Категорія: Великі Дані та Аналітика

ЧАС ЧИТАННЯ: 6 хвилини

Клацніть тут, щоб прочитати основні моменти з історії

• Вісконсін побачив кілька нових пропозицій центру обробки даних, включаючи проекти в Бівер -Дам, Вісконсін -Рапідс, Порт -Вашингтон та Кеноша. Microsoft зламала землю в 2023 році на 450-мегаватт, 3,3 мільярда доларів кампусу на горі Плезант на колишньому сайті FoxConn-проект, який двічі призупинився.

• Центри обробки даних використовують багато електроенергії – становить майже 4,5% споживання електроенергії в 2023 році.

• Вісконсін входить до числа держав, які пропонували податкові пільги та знижки на електроенергію для технологічних компаній, що будують центри обробки даних.

• Технологічні компанії обіцяють інвестиції на мільярд доларів, високотехнологічні робочі місця та надходження податку на нерухомість-аргументовані громади будуть передані, якщо не за стимули.

Розбудова нових центрів обробки даних-часто гаргантуанських складів мікрочіпів, що спрямовуються на владу, що силові хмарні обчислення, штучний інтелект та соціальні медіа-привертає увагу комунальних послуг та держав, які, передбачаючи потенційні прибутки, змушені задовольняють енергетичні потреби технологічних компаній.

Такі гіганти, як Amazon, Google, Meta та Microsoft, укладаються на національному рівні з комунальними послугами, що стикається з результатами попиту на електроенергію. У 2023 році центри обробки даних становили майже 4,5% споживання електроенергії в США, що, як очікується, на повітряну кулю до 12% до 2028 року.

Вісконсін побачив кілька нових пропозицій центру обробки даних, включаючи проекти в Бівер -Дам, Вісконсін -Рапідс, Порт -Вашингтон та Кеноша. Microsoft зламався в 2023 році на 450-мегаватт, 3,3 мільярда доларів на кампусі на горі Плезант на колишньому майданчику FoxConn, хоча робота в центрі обробки даних з тих пір двічі зупинилася.

Комунальні послуги, як правило, працюють за державними монополями, які дозволяють компаніям покривати витрати на послуги та заробляти на себе інвестиції в інфраструктуру. Громадськість – це “оплата податків”, тобто їм не вистачає інших варіантів.

Зазвичай це гарантує, що комунальні послуги зростають у відповідності з суспільними потребами в енергії, але коли кілька клієнтів вибору додають значного навантаження в мережу, пріоритети можуть змінюватися.

Для залучення інвестицій держави змагаються за Woo Big Tech з конкурентними стимулами, включаючи знижену швидкість електроенергії. Більше 30 держав, включаючи Вісконсін, звільняють центри обробки даних з податку з продажу на обладнання інформаційних технологій.

Але залицяння може стати гонкою до дна.

Компанії часто обіцяють інвестиції на мільярд доларів, високотехнологічні робочі місця та податок на нерухомість, продається як нульова вартість держав-аргументовані громади будуть передані, якби не стимули.

Менш обговорювано, однак, вплив нових електричних навантажень та способи, як комунальні послуги можуть поширювати енергетичні витрати на громадськість.

У гіршому випадку, будівництво нових електроенергії може виявитися непотрібним, якщо проект Центру обробки даних не зможе здійснити або його потреби в енергетиці, потенційно залишаючи громадськість, щоб підняти законопроект.

Це деякі з питань, обговорених у недавній білої книжці, створеній дослідниками Гарвардського університету, які висловлюють скептицизм, що споживачі не поглинають витрати на енергетичні витрати.

Арі Пеское, який керує Гарвардською ініціативою закону про електроенергію, а юридична колегія Еліза Мартін переглянула майже 50 провадження у комунальних справах, документуючи, як комунальні послуги можуть субсидувати потреби в електроенергії корпорацій трильйонів і одночасно зафіксувати прибуток, передавши витрати платтям ставок.

Нещодавно Wisconsin Watch Environmental Reporter Беннет Голдштейн розмовляла з Пеское. Їх інтерв'ю було відредаговано на довжину та ясність.

Куди спрямовані Сполучені Штати щодо використання електроенергії?

Наше використання електроенергії було в основному рівним протягом останніх 15 років, і тепер раптом це прогнозується змінитися досить різко і досить швидко. І це зростання центру обробки даних, який дійсно веде цей заряд.

Ці центри обробки даних є просто масштабними, масштабними споживачами енергії. Один об'єкт може використовувати стільки енергії, скільки велике місто. У Луїзіані є об'єкт, який зараз будується, який може бути двома гігаватами. Місто Новий Орлеан – один Гігаватт. Процес встановлення ставок просто не розроблений для цих масових нових об'єктів.

Чи можете ви описати способи, якими компаніями центрів обробки даних отримують субсидії на Site проект?

Найпростіший спосіб, що це може статися, – це лише те, що утиліта створює частину інфраструктури – нову лінію електропередач, нову електростанцію – і вона розроблена насамперед для задоволення потреб одного з цих великих центрів обробки даних, і корисність розповсюдить витрати на всіх споживачів.

Але ми вважаємо, що це насправді не має сенсу, коли в деяких випадках є мільярди доларів інфраструктури для одного заможного споживача. Утиліти від цього багато користуються.

Ваша стаття зазначила, що комунальні договори з центрами обробки даних розглядаються як конфіденційні угоди, а не підлягають публічній оцінці. Чому це має значення та які ще тенденції ви помітили у розгляді, який ви переглянули?

Випадок ставки – це те, як корисність встановлює тарифи для всіх, і це дуже публічний процес.

Більшість проваджень, які ми розглянули, були про ці, начебто “бічні угоди” між центром обробки даних та корисністю. У цих провадженнях беруть участь дуже мало сторін, тому це проблема для регуляторів, оскільки регулятори повинні приймати рішення на основі доказів, які є перед ними. Тут часто є лише одна сторона. Це корисність, і це дуже важко регуляторам правити проти корисності, коли немає жодних конкуруючих доказів.

У деяких штатах регулятори повинні оцінити, наприклад, чи є вигоди від економічного розвитку договору, які роблять його в суспільних інтересах, навіть якщо це переміщує деякі витрати на інших платників податків. У деяких штатах регулятори повинні виявити, що їх договір не обтяжує інших платників податків.

Такі види питань щодо розподілу витрат, як правило, сильно оскаржуються, коли є й інші сторони, що беруть участь, тому ми не вкладаємо багато акцій у претензіях, що ці секретні договори не обтяжують інших платників податків.

Чи є нові центри обробки даних та супутня інфраструктура, щоб живити їм хороші інвестиції для громадськості?

Коли ви чуєте, як один із цих закладів оголошено, іноді їх оголошують з великими фанфарами. Обрані чиновники люблять оголошувати великі проекти. Деякі з цих закладів отримують великі прес -релізи та прес -конференції, і губернатор там посміхається.

Але, повинен бути певний механізм, щоб забезпечити, щоб потенційно дуже дорога інфраструктура була побудована для цих об'єктів, за якою не оплачується громадськістю, а центром обробки даних. Ми не можемо висловити конкретну претензію щодо конфіденційної угоди, але ми скептично ставимося до того, що ці угоди не змінюють витрати.

Вони погана угода для платників податків, дивлячись на витрати на електроенергію – не враховуючи більш широкі суспільні наслідки цих об'єктів та будівельних робочих місць.

Які альтернативи, які б пошкодили клієнтів ці витрати?

Ці конфіденційні договори: Давайте позбумось від них. Давайте зробимо більш публічний прозорий процес, який заохочує та дозволяє отримати більше участі. Давайте включимо ці центри обробки даних у випадки швидкості та з'ясували, які положення та умови для них мають сенс.

