Forrester’ın Capital One bankası için yaptığı bir çalışma, yazılım geliştirme ve yapay zeka (AI) projelerini kolaylaştırmak için politikayı kod olarak dağıtmanın önemini vurguladı.
Forrester’a göre, iş kolu (LOB) ve operasyonlar da dahil olmak üzere kuruluş genelindeki roller için erişilebilir, makine öğrenimi destekli araçları kolayca kullanılabilir hale getirerek makine öğrenimini (ML) demokratikleştirmek, veri biliminin katkılarını hızlandırmak ve ölçeklendirmek açısından kritik öneme sahiptir. iş başarısına.
Forrester, 180 hatlı veri stratejisi ve iş kolu karar vericilerinin katıldığı bir ankete dayanarak, katılımcıların %67’sinin, demokratikleşme iş akışlarına sahip yapay zeka odaklı bir kuruluş olmanın temel zorlukları arasında, daha az veri olması nedeniyle bunun daha fazla risk getirebileceğini söylediğini bildirdi. Bilgili roller makine öğrenimi modellerine ve uygulamalarına erişim sağlar. Anket, katılımcıların %63’ünün dış tedarikçilerle etkili bir şekilde çalışan yönetişim veya güvenlik politikalarının eksikliğinin makine öğrenimi modellerine ve uygulamalarına erişimi sınırladığına inandığını, %64’ü ise aynı anda riski azaltırken makine öğrenimini demokratikleştirmenin zor olduğuna inandığını ortaya koydu.
Bulguları tartışan kıdemli başkan yardımcısı ve Capital One veri öngörüleri başkanı David Kang şunları söyledi: “Yönetişim ve otomasyon, iyi yönetilen bir veri ekosisteminin önemli yönleridir.”
Kang’ın deneyimine göre, makine modelleri üretime girdikten sonra otomasyon, şirketlerin model tahmin hizmetinin sürekli olarak sunulmasına yardımcı olabilir. “ML modeli izleme ve eğitiminin otomatikleştirilmesi, bir modelin üretime aktarıldığında performans göstermesini sağlayabilir ve ekiplerin bir modeli yeniden eğitmek için ne zaman eylem gerektiği konusunda daha iyi kararlar almasına yardımcı olabilir” dedi. Kang’a göre bu otomasyon, mühendislere tutarlı tekrarlanabilirlik ve bakım konusunda güven sağlıyor.
BT liderlerinin, örneğin merkezi bir yönetim organı kullanarak otomatik modellerin insan gözetiminde olmasını sağlamasını önerdi. “Merkezi bir yönetim organı, geliştirme çabaları genelinde daha fazla şeffaflığı kolaylaştırırken aynı zamanda makine öğreniminin sorumlu bir şekilde ölçeklendirilmesine yardımcı olmak için süreçleri, kontrolleri, izleme ve teknoloji altyapısını yönetebilir.”
Yapay zeka ve veri odaklı olmak isteyen işletmelerin ihtiyaç duyduğu veri süreçlerini ve platformlarını desteklemek için de sağlam bir yönetişim çerçevesi gereklidir. Forrester, bazı veri ve BT rollerinin, platformların ve süreçlerin yeteneklerini sınırlayabilecek ağır yönetişim nedeniyle bu durumu fazlasıyla telafi edebileceği konusunda uyardı. Analist firması, güvenin örtülü olduğu durumlarda yönetişimin ortam oluşturması gerektiğini ve iş kolundaki karar vericilere, izinler veya yasal süreci takip edip etmedikleri hakkında çok fazla düşünmek zorunda kalmadan ihtiyaç duydukları şeyi yapma özgürlüğünün verilmesini önerdi.
Kang, yönetişim ve otomasyonun iyi yönetilen bir veri ekosisteminin önemli yönleri olduğunu söyledi. “ML modeli izleme ve eğitiminin otomatikleştirilmesi, bir modelin üretime aktarıldığında performans göstermesini sağlayabilir ve ekiplerin bir modeli yeniden eğitmek için ne zaman eylem gerektiği konusunda daha iyi kararlar almasına yardımcı olabilir” diye ekledi. “Bu otomasyon, mühendislere tutarlı tekrarlanabilirlik ve bakım konusunda güven sağlıyor.”
