En undersökning som genomförts på uppdrag av SAS Institute visar att det är problematiskt att använda flera olika plattformar för AI och dataanalys.
Bland ett flertal problem märks i synnerhet att analys i olika plattformar riskerar att ge olika analysresultat på samma fråga.
Problemet skapar osäkerhet kring och minskar värdet av AI och dataanalys. “I värsta fall kan det äventyra organisationens AI-satsning”, säger Kristoffer Nilsson, analysarkitekt på SAS Institute.
Det här framgår av undersökningen ”A Silver Lining From Every Cloud” som genomförts av Coleman Parkes på uppdrag av SAS Institute, en global ledare inom AI och dataanalys. Undersökningen omfattar 300 företag med fler än 3 000 anställda, varav 100 kommer från Norden. I undersökningen medverkar 40 svenska företag. De övriga 200 företagen kommer från Storbritannien och Irland. 41 procent av de deltagande företagen har fler än 10 000 anställda.
– Resultaten i undersökningen är intressanta och viktiga att ta till sig. Företag och organisationer behöver skapa analysmiljöer som ger tydliga resultat vilka kan omsättas i produktion. För att lyckas krävs en plattform som kan samordna data och analyser från olika källor för att skapa en helhetsbild, säger Kristoffer Nilsson, analysarkitekt på SAS Institute.
Dataanalys i moln- eller hybridmiljöer är många gånger en förutsättning för mer avancerade analyser. Och många organisationer har idag en molnstrategi på plats. Olika molnplattformar gör det möjligt att skapa flexibla lösningar för AI och dataanalys till rimliga kostnader. Det kan bli dyrt och krångligt att bygga AI- och analyslösningar i egna datacenter.
Men molnet erbjuder inte bara smidiga lösningar, utan bidrar även med vissa utmaningar, vilket framgår av undersökningen: 99 procent av de deltagande företagen uppger att de har problem med dataanalys som orsakas av användning av flera molnplattformar.
Kristoffer Nilsson
De svenska företagen berättar om följande problem som beror på användning av flera molnplattformar:
- 80 procent får olika svar på analyser, beroende på vilka molnplattformar som används för att lagra data. (Norden: 79 procent, UKI & Norden: 69 procent)
- 60 procent anger höga kostnader för analyser. (Norden: 59 procent, UKI & Norden: 62 procent)
- 48 procent anger att det tar lång tid för att få svar på analyser. (Norden: 43 procent, UK & Norden: 55 procent)
Enligt undersökningen använder 99 procent av de deltagande företagen två eller flera plattformar för AI och dataanalys (oberoende av vilka driftsmiljöer som används, som moln och egna datacenter). Det leder till problem i sig.
66 procent av de nordiska deltagarna anger att de får olika svar på analysfrågor med olika AI- och analysplattformar. 56 procent av de nordiska deltagarna tycker att det är svårt att “flytta medarbetare” mellan olika plattformar. Det finns även problem som hänger samman med användning av flera plattformar för AI och dataanalys, som höga kostnader för drift och utbildning.
De två beskrivna problemområdena hänger ihop. I ena fallet handlar det om olika plattformar för AI och dataanalys. I det andra fallet om olika molnplattformar, vilket ofta också innebär att olika analysplattformar körs på de olika molnplattformarna. Den gemensamma nämnaren är att användning av flera olika tekniklösningar för AI och dataanalys medför problem.
– Att dataanalys och AI i olika miljöer genererar oklara och osäkra resultat kan utgöra en betydande utmaning, särskilt inom områden som involverar AI och automatisering i realtid. I dessa sammanhang krävs system som omedelbart levererar klara och enhetliga svar, annars riskerar vi att satsningar inom AI inte realiserar de förväntade värdena. För att säkerställa att analyser och resultat framträder tydligt och kan användas i produktion måste man se över sina analysmiljöer, säger Kristoffer Nilsson och avslutar:
– Dessutom är det av vikt att dessa analysmiljöer möjliggör transparens så att man kan följa upp och anpassa processerna. Transparens i systemen är också avgörande för att kunna svara mot den AI-lagstiftning som är på gång inom EU.
SAS Institute har tagit fasta på de problem som beskrivs ovan och satsat stora resurser på att se till att AI- och dataanalysplattformen SAS Viya ska fungera konsekvent oberoende av driftsmiljö, till exempel olika molnplattformar, lokalt i kunders egna datacenter eller i hybridmiljöer, och anpassade för olika rollers kompetenser och förutsättningar.
