2024 年のビッグデータ業界予測 (パート 2)

ビッグデータ

デジタル変革への投資は、特にインフレが継続する中で、リスク管理の強化、コストの削減、顧客体験の向上を可能にするため、2024 年の CIO の重要課題となるでしょう。さらに、今年の傾向を踏まえると、生成 AI への投資も継続されるでしょう。当社の当初のビジネスニーズと目標を評価する上で同様に重要だったのは、責任ある使用を優先するガイドラインを確立するという当社の取り組みでした。最後に、業界としてデータ サイロを受け入れる必要があります。サイロを無視することはできませんが、サイロを有効に活用し、必要な精査済みデータを抽出できるようにする必要があります。 —ダニエル・コンクリン、最高情報責任者、品質管理担当

ビッグデータに固有の特性、つまり量、速度、価値、多様性、正確性などは毎年変わりませんが、毎年登場する進化するテクノロジーにより、ドメイン知識を活用してデータを文脈化し、より多くの洞察を得て、ビジネス変革を加速することができます。 – サンドテクノロジーズ社シニアコンサルタント、アハメド・エル・アドル博士

ビッグデータからの洞察はもはやデータ サイエンティストだけのものではありません。ビッグデータから有意義なビジネス洞察を引き出す能力は、主に高度に専門化されたデータ サイエンティストの領域となっています。しかし、サイバーセキュリティと同様に、こうした専門家はごく少数であり、この限られたリソースに対する要求を課すチームが増えています。この急激な変化は今後 1 年間で見られるでしょう。データ ファブリック プラットフォームとデータ サイエンスおよびマシン言語 (DSML) プラットフォームは、エンタープライズ データへのアクセスを統合および簡素化することで状況を変えています。これらのプラットフォームはよりユーザーフレンドリーであり、より多くのチームのより多くの人が、ビジネスが直面している脅威やその他の課題を認識し、対応できるようになります。人工知能の進歩により悪意のある人物の侵入が容易になっているため、データの民主化はまさに絶好のタイミングで実現しています。より多くの人が注意を払い、保護対策を講じることができるようになれば、企業は脅威に先手を打つ機会が得られます。 –ニコール・ブカラ、コムキャスト・テクノロジー・ソリューションズ副社長兼ゼネラルマネージャー

2024 年に成功するには、最高データ責任者、あるいはあらゆるデータリーダーは、まず変更管理の専門家であり、次にデータの専門家である必要があります。データ文化の創造は、フィールド・オブ・ドリームスの「作れば実現する」というアプローチとは正反対であり、CDO は多くの場合、自分の夢だけが重要視される分野に身を置いています。したがって、データ主導の文化を現実のものにするには、「データの夢」を組織のあらゆる領域に持ち込む必要があります。生成 AI は、CDO が現在利用できる最も具体的で信頼性の高いツールです。 – Niamh O’Brien、シニアマネージャー、Fivetra

来年は、進化したデータレイクの需要が高まり、GenAI が組織によるビッグデータへのアクセスをより容易にする仕組みが生まれると予測しています。ビジネス リーダーが求めているのは、単に整理されたストレージ スペースだけではありません。データとの有意義な会話を促進し、それを実用的な洞察に変換する、インテリジェントでインタラクティブなプラットフォームを求めています。 GenAI の大規模言語モデル (LLM) は、ビッグデータと意思決定の間のギャップを埋める新たな機会をもたらします。 LLM を搭載したインテリジェント エージェントは、自然言語クエリを理解して応答する創造的な能力を備え、ユーザーが会話形式でデータを処理できるようになるため、ビジネスに新たな展望が開かれます。この変化により、組織は、ユーザーがデータについて有益な理解を得られるよう、整理されたデータ リポジトリへと向かうようになっています。 –ブリスルコーンのCEO、ニラヴ・パテル氏

