Superconductive, startup yang mengembangkan solusi manajemen data untuk perusahaan, mengumpulkan $40 juta

Knowledge cloth versus knowledge mesh: Apa bedanya?

Kami sangat antusias untuk menghadirkan Remodel 2022 kembali secara langsung pada 19 Juli dan 20 – 28 Juli secara digital. Bergabunglah dengan AI dan para pemimpin knowledge untuk pembicaraan yang berwawasan luas dan peluang jaringan yang menarik. Daftar hari ini!


Karena semakin banyak proses yang bergerak on-line selama pandemi, bisnis mengadopsi analitik untuk mendapatkan wawasan yang lebih luas tentang operasi mereka. Menurut survei tahun 2021 yang ditugaskan oleh Starburst dan Crimson Hat, 53% perusahaan percaya bahwa akses knowledge menjadi “lebih penting” selama pandemi. Hasilnya sesuai dengan temuan dari ManageEngine, divisi TI Zoho, yang ditemukan pada tahun 2021 pemilihan bahwa lebih dari 20% organisasi meningkatkan penggunaan analisis bisnis mereka dibandingkan dengan rata-rata world.

Tiga puluh lima persen responden survei Starburst dan RedHat mengatakan bahwa mereka ingin menganalisis risiko bisnis waktu nyata, sementara 36% mengatakan bahwa mereka mencari pertumbuhan dan peningkatan pendapatan melalui keterlibatan pelanggan yang “lebih cerdas”. Namun, menggarisbawahi tantangan dalam analitik, lebih dari 37% responden mengatakan bahwa mereka tidak yakin dengan kemampuan mereka untuk mengakses “knowledge yang relevan dan tepat waktu untuk pengambilan keputusan”, baik karena sumber penyimpanan yang berbeda atau masalah dengan pengembangan jalur knowledge.

Dua konsep yang muncul telah diajukan sebagai jawaban atas rintangan dalam analitik dan manajemen knowledge. Salah satunya adalah “fabrikasi knowledge”, pendekatan integrasi knowledge yang mencakup arsitektur — dan layanan yang berjalan pada arsitektur itu — untuk membantu organisasi mengatur knowledge. Yang lainnya adalah “knowledge mesh,” yang bertujuan untuk mengurangi tantangan ketersediaan knowledge dengan menyediakan lapisan konektivitas terdesentralisasi yang memungkinkan perusahaan untuk mengakses knowledge dari berbagai sumber di seluruh lokasi.

Baik knowledge cloth maupun knowledge mesh dapat melayani beragam tujuan bisnis, teknis, dan organisasi. Misalnya, mereka dapat menghemat waktu para ilmuwan knowledge dengan mengotomatiskan tugas-tugas transformasi knowledge yang berulang sambil memberi daya pada alat akses knowledge swalayan. Knowledge cloth dan knowledge mesh juga dapat mengintegrasikan dan menambah perangkat lunak manajemen knowledge yang sudah digunakan untuk meningkatkan efektivitas biaya.

kain knowledge

Kombinasi teknologi termasuk AI dan pembelajaran mesin, kain knowledge mirip dengan tenunan yang membentang untuk menghubungkan sumber knowledge, jenis dan lokasi dengan metode untuk mengakses knowledge. Gartner menggambarkannya sebagai analitik atas “aset metadata yang ada, dapat ditemukan, dan disimpulkan” untuk mendukung “desain, penerapan, dan pemanfaatan” knowledge di seluruh lingkungan lokal, edge, dan pusat knowledge.

Knowledge cloth terus mengidentifikasi, menghubungkan, membersihkan, dan memperkaya knowledge waktu nyata dari berbagai aplikasi untuk menemukan hubungan antar titik knowledge. Misalnya, struktur knowledge mungkin memantau berbagai jalur pipa knowledge — kumpulan tindakan yang menyerap knowledge mentah dari sumber dan memindahkannya ke tujuan — untuk menyarankan alternatif yang lebih baik sebelum mengotomatiskan tugas yang paling berulang. Knowledge cloth mungkin juga “menyembuhkan” pekerjaan integrasi knowledge yang gagal, menangani aspek manajemen knowledge yang lebih rumit seperti membuat — dan membuat profil — kumpulan knowledge dan menawarkan cara untuk mengatur dan mengamankan knowledge dengan membatasi siapa yang dapat mengakses knowledge dan infrastruktur apa.