Дозвольте Центрам обробки даних укласти контракт на інфраструктуру з розробниками, які не є корисними. У вас є компанії, які не є комунальними послугами, що конкурують на ринках, щоб будувати електростанції для продажу цієї влади. Якщо ви можете мати договір лише між центром обробки даних та розробником електростанції, корисність не є його частиною, і, отже, немає небезпеки, що ці витрати можуть якось проникнути до рахунків інших споживачів.

Як платники податків можуть виступати за себе?

Комісії з комунальних послуг мають деякі громадські процеси, особливо для будівництва нових проектів. Навіть якщо цей контракт є секретним, якщо вони збираються побудувати нову електростанцію, зазвичай існує публічний процес. Ці процеси часто можуть привертати увагу та мати громадські слухання та можливості для громадськості.

Як щодо створення спеціальних тарифів для дуже великих клієнтів, таких як недавній південний схід Пропозиція Вісконсіна Від ми енергії для “дуже великих клієнтів”?

Має багато сенсу встановити окремі умови та умови для комунальних послуг для цих дуже, дуже великих споживачів енергії. Це мільярди доларів витрат, і має сенс встановити певну договірну систему або тарифну систему, яка гарантує, що ці суб'єкти відповідають за ці витрати.

Існує ризик, що корисність починає будувати цю інфраструктуру та потенційно інвестувати сотні мільйонів, навіть мільярди доларів. Ринок змінюється – як, можливо, ми зараз бачимо – і раптом розробник центру обробки даних не хоче завершити свій об'єкт з будь -якої кількості причин. Тепер, хто залишиться, несучи вартість на мільярд доларів, яку просто витрачала комунальні послуги? Ви хочете переконатися, що він знаходиться в центрі обробки даних.

Що означає будівництво більшої кількості центрів обробки даних для стримування викидів парникових газів?

Багато нового зростання зустрінуться електростанціями природного газу. Наприклад, ми бачимо це в Луїзіані. Багато держав мають сильні цілі з чистої енергії. Близько 20 або більше держав взяли на себе 100% чисту силу на якусь майбутню дату. (Мета Вісконсіна: щоб вся електроенергія, що споживається в державі, була на 100% без вуглецю до 2050 року.) Ці цілі передаються на те, скільки енергії буде продано в цій державі. Якщо продається більше енергії, це означає, що ми повинні будувати більш чисту енергію, щоб досягти цих цілей. Це вже завдання, щоб досягти цілей таким, яким вони є.

Перевидайте цю історію

Перевидайте наші статті безкоштовно, в Інтернеті або в друку під ліцензією Creative Commons.

Нью -Йорк, 02 травня 2025 р. (Globe Newswire) – Експертні споживачі назвали Клавіо Топ-маркетинговий інструмент для 2025 року. Визнаний своєю здатністю інтегрувати автоматизацію маркетингу, персоналізацію, керовану даними, та залучення до Omnichannel, Klaviyo став важливою платформою для понад 167 000 брендів у всьому світі.

Топ -інструмент автоматизації маркетингу

Ця стаття спонсорується Клавіо. Усі висловлені думки – це експертні споживачі. Експертні споживачі пропонують новини та відгуки про споживчі товари та послуги та можуть заробляти комісії від покупок, зроблених за допомогою посилання.

Klaviyo був заснований у 2012 році Ендрю Біалекі та Едом Халленом для вирішення завдання ефективного використання даних клієнтів для маркетингу. Протягом багатьох років він перетворився на Провідний B2C CRM Це об'єднує маркетинг, аналітику та обслуговування клієнтів на одній безшовній платформі. Постійні інновації компанії дозволили бізнесу будь -яких розмірів будувати змістовні відносини з клієнтами, одночасно максимізуючи залучення та дохід.

Інтелектуальна автоматизація для персоналізованого маркетингу

Ключовим фактором визнання Клавіяо є його Інтелектуальні можливості автоматизації. Підприємства можуть налаштувати автоматизовані робочі процеси для електронної пошти, SMS та мобільних сповіщень, гарантуючи, що клієнти отримують своєчасні та відповідні повідомлення. Вбудований Клавіо Платформа даних клієнтів (CDP) Дозволяє брендам отримати доступ до розуміння в реальному часі, що дозволяє досягти рівня персоналізації, що виходить за рамки традиційної сегментації.

AI-керовані відомості про оптимізацію кампаній

Платформа AI маркетинг інструменти Також підвищує ефективність кампанії. Прогностична аналітика прогнозує поведінку клієнтів, допомагаючи брендам визначити найкращі терміни та обмін повідомленнями для просвітницької роботи. Автоматизоване тестування A/B постійно уточнює маркетингові стратегії, тоді як динамічний контент адаптується до індивідуальних переваг клієнтів, створюючи індивідуальний досвід, який підвищує коефіцієнти конверсії.

Безшовна залучення

Підхід Клавіо на всій каналі ще більше зміцнює свою позицію як провідний маркетинговий інструмент. Підприємства можуть безперешкодно інтегрувати електронні листи, SMS та мобільні сповіщення, а також включати взаємодію з обслуговування клієнтів та управління огляду. Це гарантує, що клієнти отримують згуртований досвід бренду, незалежно від того, як вони вирішили займатися.

Аналітика для рішень, керованих даними

Розширені інструменти аналітики та звітування Надайте можливість бізнесу приймати рішення, керовані даними. Klaviyo надає уявлення про поведінку клієнтів з такими функціями, як аналіз на відпочинок, частоту та грошовий (RFM), відстеження воронки та когортний аналіз. Ці показники допомагають брендам зрозуміти тенденції придбання та вдосконалити свої маркетингові стратегії для максимальної віддачі від інвестицій.

Масштабованість та проста інтеграція для зростаючого бізнесу

Масштабованість – ще одна функція. Klaviyo призначений для підтримки підприємств усіх розмірів – від стартапів до великих підприємств. Маючи понад 350 інтеграції та гнучкі API, бренди можуть легко включати Klaviyo у свої існуючі технологічні стека. Попередньо побудовані шаблони та потоки автоматизації роблять впровадження безшовним, що дозволяє бізнесу виконувати складні маркетингові стратегії, не вимагаючи великих технічних знань.

Зауважує вперед, Клавіо Продовжує інновації, розширюючи свої пропозиції поза автоматизацією маркетингу. Нещодавнє впровадження послуги Klaviyo вводить підтримку клієнтів на свою платформу “все в одному”, що ще більше подорожує розрив між маркетингом та досвідом клієнтів. Консолідуючи ці функції, підприємства можуть будувати більш сильні відносини з клієнтами, впорядковуючи внутрішні операції.

“Комплексний підхід Klaviyo являє собою майбутнє маркетингових технологій. Його здатність інтегрувати маркетинг, аналітику та обслуговування клієнтів в одну платформу робить його неоціненним активом для брендів, які прагнуть покращити залучення клієнтів”, – сказав Дрю Томас, прес -секретар для споживачів експертів.

Щоб вивчити повні особливості Клавіо, Клацніть тут. Для більш детального огляду відвідайте Веб -сайт експертних споживачів.

Про Клавіо

Заснований у 2012 році Ендрю Біалекі та Едом Халленом, Клавіо – це Платформа управління відносинами з клієнтами B2C (CRM) Це дозволяє брендам використовувати свої дані клієнтів для персоналізованого маркетингу, аналітики та залучення клієнтів. Компанія була створена для вирішення критичного розриву: допомога підприємствам ефективно використовувати свої дані клієнтів для сприяння змістовному взаємодії та зростанню доходу.

З моменту свого створення Клавійо перетворився з бази даних клієнтів на всебічну платформу маркетингу та аналітики. Основні віхи в його розробці включають в себе введення електронного маркетингу у 2013 році, SMS -маркетинг у 2020 році, огляди продуктів у 2022 році та його Платформа даних клієнтів (CDP) У 2023 році. Зовсім недавно, у 2025 році, Klaviyo запустив свій повномасштабний B2C CRM, що ще більше посилює свої можливості.

