2018 Yılı Splunk Tahminleri
06.01.2018Splunk uzmanlarının, Yapay Zeka (AI) ve Öğrenen Makinalar (ML) ile BT Operasyonları alanlarında önümüzdeki dönemde ve 2018 yılında hangi trendlerin öne çıkacağına ilişkin tahminlerini okurlarımız için derledik
Splunk uzmanlarının, Yapay Zeka (AI) ve Öğrenen Makinalar (ML) ile BT Operasyonları alanlarında önümüzdeki dönemde ve 2018 yılında hangi trendlerin öne çıkacağına ilişkin tahminlerini okurlarımız için derledik.
Yanlış Adlandırılmalar Sona Eriyor
Yapay Zeka (AI) ve Makina Öğrenmesi (ML), sık sık yanlış anlaşılan ve yanlış kullanılan terimler. Pek çok yeni girişimci ve büyük teknoloji şirketi, sundukları hizmetleri bu terimlerle bağdaştırmaya çalışarak şirketlerini müşterilerine karşı daha cazip göstermeyi denerler. 2018’de gerçeği yansıtmayan bu bağdaştırmaların sona ermesi gerekecek. 2018, Yapay Zeka becerilerinin insan kaynaklarının becerilerine ve kapasitesine yetişecek kadar olgunlaştığı bir yıl olmasa da; Makina Öğrenmesi’nin de desteğiyle, normalde bir anlam çıkarmanın çok güç olduğu, büyük miktarlardaki veriye dayanarak karar alma konusunda şirketlerin Yapay Zeka’dan çok daha fazla yararlandığı bir yıl olacak.
Her Sektöre Özel "AI" ve "ML"
Hisse senedi fiyatları artacak mı düşecek mi?”, “Müşteriniz, satın aldığı pantolonun yanında bir çift ayakkabı da alacak mı?”, “A genini B geni ile birleştirmek hayatta kalma oranını kanıtlanabilir şekilde artıracak mı?”... Yapay Zeka ve Makina Öğrenmesi, pek çok farklı sektör için, o sektöre özel, fiiliyata geçirilebilir bir “geleceği okuma” becerisi kazandırma vaadiyle geliyor. • Finans hizmetleri sunan şirketler, zaten uzun zamandan beri işlerini yönetmek, müşteri memnuniyetini artırmak ve yatırımlarını güvenceye almak için veriye dayalı kararlar alıyorlar. Jesse James’ten Bonnie ve Clyde’a, oradan günümüze, kötü niyetli kişiler hızlı yoldan zengin olmak için, öncelikle finans dünyasındaki şirketleri hedef aldılar. Finans güvenliği kavramı o günlerden bugüne tümüyle değişmiş olsa da bu şirketlerin hala müşterilerini memnun kılmaları gerekiyor. Giderek gelişen ve iyileştirilen uygulamalar ve çevrimiçi ödeme süreçleri, finans şirketlerinin bu hedefe ulaşmasına yardımcı olmakla beraber, yeni saldırı noktalarının oluşmasına da yol açtı. Makina Öğrenmesi destekli Yapay Zeka, dolandırıcılık yöntemlerini fark etme, kullanıcı davranışlarındaki anomalileri tespit etme ve tehditleri önlemek için finans kuruluşlarına tam olarak hangi önlemleri alması gerektiğini gösterebiliyor.
Sağlık ve biyoteknoloji şirketleri, ancak çok büyük miktarlarda veriye dayanarak sağlığımızı etkileyen şeyleri anlayabiliyor ve tıp alanında yeni keşiflerde bulunabiliyorlar. Makina Öğrenmesi, biyologlara ve veri bilimcilerine laboratuvar deneylerindeki anomalileri yakalamalarını sağlayacak araçları sunduğu gibi, deney kalitesinin zaman içindeki değişimini daha etkili şekilde ölçebilmelerine de yardımcı oluyor. Böylelikle değişkenler arasındaki -örneğin A geni ile B geni arasındaki– karşılıklı ilişkileri daha hızlı anlamaları ve hayat kalitesini artırmaya veya hayat kurtarmaya yönelik tedavi yöntemleri bulma hedeflerine bir adım daha yaklaşmaları mümkün oluyor.