2024 年は、データの移動をやめて使用を開始する年です。20 年以上にわたり、データの増加が接続速度を上回り、指数関数的な問題を引き起こしてきました。指数関数的な問題は、毎日倍増する砂の入った瓶のように、突然手に負えなくなることがあります。そしてある日、それは溢れてしまいます。データ転送速度が私たちのニーズに追いつけないため、エクサバイト単位のデータを転送できるように設計された、トラックで牽引される長さ 45 フィートのコンテナである Amazon AWS Snowmobile のようなソリューションが生まれました。すべてのデータを、分析や使用が必要な場所、つまり 1 つのデータ センターから別のデータ センターに移動することが不可能な状況に陥っています。工場、病院、自動運転車などのエッジでは、新しい AI モデルを強化するために、毎日エクサバイト単位のデータが生成されます。しかし、AI エコシステムは主にクラウドに存在し、このような膨大な量のデータをエッジからクラウドに移動することは現実的ではありません。 2024 年までに、データを移動せずに処理できるツールが登場すると予想されます。これらのツールにより、クラウド アプリケーションはエッジ データにローカル データのようにアクセスしたり、データ センター アプリケーションはクラウド データにローカル データのようにアクセスしたりできるようになります。ユビキタスデータの時代へようこそ。 –Qumulo CTO、キラン・バゲシュプール

雲

クラウドや OS に依存しない高可用性は、ほとんどのアプリケーションで期待される要件となっています。IT チームは、オペレーティング システムやクラウド全体で一貫性があり、複雑さを軽減してコスト効率を向上させるアプリケーションの高可用性ソリューションを求めています。高可用性の需要が高まるにつれ、ローカル環境やクラウド環境、Windows 環境や Linux 環境でアプリケーションを実行している企業は、すべての環境で一貫したユーザー インターフェイスを提供し、高可用性ベンダーのクラウドおよびオペレーティング システムのテクニカル サポートとサービスに対応する高可用性ソリューションを通じて、アプリケーション環境を簡素化することを目指しています。 – SIOS Technology 副社長、カシアス・ルー氏

組織はパブリック クラウド DBaaS の代替手段を引き続き模索します。ユーザー、顧客、市場全体から、パブリック クラウド DBaaS の代替手段が必要であるという声が聞こえてきます。これには、ベンダーに依存しないこと、コストを最適化したい、データベース構成の柔軟性を高めたいなど、さまざまな理由があります。現在、市場は変化を望む人々に対して限られた選択肢しか提供していません。プロバイダー固有の DBaaS とは異なり、組織や IT チームがデータ アクセス、構成の柔軟性、クラウドベースのデータベースに関連するコストをより細かく制御できるオープン ソースのプライベート データベース プラットフォームに対する市場のギャップがあります。 Kubernetes と Kubernetes Operators の開発により、このアプローチの実装は容易になりましたが、実稼働環境での展開と実行を困難にするギャップがまだ複数残っています。これらのギャップを埋め、完全にオープンソースの DBaaS オプションを提供することは、2024 年までに実現するでしょう。 –Percona のシニア オペレーション マネージャー、Aleksandra Mitroshkina 氏

プロンプトから構築され、クラウドでホストされます。近い将来、AI 駆動型言語モデル (LLM) は、自動化ツールの急速な導入によってこの変化を推進し、サーバーベース (仮想化) コンピューティングに革命をもたらし続けるでしょう。それは、Web サイトを作成するための簡単なプロンプトから始まります。構築する Web サイトの種類をガイドする追加の指示を追加します。オンライン ビジネスが成長するにつれて、拡張性、負荷分散、セキュリティ保護、大量のトラフィックの処理能力を備えたクラウド ホスティングが最優先の検討事項になるでしょう。信頼性、セキュリティ、柔軟性を高めるために、単一のプロバイダーに縛られないように、マルチクラウド アプローチに切り替えるユーザーが増える可能性があります。インフラストラクチャの管理、サーバーのプロビジョニング、ハードウェアのアップグレードを行うことなく、オンデマンドでコードを実行できるサーバーレス関数は、開発者にとってさらに好ましいアーキテクチャになるでしょう。これにより、展開プロセスが簡素化され、リソースのより効率的な割り当てが可能になり、労力と時間が大幅に節約されます。量子コンピューティングが進歩するにつれ、たとえゆっくりであっても、従来の暗号化方式は覆されることになるだろう。クラウド ホスティング プロバイダーは、機密データを保護するために、耐量子セキュリティ ソリューションを提供することで適応する必要があります。エネルギー価格の上昇により、クラウド ホスティングではより持続可能な慣行が採用されるようになります。より多くのプロバイダーが、再生可能エネルギーの使用、廃水の再利用、二酸化炭素排出量の削減、環境に優しいクラウド サービスの推進に取り組むようになります。 –IONOS チーフストラテジスト、マーク・ニューファース