Сьогодні Klaviyo забезпечує понад 167 000 брендів у всьому світі, пропонуючи єдине рішення, яке інтегрує інформацію, керовану даними, з автоматизацією. Його назва, натхненна іспанським словом “clavija” (термін для альпінізму або пітонів), відображає місію компанії підтримувати бренди в масштабах їх зростання. Штаб -квартира в Бостоні, Клавіяо також має офіси в Денвері, Сан -Франциско, Лондоні, Дубліні та Сіднеї.

Про експертних споживачів: Експертні споживачі надають новини та відгуки про споживчі товари та послуги. Як філіал, експертні споживачі можуть заробляти комісії від продажів, отриманих за допомогою наданих посилань.

Довга зима фармації зменшення повернення НДДКР може бути розмороженою. Незважаючи на десятиліття збільшення витрат, що дають менше удару за долар, галузь відновлює землю. Річний аналіз Deloitte уважно переглянув слайд, середній прогноз, що падає трохи більше 10% в інавгураційному аналізі Deloitte 2010 року До 2019 року лише 1,5%, період, який “майже був лінійним зниженням”, згідно з даними Кевіна Дондарського, директора стратегії наук про життя США в Deloitte Consulting LLP. Тепер останнє видання звіту під назвою “Будьте сміливими, будьте сміливими“Виявляє постійне відскоку: 20 найкращих виробників наркотиків відштовхували середній прогноз IRR до 5,9% у 2024 році. Це знаменує другу поспіль щорічну вигоду, завдяки зростанню високоцінних активів та того, що звіт обрамляє як стратегічний імператив для збалансування сміливих інновацій із сміливим переконанням на ринку.

Дондарський кипить мантру повороту до портфоліо. “Зокрема, на цей рік я думаю, що у звіті були дві теми, які були більш помітними”, – сказав він. “Вони дійсно оберталися навколо вибору портфоліо”. На практиці цей вибір розбивається на дві імперативи, узгоджені з назвою звіту:

Бути сміливим: Переслідуйте науку першого класу. У звіті закликає компанії перетворити капітал у «областях високої незадоволеної медичної потреби», піонерських нових механізмів дії (MOAS), а також спирається на нові сприяння, таких як AI-кероване відкриття. У той час як MOAS New та швидкоповерхає лише 49% активів пізньої стадії, вони становлять 69% його прогнозованої вартості (Бачити: Рисунок 9 з звіту нижче). Це підкреслює, як наголосив Дондарський, “Необхідність постійно інвестувати в ці дослідницькі нові механізми дії на відміну від надмірного індексації… більш консервативних розширень ліній або встановлених моас”.

Бути сміливим: Зберігайте переконання там, де натовп зібрався. Звіт Deloitte повідомляє фірмам залишатися «достатньо сміливими, щоб інновації на краях науки, щоб першим знайти наступний Mega-Blockbuster Moa». Навіть у терапії областях, що переживають конкурентів, такі як онкологія, інфекційні захворювання, імунологія та ЦНС. Це вимагає, щоб “переконання у вашій організації… переслідувати сфери, де ви відчуваєте, що ви маєте більш нюансове розуміння”, одночасно обрізаючи ставки з нижчим поверненням, “суворо оцінюючи існуючих кандидатів на трубопровід, використовуючи прийняття рішень, керовані даними … мінімізація закінчення пізньої стадії”.

Разом, сміливі та сміливі ігрові книжки оновлюють витрати на науково-дослідні та науково-дослідні роботи: менше “me tool” пошуків гарячих показань, більш цілеспрямовані ставки, де диференційована прозріння або справді нова біологія все ще може перемістити голку IRR.

“Послідовно, якщо ви подивитесь на частку трубопроводу та частку значення … ми бачимо більш високу зважування на стороні вартості для тих романів/швидкого послідовника”, – зазначив Дондарський. Шаблон “вітрини, що все ще є ринок, і ринок все ще цінує інновації та справжній вплив на пацієнтів”. Однак лише 32% опитаних керівників Biopharma стверджують, що вони планують визначити пріоритетність трансформаційної науки перед наркотиками Me-too, розрив у звіті як відкриту мету для компаній, які бажають бути справді сміливими.

Онкологія: переповнений будинок, скорочення виплати

Наркотики, орієнтовані на рак, все ще привертають увагу галузі; 37% усіх активів пізньої стадії сидять у програмах раку, а 90% топ-20 компаній-у грі (див. Рисунок 6 вище). У звіті попереджає, що такі купу створюють “інтенсивну конкуренцію за відповідні пробні майданчики та учасники”, розтягування термінів та збільшення витрат. Така гіперзаглушення може розрізати довгостроковий прибуток. Якщо організація переслідує третього, четвертого чи п’ятого учасника у вже обробленому типі пухлини, це “задає питання: це справді найкраще місце для інвестування?”

GLP-1: виплата за те, що йти там, де не було інших

Успіх GLP-1 у діабеті та ожирінні та поза нею показує перевагу лаву. Зачистка активів GLP-1 з моделі Deloitte висунула б 2024 IRR когорти з 5,9% до 3,8% та обрізала середні прогнози пікових продажів за активом від 510 до 370 мільйонів доларів. Дохідна суміш розповідає ту саму історію: ожиріння перевищувало 1% від продажу прогнозів у 2022 до 16% у 2024 році, тоді як частка онкології знизилася з 32% до 26%.

Маятник розгойдується до свіжого білого простору

Після півтора десятиліття накопичення на рак центр ваги галузі починає дрейфувати. У звіті прапор, куди може бути спрямовано цей розмах. В межах трубопроводів пізньої стадії когортиТрубопроводи на пізній стадії перелічують дев'ять препаратів Альцгеймера, шість кандидатів на запобігання інсульту та два активи з множинним склерозом (див. Сторінку 12 звіту): невелика кількість, але велика на незадоволеній потребі та потенціал IRR-підняття. Поза неврологією Дондарський бачить “багато оптимізму” навколо кон'югатів наркотиків антитіл та оновленого інтересу до імунології, де компанії націлюються на свіжі запальні шляхи.

Вартість за запуск нависає близько 2,23 мільярда доларів

Незважаючи на те, що шлях не був суворо лінійним, довгостроковий виклик зростання витрат на НДДКР зберігається. Deloitte пригнічує середню вартість пастиву препарату від відкриття до ринку на рівні 2,229 мільярдів доларів за 2024 рік, що перевищує попередній рік і вище на 12 із 20 відстежуваних компаній. Зниження-це одноразова раковина: когорта спалила 7,7 мільярда доларів на клінічні випробування на активи, в кінцевому рахунку припинена в цьому циклі.

Складність, довші терміни та інфляція сприяють витратам. Загальний час розвитку зараз перевищує 100 місяців від фази 1 до подачі, що на 7,5% збільшився за п’ять років, тоді як спеціалізовані витрати на робочу силу та матеріали зростають швидше, ніж заголовок ІСЦ. Виїзд: «сміливим»-це розумніший розподіл капіталу, який передбачає невдачу пізньої стадії, обробку часу циклу та боротьби з інфляційними витоком, перш ніж вони кратер.

Портфоліо Дисципліна: Цікавість на кільцеву огорожу, обрізка мертвого дерева

Переклад звіту Deloitte з доповіді “сміливого та сміливого” на терміни електронної таблиці простий: дотримуйтесь постійної бюджетної лінії для справжніх місячних пострілів, і приведіть сокиру до розширень, які не покриють їх вартості капіталу. Компанії повинні “забезпечити, щоб для дослідницької науки є якась мінімальна кількість капіталу”, сказав Дондарський. У звіті закликають розподілити ресурси трубопроводів, тому шматочок завжди переслідує роман, а решта творів встановлюється. З іншого боку, Deloitte закликає, що команди “суворо” переглядають існуючих кандидатів з критеріями вбивства, керованими даними, щоб мінімізувати закінчення пізньої стадії. Коротше кажучи, хоробрість все ще потребує бюджету, але розсудливість вирішує, хто може зберегти своє.

