Категорія: Великі Дані та Аналітика

Штук

Інженерія аналітики виникла поряд з найбільш значущим технологічним революцією за останнє десятиліття – зростання хмарних обчислень. Сьогодні ми переживаємо ще більшу трансформацію, що підживлюється метеоричним зростанням штучного інтелекту (AI), що переробляє те, як інженери -аналітики підходять до викликів даних

AI швидко став невід'ємною частиною щоденних робочих процесів для 80% фахівців з даних, порівняно з 30% минулого року. Це також змінює те, як працюють команди даних, 70% професіоналів використовують AI для сприяння розробці коду, а 40% повідомляють, що їхні групи даних зростають. Незважаючи на те, що інвестиції в інструменти AI проводять лідерство, якість даних залишається постійною проблемою, а понад 56% практикуючих підкреслюють це як ключову проблему.

Ці уявлення походять із звіту про стан аналітики DBT Labs 2025, третього видання їх щорічного видання, яке занурюється в те, як AI переосмислює групи даних, де бюджети надають пріоритет і чому побудова довіри до даних є більш критичною, ніж будь -коли.

Ключовим висновком звіту є те, що AI збільшує, а не замінює команди даних, як багато хто очікував. Замість того, щоб замінити людський досвід, AI -прийняття змінює те, як працюють люди. Це дозволяє професіоналам витрачати менше часу на зайві завдання та більше зосередитись на спеціалізованій роботі. У звіті підкреслюється, що більше двох третин (70%) респондентів використовують AI для розробки аналітики в певній формі.

Зростаючі інвестиції в інструменти AI для підтримки команд даних сприяють більш позитивному сприйняттю їх внесків. Як результат, 75% респондентів погоджуються, що їх організації високо цінують та довіряють своїм командам даних.

“AI порушує те, як команди працюють з організаційними даними”, – сказав Марк Портер, CTO DBT Labs. “У міру збільшення інвестицій в АІ, лідери надають пріоритет командам, відповідальним за якість та управління даними – істотну основу для ефективності ШІ”.

“У той же час інженери даних звертаються до ШІ для автоматизації звичайних завдань, повністю змінюючи те, як дані надаються в бізнес.

Аналітична інженерія зростає за рамки технологій, при цьому високорегульовані галузі, такі як фінанси (15%) та охорона здоров'я (10%), які приймають її для управління складними, важкими дотриманнями. Технологія залишається найбільшим сектором на 34%, хоча його частка знизилася на 3% цього року.

За даними DBT Labs, організації знову інвестують у дані після обережного періоду. Інструменти AI є головним пріоритетом, 45% планують витратити більше на них у наступному році. Якість даних та спостережливість приходять далі, 38% зосереджуються на вирішенні ключових проблем даних.

Джерело: Shutterstock

Інструменти AI ведуть інвестиційні пріоритети, 45% респондентів планують збільшити витрати в цій галузі протягом наступного року. Якість даних та спостережливість випливають, що 38% мають на меті збільшити інвестиції для вирішення термінових проблем якості даних. Кілька інших звітів підкреслили нагальну потребу організацій для вирішення Проблеми якості данихі це була повторювана тема протягом цьогорічного звіту про лабораторії DBT.

Випадки верхнього використання для AI включають розробку коду (70%), а потім документація (50%) та відповіді на запитання даних із генерацією SQL (22%). У звіті показано, що команди даних покладаються на LLM загального призначення, такі як Chatgpt OpenAI та Gemini.

Однак, оскільки ці інструменти не підібрані для конкретних завдань з аналітики, організації все частіше приймають спеціалізовані агенти Genai. В даний час 25% респондентів використовують рішення AI, вбудовані в свій інструмент для розробки

Результати звіту також показують, що інтерес до семантичних шарів, інструментів, які роблять дані чіткішими та структуровані, також зростає, 27% планують більше інвестувати в цю сферу. Також більше зосереджується на розширенні можливостей нетехнічних користувачів для роботи з трансформованими, керованими наборами даних, що може підвищити ефективність даних – ключовий фокус для інженерії аналітики.

Зростає поштовх до розширення можливостей нетехнічних користувачів. Майже 65% респондентів вважають, що дозволити бізнес -зацікавленим сторонам створювати та працювати з трансформованими та керованими наборами даних значно підвищить ефективність організаційних даних. Однак це підкреслює основну проблему в аналітичній інженерії: підтримка цілісності даних, забезпечуючи більш широку доступність.

Генеральний директор DBT Labs Трістан

У Дітека DBT Cloud Launch Подія в травні 2024 року генеральний директор DBT Labs Tristan Handy підкреслив вплив ШІ для професіоналів даних. Він сказав: “І хоча цей хмарний перехід все ще розігрується, AI стане наступною великою зміною в нашому житті як професіоналів даних. Зміни, які ми побачимо протягом найближчих років, будуть такими ж драматичними, як ті, які ми бачили за останнє десятиліття”.

DBT Labs спеціалізується на аналітичній інженерії та добре розташований, щоб забезпечити розуміння поля, що розвивається. Цьогорічний звіт базується на опитуванні 459 фахівців з даних, включаючи окремих учасників (70%) та менеджерів (30%). Серед окремих учасників 48% були інженерами -аналітиками, 36% – інженерами даних, а 16% – аналітиками даних.

