Vylepšete své ML a AI úsilí s transformací dat – myšlenkové lídry

Čím větší rozmanitost, rychlost a objem dat máme, tím schůdnější je použití prediktivní analýzy a modelování k předpovídání růstu a identifikaci oblastí příležitostí a zlepšení. Aby však nástroje pro vytváření přehledů, strojového učení (ML) a umělé inteligence (AI) měly co největší hodnotu, vyžaduje organizace, aby přistupovala k datům z mnoha zdrojů a zajišťovala vysokou kvalitu a důvěryhodnost dat. To je často největší překážkou pro transformaci velkých dat do obchodní strategie.

Datoví profesionálové tráví tolik času shromažďováním a ověřováním dat, aby je připravili k použití, že jim zbývá málo času, aby se soustředili na svůj primární účel: analyzovat data a odvodit z nich obchodní hodnotu. Není překvapením, že 76 procent datových vědců říká, že příprava dat je nejméně příjemná část jejich práce. Současné snahy o přípravu dat, jako je boj s daty a tradiční ETL, navíc vyžadují manuální úsilí od IT profesionálů a nestačí zvládnout rozsah a složitost velkých dat.

Společnosti, které chtějí využít sílu umělé inteligence, se musí odpoutat od těchto zdlouhavých a převážně manuálních procesů, které zvyšují riziko výsledků „odpadky dovnitř, odpadky ven“. Místo toho potřebují procesy transformace dat, které extrahují nezpracovaná data z různých zdrojů a formátů, spojí je a normalizují a přidávají hodnotu pomocí obchodní logiky a metrik, aby byla připravena na analýzu. Díky složité transformaci dat si mohou být jisti, že modely AI/ML jsou založeny na čistých a přesných datech, která přinášejí důvěryhodné výsledky.

Využití síly cloudu s ELT

Nejlepším místem pro přípravu a transformaci dat je dnes cloudový datový sklad (CDW), jako je Amazon Redshift, Google BigQuery, Microsoft Azure Synapse nebo Snowflake. Zatímco tradiční přístupy k datovým skladům vyžadují extrahování a transformaci dat před jejich načtením, CDW využívá škálovatelnost a výkon cloudu pro rychlejší přijímání a transformaci dat a umožňuje extrahovat a načítat data z mnoha různorodých zdrojů dat před jejich načtením. transformovat ji uvnitř CDW.

V ideálním případě model ELT zpočátku přesouvá data do části CDW vyhrazené pro nezpracovaná přípravná data. Odtud může CDW využívat své téměř neomezené výpočetní zdroje dostupné pro integraci dat a úlohy ETL, které čistí, agregují, filtrují a spojují fázovaná data. Data pak mohou být transformována do jiného schématu – například datového trezoru nebo Star Schema, což optimalizuje data pro reporting a analýzy.

Přístup ELT také umožňuje replikovat nezpracovaná data v rámci CDW pro pozdější přípravu a transformaci, kdykoli a podle potřeby. To vám umožní používat nástroje business intelligence, které určují schéma při čtení a produkují specifické transformace na vyžádání, což vám efektivně umožňuje transformovat stejná data různými způsoby, jakmile pro ně objevíte nové využití.

Zrychlení modelů strojového učení

Tyto příklady ze skutečného světa ukazují, jak dvě společnosti v různých odvětvích využívají transformaci dat v CDW k podpoře iniciativ AI.

Butiková marketingová a reklamní agentura vybudovala vlastní platformu pro správu zákazníků, která svým klientům pomáhá lépe identifikovat, porozumět a motivovat své zákazníky. Transformací dat v rámci CDW platforma rychle a snadno integruje data zákazníků v reálném čase napříč kanály do 360stupňového zákaznického pohledu, který informuje modely AI/ML platformy, aby byly interakce se zákazníky konzistentnější, včasnější a personalizované.

Globální logistická firma, která zajišťuje 100 milionů dodávek 37 milionům unikátních zákazníků v 72 zemích, potřebuje obrovské množství dat pro své každodenní operace. Přijetí transformace dat v rámci CDW umožnilo společnosti nasadit 200 modelů strojového učení během jediného roku. Tyto modely provádějí 500,000 40 předpovědí každý den, což výrazně zlepšuje efektivitu a vede k vynikajícím zákaznickým službám, které snížily příchozí hovory z call centra o XNUMX procent.

Doporučené postupy pro začátek

Společnosti, které chtějí podpořit své iniciativy AI/ML pomocí schopnosti transformace dat v cloudu, musí porozumět svému konkrétnímu případu použití a potřebám. Začněte tím, co chcete se svými daty dělat – snížením nákladů na palivo optimalizací tras dodávek, zvýšením prodeje poskytováním dalších nejlepších nabídek agentům zákaznických služeb v reálném čase atd. – vám umožní zpětně analyzovat vaše procesy, abyste mohli určit, které data přinesou relevantní výsledky.

Jakmile určíte, jaká data váš projekt AI/ML potřebuje k sestavení svých modelů, potřebujete cloudové řešení ELT, díky kterému budou vaše data vhodná k použití. Hledejte řešení, které:

• Je nezávislá na prodejci a dokáže pracovat s vaším aktuálním technologickým stackem

• Je dostatečně flexibilní, aby bylo možné škálovat nahoru a dolů a přizpůsobovat se změnám v zásobníku technologií

• Dokáže zpracovat složité transformace dat z více zdrojů dat

• Nabízí průběžný cenový model, ve kterém platíte pouze za to, co používáte

• Je účelově vytvořen pro vámi preferované CDW, takže můžete plně využít funkce tohoto CDW k rychlejšímu spouštění úloh a bezproblémové transformaci dat.

Cloudové řešení transformace dat, které vyhovuje společným jmenovatelům všech CDW, může poskytnout konzistentní zážitek, ale pouze to, které umožňuje výkonné rozlišovací funkce vámi zvoleného CDW, může poskytnout vysoký výkon, který urychluje čas potřebný k pochopení. Správné řešení vám umožní napájet vaše projekty AI/ML pomocí čistějších, důvěryhodnějších dat z více zdrojů za kratší dobu – a generovat rychlejší a spolehlivější výsledky, které pohánějí dříve nerealizovanou obchodní hodnotu a inovace.