İmalat sektörünün karmaşık tedarik zincirinde, bozulan bir makine parçası üretimi büyük ölçüde sekteye uğratarak şirketin kâr marjlarının ve rekabet gücünün etkilenmesine yol açabilir. İmalat şirketleri, birbirine bağlı ekipmanlardan oluşan modern bir üretim sisteminin tüm bileşenlerini birbirleriyle uyumlu ve çalışır durumda tutmak, düzenli bakımlarını yapmak için çok emek ve zaman harcarlar. Makina Öğrenmesi destekli Yapay Zeka sayesinde bu şirketler artık iş sürecini etkileyecek arızalar ortaya çıkmadan önce hangi ekipmanın, ne zaman servis gerektirdiğini tahmin edebilecekler.
Bilgisayımsal gazeteciliğin (evet, yeni bir kavram: computational journalism) yükselişi, medya sektörünün gidişatını büyük ölçüde etkileyecek. 2018’de giderek daha fazla sayıda gazetecinin veri bilimcileri ile iş birliği yaptığını göreceğiz. Gazeteciler, yerel, ulusal ve küresel çaptaki takipçilerinin en çok ilgisini çeken haber ve hikayeleri bulmak için Yapay Zeka, Makina Öğrenmesi ve Doğal Dil İşleme (Natural Language Processing) alanlarındaki uzmanların yardımına başvuracak, daha önce belki fark edilme şansı bile olmayan meselelere ışık tutacaklar. • Perakende sektöründe başarıyı; sadece fiziksel mağazaları ile değil, web siteleri, müşteri desteği, mobil uygulamaları ve sosyal medyasıyla da kapsamlı ve kesintisiz bir hizmet verebilen, müşteri odaklı kuruluşlar elde edecek.
Dikkatimizi çekmeyi, bizimle duygusal bir bağ kurmayı ve sadakatimizi kazanmayı başaranlar, bu çok kanallı deneyimi en iyi şekilde sunabilenler arasından çıkacak ve henüz sayıları da fazla değil. Artık Makina Öğrenmesi destekli Yapay Zeka, perakende sektöründe fark yaratan bir avantaj haline geliyor. Gerek büyük gerek küçük ölçekli şirketlerin müşterilerini daha iyi anlamasını sağlıyor ve hem bariz faktörleri (müşteri demografisi ve satın alma tarihçesi) hem de farkına varılması daha güç faktörleri (web kullanım alışkanlıkları ve sosyal profiller) kapsayan bir formüle dayanarak, müşterilerine hedefe yönelik tekliflerde bulunabilmesini mümkün kılıyor. Müşteri sadakatine önem veren perakendeci şirketler, Makina Öğrenmesi konusuna daha temkinli bir şekilde yaklaşmak durumundalar. Bu yönde adımlar atarken, önceden müşterinin onayını almak bu işin yeni altın kuralı haline gelecek.
Splunk Türkiye'de LinkPlus İle Büyüyor!
Splunk firmasının tek yetkili dağıtıcısı olan LinkPlus, analitik özellikleriyle öne çıkan Splunk ürünlerini iş ortakları kanalıyla yaygınlaştırıyor. LinkPlus bünyesinde Splunk İş Birimi Yöneticisi olarak görev yapan Volkan Nalcı, Splunk’ın dünyada çok hızlı büyüyen bir şirket olduğuna ve Türkiye’de yüksek bir potansiyel barındırdığına şu sözlerle dikkat çekiyor: “Günümüzde şirketler üretilen verinin ortalama %20’sini görüp, değerlendiriyorlar. Bunun ötesinde hiçbir şekilde değerlendirilmeyen %80’lik bir veri havuzu söz konusu. Biz bu verilerin bulunduğu alanı kör nokta olarak adlandırıyoruz. Splunk, özellikle makine verisi olarak adlandırılan ve bu kör noktada kalan verilerin analizinde kullanılan etkili bir çözüm. Farklı kaynaklardan gelen değerli verileri toplayıp analiz ediyor ve ilişkilendirip son kullanıcıya görselliği güçlü raporlar sunuyor. Bu raporların gerçek zamanlı olması, Splunk’ı diğer çözümlerden hemen ayırıyor. Şirketler, daha önce varlığından haberdar bile olmadıkları bu verilerin gerçek zamanlı raporlanması ile hem daha güvenli hem de daha kârlı sonuçlar elde edebiliyorlar. Bu özellikleriyle Türkiye’de önemli referanslara sahip olan Splunk markasını, iş ortaklarımızla birlikte yaygınlaştırmayı hedefliyoruz.”