データベース/データウェアハウス/データレイク/データ管理

データ モデルには構造的な変化が起こり、高度に構造化された従来のデータベースから離れていきます。競争上の優位性を獲得し、リアルタイムのビジネスペースを変えるために AI 機能を統合する企業が増えるにつれて、データ管理に対する従来のアプローチは時代遅れになり、それに代わる新しいデータ モデルが必要になります。 –ジェネラル・カタリスト

新しいタイプのデータ ウェアハウスが登場します。Snowflake、BigQuery、Redshift がエンタープライズ データをクラウドに移行します。 2024 年までに、新世代のデータベースがこれらのモノリシック データ ウェアハウスからワークロードを奪うようになるでしょう。これらのリアルタイム データ ウェアハウスは、製品の観測性と分析を強化する、より高速で効率的なリアルタイム データ駆動型アプリケーションを提供することでこれを実現します。 –ClickHouse 副社長 Tanya Bragin

SQL は今後も使用され続けます。数年ごとに構造化クエリ言語 (SQL) は時代遅れとみなされ、2024 年までには、LLM AI ツールを使用してデータベース クエリを生成するという提案が広く注目されるようになります。しかし、SQL は 1970 年代から現在まで広く使用されている唯一のプログラミング言語であり、その理由の 1 つは、データを照会する強力な機能にあります。この文法を好まない人や、そのルールが多少恣意的であると感じる人もいるかもしれません。しかし、SQL は数十年にわたってデータ操作のための最高のツールとしてその価値を何度も証明しており、すぐに廃れることはありません。 –Dave Stokes、Percona テクニカル スタッフ

これまで以上に柔軟なグローバルアーキテクチャが必要とされている

グローバル データベースの必要性は、データ レジデンシーのコンプライアンス要件の増大と、世界中に分散したユーザー ベースに低遅延データを配信する必要性から生じます。より多くの国がデータ保存規制を制定するにつれて、グローバル企業はデータベースを評価し、柔軟なグローバル アーキテクチャに展開できることを確認する必要があります。

一般データ保護規則（GDPR）（2018 年 5 月 25 日発行）は、世界で最も厳格なデータ保護ポリシーです。この法律は、EU市民の個人データとプライバシーを保護するために企業に厳しい要件を課しています。企業がGDPRを遵守しなかった場合、最大1,000万ユーロ、または前会計年度の全世界売上高の最大2%の罰金が科せられる可能性があります。こうした厳しい罰則や、メディア報道によって生じる評判の失墜により、企業が所在地を問わず、世界的な規制を満たし、遵守することがますます重要になっています。柔軟なグローバル構造を持つことで、企業はこれらの規制に違反することを避けることができます。グローバル データベースの必要性は、ますます厳しくなるコンプライアンス要件の結果である可能性がありますが、柔軟なグローバル アーキテクチャを持つことで、組織のプライバシー衛生も向上できます。柔軟なグローバル アーキテクチャを持つことで、企業は変化する市場や顧客のニーズに適応し、低遅延でグローバルに分散されたユーザー データベースにデータを配信できるようになります。 –ユガバイト、戦略・運営担当副社長、スダ・スリニヴァサン氏

