الاستفادة من انهيار تعدين العملات المشفرة

في حين أنه من السيء الاستهزاء بالانهيار السريع للعملات المشفرة ، تظهر بعض الفرص الجادة نتيجة لذلك. بالنسبة لأولئك الذين ليسوا على علم ، قام عمال مناجم العملات المشفرة في السنوات القليلة الماضية بشراء كل وحدة معالجة الرسومات عالية السعة المتوفرة في السوق إلى حد كبير. أدى هذا إلى رفع الأسعار وتقليل التوافر إلى الحد الذي لم يتمكن فيه حتى كبار مزودي الخدمات السحابية من وضع أيديهم على النماذج الحالية.

عندما يقترن هذا بقانون Moore ، فقد أدى ذلك إلى حالة يكون فيها متوسط ​​أجهزة GPU المستخدمة لأي شيء آخر غير التشفير عدة سنوات وربما تكون أقل قوة بأربع مرات من ظروف السوق العادية. لكن هذا أدى أيضًا إلى قيام العديد من شركات البرمجيات بتجنب تحسين بضاعتها من أجل وحدة معالجة الرسومات. لذا في المتوسط ​​، من المحتمل أن يكون البرنامج الذي تستخدمه أبطأ بعشر مرات مما يجب أن يكون.

ربما تكون هذه أكبر فرصة في السوق منذ جيل ، ويجب على الشركات الذكية أن تبحث الآن عن كيفية استغلالها. من غير المحتمل أن يؤدي تسريع معالج الكلمات أو جدول البيانات بمقدار عشر مرات إلى فتح أي قيمة تجارية كبيرة. ولكن هناك العديد من المجالات الهامة التي سوف.

تحليل البيانات وأنظمة قواعد البيانات

المجال الأكثر وضوحًا هو أنظمة قواعد البيانات ، لا سيما تلك التي تعمل على البيانات الضخمة. لم تتباطأ رقمنة العالم بشكل عام ، ونتيجة لذلك ، تكافح الأنظمة المبنية على قمة قواعد البيانات القديمة هذه الأيام لمجرد مواكبة ذلك. لا يظهر هذا دائمًا للمستخدمين النهائيين باعتباره مشكلة في قاعدة البيانات ، ولكنه يظهر عادةً على أنه معدلات تحديث بطيئة بشكل مؤلم للشاشة أو عالقة في المؤشرات المزدحمة.

تم التخفيف من هذا إلى حد ما عن طريق الانتقال إلى الحوسبة السحابية باستخدام القياس الأفقي التلقائي (إضافة المزيد من وحدات المعالجة المركزية). ومع ذلك ، نظرًا لأن أحجام البيانات كبيرة جدًا ، فإن عملية نقل البيانات عبر الأنظمة وبين مربعات وحدة المعالجة المركزية تصبح مقيدًا للمعدل. والنتيجة هي عوائد غير خطية ، حيث تؤدي مضاعفة الحساب المطبق إلى حصولك ، على سبيل المثال ، على سرعة أعلى بنسبة 50٪.

تتمثل الاستجابة الضمنية لمعظم الشركات في هذا الظرف ، في الأساس ، في التوقف حتى عن النظر في جميع البيانات. على سبيل المثال ، يمكنك تجميع بيانات كل ساعة على أساس يومي أو يومي إلى شهري. في ظل ظروف التشغيل العادية مع وجود بيانات مفهومة جيدًا ، يمكن أن يكون هذا جيدًا. ومع ذلك ، فإنه ينطوي على بعض المخاطر لأن تقنيات علوم البيانات الحديثة تتطلب الوصول إلى البيانات الحبيبية الأولية من أجل قيادة نوع أساسي من البصيرة: اكتشاف الشذوذ.

لا تتجاهل القيم المتطرفة

يمكن أن تكون الحالات الشاذة جيدة أو سيئة ، لكنها نادرًا ما تكون محايدة. إنهم يمثلون أفضل وأسوأ عملائك واستجابات شركتك الأفضل والأسوأ. وهي تشمل قضايا ذات مخاطر عمل عالية وأيضًا تتعلق بالمكافآت. لذا ، فإن حل قيود التكنولوجيا عن طريق تجاهل القيم المتطرفة هو أمر سخيف.

