سابقاً، فإن استثمار المدراء التنفيذيين، والرؤساء التنفيذيين، ومدراء التسويق، والمدراء الماليين، إلخ، في مبادرات البيانات لا يزال قوياً. ولا يقتصر هذا الاستثمار على خلق كفاءات إضافية، بل لتحقيق نتائج تجارية تحويلية أيضاً. وهذا يعني أن ثلاثة أمور تصبح بالغة الأهمية: أولاً، التوافق الواضح لاستراتيجية البيانات مع الأهداف التجارية، والتأكد من أن فرق التكنولوجيا تعمل على ما هو الأكثر أهمية بالنسبة للأعمال. ثانياً، جودة البيانات وإمكانية الوصول إليها، حيث تعتبر جودة البيانات أمراً بالغ الأهمية. ستؤدي جودة البيانات الضعيفة إلى رؤى غير دقيقة. ومن المهم بنفس القدر ضمان سهولة الوصول إلى البيانات – جعل البيانات الصحيحة متاحة للأشخاص المناسبين في الوقت المناسب. يُمكن تمكين الفرق في جميع أنحاء المؤسسة من اتخاذ قرارات تعتمد على البيانات من خلال إتاحة الوصول إلى البيانات، مع الحفاظ على الضوابط المناسبة. ثالثاً، تحقيق التوسع في الإنتاج. يجب أن تضمن الاستراتيجية أن تكون جاهزية التشغيل جزءاً لا يتجزأ من ممارسات هندسة البيانات، بحيث لا تُعتبر شيئاً يُفكر فيه بعد التجريب فقط.

ما مدى أهمية تنسيق البيانات كجزء من استراتيجية الشركة الشاملة؟

يُعتبر تنسيق البيانات ربما أهم ركيزة في DataOps. تملك معظم المؤسسات بيانات موزعة عبر أنظمة متعددة – سحابة، محلية، قواعد بيانات قديمة، وتطبيقات تابعة لجهات خارجية. إن القدرة على دمج وتنسيق مصادر البيانات المتباينة هذه في نظام موحد أمر بالغ الأهمية. يضمن التنسيق السليم للبيانات تدفق البيانات بسلاسة بين الأنظمة، مما يقلل من الازدواجية والانتظار والاختناقات، مع دعم اتخاذ القرارات في الوقت المناسب.

ما هي أكبر الصعوبات التي يواجهها عملاؤكم فيما يتعلق بتنسيق البيانات؟

لا تزال المؤسسات تواجه تحدي تسليم منتجات البيانات بسرعة ثم التوسع بسرعة في الإنتاج. الذكاء الاصطناعي التوليدي مثال جيد على ذلك. يطلب الرؤساء التنفيذيون ومجالس الإدارة في جميع أنحاء العالم نتائج سريعة لأنهم يشعرون أن هذا قد يُحدث اضطراباً كبيراً في أولئك الذين لا يستطيعون تسخير قوته. يُعزز الذكاء الاصطناعي التوليدي ممارسات مثل هندسة المطالبات وسلسلة المطالبات، إلخ. التحدي هو كيف نأخذ نماذج اللغات الكبيرة وقواعد البيانات المتجهة والروبوتات، إلخ، ونُدمجها في خط أنابيب البيانات الأكبر الذي يعبر عن بنية هجينة للغاية من سُحُب متعددة إلى أنظمة محلية، بما في ذلك الحواسيب المركزية للعديد منها. هذا يُكرر فقط الحاجة إلى نهج استراتيجي للتنسيق من شأنه أن يسمح بإدراج تقنيات وممارسات جديدة لأتمتة قابلة للتطوير لخطوط أنابيب البيانات. وصف أحد العملاء Control-M بأنه شريط طاقة للتنسيق حيث يمكنهم توصيل تقنيات وأنماط جديدة مع ظهورها دون الحاجة إلى إعادة توصيل كلما قاموا بتبديل التقنيات القديمة بأخرى أحدث.

ما هي أفضل نصائحك لضمان التنسيق الأمثل للبيانات؟

هناك عدد من النصائح المهمة، لكنني سأركز على واحدة، وهي التشغيل البيني بين تطبيقات سير العمل وبيانات سير العمل، والتي أعتقد أنها ضرورية لتحقيق التوسع والسرعة في الإنتاج. إن تنسيق خطوط أنابيب البيانات أمر مهم، لكن من الضروري أن نضع في اعتبارنا أن هذه الخطوط هي جزء من نظام بيئي أكبر في المؤسسة. لنعتبر أن خط أنابيب تعلم الآلة مُنشأ للتنبؤ بالعملاء الذين من المرجح أن ينتقلوا إلى منافس. البيانات التي تدخل مثل هذا الخط الأنبوب هي نتيجة لسير العمل التي تم تشغيلها في نظام التخطيط للموارد المؤسسية/إدارة علاقات العملاء ومجموعة من التطبيقات الأخرى. غالباً ما يكون إكمال سير عمل التطبيق بنجاح شرطاً مسبقاً لتشغيل سير عمل البيانات. بمجرد أن يحدد النموذج العملاء الذين من المرجح أن ينتقلوا، فإن الخطوة التالية ربما هي إرسال عرض ترويجي إليهم، مما يعني أننا سنحتاج إلى العودة إلى طبقة التطبيق في نظام التخطيط للموارد المؤسسية وإدارة علاقات العملاء. يُعد Control-M في وضع فريد لحل هذا التحدي حيث يستخدمه عملاؤنا لتنسيق وإدارة التبعيات المعقدة بين التطبيق وطبقة البيانات.