B2B Sektöründe de Öne Çıkıyor
Alexa, Cortana, Siri... Tüketiciler olarak, bu tür teknolojiler sayesinde Yapay Zeka’nın hayatımıza etkisini zaten görmeye başladık. Sırada ise kullanıma hazır Yapay Zeka ve Makina Öğrenmesi çözümleri var. Anomali tespiti, olay korelasyonu, kapasite tahmin senaryoları…Hepsi bu çözümlerin içinde.
Anomali Tespiti: Büyük miktarlarda ve gerçek zamanlı veriye erişim artarken, her türlü veriyle kirlenmiş bilgi okyanusundan gelen işe yarar sinyalleri tespit edip işe yarar olmayanlardan ayırmak ek bir yük getiriyor. Kritik bir BT altyapısında oluşabilecek kesintileri önceden tahmin etmek ve önlemek veya milyonlarca kullanıcının oluşturduğu trafik içinde istemediğiniz bir kullanıcıyı tespit etmek gibi beceriler, bir Yapay Zeka ve Makina Öğrenmesi sisteminin en kritik ve en çok talep edilen becerileri arasında yer alıyor.
Otomasyon: Gündelik sıradan görevlerin aradan çıkarıldığı ve makinelerin kendi başlarına öğrenebilme gücüne sahip olduğu bir ortam, daha etkili bir inovasyon süreci, daha yüksek bir verimlilik ve çalışan memnuniyeti vaat ediyor. Onlarca yıldan beri beklenen zaman geldi: Artık makinaların insanlarla koordinasyon içinde çalıştığı ortamlara hazırlanmak gerekiyor. 2001: A Space Odyssey filminin, HAL 9000 bilgisayarı ile öngördüğü üzere, makinaları mümkün olan en yüksek potansiyelleriyle kullanma vizyonunu gerçekleştirmeye artık çok yakınız. İster nefes alıp veren ister yapay olsun, bilinçli bir varlığın varmayı umut edebileceği en son nokta bu.
Makinalar Öğrenmeye Devam Edecek
Henüz yeni başladık ve Yapay Zeka ve Makina Öğrenmesi alanında parlak bir gelecek bizi bekliyor.
Uçtan Uca Yapay Zeka: Önce trafikteki dur işaretlerini tanıyan bir model ve ardından yayalarla otomobilleri birbirinden ayıran başka bir model geliştirmek yerine, uçtan uca Yapay Zeka ile donatılmış bütünleşik modelleri daha fazla görmeye başlayacağız. Bu, sistemin tüm durumunu algılayıp yapılması gereken işlemleri (sağa dön, hızlan, yavaşla vb.) kesin bir şekilde bildiren Makina Öğrenmesi modelleri sayesinde olacak.
Kendi Kendine Konfigürasyon: Zor işleri bizim adımıza yerine getiren araçlara erişimimiz giderek artacak. İster mimarlık, ister onay gerektiren iş süreçleri, ister mesleki eğitim alanında olsun, artık uçtan uca makina öğrenmesi yeteneklerini insan müdahalesi gerekmeksizin her alandaki iş süreçlerinize kazandırabileceksiniz.
Önceden Eğitilmiş Modeller: Önceden eğitilmiş ve açık kaynaklı Makina Öğrenmesi modellerini içeren kütüphaneler görmeye başlayacağız. Bu kütüphanelerdeki tekrar kullanılabilir bileşenler, çok çeşitli uygulama senaryolarında kullanılabilecekler. Örneğin bir telekom şirketi, müşteri kaybını belirlemek veya tahmin etmek için önceden eğitilmiş bir model kullanabilecek. Pek çok kuruluş, tarife türü, müşteri teknik servis aramalarının sayısı veya ses ve veri kullanımı gibi bir dizi verinin müşteri bilgileriyle birleştirildiği benzer bir veri setini kullanıyor. Bu tür veriler için bir kez önceden eğitilmiş bir model oluşturulduğunda, diğer sağlayıcılarla da paylaşılarak tüm sektörü kapsayan bir değer ortaya konabilir.