Untuk mengungkap hubungan antar knowledge, kain knowledge membangun grafik yang menyimpan deskripsi knowledge yang saling terkait seperti objek, peristiwa, situasi, dan konsep. Algoritme dapat menggunakan grafik ini untuk tujuan analitik bisnis yang berbeda, seperti membuat prediksi dan memunculkan penyimpanan kumpulan knowledge yang sebelumnya sulit ditemukan.

Sebagai K2 View, vendor solusi knowledge cloth, menjelaskan: “Bentuk knowledge terus menyediakan … knowledge berdasarkan pandangan 360 dari entitas bisnis, seperti segmen pelanggan tertentu, lini produk perusahaan, atau semua gerai ritel dalam geografi tertentu … Dengan menggunakan knowledge ini, ilmuwan knowledge membuat dan menyempurnakan mannequin pembelajaran mesin, sementara analis knowledge menggunakan kecerdasan bisnis untuk menganalisis tren, mengelompokkan pelanggan, dan melakukan analisis akar masalah. Mannequin pembelajaran mesin yang disempurnakan disebarkan ke dalam struktur knowledge, untuk dieksekusi secara real-time untuk entitas individu (pelanggan, produk, lokasi, dll.) — sehingga ‘mengoperasionalkan’ algoritme pembelajaran mesin. Knowledge cloth mengeksekusi mannequin machine studying sesuai permintaan, secara actual time, memberinya knowledge lengkap dan terkini entitas individu. Keluaran pembelajaran mesin langsung dikembalikan ke aplikasi yang meminta dan bertahan dalam struktur knowledge, sebagai bagian dari entitas, untuk analisis di masa mendatang.”

Kain knowledge sering bekerja dengan berbagai tipe knowledge termasuk knowledge teknis, bisnis, dan operasional. Dalam skenario yang superb, mereka juga kompatibel dengan banyak “gaya” pengiriman knowledge yang berbeda seperti replikasi, streaming, dan virtualisasi. Lebih dari itu, solusi knowledge cloth terbaik menyediakan alat visualisasi tangguh yang membuat infrastruktur teknis mereka mudah diinterpretasikan, memungkinkan perusahaan memantau biaya penyimpanan, kinerja, dan efisiensi — plus keamanan — di mana pun knowledge dan aplikasi mereka berada.

Selain analitik, struktur knowledge memberikan sejumlah keuntungan bagi organisasi termasuk meminimalkan gangguan dari peralihan antara vendor cloud dan sumber daya komputasi. Knowledge cloth juga memungkinkan perusahaan — dan analisis knowledge, penjualan, pemasaran, arsitek jaringan, dan tim keamanan yang bekerja di mereka — untuk mengadaptasi infrastruktur mereka berdasarkan perubahan kebutuhan teknologi, menghubungkan titik akhir infrastruktur terlepas dari lokasi knowledge.

Dalam laporan tahun 2020, Forrester ditemukan bahwa solusi struktur knowledge IBM dapat mempercepat pengiriman knowledge hingga 60 kali lipat sambil menghasilkan peningkatan laba atas investasi sebesar 459%. Tetapi knowledge cloth memiliki kelemahan — yang paling utama di antaranya adalah kompleksitas implementasi. Misalnya, knowledge cloth memerlukan pengeksposan dan pengintegrasian knowledge dan sistem yang berbeda, yang seringkali dapat memformat knowledge secara berbeda. Kurangnya interoperabilitas asli ini dapat menambah gesekan seperti kebutuhan untuk menyelaraskan dan menghapus duplikat knowledge.

Jaringan knowledge

Di sisi lain, ada jaring knowledge, yang memecah arsitektur knowledge perusahaan besar menjadi subsistem yang dikelola oleh tim khusus. Tidak seperti struktur knowledge, yang bergantung pada metadata untuk mendorong rekomendasi untuk hal-hal seperti pengiriman knowledge, mesh knowledge memanfaatkan keahlian pakar materi pelajaran yang mengawasi “area” di dalam mesh.

“Area” adalah kluster layanan mikro terkait yang dapat digunakan secara independen yang berkomunikasi dengan pengguna atau area lain melalui antarmuka yang berbeda. Layanan mikro terdiri dari banyak layanan kecil yang digabungkan secara longgar dan dapat digunakan secara independen.

