Osnažite svoje napore u ML-u i umjetnoj inteligenciji transformacijom podataka – Voditelji mišljenja

Što je veća raznolikost, brzina i količina podataka koje imamo, to postaje izvedivije koristiti prediktivnu analitiku i modeliranje za predviđanje rasta i identificiranje područja mogućnosti i poboljšanja. Međutim, dobivanje najveće vrijednosti od alata za izvješćivanje, strojno učenje (ML) i umjetnu inteligenciju (AI) zahtijeva od organizacije pristup podacima iz mnogih izvora i osiguravanje da su podaci visoke kvalitete i pouzdani. To je često najveća prepreka pretvaranju velikih podataka u poslovnu strategiju.

Stručnjaci za podatke troše toliko vremena prikupljajući i provjeravajući podatke kako bi ih pripremili za upotrebu da im ostaje malo vremena da se usredotoče na svoju primarnu svrhu: analiziranje podataka i izvođenje poslovne vrijednosti iz njih. Ne iznenađuje da 76 posto znanstvenika koji se bave podacima kažu da je priprema podataka najmanje ugodan dio njihovog posla. Štoviše, trenutni napori pripreme podataka kao što su prepirka podataka i tradicionalni ETL zahtijevaju ručni napor IT stručnjaka i nisu dovoljni za rukovanje razmjerom i složenošću velikih podataka.

Tvrtke koje žele iskoristiti snagu umjetne inteligencije moraju se odvojiti od ovih zamornih i uglavnom ručnih procesa koji povećavaju rizik od rezultata "smeće unutra, smeće van". Umjesto toga, trebaju im procesi transformacije podataka koji izvlače sirove podatke u više izvora i formata, spajaju ih i normaliziraju te dodaju vrijednost poslovnom logikom i metrikom kako bi bili spremni za analitiku. Uz složenu transformaciju podataka, mogu biti sigurni da se AI/ML modeli temelje na čistim, točnim podacima koji daju pouzdane rezultate.

Iskorištavanje snage oblaka uz ELT

Najbolje mjesto za pripremu i transformaciju podataka danas je skladište podataka u oblaku (CDW) kao što su Amazon Redshift, Google BigQuery, Microsoft Azure Synapse ili Snowflake. Dok tradicionalni pristupi skladištenju podataka zahtijevaju izdvajanje i transformaciju podataka prije nego što se mogu učitati, CDW iskorištava skalabilnost i performanse oblaka za brži unos i transformaciju podataka te omogućuje izdvajanje i učitavanje podataka iz mnogih različitih izvora podataka prije transformirajući ga unutar CDW-a.

U idealnom slučaju, ELT model početno premješta podatke u dio CDW-a koji je rezerviran za neobrađene scenske podatke. Odatle, CDW može koristiti svoje gotovo neograničene računalne resurse dostupne za integraciju podataka i ETL poslove koji čiste, agregiraju, filtriraju i spajaju stupnjevite podatke. Podaci se zatim mogu transformirati u drugu shemu – trezor podataka ili zvjezdanu shemu, na primjer, optimizirajući podatke za izvješćivanje i analitiku

ELT pristup vam također omogućuje repliciranje sirovih podataka unutar CDW-a za kasniju pripremu i transformaciju kada i prema potrebi. To vam omogućuje korištenje alata za poslovnu inteligenciju koji određuju shemu pri čitanju i proizvode specifične transformacije na zahtjev, učinkovito dopuštajući transformaciju istih podataka na više načina dok otkrivate nove upotrebe za njih.

Ubrzanje modela strojnog učenja

Ovi primjeri iz stvarnog svijeta pokazuju kako dvije tvrtke u različitim industrijama koriste transformaciju podataka u CDW-u kako bi pokrenule AI inicijative.

Butik agencija za marketing i oglašavanje izgradila je vlasničku platformu za upravljanje klijentima kako bi pomogla svojim klijentima da bolje identificiraju, razumiju i motiviraju svoje klijente. Transformacijom podataka unutar CDW-a, platforma brzo i jednostavno integrira podatke o korisnicima u stvarnom vremenu preko kanala u pogled korisnika od 360 stupnjeva koji informira AI/ML modele platforme kako bi interakcije s korisnicima bile dosljednije, pravovremenije i personaliziranije.

Globalna logistička tvrtka koja obavlja 100 milijuna isporuka za 37 milijuna jedinstvenih kupaca u 72 zemlje treba ogromne količine podataka za pokretanje svojih dnevnih operacija. Usvajanje transformacije podataka unutar CDW-a omogućilo je tvrtki da implementira 200 modela strojnog učenja u jednoj godini. Ovi modeli čine 500,000 predviđanja svaki dan, značajno poboljšavajući učinkovitost i potičući vrhunsku korisničku uslugu koja je smanjila dolazne pozive u pozivnom centru za 40 posto.

Najbolje prakse za početak

Tvrtke koje žele podržati svoje AI/ML inicijative sa snagom transformacije podataka u oblaku moraju razumjeti svoj specifični slučaj upotrebe i potrebe. Počevši od onoga što želite učiniti sa svojim podacima – smanjenje troškova goriva optimizacijom ruta isporuke, povećanje prodaje isporukom sljedećih najboljih ponuda agentima korisničke službe u stvarnom vremenu itd. – omogućuje vam obrnuti inženjering vaših procesa kako biste mogli identificirati koji podaci će dati relevantne rezultate.

Nakon što odredite koje podatke vaš AI/ML projekt treba za izgradnju svojih modela, potrebno vam je ELT rješenje izvorno u oblaku koje će vaše podatke učiniti prikladnima za upotrebu. Potražite rješenje koje:

• Neutralan je prema dobavljaču i može raditi s vašim trenutnim tehnološkim paketom

• Dovoljno je fleksibilan da se povećava i smanjuje i prilagođava kako se vaš tehnološki skup mijenja

• Može rukovati složenim transformacijama podataka iz više izvora podataka

• Nudi cjenovni model plaćanja prema korištenju u kojem plaćate samo ono što koristite

• Namjenski je napravljen za CDW koji preferirate tako da možete u potpunosti iskoristiti značajke tog CDW-a za brže izvršavanje poslova i besprijekornu transformaciju podataka.

Rješenje za transformaciju podataka u oblaku koje zadovoljava zajedničke nazivnike svih CDW-ova može pružiti dosljedno iskustvo, ali samo ono koje omogućuje snažne značajke razlikovanja vašeg odabranog CDW-a može pružiti visoku izvedbu koja ubrzava vrijeme do uvida. Pravo rješenje omogućit će vam da napajate svoje AI/ML projekte čistijim, pouzdanijim podacima iz više izvora u kraćem vremenu – i generirate brže, pouzdanije rezultate koji pokreću prethodno neostvarenu poslovnu vrijednost i inovacije.