从数据管理开始 才能为人工智能的成功做好准备

发布时间:2019.02.15来源:亿信华辰浏览量:398次标签:数据治理

如果你已经决定在今年做更多的人工智能实验,请首先仔细研究您的数据管理实践。

对于一个有一整个团队和组织正在急切地想要“进入人工智能领域”的CIO来说,这可能很难听到。人们很容易的就一头扎进数据科学和人工智能领域当中。然而,如果不首先了解数据管理(以及数据的其他方面)的重要性,就很难取得进展。

记住,AI即数据。在没有数据的情况下,你无法使用AI或机器学习做任何事情,因此你必须首先确保理解并管理数据的生命周期。

好的数据管理的标志

数据管理虽然不是CIO最重要的方面之一,但它对机器学习和人工智能却是至关重要。老话说得好,“输出质量是由输入质量决定的”用在这里非常合适,因为如果你拥有的是糟糕的数据,你也将得到一个糟糕的模型。一个糟糕的模型反过来又会告诉你去做错误的事情,这确实会对你的组织造成一些损害。

也就是说,当你的数据管理得当时,人工智能绝对可以改变一个组织的能力和可能性。

为了确保你的组织在使用AI时走上正确的道路,你需要仔细查看你的数据管理实践。一个数据管理的关键要素之一是理解:

你的数据来自何处

谁访问或更改了该数据

如何使用你的数据(例如,你是否有权将数据用于其他目的?)

收集数据的时间

你的数据在过去有什么用途(以及将来可能如何使用)。

4个需要检查的领域

在接下来的一年里,想想你的目标。如果AI出现在这个列表上的任何地方,你都需要认真考虑如何从事一些专注于数据和数据管理的最佳实践。在新年的会议中考虑一下这些问题。

首先,为了确保你的数据不是垃圾,你需要从全局开始,虽然这听起来可能违反直觉。你需要构建一个数据策略来回答围绕数据的这些“大”问题,然后考虑治理、质量和集成等相关的关键元素。以下是我认为可以帮助你为AI做好准备的几个方面:

数据策略:即数据的“who, what, when, why, 以及 how”。你的数据策略会告诉你所做的一切。如果你没有数据策略,你确实需要制定一个。

数据治理:管理组织数据的(或应该)的规则和系统。数据治理应该由数据策略来驱动。治理应该考虑(并管理)数据的所有方面,包括数据质量、数据访问和数据集成。

数据质量:拥有一个能够确保数据准确和有用的过程和系统。数据质量的保证需要从收集数据的瞬间开始,并在整个数据生命周期中持续。数据质量应该由数据治理规则/系统来决定和驱动。

数据集成:许多人会将数据集成到其他领域(不管他们是否有这样的意识),但是他们应该在考虑数据时就考虑到这一点。它将被数据策略所告知和驱动,并与数据质量密切相关。必须花时间考虑如何在整个组织和整个数据生命周期中集成数据。

数据管理、数据策略和数据治理可能不像谈论人工智能和机器学习来得那么吸引人,但是在能够正确地使用人工智能之前,必须先将这些数据整理好。当你的同事在下一次社交活动中不断谈论人工智能时,你必须提醒他们数据有多重要。提醒他们“输出质量是由输入质量决定的”--尤其是在人工智能和机器学习方面。

在未来一年,预计我们将看到会有比以往任何时候都多的资源转向人工智能和与是人工智能相关的项目上面。如果人工智能是你所在的IT组织的下一个重点关注领域,那就从数据管理开始吧,这样才能为自己最后的成功做好准备。



(部分内容来源网络,如有侵权请联系删除)
立即免费申请产品试用 预约演示
相关文章推荐
  • 2019年的数据管理趋势:治理,DataOps,云

    2019年的数据管理趋势:治理,DataOps,云

    GDPR的数据治理要求,对AI驱动的分析的追求以及云计算的拉动为2018年数据管理和大数据团队的努力奠定了基调。这些和相关的数据管理趋势……查看详情

    发布时间:2019.01.02来源:亿信华辰浏览量:452次

  • 使我们的国家数据资源现代化:永无止境的挑战

    使我们的国家数据资源现代化:永无止境的挑战

    澳大利亚统计局,包括其前身组织,已经为澳大利亚社区提供了超过110年的优质可靠数据。……查看详情

    发布时间:2019.03.07来源:亿信华辰浏览量:454次

  • 如何保证所基于的数据具有高质量?

    如何保证所基于的数据具有高质量?

    基于数据决策的前提是数据可靠且相关,数据必须是“真实可信的”,否则“输出将是误导和无效的”。但是学校所收集的数据可能不完全,或者更新不及……查看详情

    发布时间:2020.10.31来源:知乎浏览量:431次

  • 数据治理如何解决数据多、杂、乱、差问题?

    数据治理如何解决数据多、杂、乱、差问题?

    许多大数据公司在过去一段时间都得到了较好的发展,但由于在数据生产的过程中并未做到足够重视,数据质量与可靠性则很难得到保证,这也是数据治理……查看详情

    发布时间:2022.02.21来源:小亿浏览量:873次

  • 大数据时代 这样炼钢——亿信华辰

    大数据时代 这样炼钢——亿信华辰

    铁流滚滚,四溅迸射出绚丽的火花。经过1个多小时的高温淬炼,高达1500摄氏度的铁水从出铁口喷涌而出,像一条火龙沿着沟槽蜿蜒流动。……查看详情

    发布时间:2019.02.12来源:亿信华辰浏览量:422次

  • 数据建模在数据治理中的作用

    数据建模在数据治理中的作用

    在过去的9个月里,erwin建模团队一直在忙着从山顶呼喊我们进入数据治理领域。2015年4月,我们发布了新版的建模门户网站erwin®W……查看详情

    发布时间:2019.02.19来源:亿信华辰浏览量:497次

  • 数据质量问题根因分析

    数据质量问题根因分析

    说到数据质量问题的原因,做过BI或数仓项目的小伙伴肯定都知道,这是一个业务和技术经常扯来扯去、互相推诿的问题。在很多情况下,企业都会把数……查看详情

    发布时间:2019.12.06来源:CSDN浏览量:735次

  • 治理成熟度差距以及如何克服它

    治理成熟度差距以及如何克服它

    了解您在真正的IG成熟度方面的立场,并在自己和团队中识别变革的阻力。不要回避要求定期审核和验尸以评估进度和后续步骤。通过具体信息,您可以……查看详情

    发布时间:2019.03.13来源:亿信华辰浏览量:401次

  • 2018 数据管理成熟度技术曲线:DataOps、dbPaaS、ML

    2018 数据管理成熟度技术曲线:DataOps、dbPaaS、ML

    数据运维(DataOps)、私有云数据库平台即服务(dbPaaS)和具有机器学习(ML)功能的数据管理在2018年Gartner数据管理……查看详情

    发布时间:2019.03.05来源:亿信华辰浏览量:467次

  • 企业数据标准管理的内容

    企业数据标准管理的内容

    笔者理解:数据标准是一套由管理制度、管控流程、技术工具共同组成的体系,是通过这套体系的推广,应用统一的数据定义、数据分类、记录格式和转换……查看详情

    发布时间:2020.11.13来源:知乎浏览量:431次

相关主题
您点击 “提交”,表明您已理解并同意接受本网站隐私政策和用户协议