Пізніше цього місяця DBT Labs відбудеться штат 2025 р. Віртуальна подія аналітики. Порядок денний заходу буде включати дискусії щодо ключових висновків звіту, а також більш широкі стратегії побудови ефективних організацій даних, інтеграції Генай та вирішення постійних проблем у галузі.

Що таке виявлення зловмисного програмного забезпечення?

Виявлення зловмисного програмного забезпечення – це процес безпеки, який передбачає пошук та усунення шкідливого програмного забезпечення, також відомого як зловмисне програмне забезпечення, від ІТ та хмарних середовищ. З нападами зловмисного програмного забезпечення (та новими хмарні варіанти) Зростання, зловмисне програмне забезпечення Виявлення та реагування Має бути основним аспектом вашої хмарної програми безпеки.

Зловмисне програмне забезпечення – це термін, який відноситься до ряду різних загроз, таких як ботнети, віруси, викуп, троянці та шпигунське програмне забезпечення. Роль виявлення зловмисного програмного забезпечення полягає в тому, щоб переконатися, що такі типи шкідливих програм були знайдені та вирішуються, перш ніж вони викликають серйозні проблеми. Якщо вони не ефективно вирішені, напади зловмисного програмного забезпечення можуть вийти з-під контролю та завдати довгострокової шкоди. З Кампанія Dollywayякий був активним з 2016 року, є прикладом того, як напади зловмисного програмного забезпечення можуть вийти з рук.

Оскільки існує безперервний приплив нових штамів зловмисного програмного забезпечення, вам дуже важливо зберегти свої методи виявлення загрози та реагування на зловмисне програмне забезпечення. У минулому більш примітивне зловмисне програмне забезпечення було вирішено антивірусними програмами. Тепер, з появою атак, керованих AI, та збільшенням поліморфних та метаморфних штамів, які в основному є шкідливим програмним забезпеченням, яке може змінитися, щоб уникнути виявлення, вам потрібен абсолютно новий підхід до виявлення та реагування на загрозу шкідливих програм.

Як працює виявлення шкідливих програм?

Перш ніж ми потрапимо в азотну вгору виявлення шкідливих програм, нам потрібно спочатку поговорити про підписи зловмисного програмного забезпечення. Підписи зловмисного програмного забезпечення – це в основному зразок коду, який може допомогти вам визначити конкретний штам зловмисного програмного забезпечення.

Щоб отримати підписи зловмисного програмного забезпечення, потрібно збирати зразки з зловмисного програмного забезпечення та витягнути та розшифровувати його функції, які можуть включати значення хеш, розміри файлів, функції та поведінку. Потім ці підписи зберігаються в базі даних для підтримки механізмів виявлення шкідливих програм. Інструмент виявлення зловмисного програмного забезпечення може перевірити результати на базі даних відомих підписів і попередити вас, якщо такі є ідентифікованими.

Ідентифікація та робота з відомими підписами-це перевірена модель, але це не без обмежень. Оскільки ця модель покладається виключно на відомі підписи, вона часто пропускає нові загрози-особливо атаки нульового дня та поліморфні або метаморфні зловмисні програмні програмні програмні забезпечення, які змінюють їх зовнішній вигляд для ухилення від виявлення.

І саме тут евристичний аналіз може бути корисним. Евристичний аналіз зловмисних програм виходить за рамки відомих підписів зловмисного програмного забезпечення, аналізуючи статичні структури коду та логіку для підозрілих ознак, навіть не виконуючи код. На відміну від цього, поведінковий аналіз контролює, як програмне забезпечення поводиться під час виконання, щоб зловити шкідливу діяльність на основі відхилень від очікуваних моделей.

Оскільки напади зловмисного програмного забезпечення розгортаються з більшою швидкістю та масштабами, ніж хто -небудь міг уявити, виявлення інженерних команд все більше і більше покладаються на AI та ML, щоб протистояти цим атакам. За допомогою правильних технологій AI та алгоритмів ML, групи безпеки можуть обробляти величезні обсяги хмарної телеметрії для виявлення незвичної поведінки. Однак моделі ML повинні бути ретельно налаштовані, щоб уникнути помилкових позитивних результатів та попередження втоми-особливо в динамічних, високих обсягах хмарних середовищ.

Виявлення на основі підпису проти поведінкового аналізу: знімок

Далі ми перейдемо до інструментів та методик виявлення шкідливих програм. Але спочатку давайте швидко узагальнимо два широкі типи виявлення шкідливих програм: виявлення на основі підпису та аналіз поведінки.

• Виявлення на основі підпису: Цей тип виявлення передбачає сканування хмарних файлів та додатків, щоб побачити, чи містять вони відомі підписи. Інженерні команди виявлення можуть продовжувати додавати нещодавно виявлені підписи зловмисного програмного забезпечення до своїх баз даних ручним та автоматизованим засобами. Але проблема з виявленням на основі підпису полягає в тому, що атаки нульового дня та поліморфні та метаморфні зловмисні програмні програмні забезпечення можуть обійти ці системи.

• Аналіз поведінки: Цей тип Виявлення аномалії Техніка фокусується на моніторингу трафіку та поведінки, щоб можна було визначити відхилення від базової лінії, які можуть вказувати на атаку зловмисного програмного забезпечення. Показники поведінки зловмисного програмного забезпечення включають відставання продуктивності, несподівані сплески мережевого трафіку, підозрілі входи або дзвінки API та шипи у використанні хмарних ресурсів. Що робить цей стиль виявлення зловмисних програм – це те, що він не покладається на відомі підписи.

