Aktywne Wpisy
salanderek +135
Czy i co ile pierzecie szczotkę do kibla? Zamieszkałem jakiś czas temu z dziewczyną i była zdziwiona, jak do białych ubrań w pralce dorzuciłem szczotkę do kibla, bo u niej się nie prało, tylko kupowało nowe, u mnie w domu natomiast tak średnio co 2-3 miesiące - wyrzucanie i kupowanie nowych szczotek to wg mnie marnowanie pieniędzy, także ciekawy jestem jak jest u was
#kiciochpyta #mieszkanie
#kiciochpyta #mieszkanie
![salanderek - Czy i co ile pierzecie szczotkę do kibla? Zamieszkałem jakiś czas temu z...](https://wykop.pl/cdn/c3201142/2bdfe78c59ac717d5875d7bc98c77d66f20706ce39e7e67a354edfaa1cf365af,w150.jpg)
źródło: shopping
Pobierz![WenerowaAngela](https://wykop.pl/cdn/c0834752/3b246f63fcbd6166fe7670a1765d6c1af4744be524d195f1b60095a55ea1fbe5,q60.png)
WenerowaAngela +483
![WenerowaAngela](https://wykop.pl/cdn/c3201142/a12d10ffbcf3398fcc07b79c76c8d1e2779d37edecb8b08ab8191645838c63c7,w150.jpg)
źródło: temp_file3347759745930012809
Pobierz
Wyjaśnię kilka pojęć żeby zrozumieć czym produkty Palantiru tak naprawdę są.
Dataset - każdy rodzaj danych w organizacji jaki można sobie wyobrazić, czyli od ręcznie przygotowywanych exceli z raportami, przez dane w systemach CRM/ERP, dane zbierane przez sensory, po wewnętrzne bazy danych w ramach projektów, które już są wdrożone.
Podstawowym problemem, jaki pojawia się w organizacji o dużej skali, jest wyciąganie wniosków z ogromu takich datasetów. Po latach szybkiego rozwoju jest po prostu burdel, nikt nie wie co tak naprawdę jest zbierane, kto ma dostęp do czego, jak to efektywnie przetwarzać, itd. Wszystkie dane są zazwyczaj odizolowane od siebie i to jest nie lada wyzwanie, żeby połączyć je i przeanalizować razem. Powstają całe działy IT, które zajmują się tylko tym problemem i jedno jest pewne, startując od zera nie ma jakichkolwiek szans zbudować choćby namiastki tego, co zbudował Palantir przez lata doświadczeń w tej konkretnej niszy.
Tutaj do gry wkracza Foundry, które jest instalowane na dowolnej infrastrukturze klienta i tworzy spójną platformę do analizy danych działającą w przeglądarce. W uproszczeniu można sobie wyobrazić, że wrzucamy olbrzymiego excela, którego nawet nie da się nigdzie otworzyć (setki gigabajtów) i z poziomu przeglądarki jesteśmy w stanie generować na jego podstawie raporty, wizualizować połączenia między danymi, zarządzać dostępem do poszczególnych części. Dosłownie wszystko co można sobie tylko wyobrazić związane z danymi. Wiele rzeczy jest po prostu wyklikiwalne dla zupełnie nietechnicznego użytkownika, a bardziej skomplikowane scenariusze można rozwiązać za pomocą kodu. Ta część związana z kodem to zadanie tzw. Forward Deployed Engineers (https://www.palantir.com/careers/teams/forward-deployed-software-engineers), których Palantir przydziela do klienta jako wsparcie techniczne.
Ontology - datasety same w sobie nie są aż tak użyteczne, coś co zamienia je w bardziej użyteczny byt to właśnie ontologie. Można to sobie wyobrazić jako połączone ze sobą punkty, gdzie każdy punkt stanowi jakiś fragment oryginalnych datasetów (np. gdyby to było wdrożenie w firmie logistycznej takimi punktami byłyby dostawy, ciężarówki, kierowcy, towary), a połączenia między punktami to wszelkie odkryte zależności, które zazwyczaj wcześniej były trudno osiągalne, bo informacji pochodziły z wielu różnych rozwiązań IT. Kontynuując transportowy przykład, za pomocą Foundry w szybki sposób jesteśmy w stanie eksplorować całą organizację, np. chcemy zobaczyć wszystkie trasy danego kierowcy z konkretnego roku, nie ma problemu, dostajemy przejrzysty widok z filtrowaniem, wyszukiwaniem, wizualizacją na mapie, wszystko to na podstawie prostej konfiguracji. Cała ta struktura jest dynamiczna i automatycznie aktualizuje się, jeśli coś pod spodem się zmieni, np. ktoś wrzuci nowego excela z danymi za kolejny miesiąc.
