您的位置: 首页 >互联网 >

专家组将数据操作作为收集分析关键信息的关键举措

2020-05-30 10:16:24 编辑: 来源:
导读 不同寻常的是,调查报告称,100%的受访者都遵循相同的路径。然而,当451 Research llc最近询问了300家公司关于将数据转换为业务洞察或数据运营的问题时,所有300家公司都在计划或积极推行数据运营计划。 这些结果进一步证实了DataOps是企业中最优先考虑的事情,并且更加敏捷和自动化的数据管理需求从来没有像现在这样强烈。 “到处都有冗余,不同的数据,”维多利亚说Stasiewicz

不同寻常的是,调查报告称,100%的受访者都遵循相同的路径。然而,当451 Research llc最近询问了300家公司关于将数据转换为业务洞察或数据运营的问题时,所有300家公司都在计划或积极推行数据运营计划。

这些结果进一步证实了DataOps是企业中最优先考虑的事情,并且更加敏捷和自动化的数据管理需求从来没有像现在这样强烈。

“到处都有冗余,不同的数据,”维多利亚说Stasiewicz(图片中心),数据工程师西北相互人寿保险有限公司”数据是我必须告诉你,告诉你什么是可信的,这样可以快速访问信息和恢复业务问题的答案,答案并不多。这是最大的挑战。”

在IBM DataOps in Action活动期间,Stasiewicz与SiliconANGLE Media的流媒体工作室theCUBE的主持人Dave Vellante进行了交谈。与她一同出席的还有IBM公司人工智能加速器和客户成功部主管凯特琳•哈尔菲蒂(图左),以及联合银行高级副总裁兼数据管理总监史蒂文•卢埃克(图右)。他们讨论了IBM的人工智能驱动的数据操作计划、围绕访问信息的不断变化的企业文化心态、速度对洞察力的重要性,以及克服惯性以实现企业规模。(*披露如下。)

建立了DataOps实践并将其原则集成到产品提供中的公司之一是IBM。该公司的全球首席数据办公室被授权在整个组织内建立一个可信的数据源和人工智能框架。

“我们已经在这条路上走了四年了,”Halferty说。“在我们编写数据策略的时候,它是关于认知企业的。我们很快就意识到,在我们所有的主要工作流程中注入人工智能,会带来真正的机会和价值。”

IBM将其DataOps策略作为自己的试验品,开发用于元数据管理的工具,同时收集员工的反馈。这一经验使IBM认识到,当数据管理人员引入结构化和非结构化数据时,需要进行大量的工作来对其进行适当的分类。

Halferty说:“我们的数据管理员花了很多时间手工标记和创建关于这些数据的业务元数据。”“我们发现这是一个真正的痛点,花费了我们很多钱和宝贵的资源。因此,我们开始将元数据自动化,并将这一功能推广到云包中。”

Cloud Pak for Data是在过去两年中出现的一个平台,旨在使企业收集和分析信息的方式现代化。该公司最近更新了该工具,为自动规划、预算和预测提供了新的DataOps功能。

stasiewicz说:“Cloud Pak实际上是一个一站式的数据商店。”“这允许业务用户快速、无缝地访问,而不是让他们进入IBM推出的一些早期版本。”

访问正确的工具是很重要的,但是数据管理领导者也发现DataOps也与创建新的文化心态有关。Associated Bank发现,一旦数据被虚拟化或存储在数据湖中,用户就可以开始获取构建应用程序所需的关键信息,而无需进行搜索任务。

Lueck解释说:“对我们来说,这是最大的文化转变,拥有数据的可用性来提供洞察,而不是让业务或应用程序所有者要求这些数据。”“我们发现,通过提供平台和基础层,我们可以让用例不断演进。让我们开始探索吧。这是一种数据科学的心态和文化。”

DataOps的另一个关键结果是速度。对于分析师来说,被告知重要的数据集可能需要数月才能获得,这不利于敏捷业务的概念。

将数据操作到一个框架中,以便以可用的结构快速访问数据,这突出了一项调查揭示的DataOps运动背后的一个关键驱动因素:创新速度。

Stasiewicz指出:“科学家们要求连接到所有这些不同数据源的日子已经一去不复返了。”“他们可以进入一个目录,而不需要请求访问任何东西,并且在五分钟内就可以看到结构。”这是DataOps。它使我们能够加快所有这些信息的处理速度,将耗时数月、数周甚至数小时的信息处理完毕。”

我们很难争辩说,如今的商业并不需要快速洞察。这可以很好地解释为什么调查显示出对数据操作项目的全面兴趣。阻碍企业前进的唯一因素可能是惯性,即无法沿着DataOps的道路前进。对于这一点,Lueck等实践者有一些简单的建议。

Lueck说:“一切都应该集中在规模上。”“开始展示进展和价值,用例就会出现。不要想太多,也不要计划太多。开始。”



免责声明:本文由用户上传,如有侵权请联系删除!

2016-2022 All Rights Reserved.平安财经网.复制必究 联系QQ280 715 8082   备案号:闽ICP备19027007号-6

本站除标明“本站原创”外所有信息均转载自互联网 版权归原作者所有。