Які найкращі інструменти для виявлення шкідливих програм?

Як і кожна частина вашої програми хмарної безпеки, ефективність виявлення шкідливих програм повністю залежить від видів інструментів, якими ви використовуєте. Давайте подивимось на деякі з найвищих інструментів виявлення зловмисного програмного забезпечення, з яких ви можете вибрати:

• Діти: Yara-це інструмент з відкритим кодом та багатоплатформами, який може допомогти дослідникам зловмисного програмного забезпечення знайти, дізнатися та класифікувати різні штами зловмисного програмного забезпечення. Yara дозволяє згрупувати певні типи зловмисних програм та створювати описи, також відомі як “правила”.

• Wireshark: Wireshark-це аналізатор пакетів з відкритим кодом (також відомий як аналізатор мережевого протоколу), який дозволяє захоплювати пакети, які в основному є невеликими партіями даних, з мережі та проводити аналіз першопричини. Ці аналізи можна зробити або в режимі реального часу, або в контрольованому середовищі.

• Зозуальна пісочниця: Автоматизований інструмент аналізу зловмисного програмного забезпечення з відкритим кодом, Sandbox зозулі дозволяє запускати та експериментувати з зловмисним програмним забезпеченням в ізольованих та контрольованих умовах. За допомогою цього інструменту ви зможете вивчити поведінку зловмисного програмного забезпечення та з’ясувати ідеальний план реагування на інцидент, щоб усунути його.

• Вірустотал: Virustotal-це не вартість онлайн-сервісу, яка дозволяє сканувати URL-адреси та файли, щоб перевірити наявність шкідливих програм, таких як черв’яки та троянці. Агрегатор численних сканерів та послуг, Virustotal – це дуже корисний інструмент для аналізу шкідливих програм. Це також досить всеосяжне джерело інтелекту з зловмисною загрозою.

• Посібник: GHIDRA-це інженерна рамка з відкритим кодом, яка допоможе вам порушити зловмисне програмне забезпечення до його вихідного коду. Роблячи це, ви можете краще зрозуміти, як працює напруга зловмисного програмного забезпечення та які хмарні ігрові книги реагування на інциденти ви можете встановити, щоб вирішити його в реальних сценаріях.

• Рамка мінливості: Рамка нестабільності-це безкоштовний інструмент, що працює на пітоні, для криміналістики пам'яті, який допомагає вам захопити та аналізувати нестабільну пам'ять. Ця рамка корисна для розуміння внутрішньої роботи зловмисного програмного забезпечення та розробки сильних планів реагування на інциденти для його пом'якшення.

На додаток до цих потужних інструментів з відкритим кодом, існує безліч власних варіантів виявлення зловмисних програм, з яких ви можете вибрати. Але перш ніж приймати рішення про те, який інструмент виявлення шкідливих програм ви хочете, просто пам’ятайте, що вам потрібно визначити пріоритетність можливостей для виявлення загрози та реагування в режимі реального часу-з урахуванням обсягу нападів зловмисних програм, з якими підприємства повинні мати справу, виявлення загроз та реагування в реальному часі-це єдиний спосіб запобігти порушенням.

Які ефективні методи виявлення шкідливих програм?

Раніше ми розглянули деякі широкі категорії методів виявлення шкідливих програм, таких як виявлення на основі підписів та аналіз поведінки. Тепер давайте розберемося з кількома конкретними методами, які можуть допомогти вам знайти та пом'якшити зловмисне програмне забезпечення:

• Пісочниця: Сандбоксинг – це техніка, яка передбачає виконання зловмисного програмного забезпечення в тимчасовому, ізольованому середовищі – часто контейнер або віртуальна пісочниця – для безпечного спостереження за її поведінкою, не ризикуючи хмарними системами.

• Honeypots: Honeypots – це в основному середовища приманки, які ви можете налаштувати паралельно своїм фактичним середовищем. Суть медових, що є створеними заманливою та реалістичною мішенню для запрошення нападу зловмисного програмного забезпечення. Коли атака настає, ви можете вловити зловмисне програмне забезпечення, проаналізувати його та використовувати знання для розробки стійких укріплень та планів реагування на хмарні інциденти.

• Складання списку: Allellisting передбачає встановлення списку затверджених програмних додатків, які можуть працювати у вашому хмарному середовищі. Зменшуючи кількість потенційних векторів атаки (входи) у вашій хмарі, Allowlisting значно скорочує можливість нападів зловмисного програмного забезпечення та дозволяє легко виявити що -небудь поза нормою.

• Блок -лист: Блок -список, протилежне списку Allowing, передбачає встановлення списку заборонених програм. Це безпечна та ефективна методика зменшення ризиків, пов'язаних із відомими загрозами зловмисного програмного забезпечення.

• Виявлення аномалії: Виявлення аномалії передбачає використання можливостей AI та ML для встановлення базової лінії безпеки та автоматично виявлення несподіваних або підозрілих візерунків, які відхиляються від нього. Виявлення аномалії – це хороший спосіб помітити зловмисне програмне забезпечення, але ризикує підвищити помилкові тривоги. “

Виявлення загрози та SIEM

Методи, про які ми обговорювали, можуть пройти довгий шлях до збереження вашої хмари. Але якщо мова йде про виявлення шкідливих програм, корми розвідки про загрозу – це вишня на вершині, оскільки вони можуть значно підвищити точність виявлення. У вас є багато каналів з розвідки про загрози, але це гарна ідея почати з нашого власного Хмарний ландшафт загрози Щоб зрозуміти нюанси зловмисного програмного забезпечення в хмарі.