Use Case - Palantir na przestrzeni lat przygotował pewne scenariusze, które sprawdzają się w danej dziedzinie, więc nie trzeba budować tych punktów z Ontology od nowa, tylko wskazać np. że tu mam system CRM, tu dane pracowników, tu wrzucam nowe raporty i z automatu w ciągu kilku dni klient jest w stanie mieć działające rozwiązanie do analizy danych, które własny zespół IT pisałby od zera przez miesiące, jeśli nie lata.
Apollo - z racji tego, że Foundry/Gotham zawsze z powodów bezpieczeństwa instalowane są na serwerach klienta (sam Palantir nie trzyma u siebie żadnych danych), potrzebna jest automatyzacja tego procesu i bieżące monitorowanie, wdrażanie poprawek (zupełnie jak over-the-air aktualizacje Tesli). To jest właśnie zadanie Apollo, które przenosi tego typu platformy na zupełnie inny poziom. W przyszłości sama architektura Apollo będzie prawdopodobnie udostępniana innym firmom, które też instalują SaaS u swoich klientów, ale z pewnością nie robią tego w tak zaawansowany i zautomatyzowany sposób.
Roadmap Foundry z prezentacji:
- Rozbudowanie bazy gotowych "Use Case'ów" dla szybkiego wdrażania rozwiązań
- AI i symulacje - do tej pory Foundry służyło głównie do gromadzenia, przetwarzania i analizowania danych. Kolejny krok to wykorzystanie danych do przewidywania przyszłych wyników, wizualizacji wpływu różnych decyzji na kondycję firmy (co się stanie jak zwiększymy cenę produktu X o 100$), optymalizacji procesów dzięki wykrywaniu korelacji pomiędzy danymi. To jest fundamentalna zmiana w podejmowaniu decyzji w korporacjach, zamiast robić to na czuja, bo tak się managerowi wydaje, to sprawdzi najpierw na podstawie danych czy jakieś działanie ma sens. Prawdopodobnie firmy które nie zaczną w ten sposób wykorzystywać technologii zbankrutują, podobnie jak te które nie nadążyły za postępem jaki wprowadził internet. Kolejnym krokiem jest właśnie AI.
- Aplikacja mobilna - umożliwienie większej liczbie użytkowników po stronie klienta skorzystanie z korzyści jakie daje platforma, m.in. do bezpośredniego przesyłania danych do analizy, podglądu ważnych danych z Ontology i pewnie wiele więcej już niedługo
Na koniec perełka dla projektów rządowych, głównie militarnych - Gotham. To była najlepsza część prezentacji, więc nie będę sam tego opisywał, demo mówi wszystko, jak w jakimś filmie sci-fi, tylko to faktycznie istnieje - https://vimeo.com/488141017#t=2541s
Wierzę bardzo mocno w tę firmę, na chwilę obecną mam 500 akcji, a pewnie będę dorzucał więcej. Kto szuka "drugiej Tesli", to to jest właśnie taka firma. Przewiduję, że na przełomie 2021/2022 wykażą pierwszy zysk, a już tym roku ceny akcji mogą zbliżyć się do poziomu 100$. W pesymistycznym scenariuszu firma zostanie kupiona przez Amazon albo Microsoft i zintegrowana z ich chmurą, lepiej żeby się tak nie stało, ale możliwości są, także obecnym brakiem wykazywanego zysku się w ogóle nie przejmuję.
Wołam zainteresowanych z moich poprzednich wpisów: @jombsik @michal42
#pltr #gielda
źródło: comment_1611771509hj67c6z930pS0DldTuf5kM.jpg
Pobierz@mam_odwage_nic_nie_osiagnac: a nie mogłeś prościej? Ontologia to zbiór pojęć i kategorii - coś w stylu class w OOP?
źródło: comment_1611771806qVYYs2H457uDMAiEOXwGJN.jpg
Pobierz@bill-adamsonn: Raczej zespoły obiektów, ktore wchodzą ze sobą w pewne relacjehttps://en.wikipedia.org/wiki/Ontology_(information_science)
@future_taylor: W okresie kilku lat to chyba nie będzie miało takiego znaczenia w obliczy ewentualnego wzrsotu kilkaset%.
Ja siedzę od $13 i co jakiś czas dobieram. Przy obecnej sytuacji w USA myślę, że jeszcze w H1 będziemy mieć trzycyfrową wycenę ( ͡° ͜ʖ ͡°)