Блокбастери: все-таки додаткові нульові робочі комори

Deloitte підраховує 111 активи пізньої стадії з понад 1 мільярд прогнозів пікових продажів у 2024 році, що трохи більше порівняно з 106 року тому. Цей чистий приріст відображає значну кількість: 29 нових блокбастерів ввели трубопровід пізньої стадії та 34 існуючі активи, отримані статусом блокбастера. Крім того, 19 блокбастерів закінчили повне затвердження (виходячи з аналізу), два були припинені після випробувань, а 37 активів втратили блокбастер через фактори, включаючи скорочення прогнозів.

Технологічний важіль: AI змащує передачі, а не керує кораблям

Генеративна ШІ та розширена аналітика обрізають жир у задньому офісі та на випробуванні, але вони все ще не вмикали 100-місячну лавку до подачі. Deloitte зазначає, що 42% з 150 глобальних керівників Life-Sciences C-Suite, опитаних Deloitte US, побачили “помірну або значущу” фінансову рентабельність інвестицій з Genai в минулому році, в основному шляхом автоматизації бурхливих робіт та заточення проектів проб та вибору пацієнтів. Дондарський є бичачим, але обережним: “Є багато обіцянок … але час впливу все ще передчасний”, – сказав він. Іншими словами, AI може звільнити готівку для фінансування сміливих ставок, але він не вирішить, які ставки на розміщення; Дисципліна портфоліо все ще називає п'єси.

---

Подано в: Без категорії
Позначено: Deloitte

---

Acceldata цього тижня оприлюднила основне оновлення своєї платформи спостереження за даними, на яку вона стверджує, може автоматично виявляти важкі аномалії, приховані в даних клієнтів. Оновлення двигуна міркувань Xlake приходить, коли Acceldata налаштовується на проведення своєї конференції користувачів, Autonomous 25, наступного місяця в Сан -Франциско.

Acceldata каже, що у своєму новому адаптивному виявленні аномалії AI, що пропонують, використовуються агенти AI, які використовують багаторазові можливості аналізу для виявлення та визначення аномалій даних, які пропустять інші інструменти спостереження за даними. Агенти виявлення аномалії роблять це шляхом вибірки даних, які можуть поширюватися на кілька місць, включаючи стовпці, часові позначки або сегменти, у приміщеннях на премії та хмарних даних-і пошук кореляцій, які можуть вказувати на те, що щось не так.

Замість того, щоб вимагати від клієнтів встановлювати поріг вручну, виявлення аномалії AI автоматично дізнається з моделей даних клієнтів, каже компанія, тим самим впорядковуючи розгортання та дозволяє продукту спочатку висвітлити найважливіші аномалії клієнта, що призводить до швидшого відновлення.

Acceldata каже, що цей підхід дозволяє йому помітити жорсткі проблеми якості даних-наприклад, як схема дрейфу у базах даних фінансових трансакцій, проблеми цілісності даних фармацевтичних клінічних випробувальних баз даних або аномалій запасів у полях баз даних споживчих продуктів-що інші інструменти якості даних, які спеціалізуються на одних розмірних проблемах, як-от неправильного нуля, будуть важкими для пошуку одновимірних проблем.

Нова можливість виявлення аномалії є компонентом того, що Acceldata називає свою стратегію управління агентом, генеральний директор Acceldata Рохіт Чудхарі.

“Облаштовуючи інтелектуальних агентів розширеними можливостями для автономного виявлення, пріоритетності та вирішення складних аномалій, ми дозволяємо підприємствам розкрити приховані закономірності та ризики, які звичайні підходи просто пропускають”, – заявив Чодхарі. “Це виявить проблеми, перш ніж вони спричинить значний вплив на бізнес”.

За даними Gartner, питання якості даних коштують компаніям до 15 мільйонів доларів на рік. Незважаючи на те, що витрачають до половини свого часу, намагаючись виправити погані дані, під час дослідження Гарвардського рецензії на 2016 рік, фактично знайдена лише частка аномалій даних, говорить Acceldata.

Acceldata каже, що його двигун міркування Xlake, який функціонує як “контекстуальна пам'ять ваших операцій з даних”, може виявити проблеми, що охоплюють екзабайти, вартість зберігання даних у середовищі клієнтів та хмарного середовища. Компанія каже, що ефективність алгоритмів виявлення аномалії даних в двигуні міркувань Xlake надає йому ногу на інших інструментах спостереження за даними. Ця швидкість виявлення в кінцевому підсумку означає кращі дані та кращі результати бізнесу, йдеться у повідомленні.

“Зобразіть це: Ваші потоки транзакцій починають відчувати несподівані аномалії”, – пише старший менеджер з маркетингу продуктів Acceldata Сонам ​​Джайн у дописі в блозі. “Негайно агенти виявлення набирають цю нерегулярність та попереджені діагностичні агенти, які швидко оцінюють та визнають основні причини. Без зволікань агенти з реконструкції автономно розгортають цілеспрямовані виправлення, тоді як агенти -рекомендаційні агенти проактивно консультують профілактичні заходи для майбутнього. Ці інтелектуальні агенти, які не впорядковують їхній стек, що стосуються руйнування.

Компанія буде обговорювати своє нове адаптивне виявлення аномалії AI під час автономної 25 конференції, яка відбудеться 19 та 20 травня в Перлі в Сан -Франциско. Основна подія демонструватиме основну інформацію від Джорджа Метью, керуючого директором компанії Insight Partners, інвестуючи в Аксельдаті, а також основну інформацію від Кассі Козірков, який раніше був головним вченим Google, і зараз є генеральним директором її власної фірми Козир. Козірков – це також людина 2019 року, яку слід спостерігати за BigDatawire (раніше Датанамі.).

На заході також будуть представлені бесіди з лідерів даних у Dun & Bradstreet, Netle, Workday та Qualcomm, серед інших. Ви можете отримати більше інформації про подію та зареєструватися тут.

Пов’язані предмети:

Acceldata, що підготуються для бурхливого ринку спостереження за даними

Як Acceldata допомогла стратегії модернізації даних T-Mobile

Спостережність даних в епоху ШІ: Посібник для інженерів даних

Білл Уолл, генеральний директор уряду AIS, заявив, що Міністерство оборони, корпоративних підрядників та стартапів повинні вирішити ризики, спричинені іноземною власністю, контролем чи впливом або вогнищами, до промислової бази оборони та національної безпеки шляхом використання штучного інтелекту та великої аналітики даних для поліпшення можливостей належної ретельності.

“Платформи AI, здатні інтегрувати людський досвід з масштабним аналізом даних, будуть важливими для визначення ризиків фокусних ризиків”,-написала Уолл у публікації в блозі, опублікованій у вівторок.

Він зазначив, що такі технології можуть дати можливість DOD та аналітикам проаналізувати великі обсяги даних, щоб отримати глибше розуміння іноземних зв’язків, корпоративних структур та фінансових зв'язків та виявлення прихованих загроз у промисловій базі оборони.

Посилення урядово-промислової співпраці

У цьому творі виконавчий директор підкреслив необхідність ДОД та промисловості бути пильними, сприяючи відкритому обговоренню та освіті для виявлення та зменшення ризиків вогнищ.

“Партнери в галузі можуть надавати такі рішення, як інструменти для виявлення вогнищ, але потрібні більш структуровані протоколи. Постійне перевірка – а не періодичні огляди – має стати стандартною практикою, а AI та аналітика великих даних відіграють ключові ролі у виявленні потенційних загроз”, – зазначила Уолл.

Він також закликав уряд надати невеликих підрядників оборони та стартапів інструментами слідчих та ресурсів для проведення глибоких розслідувань вогнищ, щоб допомогти захистити ланцюг захисту.

Майже через рік після завершення розгортання EMR, публічно перераховується група охорони здоров'я EMC Healthcare в Індонезії, створена для оновлення до системи управління медичними записами.