Ще один спосіб максимально використати ваші інструменти та методи виявлення шкідливих програм – це об'єднати їх з Інструменти SIEM Як і Splunk, AWS Security Hub, IBM Qradar Siem та DataDog. Ці інструменти збагачують ваші можливості виявлення зловмисного програмного забезпечення шляхом співвіднесення необроблених висновків з контекстуальними даними-наприклад, зміною ролей IAM, підозрілою активністю входу та системним дрейфом-для пріоритетності реальних загроз, які можуть вплинути на вашу організацію.

Іншими словами, ви будете полювати на загрози, пов’язані з зловмисним програмним забезпеченням, які насправді можуть вплинути на хмарні операції та чутливі дані вашої організації. Таким чином, ви уникаєте витрачати час на погрози, які, ймовірно, не мають великих змін.

Як Wiz Defend допомагає виявити зловмисне програмне забезпечення в хмарі

Щоб ефективно виявити зловмисне програмне забезпечення в хмарі, вам потрібно створити рішення для сучасного, динамічного середовища-не було модернізовано з застарілих моделей кінцевої точки. Ось де Wiz Defend Екселя.

Wiz Defend поєднує виявлення на основі підпису, поведінки та аномалії Визначити зловмисне програмне забезпечення на етапах складання, розгортання та виконання. Ось як:

• Виявлення підпису, що працює на яри: Wiz Defend підтримує як спеціальні, так і вбудовані правила YARA для виявлення відомих зловмисних програм на контейнерних зображеннях, робочих навантаженнях та сховищах.

• Виявлення поведінкової аномалії: Wiz постійно контролює поведінку робочого навантаження, показники наявності, такі як підозріле виконання процесу, мережеві шипи або ненормальне використання API – класичні ознаки ухилення від шкідливих програм чи наполегливості.

• Виявлення загрози виконання: Wiz надає видимість виконання без агентів та впорскування пам’яті прапорів, доступ до облікових даних та інша поведінка в пам’яті, пов'язані з шкідливим програмним забезпеченням-навіть без агентів на рівні ядра.

• Збагачення IOC-м. Хмара: WIZ корелює виявлення зловмисного програмного забезпечення з хмарним контекстом, такими як надмірні дозволи, зовнішня експозиція, доступ до конфіденційних даних та шляхи ескалації привілеїв.

• SIEM та SOAR інтеграції: Wiz Defend безперешкодно інтегрується з такими інструментами, як Splunk, Qradar та DataDog, щоб збагатити виявлення загрози та прискорити реагування на інцидент.

• Графік безпеки пріоритетність: Графік безпеки Wiz показує, як результати зловмисного програмного забезпечення перетинаються з відкритими ресурсами або радіусом вибуху, щоб ви могли визначити пріоритет, що найбільше має значення.

• Автоматизовані робочі процеси відповіді: Wiz підтримує автоматизовану триаж, пропозиції щодо відновлення та виправлення трубопроводів CI/CD, прискорюючи як виявлення, так і роздільну здатність.

З зловмисним програмним забезпеченням, що постійно розвивається, Wiz Defend допомагає вам зменшити середній час для виявлення (MTTD) та середнього часу для реагування (MTTR) – все з меншою кількістю помилкових позитивних результатів та більшої видимості.

Хочете побачити, як це працює? Запит на демонстрацію та вивчити, як Wiz Defend спрощує виявлення та відповідь хмари.

Не дозволяйте зловмисному коду компромісувати вашу хмару

Дізнайтеся, чому CISOS у найшвидших родовищах компанії довіряють Wiz для захисту своїх хмарних середовищ.

Отримайте демонстрацію

Основне управління даними не повинно бути схожим на полювання на відлякувачів – але для багатьох організацій з різноманітним бізнесом, застарілими системами та складною інфраструктурою, як правило, виявляється.

Як результат, будь -які плани покращити досвід клієнтів або запустити нову лінійку бізнесу, перешкоджають відсутності управління даними.

Під час панельної дискусії на саміті Virtual MDM та управління даними Informatica, кілька лідерів бізнесу в Азіатсько-Тихоокеанському регіоні поділилися своїми проблемами з головними даними та стратегіями, які вони застосували для вирішення цих питань.

Хаос даних

Для нафтогазової компанії PTG Energy Analytics даних не надавала бажаних бізнес -розумінь через нестандартні системи та розкидані головні дані.

Компанія, яка має близько 2200 бензинових станцій по всьому Таїланду, також зайнялася іншими підприємствами, включаючи кав’ярню з близько 1200 відділень, магазинів зручності та головну франшизу метро фаст -фуду.

“Спочатку це було хаотично, тому що від різних підприємств було багато інформації, і були силоси даних”, – зазначив Сонгпон Буспарок, головний інформаційний директор PTG Energy.

Щоб розпочати свою головну подорож у управлінні даними, компанія почала невелика-уникаючи величезних даних про кінцевий клієнт на даний момент, а замість цього зосереджується на визначенні даних, які їм справді потрібні спочатку.

