#Datamanagement is kindertijd voorbij.

 

http://courses.edsa-project.eu/enrol/index.php

# Datamanagement is kindertijd voorbij.

 

Datamanagement is de kindertijd voorbij. Is het nu in de puberale fase? Het lijkt erop. De wereld is wild enthousiast van elke nieuwe ontdekking en heeft haar handen vol aan deze data tsunami. Wat kunnen we verwachten als deze puber straks volwassen is? We schetsen een toekomstbeeld. In 2020 heeft wellicht niemand het meer over data. En in de verre toekomst gooien we onze data misschien zelfs massaal weg. Dan richten we ons niet langer op data, maar op inzichten.

 

\\2015\Data\Data\Data

Vandaag staat ons leven in het teken van data. We genereren en verzamelen data op grote schaal. We koppelen data uit allerlei systemen en we ontdekken de mogelijkheden van sensoren. We hebben onze handen er vol aan, wat past bij de puberfase. Ook schieten we vol bij het zien van de grote potentie. Als deze jongen groot is, zet het alledaagse handelingen volledig op zijn kop. Een voorbeeld: het gebruik van data maakt auto’s slimmer, zodat ze automatisch remmen voor plotseling overstekende kinderen. Doet de bestuurder dat? Nee, de auto doet dat zelfstandig. Althans, dat is het ideaalbeeld. Grenzen tussen mens en machine beginnen te vervagen.

 

\\2020\Inzichten

Over een aantal jaar is het gebruik van data net zo normaal als het gebruik van elektriciteit. Onmisbaar, maar saai. Niemand heeft het er meer over, uitgezonderd de specialisten. Waarover heeft de hippe mens het dan wel? Informatie, weetjes, inzichten. Hiermee sturen we slim het gedrag van bedrijven of personen bij. Of van machines, want daarin groeit ons vertrouwen. Zoals het eerder genoemde voorbeeld van de zelf-remmende auto. Over een aantal jaar zit ons leven vol met dat soort technieken. We raken eraan gewend dat machines ‘slim’ zijn en gaan daar steeds meer op vertrouwen. We kunnen nog wel zonder. Maar onze verwachtingen van techniek en ons vertrouwen erin blijven toenemen. We beschouwen het als vanzelfsprekend dat techniek en data ons waardevolle inzichten geven.

 

\\2030\\Toekomst

Ok, nu we toch bezig zijn pakken we onze glazen bol er ook even bij en gaan we kijken naar iets verdere toekomst. We kunnen ons voorstellen dat er een moment komt dat we data niet meer vastleggen en bewaren. Als organisaties eenmaal de juiste inzichten en modellen hebben, worden de grote hoeveelheden data uit het verleden overbodig. Organisaties voeden hun verkregen inzichten dan met live data. Mogelijk zal een levendige handel in inzichten ontstaan. Wellicht al in 2030. Voor de nog verdere toekomst verschijnt een ander visioen. Want trek de trend eens door dat machines steeds slimmer worden en dat de mens meer op machines vertrouwt. Dan is het niet ondenkbaar dat machines een belangrijk aandeel krijgen in het werkproces. Dat ze kant-en-klare analyses produceren, zelfstandig inkoop verzorgen en de bezetting vergroten. Dan zal er naast een afdeling HRM ook een afdeling Machines Resource Management bestaan. Computers worden collega´s.

Computer science meets Energy Sustainability

Computer Science meets Energy Sustainability

Data centers will continue to grow in size and number. The rise of technologies and applications in the fields of Big data and Internet of Things causes an explosive growth of data that needs to be stored and processed inside data centers.



Today’s challenges on environmental sustainability and energy transition demand a strong need to further improve on the energy efficiency of data centers.

In the last decade, a lot of successful initiatives already have been taken place, e.g. on the level of infrastructure and cooling. Recent activities try to take these so called -green-IT-initiative to the next level: add energy awareness on the level of software.

These initiatives seriously caught my interests. I am trying to find a way to contribute them in such a way that I can further bridge academia with industrial worlds.

It is here where computer science meets the energy sustainability challenge.

This not only contributes to environmental sustainability, but also opens up new business opportunities.

Wico Mulder 29-1-2015

Smart Grids leverage Social Innovation in Energy and Utilities

Although a lot has been said about Smart Grids Projects in the Netherlands (Overview Netherlands) and Europe (Overview Europe), the real adoption of smart grids will eventually depend on social acceptance. 

It is of relevance to look at the social aspects of smart grid projects, in particular from the perpective of Sustainable Energy Communities, the groups of people that are involved in smart grid projects.

As a phenomenon, Sustainable Energy Communities play a key role in the acceptance and succes of sustainable energy initiatives. These communities invest and exploit microgeneration and reconfigure social practices. They thus can be regarded as incubators of social innovation in the field of energy and utilities.

Trigger: Arentsen, M. Bellekom, S. Power to the people: local energy initiatives as seeds of innovation? Energy, Sustainability and Society (4),1-12, 2014 

BigData challenges similar to C64 hacking in the Demo scene

Yesterday I stumbled upon a presentation-movie 'behind the scenes of C64 demo'. It was about programming the Commodore64 microcomputer, the most popular homecomputer of the 80's. The Speaker, named Ninja/the dreams is an assembly master and still getting even more out his C64 each day!

In the presentation he stresses a few fundamental  programming concepts which are in my opinion quite similar and relevant to the challenges we face today in the field of BigData.

Remarkably beautiful (and amazingly feeding my personal enthousiasm) is the fact that the background of this sotry is the so called ‘Demoscene’.  The paradigm where art, math, coding and experience meet.

The first similarirty between old-skool-demo-coding and programming applications in the field of BigData is 'Dealing with limitations': In the art of demo-programming, the programmer (coder) is faced with limitations of the machine (regardless whether it is a C64, a GPU card, or a quad-core PC he/she is coding for). It is the coders’ combination of skills in programming, math, smartness and art, that makes the difference in dealing with these limitations. The succes comes with the 'wow-experience' of the coder (and the public). Today, similar challenges hold for applications in the field of BigData. There are limitations to be able to deal with the amount and variety of data. Similar skills and value of algorithms make the difference of an applications' success.

The second similarity showed up when I saw the the killer line in his presentation:  'Data is code and Code is Data'. This holds for self-modifying code on the C64, as he explains, but -of-course- also for BigData analytics applications. Let me try to explain this  in a few lines: Consider the common see-do/plan-act cycle, where data is taken from a particular environment, then information is extracted from that data, followed by feeding this information into decision support systems and finally, taking actions based on those decisions, back into the same environment as where the data was taken. These steps come with algorithms that use parameters being derived from that same environment, either obtained automatically (thanks to a learning algorithms) or empirically retrieved by humans observing the same environment. The data is changed by the code, and the code is tuned by the data. The concept holds for that old C64 but also for our todays' paradigm of BigData.

Sometimes I think that there are only a few types on the dancefloor in this universe: humans, machines, algorithms and data...