Heeft datawarehouse nog wel toekomst in ai-tijdperk?
De uitdagingen variëren van beperkte toegang tot data vanwege de noodzaak van specialistische vaardigheden, tot inefficiënte infrastructuren en hoge kosten bij opschaling van data-activiteiten. De datahonger van ai-systemen versterkt deze uitdagingen alleen maar. Wat de vraag oproept of het tijd is om over te stappen op een nieuwe architectuur.
De datawarehouse-architectuur loopt tegen een aantal grote obstakels aan. Om te beginnen wordt het veel te arbeidsintensief om warehouses te queryen voor moderne use-cases. Stel dat je als organisatie patronen in betaalnetwerken wilt ontdekken, internet of things- of edge-sensordata moet analyseren, of wil weten welke producten waar in de schappen moeten liggen… De hoeveelheid en verscheidenheid aan data die je aan elkaar moet knopen, wordt al snel gigantisch groot. Als je dat bovendien wil doen op een flexibele manier, zodat je naast datawarehousing ook machine learning wilt toepassen, wordt het al helemaal complex.
[....]