Тим часом, індонезійський розробник нерухомості Sinar MAS Land, який має різні сегменти клієнтів, засновані на різних типах майна, хотів адаптувати свою комунікацію до клієнтів.

“У нас є дані про людей, які купують нашу житлову нерухомість, орендують офісні будівлі, відкриті харчові кіоски на нашій землі або оплачують рахунки в будинку, яким вони навіть не володіють. Усі вони – наші клієнти – незалежно від того, наскільки великі чи маленькі”, – сказав Стефан Муліанто, головний інформаційний директор, Sinar Mas Land.

Мета для Sinar Mas Land – дати хороший досвід клієнтів – чи хтось відкриває бізнес на їхній землі, купує житловий простір чи відвідує їх містечко.

“З усіма даними, які ми маємо, наші акціонери сказали, що нам потрібно створити клієнта 360 (єдиний погляд кожного клієнта на всіх точках дотику). Нам потрібно краще зрозуміти наших клієнтів, щоб ми могли краще їх обслуговувати – і в той же час просувати нашу продукцію ефективніше. Без належної інформації ми не можемо надсилати правильну маркетингову кампанію”, – зауважив він.

Для інженерної, архітектури та будівельної фірми GHD Австралія, силоси даних у юрисдикціях залишаються постійними викликом.

“Джерела даних не централізовані. Відкриття їх може бути складним, оскільки дані часто сидять у електронних таблицях Excel. Недостатня кількість управління та власності – незрозуміло, хто насправді відповідає за дані та як вони доставляються. У нас були деякі проблеми з визначенням того, що повинна виглядати як ця структура. Як ми застосовуємо згоду та дозволи, щоб ми могли легше поділяти дані, а також, а також, а також, а також, а також, а також доводна п. Лідер, GHD Австралія.

Через свою майже 100-річну історію GHD придбав кілька компаній-разом із шарами технологій, які зробили його технологічне середовище дуже складним.

“Підсумовуючи: у нас є канали даних точки до точки, складний ландшафт даних, і ми працюємо на однаково складних ринках. І ці потреби в даних можуть швидко зміщуватися залежно від того, що вимагає клієнт”,-сказав Джохал.

Управління даними

Sinar MAS Land, яка нещодавно переїхала до нової системи ERP, потребувала спрощення та стандартизації своїх даних клієнтів. Саме тут Informatica виявилася корисною, допомагаючи їм керувати своїми головними даними та отримати цілісний погляд на ділових партнерів.

За словами Муліанто, проект розпочався два роки тому. Враховуючи, що компанія має близько 130 суб'єктів, вона вперше вийшла з групи пілотних компаній.

“Ми вирушаємо в подорож, яка займе ще два -три роки. Окрім обслуговування наших існуючих клієнтів, ми також плануємо використовувати дані для продажу наших властивостей на міжнародному рівні – для залучення інвесторів з Сінгапуру чи Великобританії. Наприклад, якщо ми хочемо привернути школу, щоб відкритись до нашої власності, ми можемо поділитися сукупними демографічними показниками – як і кількість дітей, що поблизу університету, або в початковій школі”, він сказав.

Зі свого боку GHD підкреслив значення стратегії, орієнтованої на дані, особливо коли бізнес-операції страждають через неорганізовані або недоступні дані.

“Ми ще на початку своєї подорожі з Informatica. Ми почали в домені клієнта, зосереджуючись на якості даних. Ми на борту платформи та підключили її до Salesforce, SAP S/4HANA – яку ми переходимо до Microsoft Azure – і тоді аж до сили BI. Це дозволило нам показати сторонам -сторонам, як якість даних проводиться через усі хмелі, стрибки та трансформації”.

Зосереджуючись на інформаційній панелі клієнта Informatica та можливостей, компанія помітила аномалії даних під час профілювання.

“Нам довелося визначити, які розміри якості насправді мають значення, якщо ми хочемо прийняти правильні рішення для наших клієнтів. Ми змогли просвердлити до детального рівня та продемонструвати цінність того, чого ми намагаємось досягти”, – продовжив він.

Йохал також поділився тим, як Informatica допомогла їм візуалізувати потік даних у системах.

“Завдяки цьому процесу ми визначили, хто володіє даними, і хто відповідає за керування ними. Ми не просто хотіли знайти управителя – ми створили справу, щоб продемонструвати розбіжності та показати, хто повинен володіти даними”, – сказав він.

Платформа Informatica також дозволила нетехнічним користувачам будувати правила якості даних за допомогою інструментів з низьким кодом або без коду.

“Лише клацанням ви отримуєте сповіщення, якщо атрибут даних виходить за межі його порогу. Це робить ескалацію та відновлення в рамках управління даними набагато більш упорядкованими”, – пояснив Йохал.

Реалізація даних

Щоб уникнути такого хаосу даних, з якими стикаються багато організацій, Busparoek наголосив на важливості розміщення даних у правильних структурах та форматах.

“Найголовніше – переконатися, що бізнес розповсюджує те, що ви робите – інакше ви не отримаєте необхідну підтримку”, – запропонував він.

Так само встановлення чіткої мети для подорожі даних, відображення дорожньої карти та встановлення політики управління проходить довгий шлях до вирішення основних проблем даних, зазначив Муліанто.

Для Йохала, починаючи з малого завжди краще, ніж дайвінг-голова у масштабний проект даних без належного аналізу.