ما هي الفرص والتحديات الرئيسية التي تراها عند نشر الذكاء الاصطناعي؟

يُزيد الذكاء الاصطناعي، وتحديداً الذكاء الاصطناعي التوليدي، بسرعة التقنيات المُستخدمة في نظام بيئة البيانات. الكثير من النماذج الجديدة، وقواعد البيانات المتجهة، وأنماط الأتمتة الجديدة حول سلسلة المطالبات، إلخ. هذا التحدي ليس جديداً على عالم البيانات، ولكن وتيرة التغيير تتزايد. من منظور التنسيق، نرى فرصاً هائلة مع عملائنا لأننا نقدم منصة شديدة التكيف للتنسيق حيث يمكنهم دمج هذه الأدوات والأنماط في سير العمل الحالية الخاصة بهم بدلاً من العودة إلى نقطة الصفر.

هل لديك أي دراسات حالة يمكنك مشاركتها معنا عن الشركات التي تستخدم الذكاء الاصطناعي بنجاح؟

تستخدم Domino’s Pizza Control-M لتنسيق خطوط أنابيب البيانات الضخمة والمعقدة الخاصة بها. مع أكثر من 20,000 متجر على مستوى العالم، تدير Domino’s أكثر من 3,000 خط أنابيب بيانات تُغذّي البيانات من مصادر متنوعة مثل أنظمة سلسلة التوريد الداخلية، وبيانات المبيعات، والتكاملات الخارجية. تحتاج هذه البيانات من التطبيقات إلى المرور بأنماط تحويل ونماذج معقدة قبل أن تصبح متاحة لاتخاذ القرارات المتعلقة بجودة الطعام، ورضا العملاء، والكفاءة التشغيلية عبر شبكة الامتياز الخاصة بها.

يلعب Control-M دوراً حاسماً في تنسيق سير عمل البيانات هذه، مما يضمن التكامل السلس عبر مجموعة واسعة من التقنيات مثل MicroStrategy و AMQ و Apache Kafka و Confluent و GreenPlum و Couchbase و Talend و SQL Server و Power BI، على سبيل المثال لا الحصر.

إلى جانب ربط أنماط التنسيق المعقدة معاً، يوفر لهم Control-M رؤية شاملة لخطوط الأنابيب، مما يضمن تلبية اتفاقيات مستوى الخدمة الصارمة (SLAs) مع التعامل مع كميات البيانات المتزايدة. يساعدهم Control-M في إنشاء تقارير مهمة بسرعة أكبر، وتقديم رؤى إلى أصحاب الامتيازات، وتوسيع نطاق طرح خدمات أعمال جديدة.

ماذا يمكننا أن نتوقع من BMC في العام المقبل؟

ستظل استراتيجيتنا لـ Control-M في BMC مُركّزة على مبدأين أساسيين:

• الاستمرار في السماح لعملائنا باستخدام Control-M كنقطة تحكم واحدة للتنسيق مع قيامهم بإضافة تقنيات حديثة، خاصةً على السحابة العامة. هذا يعني أننا سنواصل توفير تكاملات جديدة لجميع مزودي السحابة العامة الرئيسيين لضمان قدرتهم على استخدام Control-M لتنسيق سير العمل عبر نماذج البنية التحتية السحابية الرئيسية الثلاثة وهي IaaS والحاويات وPaaS (خدمات السحابة بدون خادم). نخطط لمواصلة تركيزنا القوي على خدمات السحابة بدون خادم، وستشهد المزيد من التكاملات الجاهزة للاستخدام من Control-M لدعم نموذج PaaS.
• ندرك أن تنسيق المؤسسات هو عمل جماعي، يتضمن التنسيق بين المستخدمين الهندسيين والتشغيليين ورجال الأعمال. وبناءً على ذلك، نخطط لتقديم تجربة واجهة مستخدم تعتمد على الشخصيات بحيث يكون التعاون سلساً.

على وجه التحديد، داخل DataOps، ننظر إلى تقاطع التنسيق وجودة البيانات مع التركيز بشكل خاص على جعل جودة البيانات مواطناً من الدرجة الأولى داخل تطبيقات سير العمل وبيانات سير العمل. ابق على اطلاع على المزيد حول هذا الجانب!

هذا المحتوى تم باستخدام أدوات الذكاء الاصطناعي