データ レイクの台頭とデータ レイク ベンダーの衰退: 一部の企業は収集するデータ量を減らすことを選択するかもしれませんが、規制要件がますます厳しくなっているため、ほとんどのチームには、少ないデータでより多くのことを行う以外に選択肢がありません。予測不可能な価値を持つデータをよりコスト効率よく保存する方法を模索する企業が増えており、データ レイクを再検討する企業が増えています。かつては非構造化データの最終的な保存先と考えられていたデータ レイクへの移行は、ストレージ コストの上昇、データ レイクとオブジェクト ストア間のクエリ機能の向上、およびデータをデータ レイクにルーティングする際の比較的容易さによって、2024 年まで加速すると予想されています。大規模なデータストアを迅速かつコスト効率よく検索できるため、企業はデータレイクをデータの最終目的地ではなく、最初の目的地として使い始めるでしょう。これにより、データ量が分析プラットフォームやホット ストレージからデータ レイクに移動することになります。この成長とは対照的に、市場が理論と導入から現実と利用へと成熟するにつれて、クラス最高ではないデータ レイク ベンダーは来年、成長と統合が鈍化する可能性があると予想されます。急成長を経験した業界にとって、痛みはさらに深刻であり、データ レイク ベンダーも間違いなくそのリストに含まれています。 –ニック・ヒューデッカー、クリブルシニアディレクター

ビジネスアナリストの共通言語として、英語が SQL に取って代わります。正確性、パフォーマンス、セキュリティの問題にうまく対処すれば、言語から SQL へのテクノロジが主流に採用されることが予想されます。さらに、これらの LLM を使用すると、SQL 言語の LLM がデータベースに移動され、機密データが保護されるため、データのプライバシーとセキュリティに関する主要な問題の 1 つが解決されます。 Language-to-SQL テクノロジの成熟により、より幅広いユーザー層への扉が開かれ、データおよびデータベース管理ツールへのアクセスが民主化され、さらに自然言語処理が日常のデータ関連タスクに統合されるようになります。 -キネティカのCEO兼共同創設者、ニマ・ネガバン氏

オープン フォーマットは、データ ウェアハウス モデルに最後の一撃を与えようとしています。多くの人がデータ レイク ハウス モデルがウェアハウスに取って代わると予想していましたが、実際に破壊的な影響を与えるのはオープン フォーマットとデータ スタックです。それらは、倉庫や倉庫のアーキテクチャに影響を与える制約であるベンダー ロックインから企業を解放します。 –Starburst 共同創設者兼 CEO、ジャスティン・ボーグマン

データファーストのアーキテクチャアプローチとデータ管理戦略: 人々が保存するデータが再び爆発的に増加しつつあります。 2025 年までに、世界のデータ生成量は 180 ZB 以上に増加すると予想されています。組織は、データの使用方法がわからなかったり、長期的にデータが必要かどうかわからなかったりしても、データの価値を高めています。データの爆発的な増加により、高可用性とスケーラブルなソリューションの必要性が高まり続けます。この流行をうまく利用するために、組織は部門間でデータを民主化し、データファーストのアプローチを採用して、すべてが組織のあらゆる側面に真に利益をもたらすようにする必要があります。 –Faction Inc. テクノロジーおよびオペレーション担当副社長、Jeff Heller 氏

2024 年は、トランザクション分散データベースが主流として採用される年です。最近まで、分散データベースはニッチなユースケースにのみ役立つと考えられていました。しかし、AI やクラウド アプリケーションが成長し、企業が複数のタイム ゾーンや場所にまたがって業務を拡大するにつれて、より多くのアプリケーションでスケーラビリティ、復元力、高可用性、データの地理的分散が必要になります。業界のリーダーによって実証されたクラウドネイティブの分散データベースは、これらの組織の多くにとって当然の選択肢となるでしょう。課税とデータ居住地に関する法律の遵守の必要性により、導入がさらに促進されるでしょう。来年には、AWS、Google Cloud、Microsoft Azure などの大手企業がこのトレンドを活用して、より多くの分散リレーショナル データベース機能を発表すると予想されます。 –Karthik Ranganathan、Yugabyte 創設者兼 CTO