EMC Healthcare – бренд Metropolitan Sarana Meditama – проводить вісім лікарень, які пропонують основні та спеціалізовані медичні послуги.

Згідно з випуском ЗМІ, медичний працівник приймає систему “перероблений EHR”, яка містить автоматизовану документацію за допомогою запису навколишнього середовища, підготовлених подальших дій для огляду клініциста та кодування AI-асистів. Його постачальник, Intersystems, заявив, що лікарня є першою в Азіатсько-Тихоокеанському регіоні, який переглянув та перевіряє генеративну систему AI-керованої AI.

Реалізація EMR

Компанія охорони здоров'я розширила свою групу, придбавши лікарні. Спочатку ці лікарні експлуатували різні інформаційні системи охорони здоров’я незалежно. Ці системи, в основному на папері, викликали проблеми для клініцистів та персоналу, включаючи проблеми зберігання, обмеження доступності, ризик втрати та пошкодження, труднощі у обміні інформацією, відсутність стандартизації, без аудиторських стежок та обмежених можливостей аналізу даних.

Для вирішення цих питань керівництво запропонувало цифровізацію лікарні, в основі якої є єдиний, централізований його.

“Ми розпочали проект EMR в листопаді 2021 року, коли ми підписали договір про впровадження системи Trakcare EMR з Intersystems. Потім ми почали набрати команду виконавців, включаючи суперпора, тренування, збирати вимоги до всіх лікарень, налаштування системи та тестування. Перший сайт вийшов наживо в грудні 2022 року. Потім наступні місця проходили три місяці, або за два місяці після цього. Система Trakcare у всіх восьми лікарнях “, – заявив Джусуп Халімі, президент директора з питань охорони здоров'я EMC, ІТ -новини про охорону здоров'я.

Медичні записи також були оцифровані одночасно, скануючи більше мільйона сторінок.

Їх найбільшим викликом, за словами керівника лікарні, було “придбати у наших спеціалізованих лікарів, яким близько 700”.

“Керівництво переконувало лікарів, і команда SuperUser навчила лікарів, щоб мати можливість використовувати Trakcare. Після того, як поїхати в прямому ефірі, команда SuperUser [continued providing] допомога лікарям, щоб вони почували себе комфортно використовувати “.

Звертаючись до AI

Подорож ЕМР EMC Healthcare на цьому не зупинився. Нещодавно він пілотував систему EMR, керованої AI від того ж постачальника. “AI – це майбутня тенденція. Якщо ми не почнемо його використовувати, ми залишимося позаду”, – вигукнула Галімі.

Президент лікарні хотів включити інструменти підтримки клінічних рішень AI в системі EMR. Вони, за його словами, нададуть прогнозовану аналітику щодо стратифікації ризику, персоналізованих рекомендацій щодо лікування на основі більш широкого спектру даних про пацієнтів та проактивних сповіщень щодо потенційних ускладнень, виходячи за рамки простих систем на основі правил.

Після пілота системи AI, EMC Healthcare вважає, що AI надає найбільшу цінність своїм консультаційним приміщенням для клініки, стаціонарними щоденними візитами та відділенням швидкої допомоги.

“AI може підтримувати лікарів у доступі до комплексного резюме пацієнтів, що традиційно вимагало навігації по декількох графіках та екранах. Це не тільки споживається час, але й ризикує пропустити критичний контекст”, – зазначила Галімі.

“За допомогою AI ми можемо надати інтелектуальному огляді пацієнта, який консолідує дані різних джерел в єдине структуроване резюме, виділяє ключові клінічні висновки, тенденції спостереження, звіти про візуалізації, алергію та останні діагнози. Це дає лікарям повну картину стану пацієнта з першого погляду, допомагаючи їм робити швидкі, безпечні та більш інформовані рішення”. “

ЩоAI може зменшити навантаження на документацію за допомогою таких функцій, як мовлення до тексту та розумний графік. Коли лікарі та пацієнти ведуть розмову, ШІ може переписати розмову та інтелектуально розміщувати правильну інформацію у відповідні розділи ЕМР, будь то головна скарга, алергія, діагностика чи план. Це дозволяє лікарям підтримувати контакт з очима зі своїми пацієнтами, а не з екраном комп'ютера. Досвід стає більш людським“

JUSUP HALIMI, директор президента, EMC Healthcare

Використання даних з AI

В даний час EMC Healthcare використовує систему зберігання даних для зберігання пацієнтів, медичних, клінічних та фінансових даних. Аналітичні інструменти також використовуються для відображення інформації. “У нас є щомісячна зустріч з огляду ефективності на лікарню, дані якої витягуються за допомогою інструменту, щоб ми могли глибоко проаналізувати дані”, – поділилася Галімі.

Як EMC Healthcare має намір використовувати дані за допомогою системи EMR, керованої AI? Голова лікарні каже, що дані та ШІ будуть використані для підвищення підтримки клінічних рішень, ефективності та робочого процесу, а також досвід пацієнтів під час госпіталізації та для дослідницьких цілей.

“У нас є комітет з медичних досліджень, який може бути активнішим за допомогою ШІ. Наприклад, медичні дослідження з використанням даних EMR будуть простішими, оскільки дані простіше отримати”.

Окрім AI, система EMR, наголосив Halimi, повинна мати зручні для користувачів інтерфейси, що посилюють клінічні робочі процеси “, а не порушують їх”. Він також повинен бути “розроблений з увагою до досвіду користувачів, безперешкодно інтегруючись у щоденні процедури лікарів та медсестер, мінімізуючи клацання та надання відповідної інформації в точці допомоги, не переповнюючи користувача”.

Роб О'Двайер

Дублін, 28 квітня 2025 р. (Globe Newswire) – “Автоматизація бази даних – глобальний стратегічний звіт про бізнес” додано до “Звіт про стратегічний бізнес” Researchandmarkets.com пропозиція.

Глобальний ринок автоматизації баз даних оцінювався в 1,7 мільярда доларів США у 2024 році, і, за прогнозами, до 2030 року досягне 6,7 млрд. Дол.

Звіт включає останні глобальні тарифні розробки та те, як вони впливають на ринок автоматизації бази даних.

Аналіз тарифного впливу: ключові розуміння для 2025 року

Глобальні тарифні переговори у 180+ країнах переробляють ланцюги поставок, витрати та конкурентоспроможність. Цей звіт відображає останні розробки станом на квітень 2025 року та включає перспективні уявлення про перспективи ринку.

Аналітики постійно відслідковують торгові розробки по всьому світу, отримуючи розуміння провідних світових економістів та понад 200 галузей та політичних установ, включаючи аналітичні центри, торгові організації та національні економічні дорадчі органи. Цей інтелект інтегрується в моделі прогнозування, щоб забезпечити своєчасний аналіз, орієнтований на дані, що розвиваються ризиків та можливостей.

Що входить до цього видання:

• Прогнози ринку, скориговані тарифами за регіоном та сегментом
• Аналіз наслідків витрат та ланцюгів поставок шляхом пошуку та торгівлі
• Стратегічні розуміння географічних зрушень

Покупці отримують безкоштовне оновлення 2025 за допомогою:

• Доопрацьовані наслідки тарифу та нові ефекти торговельної угоди
• Оновлені прогнози, що відображають глобальні пошуки та зміни витрат
• Розширене покриття, що стосується країни, у цій галузі

Що сприяє зростанню на ринку автоматизації бази даних?

Зростання на ринку автоматизації бази даних зумовлений декількома факторами, що відображає розвиваються вимоги сучасного бізнес -середовища. Збільшення обсягів даних та необхідність швидкого доступу до цих даних потребують більш ефективних та надійних рішень управління базами даних. Оскільки підприємства продовжують охоплювати цифрову трансформацію, інтеграція IoT, хмарних обчислень та аналітики великих даних ще більше посилила необхідність автоматизації баз даних для ефективного управління складними даними на різних платформах.