Forrester’ın son makalesi, İçgörü odaklı: Müşteri takıntısının temel ilkesi, kültürel zorlukların genellikle teknik zorluklardan daha yaygın olduğunu bildirdi. Raporun yazarları, veri ekiplerinin bazen kimsenin kullanmadığı gösterge tabloları ve raporlar sunduğunu belirtti. Forrester’a göre bu, bir kararı doğrularken verileri seçici bir şekilde kullanan iş kullanıcıları ve liderler arasındaki okuryazarlığın zayıf olmasından kaynaklanıyor. Bu durumlarda Forrester, veri okuryazarlığındaki boşlukları kapatmak için kapsamlı eğitim ve iletişimin kullanılmasını önermektedir.
Kang, “Hem iş hem de teknoloji rolleri için araçların, süreçlerin ve platformların standartlaştırılması, yüksek kaliteli verilerin bulunmasını, anlaşılmasını ve kullanılmasını kolaylaştırabilir” dedi. “Veri bilimcileri ve makine öğrenimi mühendisleri, makine öğrenimi modellerini oluşturmak, eğitmek ve dağıtmak için bu yerleşik temelleri kullanacak.”
Bulutta yerel yönetim için kod olarak politika
Forrester’ın bulguları şunları yansıtıyor: Kod olarak politikanın durumu Styra’dan rapor. 285 ABD’li geliştiricinin katıldığı bir ankete dayanan anket, yetkilendirmeye yönelik geleneksel yaklaşımın güncelliğini yitirdiğini ortaya çıkardı. Ankete katılan geliştiricilerin dörtte üçü, evde geliştirilen yetkilendirme politikalarının hatalara açık, yönetilmesi zor ve yenilikçi ürünler oluşturmak veya yeni özelliklerin ince ayarını yapmak gibi daha anlamlı işlere harcayabilecekleri değerli zamanı boşa harcadığına inanıyor.
Styra’nın araştırması, politikayı kod olarak kullanma anketine katılan ABD’li geliştiricilerin %51’inin bunu yalnızca son iki yıl içinde benimsediğini ortaya çıkardı. Politikayı kod olarak uygulayanların yarısından fazlası (%52), performansla ilgili en yaygın zorlukların verimli politikaları kod olarak yazmak olduğunu söylüyor. Anket ayrıca kuruluşların %30’unun politikayı önemli bir kapasitede kod olarak kullandığını da bildirdi. Styra, geliştiricilere bulut yerel yığında birleşik yetkilendirme politikalarını sorunsuz bir şekilde tanımlama, uygulama ve yönetme yetkisi verdiğini söyledi.
Styra, makine öğrenimi ve veri odaklı uygulamalar geliştiren geliştiriciler için programatik korumalar sağlamanın ötesinde, kod olarak politikanın aynı zamanda bulut tabanlı altyapının önemli bir bileşeni olduğunu söyledi.
Styra’ya göre kuruluşların, ekipleri birlikte çalışmaktan, güvenliği güçlendirmekten ve geniş ölçekte tutarlı, merkezi yetkilendirme politikaları oluşturmaktan alıkoyan zorlukları ele alması gerekiyor. Artan siber saldırılarla birlikte, kod araçları olarak politika, kuruluşların güvenlik yapılandırmasının değerli bir parçası haline geliyor. Styra anketi, yanıt verenlerin %96’sının bulut altyapısının inşası, güvenliği ve bakımı için kod olarak politikanın hayati önem taşıdığını söylediğini bildirdi.
Styra baş teknoloji sorumlusu Tim Hinrichs şunları söyledi: “Kod olarak politika yalnızca bir trend değildir; bulut geliştirme yapısının ayrılmaz bir parçası haline geliyor. Geliştiriciler, ekiplerin kafasını karıştıran, görünürlüğü karıştıran ve yazılım geliştirmeyi zorlaştıran uygulamalar ve teknolojilerle zaman kaybetmeye devam edemezler.”
İyi yönetilen verilere kontrollü erişim, geliştiriciler ve makine öğrenimi üzerinde çalışan kişiler için kod gibi politikalar gibi teknikleri kullanarak verimliliği artırmanın ötesinde başka fırsatların da önünü açar. Kang, uygulamaya koyulduktan sonra insanların iş kararları için verileri analiz etmelerine yardımcı olmak üzere kodsuz/az kodlu araçların kullanıma sunulabileceğini söyledi. Bu, veri erişiminin demokratikleştirilmesine yardımcı olur.
“ML’nin gücünü her çalışanın eline vermek, herhangi bir şirketi veri odaklı bir organizasyona dönüştürebilir” diye ekledi.