在大数据LDN,EMEA信息副总裁Greg Hansen与IA讨论了一种获得干净数据的端到端数据工程方法,您可以成功地相信人工智能计划的好处。这种方法包括数据发现、摄取、集成、质量、准备和管理。
很难见到一位商业领袖不对人工智能和预测分析帮助提高组织效率的潜力感到兴奋。欺诈检测、下一步行动、运营效率和预测分析是人工智能和分析可以帮助解决的许多业务挑战中的一部分。然而,坏数据目前正在阻碍AI,因为机器学习(ML)模型和你提供给它们的数据一样好。
为了提高数据质量,汉森认为企业应该建立资产清单。这将推动明智的决策——一旦您有了资产的集中目录,您就可以开始执行诸如将数据集成在一起并使其可搜索之类的事情。
他说,“这将使组织能够用更完整、更全面、偏差更小的数据集来训练他们的AI和ML算法。”
汉森认为,这可以通过使用内置人工智能的良好数据工程工具来实现。
“我们真正需要的不仅仅是分析层的人工智能——在生成数据的图形视图并实时围绕它做出决策方面——我们需要确保后端有人工智能,以确保我们将精心选择的数据输入到我们的分析引擎中。”
他警告说,如果组织不能做到这一点,他们将看不到分析型人工智能的好处。
汉森说,“我认为,如果我们不能确保用高质量和精心挑选的数据来训练我们的分析型AI,我们可能会犯很多错误,甚至是一些严重的错误。”
他补充说,如果数据集不好,那么组织中的AI倡导者就无法得到他们想要的结果。这可能会阻止未来对该技术的任何投资。
标签:
免责声明:本文由用户上传,如有侵权请联系删除!