データエンジニアリング

AI テクノロジーは開発者に取って代わるものではありません。AI はソフトウェア開発の最前線に進出しており、IT リーダーは AI を使用して市場投入までの時間を短縮し、開発者不足を緩和しています。生成 AI ベースのツールは多くの一般的な開発者タスクを高速化できますが、複雑なタスクは現時点では開発者の領域のままです。一部のタスクでは熟練した開発者の専門知識が依然として必要となるため、AI テクノロジーは開発者を置き換えるのではなく、開発者を補強するために使用されます。 –インフラジスティックス、シニアバイスプレジデント、ジェイソン・ベレス

AI によって生成されたコードにより、デジタル免疫システムの必要性が生まれます。2024 年までに、ソフトウェア コードの品質の低さと監視の不十分さにより、さらに多くの組織が重大なデジタル サービスの中断を経験することになります。開発者は、生成 AI を搭載した自律エージェントを使用してコードを作成することが増え、組織は顧客とユーザーのエクスペリエンスに影響を与える予期しない問題のリスクにさらされることになります。これは、自律エージェントによって生成されたコードを保守する際の課題が、組織を離れた開発者によって作成されたコードを保守する際の課題に似ているためです。チームの残りのメンバーはコードを完全に理解していませんでした。そのため、コードに問題が発生した場合、誰もすぐに修正することができませんでした。さらに、自律エージェントによって作成されたコードの問題を生成 AI を使用して確認し、解決しようとする人は、それを効果的に管理するために必要な基礎知識と理解がまだ不足しているため、再帰的な問題に遭遇することになります。これらの課題により、組織はソフトウェアの設計、開発、運用、分析のプラクティスとテクノロジーを組み合わせたデジタル免疫システムを開発し、デフォルトでコードの復元力を確保することでソフトウェアを内部から保護するようになるでしょう。これを実現するために、組織は予測 AI を活用して、コードやアプリケーションの問題が発生する前に自動的に予測し、即時の自動応答をトリガーしてユーザー エクスペリエンスを保護します。たとえば、開発チームは自己修復機能を備えたアプリケーションを設計できます。これらの機能により、新しいバージョンでバグが発生した場合にコードベースの最新の安定バージョンに自動的にロールバックしたり、コンピューティング能力の需要の増加に対応するために追加のクラウド リソースを自動的にプロビジョニングしたりできます。 –Dynatrace の CTO 兼創設者、ベルント・グライフェネダー

データガバナンスと規制

企業の 40% は、コンプライアンスを実現するために AI ガバナンスに積極的に投資します。 EUが新たなEU AI法を可決する予定であり、米国が規制当局にAIの開発とAI担保の作成を促し、中国が最近AI規制を導入したことから、一部の企業はAIコンプライアンスをさらに推進するだろう。これを怠ると、コンプライアンスの期限に間に合わず、AI ガバナンスを刷新しなければならなくなり、複雑さ、コスト、時間が増大します。現在および将来のコンプライアンス要件を満たすために、組織は新しいテクノロジーの取得、人材不足の補填、必要なサードパーティのサポートの取得に投資することになります。 –フォレスター