Крім того, перехід до DevOps та Agile методології в розробці програмного забезпечення підкреслює важливість швидких ітерацій та розгортання, де автоматизація баз даних відіграє вирішальну роль у забезпеченні швидкості та ефективності. Економічні фактори, такі як необхідність зменшення експлуатаційних витрат та підвищення продуктивності праці, також сприяють прийняттю технологій автоматизації.

Більше того, оскільки організації надають пріоритет прийняття рішень, керованих даними, надійність та доступність даних стають першорядними, тим самим сприяючи інвестиціям в автоматизацію для забезпечення надійних середовищ баз даних.

Ці технологічні тенденції в поєднанні зі стратегічними зрушеннями в бізнес -процесах забезпечують динамічну траєкторію зростання ринку автоматизації баз даних, підкреслюючи його життєво важливу роль у технологічному прогресі підприємств.

Обсяг звіту

Звіт аналізує ринок автоматизації бази даних, представлений з точки зору одиниць. Аналіз охоплює ключові сегменти та географічні регіони, викладені нижче.

Сегменти:

• Компонент (рішення, послуги)
• Розгортання (хмара, в приміщенні)
• Заявка (надання, резервне копіювання, безпека та дотримання)

Географічні регіони/країни: Світ; США; Канада; Японія; Китай; Європа (Франція; Німеччина; Італія; Великобританія; і решта Європи); Азіатсько-Тихоокеанський; Решта світу.

Ключові уявлення:

• Зростання ринку: Зрозумійте значну траєкторію зростання сегменту автоматизації баз даних, яка, як очікується, досягне 3,8 мільярда доларів США до 2030 року з CAGR 23,2%. Сегмент служб автоматизації бази даних також встановлений для зростання на 28,0% CAGR протягом періоду аналізу.
• Регіональний аналіз: Отримайте розуміння на ринку США, оціненим у 479,4 млн. Дол.

Ключові запитання відповідають:

• Як очікується, що ринок автоматизації баз даних буде розвиватися до 2030 року?
• Які основні драйвери та обмеження, що впливають на ринок?
• Які сегменти ринку будуть зростати найбільше протягом прогнозного періоду?
• Як зміниться частки ринку для різних регіонів та сегментів до 2030 року?
• Хто є провідними гравцями на ринку та які їх перспективи?

Особливості звіту:

• Комплексні дані про ринок: Незалежний аналіз щорічних прогнозів продажів та ринку в мільйонів доларів США з 2024 по 2030 рік.
• Поглиблений регіональний аналіз: Детальні уявлення про ключові ринки, включаючи США, Китай, Японію, Канаду, Європу, Азіатсько-Тихоокеанський регіон, Латинську Америку, Близький Схід та Африку.
• Профілі компанії: Покриття таких гравців, як Amazon Web Services, Inc., BMC Software, Inc., CA Technologies, Inc., Chef Software, Inc., Clustrix Inc. тощо.
• Безкоштовні оновлення: Отримайте безкоштовні оновлення звіту на один рік, щоб інформувати вас про останні розробки ринку.

Ключові атрибути:

Атрибут звіту	Деталі
Кількість сторінок	182
Прогнозний період	2024 – 2030
Орієнтовна ринкова вартість (USD) у 2024 році	1,7 мільярда доларів
Прогнозована ринкова вартість (USD) до 2030 року	6,7 мільярда доларів
Складний річний темп зростання	25,2%
Області охоплені	Глобальний

Ключові теми висвітлюються:

Огляд ринку

• Автоматизація баз даних – Глобальні ключові конкуренти відсоткової частки ринку у 2024 (e)
• Присутність на конкурентному ринку – сильна/активна/ніша/тривіальна для гравців у всьому світі у 2024 році (Е)
• Глобальне економічне оновлення

Тенденції та водії на ринку

• Збільшення потреби в швидкості та точності та зменшення витрат на управління накопичувачами бази даних автоматизації
• Зростаюча складність середовищ баз даних, які шпори потребують інструментів автоматизації баз даних
• Інтеграція AI в управління базами даних підсилює автоматизацію та ефективність
• Зростання попиту на доступ та управління даними в режимі реального часу сприяє ринку автоматизації бази даних
• Збільшення складності навантаження на базу даних потребує прийняття інструментів автоматизації
• Зростання прийняття баз даних NOSQL Шпорує інновації в інструментах автоматизації
• Прийняття DevOps та безперервної інтеграції/безперервного розгортання (CI/CD) покращує автоматизацію бази даних

Зосередьтеся на вибраних гравців

• Amazon Web Services, Inc.
• BMC Software, Inc.
• CA Technologies, Inc.
• Chef Software, Inc.
• Clustrix Inc.
• Давай
• DBMAESTRO
• Допомога
• Корпорація IBM
• Idera Pharmaceuticals, Inc.
• Liquidbase, Inc.
• MEMSQL Inc.
• Micro Focus International Plc
• Корпорація Microsoft
• NuoDB, Inc.
• Корпорація Oracle
• ТОВ «Перкона».
• Lupet, Inc.
• Quest Software, Inc.
• Програмне забезпечення Red Gate Ltd.
• Redis лабораторії
• SAP SE
• Кількаенни А.А.
• Тестування
• WhereScape Software Ltd.

Для отримання додаткової інформації про цей звіт відвідайте https://www.researchandmarkets.com/r/t064o0

Про наукові та markets.com
ResearchAndmarkets.com – це провідне світове джерело звітів про міжнародні ринки та дані ринку. Ми надаємо вам останні дані про міжнародні та регіональні ринки, ключові галузі, провідні компанії, нові продукти та останні тенденції.

• Ринок автоматизації бази даних

Незважаючи на те, що зростання штучного інтелекту (AI) з 2000 року було надзвичайним, технологічна зміна ігор була його генеративними моделями. Якщо основні AI обробляють дані та роблять прогнози, генеративний AI (GAI) виробляє інтелектуальні системи, які створюють новий вміст. Він включає алгоритми та моделі глибокого навчання та охоплює текст, зображення, відео та інші форми даних.

Не дивно, що Гай є знахідкою для ділового світу, особливо для тих, хто хоче автоматизувати свої процеси. Це неоціненно, наприклад, для створення контенту, дизайну продуктів та розробки веб -сайтів.

Відповідно до звіту Китайського інтернет -мережевого центру (CNNIC) за 2024 рік, база користувачів GAI продуктів у Китаї становила 230 мільйонів до червня минулого року. Директор CNNIC, Лю Юлін, заявив, що збільшення тяги GAI серед користувачів Інтернету суттєво вплинуло на їх повсякденне життя. Більше того, екосистема промисловості AI країни була відносно комплексною, а понад 4500 компаній, пов'язаних з нею.

Нещодавнє опитування Finastra показало, що 38 відсотків установи Гонконгу почали впроваджувати GAI. Це був найвищий показник серед усіх опитаних ринків і значно вище середнього середнього глобального – 26 відсотків.

У липні минулого року у своєму банківському звіті KPMG взагалі переглянув технологічний прогрес, підкреслюючи появу GAI. Він все частіше використовувався для таких завдань, як аналіз даних та служба працівників за допомогою складних чатів.

Хоча GAI підвищує продуктивність і розширює горизонти, він повинен працювати в межах безпечних параметрів. Для ділового світу це передбачає дотримання найкращих практик, причому гарантії точно сформульовані. Необхідна рамка, яка є ефективною, але не задушує інновації, саморегуляція галузі відіграє свою роль.

У 2022 році уряд Гонконгу SAR опублікував свій план інновацій та технологій, який визначив вісім стратегій технологічного розвитку протягом наступних 5 – 10 років. Він передбачав переміщення “повної пари до бачення міжнародного центру I&T”, яке включало побудову “безпечного кібер -середовища”. Таке середовище обов'язково включає належним чином керований AI, і це зараз стає реальністю.