“Виберіть щось-особливо, коли ви вперше впроваджуєте платформу-це може продемонструвати цінність її компонентів. Незалежно від того, чи це родовід, якість даних чи управління, знайдіть щось соковите, низько висячі плід. Використовуйте це для прояви можливостей та побудову звідти”,-підсумував він.

Нещодавно спільні начальники штабу перейшли до модернізації своєї платформи військової розвідки, яка постачає аналітику даних з високими ставками, можливості прогнозування та інструменти візуалізації та співпраці в режимі реального часу для керівників, які приймають рішення, у спільній спільноті планування та виконання Пентагону-за підтримки Bigbear.ai.

В окремих дискусіях щодо контракту на контракт на 13,2 мільйона доларів США, що лежить в основі роботи, спільного прес-секретаря та двох посадових осіб із Вірджинії, заснованої в штаті Вірджинія, ознайомившись із платформою підтримки рішень про те, щоб вдосконалити Платформу підтримки Оріона, і в кінцевому підсумку пропонують більш повну, незавершену думку американських AsseTs, Missondnel.

“DOD працює в межах кінцевих сил, врівноважуючи відповіді на широкий спектр глобальних подій-від гуманітарної допомоги до великих військових операцій-часто відбувається одночасно. Платформа підтримки рішень Orion забезпечує всебічний погляд на можливості сили для підтримки прийняття рішень у реальному часі”,-заявив прес-секретар спільного співробітника у вівторок.

Загалом, Управління J-35 здійснює нагляд за організаційною структурою, політикою та ресурсами, необхідними для військових відділень США, щоб колективно підтримувати готовність та інтегрувати глобальні операції на тлі складних та розвиваючих загроз.

Коріння інструменту DSP Orion DSP відбулося більше десяти років до початку 2010 -х.

“Спочатку Оріон був розроблений як прототип, щоб продемонструвати доцільність веб-платформи, яка могла б забезпечити спільну оперативну картину, полегшити співпрацю та підтримку прийняття рішень для спільного планування та виконання”,-зазначив прес-секретар.

У той час він був розроблений для інтеграції певних даних з різних джерел DOD та створення всебічного огляду оперативного середовища.

“Значення цього [latest] Новини полягають у тому, що він є головним кроком вперед у розробці більш інтегрованих та спільних можливостей планування для ДОД “, – заявив прес -секретар спільного персоналу Affensespopo.

У своєму нинішньому вигляді платформа Orion консолідує авторитетні дані з кожної з збройних служб, забезпечує візуалізацію сил та боєприпасів у всьому світі, проводить надзвичайні та кризові аналізи та дозволяє експерименту з курсом дії інформувати консультації, які складаються для командних планувальників та інших тактичних та стратегічних керівників.

“Спільний персонал J-35 Orion-це хмарний, контейнерний програмний набір із програмами веб-та бізнес-розвідки. Він продовжує розвиватися відповідно до Enterprise [global force management, or GFM] Вимоги “, – сказав Райан Легге, президент національної безпеки Bigbear.ai.

Легге зазначив, що історія Bigbear.ai, що підтримує глобальну ініціативу управління силою DOD, розпочалася більше 20 років тому, тоді як її партнерство з J-35 для цих зусиль становить близько 9 років.

“Міністерство оборони визначило відсутність стандартизованої, інтегрованої системи для видимості глобальної сили та оцінки доцільності та дипломованого проекту Оріон. Завдання полягало в управлінні численними джерелами даних, які вимагали інтеграції для підтримки спільного планування та виконання”, – сказав він Affensescoop.

Платформа Orion, за словами Legge, “побудована явно для JPEC” і застосовує спритні методології для постійної інтеграції та доставки передових аналітики та інших програмних послуг.

Цей новий контракт був укладений на ринку торгівлі DOD.

“Orion інтегрує авторитетні джерела даних, визначені спільним персоналом та послугами, синтезуючи інформацію в цілісну перспективу управління глобальними силами. Він зосереджується на можливостях бойових дій та підтримки місії, готовності, доступності та нинішніх місцях зайнятості-колективно відомі як дані” Crae “”,-заявив прес-секретар спільного персоналу.

Платформа є головним компонентом оперативної архітектури спільноти спільного планування та виконання, оскільки вона підтримує загальну місію громади щодо планування, координації та виконання спільних операцій.

“Bigbear.ai не дозволяється розголошувати специфіку платформи Orion, але зазначає, що він, як правило, забезпечує всебічний погляд на умову сили та якість”, – сказав Томмі Кларк, директор компанії з програм DOD, повідомив Affensesopo.

“SPE Orion DSP має численні аналітичні інформаційні панелі та вдосконалені інтерфейси користувачів, які пропонують як стратегічну обізнаність високого рівня, так і можливості для поглибленої розвідки даних, а також можливості спільного зменшення ризику”,-сказав він.

Перед тим, як отримати доступ до DSP ORION, керівництво сил Пентагону значною мірою покладалося на те, що Кларк називав розкомістом і трудомістким процесом за допомогою старовинних систем та значної робочої сили.

“ORION інтегрує розрізнені набори даних GFM у зручний для користувачів набір додатків, що забезпечує більшу ефективність у плануванні, вдосконаленні та аналізі дій GFM. Як результат, вищі керівники можуть витратити більше часу на розуміння даних, а не на видобувку”,-сказав він.