Nesnelerin İnterneti Alanında Yapay Zeka Kullanımı: Algılayıcı cihazların çok çeşitli ticari ürünlerde, giderek yaygınlaşan bir biçimde kullanılması, akıllı cihazlara dayanan yeni sektörlerin ortaya çıkmasına yol açacak. Akıllı cihazların, makinaların, araç filolarının ve daha pek çok şeyin yönetilmesi hala gerekli olacak. Bunların onarılmaları veya servise sokulmaları gerekecek. Örneğin biten yazıcı mürekkep kartuşlarının değiştirilmesi hala gerekecek. Makina Öğrenmesi ile Nesnelerin İnterneti’nin birleştiği alanlar, gerek ağ performansı ve ağ erişilebilirliğinde gerek kaynak yönetiminde ciddi iyileştirmeler yapılmasını gerektiriyor ve dolayısıyla yeni fırsatlar içeriyor.
BT Operasyonlarına Etkisi
Yeni Bir Terim: AIOps
Yapay Zeka ve Makina Öğrenmesi doğru şekilde uygulanırsa, BT operasyonları hissedilir şekilde basitleşecek. Bu evrim gerçekleşirken, kestirimsel analizler sayesinde manuel işlemlerin yoğun olduğu süreçler, yerini akıllı otomasyon süreçlerine bırakacak. Bunun en büyük getirileri arasında; BT departmanlarının eldeki verilerden ve Yapay Zekadan yararlanarak potansiyel problemleri çok daha hızla tespit etme becerileri kazanması, mevcut sorunların nasıl çözüleceğine ilişkin çok daha net öneriler getirebilmesi, kendi kendine bakım ve onarım yetenekleri barındıran bir otomasyonun etkin hale gelmesi, gelecek öngörüleriyle maliyetlerin tahmin edilmesi ve aktif karlılığın optimize edilmesi sayılabilir. Bu trendin farkına varan Gartner araştırma şirketi, “BT Operasyonları için Yapay Zeka” terimini ve terimin “AIOps” ile ifade edilen kısaltmasını sözlüklere kazandırdı. AIOps, sistemlerin, sormayı bile düşünmediğimiz sorularla ilgili içgörü sunduğu bir dünya yaratma potansiyeli barındırıyor. AIOps sadece problemlerin nasıl çözüleceğine ilişkin öneriler getirerek değil geçmiş eylemlerden ve çözümlerden ders alıp gelecekteki sorunları öngörerek ve çözümlerini otomatik olarak uygulayarak da BT’yi büyük ölçüde basitleştiriyor. Bunun için makinaların konfigürasyon durumlarının görünür olması gerektiği gibi, ister iyi ister kötü sonuç vermiş olsun, geçmişteki eylemlerin ve etkileşimlerin de iyi kavranması gerekiyor. AIOps BT operasyonları analizini (ITOA) bir sonraki aşamaya taşırken, sunulan içgörüler sayesinde yüksek performanslı BT ortamlarında proaktif kararlar alınmasını ve nihayetinde işletmenin daha sağlıklı bir şekilde yönetilmesini sağlıyor.