15 квітня на Всесвітній Інтернет-конференції в Азіатсько-Тихоокеанському саміті (у Гонконзі) Комісар з цифрової політики Тоні Вонг Чі-Квонг підняв речі на наступний рівень, оголосивши про публікацію нових вказівок щодо інструментів GAI. Це було після того, як Гонконгський генеративний Центр досліджень та розробок AI вивчав моделі в інших місцях та консультувався з інноваційною та технологічною індустрією. Вказівки визнали, що інструменти AI, які можуть бути використані для незаконної діяльності, повинні бути заборонені. У найгірших сценаріях вони можуть включати, наприклад, створення вибухонебезпечних пристроїв, генерування нецензурного матеріалу та створення маніпульованого або помилкового вмісту для обману або порушення громадського порядку.

Вонг сподівався, що нові вказівки завдяки чотирирівневій системі класифікації “полегшить галузь та громадськість у розробці та застосуванні генеративних ШІ безпечно та відповідально, при цьому заохочуючи інноваційне застосування ШІ, зменшуючи ризик та сприяючи широкому прийняттю покоління в Гонгконг”.

Окремо Гонконгська грошова влада (HKMA) планує регуляторну пісочницю для тестування нового програмного забезпечення. Потрапивши на місце, це дозволить фінансовим установам безпечно випробувати свої технології GAI. Це також дозволить HKMA контролювати розвиток GAI, забезпечуючи надійну практику управління ризиками до повного розгортання ринку.

У чужих руках Гай представляє величезні загрози, у тому числі на національну безпеку, і його можливе зловживання повинні тривожити всіх.

Хоча складні, ефективні основні правила мають важливе значення для мінімізації (якщо не усунення) ризиків. Якщо немає належного нагляду, інструменти GAI можуть створити середовище Дикого Заходу, в якому “все йде”.

На щорічних двох сесіях Китаю в Пекіні, які завершилися 11 березня, було велике фокус на ШІ, частково спровокуючи зростання DeepSeek. Цьогорічний урядовий звіт про роботу вказував на розширену роль ШІ в галузі промислового розвитку, включаючи використання “втіленого” ШІ, таких як роботи. Дискусії також звернулися до зловживання АІ, і були заклики до вдосконалених правил.

Ці дзвінки резонували в Гонконгському SAR, не в останню чергу з уповноваженим з питань конфіденційності з персональних даних, Ада Чунг Лай-Лінг. З моменту призначення в 2020 році вона піонерувала гарантії AI у своєму портфелі, визнаючи загрозу AI для конфіденційності та інших прав. За відсутності регулювання тренер та коні можуть бути проведені за допомогою постанови персональних даних (конфіденційності) (CAP 486), занепокоєння, яке сприяло послідовними ініціативами.

У серпні 2021 року Чунг опублікував “вказівки щодо етичного розвитку та використання ШІ”. Він рекомендував організаціям прийняти принципи управління даними щодо поважних, вигідних та справедливих. Він також запропонував дотримуватися міжнародно визнаних етичних принципів AI, включаючи контроль за людьми, конфіденційність даних, прозорість, надійність та безпеку.

Після цього, у червні 2024 року, Чунг підняв анте з публікацією орієнтира “Штучний інтелект: модель рамки захисту особистих даних”. Він надав організаціям поради щодо досягнення найкращої практики в закупівлі та впровадженні ШІ та таким чином, що сприяло дотриманню вимог закону про персональні дані.

Нарешті, 31 березня 2025 року Чунг опублікував “Керівні принципи щодо використання генеративних ШІ працівників” (Керівні принципи). Відгукаючи про “два сеанси”, вона сказала, що необхідно “постійно просунути ініціативу” AI Plus “, щоб розкрити творчість цифрової економіки”.

Керівні принципи зосереджені на управлінні ризиками та надають детальний контрольний список “DOS” та “Donts”, які роботодавці повинні виконувати на своїх робочих місцях. Вони розроблені для полегшення безпечного та здорового розвитку ШІ, і, крім розгляду захисту персональних даних, порушень та засобів захисту, вони також переглядають практичне застосування інструментів AI. Вони вказують, що перед тим, як працівники вводять особисті дані в системи GAI, вони повинні спочатку анонімізувати їх. Роботодавців закликають забезпечити відповідні наслідки, якщо працівники порушують вказівки.

Керівні принципи допоможуть організаціям у розробці внутрішньої політики GAI, яка дотримується закону про персональні дані. Хоча один розмір не відповідає всім, вони забезпечують рамку, в якій роботодавці можуть забезпечити відповідальність своїх працівників.

Розглядаючи більшу картину, Чунг зауважив, що Китай робив рівний акцент на розвитку та безпеці. Іншими словами, AI потрібно розглядати цілісно, ​​а не у вакуумі. Вона пояснила, що “безпека AI – це один з найважливіших аспектів національної безпеки”, який був непереборним. Хоча GAI може бути силою для добра, він також може становити унікальні небезпеки в різних сценаріях. Наприклад, злоякісні актори можуть використовувати його для розробки, а потім продовження антидержавних заходів.

По мірі розповсюдження Гая різні агенції будуть вивчати його прогрес і, безсумнівно, вступатимуть у те, якщо виникають загрози. Хоча всі визнають переваги, які можуть принести GAI, його розвиток не може бути, наприклад, за рахунок громадської безпеки, особистих прав чи безпеки на ринку. У той же час, Гонконг повинен здійснювати те, що Комісія з цифрових офісів називає “стратегією прагматичного балансу” при формулюванні регуляторних заходів. Тому занепокоєння потрібно вирішити таким чином, що не засмучує законний технологічний прогрес міста. Якщо це буде досягнуто, Гонконг, безсумнівно, стане регіональним трейлблейзером.

Автор є старшим радником та професором юридичного факультету, а раніше був директором з питань публічного переслідування Гонконгського SAR. Погляди не обов'язково відображають погляди Китаю щодня.

Розробка методів вибірки рідкісних подій можна простежити ще до початку 1950-х років, в першу чергу мотивованою необхідністю вирішувати складні проблеми в ядерній фізиці, особливо проблему екранування нейронів, яка була вирішальною для розробки ядерних установок [19]. Пізніше дослідники вирішили завдання надзвичайно рідкісних подій за допомогою випадкового відбору проб Монте -Карло [20]. Важливість методів відбору проб, ще одна ключова методика моделювання рідкісної події, також з'явилася в цей період, встановивши підґрунтя для еволюції методів вибірки рідкісної події, які продовжують вдосконалюватися та застосовуватись у різних галузях [21]. Наприклад, у фізиці пошук темної речовини передбачає виявлення надзвичайно рідкісної взаємодії частинок [22]. У науках про Землі були розроблені методи для аналізу надзвичайно рідкісних стихійних лих зі швидкістю виникнення 1% або менше [23]. У телекомунікаційному секторі дослідники зосереджувались на виявленні та аналізі аномалій рідкісної мережі [24]. У політології підходи до дослідження застосовуються для аналізу рідкісних подій, таких як успішні перевороти або мирне розірвання країн [7, 25]. В економіці моделювання на основі агентів, що використовується для імітації складних фінансових систем та визначення умов, які можуть призвести до рідкісних збоїв на ринку [26]. У галузі охорони здоров'я дослідників використовуються методи геномного секвенування для виявлення генетичних маркерів, пов'язаних з рідкісними розладами або байєсівськими ієрархальними моделями, застосованими для аналізу невеликих розмірів вибірки, типових при рідкісних захворюваннях [27, 28]. Тут ми застосували методику логістичної регресії для рідкісних частот подій серед великих розмірів вибірки.

Завдяки структурованій системі введення даних, що використовується Tricare, набір даних, використаний у цьому дослідженні, мав мінімальні відсутні дані. У всіх змінних, що входять до аналізу, менше 1% точок даних відсутні. Ця надзвичайно низька швидкість відсутності не вимагала використання передових методів імпутації або окремого повного аналізу випадків. Повнота даних Tricare сприяє надійності висновків і мінімізує потенційну упередженість від відсутньої інформації.

