Aprovechando la caída de la criptominería

Si bien es de mala educación burlarse de la rápida caída de las criptomonedas, como resultado están surgiendo algunas oportunidades serias. Para aquellos que no lo saben, los criptomineros en los últimos años han estado comprando casi todas las GPU de alta capacidad disponibles en el mercado. Esto aumentó los precios y redujo la disponibilidad hasta el punto en que incluso los principales proveedores de la nube no pudieron tener en sus manos los modelos actuales.

Cuando se combina con la ley de Moore, esto ha llevado a una situación en la que el components de GPU promedio que se usa para cualquier otra cosa que no sea criptográfico tiene varios años y probablemente cuatro veces menos potente de lo que admitirían las condiciones normales del mercado. Pero esto también ha llevado a muchas empresas de program a evitar optimizar sus productos para GPU. Entonces, en promedio, el software package que está utilizando es probablemente diez veces más lento de lo que debería ser.

Esa es probablemente la oportunidad de mercado más grande en una generación, y las empresas inteligentes deberían estar buscando ahora cómo explotarla. Es poco probable que acelerar diez veces su procesador de textos u hoja de cálculo desbloquee ningún valor comercial importante. Pero hay varias áreas importantes que lo harán.

Análisis de datos y sistemas de bases de datos.

El área más obvia son los sistemas de bases de datos, particularmente aquellos que operan con huge data. La digitalización del mundo en typical no se ha ralentizado y, como resultado, los sistemas construidos sobre bases de datos heredadas están luchando en estos días solo para mantenerse al día. Esto no siempre es evidente para los usuarios finales como un problema de la base de datos, pero generalmente se manifiesta como frecuencias de actualización de pantalla muy lentas o cursores atascados y ocupados.

Esto se ha mitigado un poco con un cambio a la computación en la nube con escalado horizontal automático (agregando más CPU). Sin embargo, a medida que los volúmenes de datos se vuelven realmente grandes, el proceso de mover datos entre sistemas y entre cajas de CPU se convierte en una limitación de la velocidad. El resultado son rendimientos no lineales, donde duplicar el cálculo aplicado solo le brinda, por ejemplo, un 50 % más de velocidad.

La respuesta implícita de la mayoría de las empresas en esta circunstancia es, esencialmente, dejar de mirar todos los datos. Por ejemplo, puede agregar datos por horas a diarios o diarios a mensuales. En condiciones normales de funcionamiento con datos bien entendidos, esto puede estar bien. Sin embargo, conlleva cierto riesgo porque las técnicas modernas de ciencia de datos requieren acceso a los datos granulares primarios para impulsar un tipo elementary de conocimiento: la detección de anomalías.

No disregard los valores atípicos

Las anomalías pueden ser buenas o malas, pero rara vez son neutrales. Representan sus mejores y peores clientes y las mejores y peores respuestas de su empresa. Incluyen cuestiones de alto riesgo empresarial y también de recompensas. Por lo tanto, resolver una limitación tecnológica ignorando los valores atípicos es una tontería.

Un ejemplo clásico podría ser el de las empresas de servicios públicos que hasta hace poco, y en ocasiones todavía, usan datos de resolución de 1 km para monitorear el riesgo de incendio forestal y de árboles. Un solo píxel en un sistema de este tipo podría tener 1000 árboles sanos y uno muerto. Pero solo se necesita que un solo árbol golpee una línea eléctrica para que se produzca un incendio forestal lo suficientemente grande como para llevar a la bancarrota a una importante empresa de servicios públicos.

El riesgo comercial, en ese caso, está oculto dentro de decisiones de recopilación de datos de décadas de antigüedad debajo de una tecnología de base de datos aún más antigua, pero, no obstante, es muy serious. Y hoy sería un muy buen momento para comenzar a abordarlo, ya que las fuentes y los métodos han evolucionado rápidamente durante los últimos cinco años y, en basic, no han explotado ni los análisis de GPU ni el nuevo components.

Descubrir oportunidades de mercado ocultas

Existe una situación comparable con los datos de prospectos y clientes dentro de muchas empresas. Una mentalidad contable y una tecnología más antigua pueden conducir a la agregación rutinaria de datos en informes mensuales y trimestrales hasta la saciedad. Pero nunca debe olvidar que sus clientes son personas cuya experiencia acumulada en múltiples puntos de contacto forma la base de la probabilidad de comprar o recomendar (o la falta de ella). Al igual que con el riesgo anterior, las oportunidades de mercado están ocultas por defecto en agregaciones comunes como sumas y promedios.

Esto trae a colación otro tema muy importante en el análisis de negocios, que es quién dentro de una empresa está facultado para encontrar tales riesgos u oportunidades. Quizás la razón más importante para actualizar los sistemas más antiguos con análisis de GPU es la disponibilidad de análisis visuales interactivos sin código. Como su nombre lo indica, esto permite que un número mucho mayor de personas dentro de una organización noten un riesgo u oportunidad y profundicen de forma interactiva para confirmarlo o descartarlo. Bien podría ser un vendedor o un empleado de primera línea que tradicionalmente no se considera un «analista de datos» o un «científico de datos».

Próximos pasos para datos y sistemas actuales

Todas las situaciones comerciales son únicas, por lo que el próximo paso de una empresa aquí puede variar. Pero como siguiente paso very simple, los gerentes deben considerar qué partes de las funciones comerciales de las que son responsables utilizan conjuntos de datos o herramientas de software de más de cinco años. Luego mire más específicamente los ‘grandes’ datos disponibles en relación con los sistemas actuales y qué valor podría aportar.

Si ven un área de oportunidad, deben considerar qué tipo de piloto rápido podrían organizar para validarlo. Paradójicamente, sin acceso a análisis de GPU interactivos, puede ser difícil de evaluar. Por lo tanto, las empresas deberían hablar con los proveedores y considerar realizar pruebas en un entorno de nube. El dolor de los criptomineros bien puede ser una ganancia para las empresas.

Mike Flaxman es gerente de producto de Hefty AI.