DevOps: Ya Hızlı Geliştirirsiniz Ya Batarsınız
DevOps (Software Development & Software Operations), henüz yönetim kurulu toplantılarında sıkça bahsedilen kavramlardan biri olmasa da günümüzün son derece karmaşık ve hızla evrilen iş ortamında bir rekabet avantajı elde etmek ve bu avantajı sürdürmek için anahtar bir role sahip. Her şirket aynı zamanda dijital bir şirket haline gelirken, bu şirketlerim ayakta kalıp kalmayacaklarını geliştirdikleri ve sundukları dijital hizmetler belirleyecek. Rekabetçilik, bu dijital hizmetlerin hayata geçirilme hızına, müşteri deneyiminin kalitesine ve iş hedeflerinin ne kadarının bu hizmetler üzerinden gerçekleştirildiğine bağlı olacak. DevOps kavramı sadece dijital hizmetlerin daha hızlı hayata geçirilmesini sağlayan bir yol sunmuyor, aynı zamanda bunu daha verimli şekilde, mühendislik ve operasyon ekiplerini daha iyi angaje ederek gerçekleştiriyor. Bunu başarmak için, şirketlerin bu servisleri geliştirip hayata geçirecek ekiplerine kolayca gerekli becerileri, iş süreçlerini ve teknolojileri kazandıracak esneklikte olmaları gerekiyor. Şirketler DevOps’un vadettiği hızı, kaliteyi ve iş etkisini elde edebilmek için yeni istihdam yaklaşımlarını benimsemeye ve ekiplerini güçlendirecek ve çevikleştirecek yeni teknolojilere yönelmeye devam edecekler. DevOps projelerinden anlamak, üst düzey yöneticiler için de fark yaratan bir nitelik olacak.
DevSecOps: Hakim Olunması Gereken Yeni Bir Alan
DevSecOps kavramı, “Herkes güvenlikten sorumludur” anlayışından hareketle geliştirildi ve tahmin edeceğiniz gibi “Sec” “securitys yani “güvenlik” kelimesini temsil ediyor. Önümüzdeki döenmde pek çok geliştirme ekibi, bir yandan giderek artan yönetişim beklentilerine, denetim gerekliliklerine ve yasal zorunluluklara cevap vermek; diğer yandan yazılım geliştirme hızlarını yüksek tutabilmek için DevSecOps yaklaşımını benimseyecek. Diğer bir deyişle, geliştiriciler uygulamalarının ve işledikleri verilerin güvenliğini sağlamak için daha fazla rol ve daha fazla sorumluluk üstlenecekler. Aynı şekilde, güvenlik ekiplerinin de uygulamaların ve geliştirme süreçlerinin güvenliğini sağlamak için geliştirme ve operasyon ekipleriyle daha fazla iş birliği yapmaları gerekecek. Bu sadece geliştiricilerin, sürüm yöneticilerinin ve uygulama uzmanlarının değil operasyon ve güvenlik ekiplerinin de dahil olacağı kolektif bir süreç ve DevOps ekiplerinin tüm uygulama geliştirme aşamalarında yönetişim ve denetim kontrollerini daha sık yapmaları gerekecek. Giderek daha fazla iş birliği gerektiren bu yaklaşımı hayata geçirebilmek için, projeye dahil olan herkesin tek ve doğru bir veri kaynağı (SSOT) ile çalışması ve kendi rollerine en uygun güvenlik hedeflerine ulaşmak için bu verileri kullanması gerekecek.
Yeni Nesil BT Uzmanları
Kesintisiz geliştirme ve DevOps yaklaşımının yükselişiyle birlikte, hizmetlerin nasıl geliştirileceğini ve yönetileceğini de yeni nesil BT uzmanları belirliyor. Konfigürasyon ve kapasite konularına olduğu kadar Python ve Ruby programlama dillerine de hâkim olan bu uzmanlar, daha iyi uygulamaların daha hızlı ve olağanüstü bir kullanıcı deneyimi ile sunulması için sistem otomasyonu, mimari esneklik, geliştiricilere yetki tahsisi ve site güvenilirliği (site reliability) gibi alanlarda öncü rol üstleniyorlar. Dolayısıyla, pek çok BT profesyoneli geliştiricilerle daha etkin bir iş birliğinde bulunmak için yazılım geliştirme becerilerini yenilerken, Site Güvenilirliği Mühendisliği de (SRE) popüler rollerden biri haline gelecek. Özetle, 2018 yılında Yapay Zeka ve Makina Öğrenmesi iş hayatlarımıza giderek hızlanan bir biçimde girmeye başlayacak. Bir teknoloji şirketi olarak Splunk, geleceğe büyük bir umutla, heyecanla bakıyor ve bu alandaki yenilikleri sabırsızlıkla bekliyor.