Area biasanya menyertakan kode, alur kerja, tim, dan lingkungan teknis, serta tim yang bekerja dalam area memperlakukan knowledge sebagai produk. Knowledge yang bersih, segar, dan lengkap dikirimkan ke konsumen knowledge apa pun berdasarkan izin dan peran, sementara “produk knowledge” dibuat untuk digunakan untuk tujuan analitis dan operasional tertentu.

Untuk menambah nilai pada mesh knowledge, engineer harus mengembangkan pemahaman yang mendalam tentang kumpulan knowledge. Mereka bertanggung jawab untuk melayani konsumen knowledge dan mengatur di sekitar area — yaitu, menguji, menyebarkan, memantau, dan memelihara area. Di luar ini, mereka harus memastikan bahwa area yang berbeda tetap terhubung oleh lapisan interoperabilitas dan tata kelola knowledge yang konsisten, standar dan observabilitas.

Jaring knowledge mempromosikan desentralisasi, di sisi positifnya, memungkinkan tim untuk fokus pada serangkaian masalah tertentu. Mereka juga dapat meningkatkan analitik dengan memimpin dengan konteks bisnis alih-alih jargoni, pengetahuan teknis.

Tetapi mesh knowledge memiliki kelemahan. Misalnya, area tanpa disadari dapat menduplikasi knowledge — membuang-buang sumber daya. Struktur terdistribusi dari knowledge mesh dapat — jika knowledge mesh tidak cukup infrastruktur-agnostik — memerlukan lebih banyak pakar teknis untuk menskalakan daripada pendekatan terpusat. Dan utang teknis dapat meningkat karena area membuat saluran knowledge mereka sendiri.

Menggunakan knowledge mesh dan cloth

Saat menimbang professional dan kontra, penting untuk diingat bahwa jaring knowledge dan kain knowledge adalah konsep — bukan teknologi — dan tidak saling eksklusif. Sebuah organisasi dapat mengadopsi pendekatan knowledge mesh dan knowledge cloth di seluruh departemen tertentu, atau semua, sebagaimana mestinya. Bagi James Serra, yang sebelumnya merupakan arsitek solusi large knowledge dan knowledge warehousing di Microsoft, perbedaan antara kedua konsep tersebut terletak pada cara pengguna mengakses knowledge.

“Knowledge cloth dan knowledge mesh keduanya menyediakan arsitektur untuk mengakses knowledge di berbagai teknologi dan platform, tetapi knowledge cloth berpusat pada teknologi, sementara knowledge mesh berfokus pada perubahan organisasi,” tulisnya dalam posting weblog (melalui datanami). “[A] knowledge mesh lebih tentang orang dan proses daripada arsitektur, sementara knowledge cloth adalah pendekatan arsitektur yang menangani kompleksitas knowledge dan metadata dengan cara cerdas yang bekerja sama dengan baik.”

Analis Eckerson Group, David Wells, memperingatkan agar tidak terobsesi dengan perbedaan, yang menurutnya jauh lebih penting daripada komponen yang harus ada untuk mencapai tujuan bisnis yang diinginkan. “Mereka adalah kerangka kerja arsitektur, bukan arsitektur,” tulis Wells di weblog baru-baru ini Pos (juga melalui datanami). “Anda tidak memiliki arsitektur sampai kerangka kerja disesuaikan dan disesuaikan dengan kebutuhan Anda, knowledge Anda, proses Anda, dan terminologi Anda.”

Itu saja untuk mengatakan bahwa knowledge cloth dan knowledge mesh akan tetap sama relevannya di masa mendatang. Meskipun masing-masing melibatkan elemen yang berbeda, mereka menuju tujuan yang sama untuk membawa analitik yang lebih besar ke organisasi dengan infrastruktur knowledge yang luas — dan terus bertambah.

Misi VentureBeat adalah menjadi alun-alun kota digital bagi para pengambil keputusan teknis untuk memperoleh pengetahuan tentang teknologi dan transaksi perusahaan yang transformatif. Pelajari lebih lanjut tentang keanggotaan.

Total
0
Shares
Leave a Reply

Your email address will not be published.

Related Posts