データ ガバナンスはデータ インテリジェンスへと進化します。データ ガバナンスの初期には、データ損失防止と保護の戦略が主流でした。これらのツールは政府の要件を満たすのに依然として役立ちますが、データの効果的な使用を妨げる可能性があります。データが厳重にロックダウンされている場合、管理者はデータがどのように使用され、移動され、アクセスされるかを把握できず、データの保存と適用の実践を効果的に改善することができません。しかし、それはすぐに変わるでしょう。データ ガバナンスはコンプライアンスの維持に依然として重要です。しかし、進化したデータ インテリジェンス機能が登場し、実務者はデータを制御するだけでなく、それを理解できるようになりました。これは、現代のビジネス界では必須の機能です。メタデータをマイニングしてそのライフサイクルを理解することで、チームはビジネス ニーズをより効果的にサポートできるようになります。これらの賢明なガバナンス戦略は、組織がデータコンプライアンスという共通目標を達成するとともに、より正確なデータの洞察を明らかにするのに役立ちます。 –Semarchy CEO、ブレット・ハンセン氏

AIは混乱した規制の迷路に引き込まれることになるだろう。 AI 規制は世界中で次々と施行され、企業にとって対処が困難な複雑な規制の迷路が生み出されるでしょう。具体的には、米国では、税法が現在管轄区域ごとに異なるのと同様に、AI 規制は州や都市ごとに異なる可能性があり、おそらくそうなるでしょう。 2024年に組織がAI規制の枠組みの寄せ集めに取り組む際、組織は「ここでAIを有効にするべきか？もしそうなら、どのように？」と自問する必要があります。—David Lloyd、Ceridian最高データ責任者

米国が2024年にAI関連の法律を制定する可能性は低い。歴史が示すように、立法者がAIに関する実用的な知識を獲得し、その選択肢を理解し、法律を制定するのに十分な合意に達するには長い時間がかかるだろう。複雑な政治プロセスの結果を予測するのは困難だが、大統領選挙が近づいている場合はなおさらだ。しかし、2023年に生成AIが一般大衆の心を捉えたことを考えると、切迫感が生まれ、それがバイデン大統領が「安全で、セキュリティが高く、信頼できるAI」に関する大統領令（EO）を発行するきっかけになるかもしれない。 AI の使用と開発を指示する連邦法に代わるこの大統領令は、国土安全保障、防衛、エネルギー、商業などの行政部門の権限とリソースを活用して、AI の安全性とセキュリティをさらに強化するのに役立ちます。政府は、その広範な購買力を通じて市場に影響を与えており、安全とセキュリティの管理の開発と導入を推進するためにも活用されるでしょう。 —ブランコ・アメリカス副社長兼ゼネラルマネージャー、モーリス・ウエヌマ氏

信頼できるデータは世界で最も重要な資産になります。AI システムにおける信頼できるデータの重要な役割は、将来のテクノロジーの基礎になりつつあります。 AI システムによって生成される情報とデータが信頼できるものであることを確認することも同様に重要です。汎用人工知能 (AGI) にますます近づいている世界では、何を信頼し、誰を信頼するかを知ることは、私たちが学んだことすべて、そして私たちが知っていると思っていることすべてにとって基本となります。 Forrester はこの変化を強調し、ドメイン固有の大規模言語モデル (LLM) を組み込んだデジタル アシスタントが、まもなく 10 件中 1 件の運用タスクを支援するようになるだろうと予測しています。特定のビジネス ニーズに合わせてカスタマイズすると、これらの LLM は高い投資収益率を実現します。この傾向により、組織は特定のビジネス ニーズに合わせた AI モデルのトレーニングに不可欠な、高品質で信頼性の高いデータの検索、理解、管理にさらに注意を払うようになりました。その結果、AIガバナンスが急速に重要になります。データを管理するだけでなく、情報とモデルのライフサイクル全体を理解することも重要です。生成型 AI の時代、そして幻覚がもたらす課題の時代においては、データを新しい石油と比較するだけでは不十分であるように思われます。今日のビジネス環境では、大規模なデータセットを単に収集して分析するだけではもはや十分ではありません。 2024 年以降、信頼できるデータと、そのデータへの信頼を確立するためのすべてのツールが、組織にとって最も重要な商品になるでしょう。 –AlationのCEO兼共同創設者、サティエン・サンガニ氏