Незважаючи на те, що традиційне правило для логістичної регресії свідчить про 10 – 20 подій на змінну, останні дослідження показали, що ця настанова може бути розслаблена за певних обставин [29]. При роботі з рідкісними подіями загальний розмір вибірки стає більш критичним, ніж кількість подій. Великий розмір вибірки 2720 надає значну інформацію навіть лише з 14 подіями. Наведений тут емпіричний приклад ілюструє, чому були розроблені спеціалізовані методи для рідкісних подій логістичної регресії. Кілька методів виправлення було застосовано до рідкісного лікування ВР за допомогою набору даних про стан здоров'я. Як і очікувалося, результати дали, що стандартна логістична регресія значно недооцінила ймовірності подій. Занесудливість у цьому дослідженні становила від 11% до 102% за допомогою попереднього методу корекції та від 15% до 106% за допомогою методу корекції зважування. Наприклад, у цьому дослідженні стандартна регресія логістики передбачила, що пацієнти чоловічої статі від 18 до 64 років з меншою кількістю супутніх захворювань мають 0,1% ймовірності прийому лікування IVIG; Однак фактична ймовірність була більш ніж подвійною відповідно до попередньої корекції та корекції зважування. Ця невідповідність може спричинити велику помилку і, зрештою, неефективні рішення.

Крім того, це дослідження показало, що випадковий відбір зразків не події значно упередив результати. Було встановлено, що ймовірності в 10 разів більше, ніж виправлені ймовірності та в 20 разів більші, ніж ймовірності, обчислені стандартною логістичною регресією. Ці результати підтримують висновки Кінга та Зенга, які вказували на те, що другий, важливіший загальний в аналізі рідкісних подій полягає в тому, як збираються дані [7]. Знижений розмір вибірки в цьому дослідженні продемонстрував найбільше зміщення, підтримуючи ідею, що збір даних може значно впливати на результати.

Інші методи, такі як метааналіз, були запропоновані для корекції рідкісних заходів. Однак мета-аналізи бінарних даних можуть бути проблематичними, коли частка подій низька [30, 31]. Мета-аналізи бінарних даних часто виконуються за допомогою стандартної моделі з зворотним варіантами фіксованих ефектів, заснованої на методах з обмеженим рівнем великого вибірки, або методами фіксованих ефектів, заснованих на точній теорії розподілу, таких як модель Mantel-Haenszel (MH) або моделі стандартної дієтичної ефекти (DL) Dersimonian-Laird (DL) [31]. Ці методи, засновані в основному на нормальному наближенні на велику вибірку (особливо зворотна дисперсія) [31,32,33]не вистачає сили досліджувати захворюваність на рідкісні події. Таким чином, їх статистичні властивості для оцінки ефектів лікування часто оцінюються як неоптимальні або через упереджені результати, невідповідно широкі довірчі інтервали, або незначну статистичну силу для виявлення справжніх відмінностей.

Настанови Cochrane (версія 6.1, 2020) рекомендують використовувати методи, в основному доступні в менеджері огляду (Revman), програмного забезпечення для вільного доступу, розробленого Nordic Cochrane Center [31, 33]. Його настанова говорить про те, що за показниками подій менше 1%коефіцієнт шансів PETO повинен бути використаний [31]. За обставин, коли рівень подій перевищує 1%, а метааналіз включає багато досліджень з незбалансованими групами лікування, коефіцієнт шансів MH слід використовувати [31, 34]. Однак деякі з цих методів, зокрема, MH без корекції безперервності, логістична регресія та точні методи, недоступні в Revman. По-друге, мета-аналітики часто повинні повертатися від зважування зворотного дисперсії до моделі DL випадкових ефектів, щоб зменшити зміщення в оцінці, коли присутня неоднорідність.

Зовсім недавно були запропоновані нові методи, включаючи максимальну ймовірність, ймовірність профілю та обмежену максимальну ймовірність або непараметричні методи «перестановки», були запропоновані для покращення оцінки дисперсії (τ) [31, 35, 36]. Непараметрична завантаження оцінювача DL була показана кращою виконавцем у невеликих метааналізах, які були помилково вважалися однорідними за стандартною моделлю DL [31]. Незважаючи на те, що ця непараметрична завантаження моделі DL зараз розширена як для моделей MH, так і для PETO, мало що відомо про результати цих методів у метааналізах, що включають рідкісні події, коли неоднорідність є проблемою.

Обмеження

У цьому дослідженні використовуються дані Міністерства оборонної системи трикаре, яка в першу чергу обслуговує військових, ветеранів та їхніх сімей. Ми визнаємо, що це населення може мати унікальні характеристики, які можуть вплинути на узагальнення результатів для більш широкого населення США [37]. Бенефіціари Tricare можуть мати різні схеми доступу до охорони здоров'я, профілі коморбідності та переваги лікування порівняно з цивільними особами [38]. Наприклад, персонал з активним службою може мати кращий загальний стан здоров'я через вимоги до фізичної підготовки, тоді як ветерани можуть мати більш високі показники певних умов, пов'язаних з військовою службою [39]. Крім того, структурована система охорони здоров’я Tricare та поліси покриття можуть впливати [39].

Це дослідження також має кілька обмежень, пов'язаних із використанням адміністративних наборів даних та ретроспективним аналізом. Хоча ретроспективні дослідження є важливим інструментом для вивчення рідкісних захворювань, проявів та результатів, їх дизайн підлягає обмеженням [40]. Оскільки аналіз був проведений на огляді даних про претензії, які спочатку не були розроблені для досліджень, деяка інформація неодмінно не вистачає. Вибір, відкликання та втрата подальших упереджень можуть вплинути на те, наскільки репрезентативними є дані для рідкісної події, що цікавить.

Використання адміністративної бази даних має багато сильних сторін, оскільки вона включає великий розмір вибірки/базової вибірки, що забезпечує встановлений знаменник [41]. Дані включають демографічні показники пацієнтів, клінічні характеристики, детальне використання охорони здоров'я та інформацію про витрати, що дозволяє ідентифікувати та порівняння методів лікування та результатів у населеннях, що входять до даних [41]. Однак деякі обмеження вимагають згадки. По-перше, як і у більшості джерел даних на основі претензій, між надходженням послуг існує часовий відставання та коли файли стають доступними для досліджень (середнім, 2–3 роки) [41]. Таким чином, дані можуть не бути узагальненими для всього населення, оскільки деяка інформація може бути пропущена при обробці чи відшкодуванні. Крім того, не всі дані про здоров'я зафіксовані у претензіях. Незважаючи на те, що діагнози включені, така інформація, як поведінка, пов'язана з здоров’ям, антропоморфні дані та використання без рецептів, які можуть бути знайдені в медичних записах, не є фіксованими у претензіях. Крім того, претензії, за які послуги були рекомендовані, але ще не отримані, не будуть зафіксовані в наборі даних. Крім того, дані про адміністративні претензії не мають інформації про процес прийняття рішень (наприклад, прийняли рішення, як і чому прийняті рішення, співвідношення між запланованим та отриманим лікування [41].

Ми визнаємо потенціал для надмірного пристосування в нашій моделі, враховуючи обмежену кількість випадків рідкісної події (14 пацієнтів з ІВІГ). Щоб вирішити цю проблему, ми включили довіру до регресії (див. Таблицю 2). Крім того, ми визнаємо, що невеликий розмір вибірки може обмежити узагальненість наших результатів. У майбутніх аналізах можна планувати вивчити методи регуляризації, такі як регресія хребта або Лассо, щоб пом'якшити перевитрат та покращити продуктивність моделі. Ці методи можуть допомогти зменшити складність моделі та потенційно підвищити надійність наших прогнозів, особливо при роботі з високовимірними даними або обмеженими розмірами вибірки.