قد يكون المثال الكلاسيكي هو المرافق التي كانت تستخدم حتى وقت قريب – ولا تزال في بعض الأحيان – بيانات دقة تبلغ كيلومترًا واحدًا لرصد مخاطر حرائق الغابات والأشجار. قد تحتوي بكسل واحد في مثل هذا النظام على 1000 شجرة سليمة وواحدة ميتة. لكن الأمر لا يتطلب سوى شجرة واحدة تصطدم بخط كهرباء في حريق هائل كبير بما يكفي لإفلاس مرفق رئيسي.

مخاطر العمل ، في هذه الحالة ، مخفية في قرارات جمع البيانات التي مضى عليها عقود من الزمن تحت تكنولوجيا قواعد البيانات الأقدم – لكنها مع ذلك حقيقية للغاية. واليوم سيكون وقتًا جيدًا جدًا للبدء في معالجته نظرًا لأن المصادر والطرق قد تطورت بسرعة على مدار السنوات الخمس الماضية ولم تستغل بشكل عام تحليلات GPU أو الأجهزة الجديدة.

الكشف عن فرص السوق الخفية

يوجد موقف مماثل مع بيانات العملاء المحتملين والعملاء في العديد من الشركات. يمكن أن تؤدي عقلية المحاسبة والتكنولوجيا القديمة إلى التجميع الروتيني للبيانات في تقارير شهرية وربع سنوية إلى حد الغثيان. لكن يجب ألا تنسى أبدًا أن عملائك هم أفراد تشكل خبرتهم التراكمية عبر نقاط اتصال متعددة أساسًا لاحتمالية الشراء أو التوصية (أو عدم وجودها). تمامًا كما هو الحال مع المخاطر المذكورة أعلاه ، يتم إخفاء فرص السوق افتراضيًا في التجميعات المشتركة مثل المبالغ والمتوسطات.

هذا يثير قضية أخرى مهمة للغاية في تحليلات الأعمال ، وهي من داخل المؤسسة مخول للعثور على مثل هذه المخاطر أو الفرص. ربما يكون السبب الأكثر أهمية لترقية الأنظمة القديمة باستخدام تحليلات GPU هو توفر التحليلات المرئية التفاعلية بدون تعليمات برمجية. كما يوحي الاسم ، فإن هذا يسمح لعدد أكبر بكثير من الأشخاص داخل المؤسسة بملاحظة وجود خطر أو فرصة والحفر بشكل تفاعلي لتأكيدها أو رفضها. قد يكون هذا مندوب مبيعات أو موظفًا في الخطوط الأمامية لا يُنظر إليه تقليديًا على أنه “محلل بيانات” أو “عالم بيانات”.

الخطوات التالية للبيانات والأنظمة الحالية

جميع مواقف العمل فريدة من نوعها ، لذلك قد تختلف الخطوة التالية للمؤسسة هنا. ولكن كخطوة تالية بسيطة ، يجب على المديرين النظر في أي أجزاء من وظائف العمل يتحملون مسؤوليتها والتي تستخدم مجموعات البيانات أو أدوات البرمجيات التي يزيد عمرها عن خمس سنوات. ثم انظر بشكل أكثر تحديدًا إلى البيانات “الكبيرة” المتاحة بالنسبة للأنظمة الحالية والقيمة التي قد تحققها.

إذا رأوا مجالًا للفرص ، فعليهم التفكير في نوع الطيار السريع الذي قد يكونون قادرين على تنظيمه للتحقق من صحته. من المفارقات أنه بدون الوصول إلى تحليلات GPU التفاعلية ، قد يكون من الصعب تقييمها. لذلك يجب على الشركات التحدث إلى البائعين والتفكير في الاختبار في بيئة سحابية. قد تكون آلام عمال المناجم المشفرة مكسبًا للشركات.

مايك فلاكسمان هو مدير المنتج في شركة Heavy AI.