Тим не менш, сучасні виклики, пов’язані з вірністю даних, продовжують перешкоджати спроможності спільних планувальників швидко розвивати надійні курси дій для майбутніх операцій.

«Поточний процес планування вимагає, щоб планувальники витрачали непропорційну кількість часу на збирання та обробку даних, залишаючи обмежений час для фактичного планування та прийняття рішень. Однак, з Orion [and forthcoming updates]планувальники зможуть швидко збирати та синтезувати відповідні дані, звільнивши їх, щоб зосередитись на мисленні та розвитку стратегії вищого рівня »,-заявив прес-секретар спільного персоналу.

“Це дозволить вищим керівникам мати більше місця для прийняття рішень, що дозволить їм приймати більш усвідомлені, своєчасні та ефективні рішення”, – сказали вони в Affensespopo.

Людський мозок – це найефективніша система даних, про яку ми знаємо, частково завдяки її здатності виконувати обчислення в тих же місцях, де зберігається пам'ять.

З іншого боку, штучні обчислення страждають від вузького переведення даних, особливо, коли великі дані та штучний інтелект продовжують зростати. У міру того, як кількість даних у світі наближається до 200 Zettabytes – понад 10¹¹ Terabytes – До кінця 2025 року звичайні обчислення борються за те, щоб не відставати від обмежень апаратних засобів, а через швидкість, з якою дані переміщуються між обробкою та зберіганням пам'яті. Щоб вирішити цей недолік, Paolo Fantini робить справу для адаптації парадигми зберігання пам’яті з біоінспі.

“Перехід навколо всіх цих даних має значну ціну потужності та продуктивності порівняно з людським мозком”, – сказав Фантіні.

Ключовим фактором для здатності мозку проводити обчислення в одиниці є спосіб, коли зв’язки між нейронами змінюються на зміцнення або послаблення зберігання інформації. Цей процес, який називається пластичності, залежної від спайка (STDP), оновлює силу, що називається вагою, між синапсами залежно від відносного часу реакції мозку на подразники.

“Електронний аналог біологічного синапсу потребує здатності проявляти СТДП з метою імітації функціональності синапсу”, – сказав Фантіні. “Показано, що багато нових пристроїв пам'яті можуть відтворити пластичність синапсу, відповідаючи біологічній поведінці синапсів”.

За словами Фантіні, здатність цих нових пристроїв пам'яті включати пластичність Synapses дозволить новим обчислювальним парадигмам, створивши кращу продуктивність та подолання обчислювального вузького місця.

Джерело: “Технологія пам'яті, що дозволяє майбутні обчислювальні системи”, Паоло Фантіні, Автомобільне навчання APL (2025). До статті можна отримати за адресою https://doi.org/10.1063/5.0253063 .

Ця стаття є частиною нейроморфних технологій для нової апаратної колекції AI, дізнавшись більше ось .

Дослідник університету Флориди розробив комп'ютерну програму з відкритим кодом, яка використовує штучний інтелект для аналізу відео пацієнтів із хворобою Паркінсона та іншими порушеннями руху. Інструмент, який називається VisionMD, допомагає лікарям більш точно стежити за тонкими руховими змінами, покращуючи догляд за пацієнтами та просуваючи клінічні дослідження.

Дослідження опубліковано в журналі Хвороба NPJ Паркінсона.

Дієго Гуарін, к.т.н., доцент кафедри прикладної фізіології та кінезіології в коледжі охорони здоров'я та ефективності людини, створив програмне забезпечення для вирішення потенційного ризику невідповідності та суб'єктивності в традиційних клінічних оцінках.

“Якщо ми троє дивилися одне і те ж відео пацієнта, ми можемо оцінити тяжкість на трьох різних рівнях. Але програмне забезпечення дає нам точні, неупереджені дані”, – сказав доктор Флоріан Ланге, невролог університетської лікарні Вюрцбург.

“Протягом багатьох років ми показали, що в наших дослідженнях, що відео-аналіз пацієнтів, які виконують постукування пальцями та інші рухи, дає цінну інформацію про те, як захворювання прогресує та реагує на ліки або глибоку стимуляцію мозку”,-сказав Гарін. “Однак, клініцисти не мають часу та персоналу для аналізу своїх відео. Щоб вирішити це, ми розробили програмне забезпечення, яке може забезпечити корисні результати лише за допомогою декількох кліків.”

Гуарін, член Інституту неврологічних захворювань Fixel з Health Health, тісно співпрацював з неврологами та іншими науковцями-клініцистом з Інституту Fixel для вдосконалення інструменту.

VisionMD аналізує стандартні відеоролики – будь то на смартфоні, ноутбуці чи над масштабами – і автоматично витягує точні показники руху. Програмне забезпечення повністю працює на локальних комп'ютерах, забезпечуючи конфіденційність даних.

“Це не хмарне, тому немає ризику залишити мережу. Ви можете навіть відключити мережу від Інтернету, і вона все ще працює”,-сказав Гуарін.

Інструмент вже використовується в усьому світі, з дослідниками Німеччини, Іспанії та Італії, використовуючи його для аналізу тисяч відеороликів для пацієнтів, коли вони досліджують, як комп'ютерне бачення може покращити догляд за рухом.