ジェネレーティブ AI の採用は規制上のハードルにより鈍化し、焦点はエンタープライズ データの可用性に移ります。ジェネレーティブ AI は 2023 年に注目を浴びましたが、新年には規制上の逆風に直面し、企業は 2024 年に向けてより慎重になる見込みです。セキュリティ上の懸念が高まるため、組織はこれを大規模に導入できなくなっています。数多くのパイロットプロジェクトが実施されているにもかかわらず、その多くは期待した結果が得られず、企業の熱意を削ぐ可能性があります。 AI 評価が強化されるにつれて、ベンダーはより厳しい監視に直面することになります。ただし、このレビューにより、よりデータ中心でユーザーフレンドリーなアプリケーション環境への道が開かれる可能性があります。 –Zip リサーチ責任者 Nick Heinzmann

データ統合、データ品質

規模の大小を問わず、企業はクリーンなデータ セットを優先します。企業は AI 主導のデータ分析の威力を認識するにつれて、このトレンドに追いつこうとします。しかし、AI アルゴリズムの有効性はデータの品質とクリーンさに大きく依存するため、統一されたクリーンなデータセットがなければ、あまり効果を上げることはできません。クリーンなデータセットは AI 実装を成功させるための基盤となり、企業が貴重な洞察を得て競争力を維持できるようにします。 –DataGPTのCEO兼共同創設者、アリナ・カーティス

データグリッド、データ構造

企業が分散環境間でデータを共有しようとする中、データ ファブリックとデータ メッシュは引き続き注目の話題となるでしょう。各ビジネス ユニットが独自のデータ ソリューションを設計し、必要な大規模なコンポーネントにのみ接続できるようにするデータ グリッド アーキテクチャを実装します。 –マニッシュ・パテル、CData COO

データの可観測性

データの観測可能性: データの観測可能性は、データ品質を積極的に保証し、データ パイプライン全体の異常に対処するための重要なトレンドとして浮上しています。データ観測性の 5 つの主要な柱は、系統、品質、鮮度、量、スキーマ ドリフトです。クラウド環境でこれらの柱を積極的に監視することで、大幅なコスト削減が実現し、コストを 30 ～ 40% 削減できる可能性があります。つまり、情報に基づいた意思決定を行うには、高品質のデータが不可欠であるということです。環境全体で適切な可観測性を確保し、ユーザーが信頼できる厳選されたデータ資産にアクセスして貴重な洞察を得られるようにします。 –Tredence Inc. データエンジニアリング担当副社長、Arnab Sen 氏

可観測性はデータの問題であると考えられています。企業は可観測性と監視ツールに年間数億ドルを投資しているにもかかわらず、平均解決時間 (MTTR) への影響はごくわずかであり、実際には増加しています。なぜでしょうか? 現代の分散アプリケーションは複雑で、1 日に何度も変更されるため、DevOps チームは運用環境で毎日「未知の」問題を目にすることになります。 「不明な」問題をトラブルシューティングする場合、DevOps チームはデータ ポイントを三角測量して、問題が発生した可能性のある場所を特定する必要があります。問題はここから始まり、一部のデータ ポイントはログ ツール、監視ツール、または APM ツールにあります。多くの場合、各ツールに表示される内容のスクリーンショットを撮り、最終的な意思決定者が関連付けられるように Slack チャンネルに投稿するのがベストプラクティスです。これは持続不可能だ。観測可能性がその期待に応えるためには、観測可能性データが複数のサイロではなく 1 か所に存在する必要があります。データが 1 か所に集まっていると、ナビゲートしやすくなり、調査中のインシデントに関連するコンテキストを見つけやすくなり、DevOps チームは 1 つの一貫したインターフェースで共同作業できるようになります。 —ジェレミー・バートン、オブザーブ CEO

つづく…

ビッグデータ業界の予測に関する前回の記事をご覧になりたい場合は、こちらをクリックしてください: 2024年ビッグデータ業界の予測（パート1）