Lange високо оцінив здатність програмного забезпечення надавати послідовні, об'єктивні вимірювання. Він та Мартін Рейх, професор з нейровізуалізації з Університету Вюрцбурга, адаптували VisionMD, щоб допомогти їм оптимізувати лікування пацієнтів із тремором, особливо тих, що використовують імплантати глибокої стимуляції мозку (DBS).

“Велика проблема з багатьма аспектами медицини сьогодні полягає в тому, наскільки складно отримати об'єктивні дані, особливо з порушеннями руху, такими як хвороба Паркінсона або тремор”, – сказав Ланге зі свого кабінету в Німеччині.

Записуючи відео пацієнтів у різних налаштуваннях стимулятора, програмне забезпечення визначає, яка конфігурація DBS пропонує найкраще полегшення симптомів.

“Є мільйони можливих варіантів програмування, але цей інструмент допомагає нам швидко та точно звузити їх”, – сказав Рейх.

Як програмне забезпечення з відкритим кодом, програма вільно доступна для вдосконалення та налаштування. Команда також працює над розширенням можливостей інструменту, додавши більше завдань з оцінки моторних оцінок, які часто використовуються в клінічних умовах.

Ранні приймачі кажуть, що доступність та простота використання VisionMD мають потенціал для трансформації досліджень та догляду за розладом руху.

“Для обробки кожного відео потрібно лише кілька секунд”, – сказав Гуарін. “Ми впевнені, що більшість клініцистів зможуть ним користуватися, незалежно від їх технічної експертизи”.

Ця думка була поділена на конференції в готелі Meliá в Ханої 10 квітня. Конференція була організована Асоціацією банків В'єтнаму (VNBA) та PwC Vietnam у співпраці з веб -службами Amazon та Alation.

Згідно з опитуванням цифрового банкінгу PwC 2023 року, більше половини опитаних банків (60 відсотків) мають зрілі хмарні можливості або перебувають у процесі створення своїх хмарних можливостей, тоді як 30 відсотків знаходяться на початкових етапах планування та вивчення хмарних технологій. Це позитивний показник тим, що банки переходять програми та навантаження на хмару, щоб сприяти покращенню масштабованості та стійкості бізнесу.

Крім того, опитування глобального дотримання PWC 2025 року підкреслює зростаюче прийняття ШІ у фінансовому секторі, 78 відсотків організацій планують або вже впроваджують ШІ для даних та прогнозної аналітики з подальшим виявленням шахрайства та дотриманням та моніторингом транзакцій (67 відсотків). Це підкреслює зростаючу роль AI як ключового інструменту в оптимізації процесів, покращення можливостей прогнозування та вдосконалення управління ризиками у фінансових установах.

Конференція мала на меті забезпечити стратегічну та практичну інформацію про застосування хмарних рішень, інтеграцію AI та управління даними, досліджуючи зв'язок між інноваціями та довірою – ключовим фактором, який допомагає організаціям створювати стійку цінність у їхній подорожі цифрової трансформації.

У своїх вступних зауваженнях на конференції Нгуен Тхен, директор навчального центру, VNBA заявив, що “інновації повинні базуватися на даних та оволодінні технологіями даних. В даний час індустрія фінансових послуг веде цю тенденцію, оскільки банківська система має перевагу в тому, щоб мати величезну кількість високочутливих клієнтів. Об'єм та якість даних, які вони мають “.

“Ця конференція має вирішальне значення для надання банкам необхідних знань та навичок, оновлення тенденцій розвитку у застосуванні хмарних обчислень, AI та рішень даних у фінансових установах та сучасних методах управління даними, які допомагають будувати довіру та відповідальність у додатках AI.

Дискусії були зосереджені на розвиваються тенденціях у хмарі, ШІ та прийнятті даних у фінансових установах, викликах збалансування конфіденційності даних з дотриманням регуляторних норм, а також сучасними підходами до управління даними, які сприяють довірі та підзвітності в програмах AI.

Експерти наголошували на зростаючій ролі ШІ у фінансах та викликах, що стикаються з впровадженням ефективних стратегій ШІ та даних. Вони запропонували структурований підхід до даних та управління ШІ, включаючи підготовку даних, аналіз, впровадження AI та підтримку відповідальних рамок управління AI.

Pho Duc Giang, партнер Digital, AI та кібербезпеки в PwC Vietnam заявив: “Ефективно використовуючи дані за допомогою цих передових технологій, може сприяти інноваціям, оптимізувати операції та зміцнювати управління ризиками. Ця конференція має на меті забезпечити стратегічно практичні відомості, допомагаючи фінансовим установам створити міцну основу довіри в всебічно динамічній технології.

Трансформація бухгалтерії з стійкістю та керівництвом ESG ACCA та PWC В'єтнам підписали Меморандум 22 листопада в Ханої, щоб співпрацювати над реалізацією глобальних стандартів у В'єтнамі.

Азіатсько-Тихоокеанські керівники вступають у 2025 рік з оптимізмом та обережністю Останнє опитування PWC 6 лютого розкриває керівники директорів у регіоні, відчуваючи себе більш впевнено щодо світової економіки, зростання доходів та довгострокової життєздатності їхнього бізнесу.

В'єтнам 2025 р За останнє десятиліття ринок злиття та поглинання В'єтнаму (M&A) виділявся як значна сила в Південно -Східній Азії, що підживлюється сильним економічним зростанням країни, сприятливою демографікою та глибшою інтеграцією в глобальні ланцюги поставок.

Від Тонх Ван