เพิ่มพลังให้กับ ML และ AI ด้วยการแปลงข้อมูล – Thought Leaders

เมื่อมีข้อมูลที่หลากหลาย มีความเร็ว และมีปริมาณมากขึ้น ก็จะทำให้สามารถใช้การวิเคราะห์เชิง예측และแบบจำลองเพื่อคาดการณ์การเติบโตและระบุพื้นที่ที่มีโอกาสและพื้นที่ที่ต้องการปรับปรุงได้มากขึ้น อย่างไรก็ตาม การได้รับคุณค่าสูงสุดจากเครื่องมือการรายงาน การเรียนรู้ของเครื่อง (ML) และปัญญาประดิษฐ์ (AI) ต้องมีการเข้าถึงข้อมูลจากหลายแหล่งและรับรองว่าข้อมูลมีคุณภาพสูงและเชื่อถือได้ ซึ่งเป็นอุปสรรคที่ยิ่งใหญ่ที่สุดในการแปลงข้อมูลขนาดใหญ่ให้เป็นกลยุทธ์ทางธุรกิจ

ผู้เชี่ยวชาญด้านข้อมูลใช้เวลามากในการรวบรวมและตรวจสอบข้อมูลเพื่อเตรียมให้พร้อมสำหรับการใช้งาน จึงมีเวลาน้อยที่จะเน้นไปที่วัตถุประสงค์หลักของตนเอง ซึ่งก็คือ การวิเคราะห์ข้อมูลและสร้างมูลค่าทางธุรกิจจากข้อมูลนั้น ไม่น่าแปลกใจที่ 76% ของนักวิทยาศาสตร์ข้อมูลกล่าวว่าการเตรียมข้อมูลเป็นส่วนหนึ่งของงานที่ไม่น่าสนใจที่สุด นอกจากนี้ ความพยายามในการเตรียมข้อมูลในปัจจุบัน เช่น การจัดการข้อมูลและ ETL แบบดั้งเดิมต้องใช้ความพยายามด้วยมือจากผู้เชี่ยวชาญด้าน IT และไม่เพียงพอในการจัดการกับขนาดและความซับซ้อนของข้อมูลขนาดใหญ่

บริษัทที่ต้องการใช้พลังของ AI ต้องละทิ้งกระบวนการที่น่าเบื่อและใช้แรงงานคนมากขึ้น ซึ่งเพิ่มความเสี่ยงของ “ข้อมูลที่ไม่ดี จะได้ผลลัพธ์ที่ไม่ดี” แทนที่จะใช้กระบวนการแปลงข้อมูลที่สามารถดึงข้อมูลดิบจากหลายแหล่งและรูปแบบ ต่อข้อมูลและปรับให้เหมาะสมด้วยตรรกะทางธุรกิจและเมตริกเพื่อให้พร้อมสำหรับการวิเคราะห์ ด้วยการแปลงข้อมูลที่ซับซ้อน พวกเขาจะมั่นใจได้ว่าโมเดล AI/ML นั้นขึ้นอยู่กับข้อมูลที่สะอาดและแม่นยำ ซึ่งให้ผลลัพธ์ที่เชื่อถือได้

ใช้พลังของคลาวด์ด้วย ELT

สถานที่ที่ดีที่สุดในการเตรียมและแปลงข้อมูลในปัจจุบันคือคลาวด์เวア์เฮาส์ (CDW) เช่น Amazon (AMZN ) Redshift, Google (GOOGL ) BigQuery, Microsoft Azure Synapse หรือ Snowflake ในขณะที่แนวทางแบบดั้งเดิมในการจัดเก็บข้อมูลต้องมีการดึงและแปลงข้อมูลก่อนที่จะสามารถโหลดได้ คลาวด์เวア์เฮาส์ใช้ความสามารถในการปรับขนาดและประสิทธิภาพของคลาวด์สำหรับการดึงและแปลงข้อมูลที่เร็วขึ้น และทำให้สามารถดึงและโหลดข้อมูลจากหลายแหล่งที่แตกต่างกัน ก่อนที่จะแปลงข้อมูลภายใน CDW

ในอุดมคติ โมเดล ELT จะย้ายข้อมูลไปสู่ส่วนหนึ่งของ CDW ที่สงวนไว้สำหรับข้อมูลดิบ จากที่นั่น CDW สามารถใช้ทรัพยากรการคำนวณที่ไม่มีข้อจำกัดสำหรับงานการบูรณาการข้อมูลและ ETL ที่ล้าง ข้อมูลที่จัดเก็บไว้ สามารถรวม ตัด และต่อข้อมูลที่จัดเก็บไว้ จากนั้นข้อมูลสามารถแปลงเป็นスキมาต่างๆ เช่น Data Vault หรือ Star Schema ซึ่งจะทำให้ข้อมูลเหมาะสมสำหรับการรายงานและการวิเคราะห์

แนวทาง ELT ยังช่วยให้คุณสามารถทำซ้ำข้อมูลดิบภายใน CDW สำหรับการเตรียมและแปลงข้อมูลในภายหลังเมื่อและตามที่ต้องการ ซึ่งช่วยให้คุณใช้เครื่องมือธุรกิจอัจฉริยะที่กำหนดสคีมาตามการอ่านและผลิตการแปลงเฉพาะตามความต้องการ ทำให้คุณสามารถแปลงข้อมูลเดียวกันในหลายรูปแบบเมื่อคุณค้นพบการใช้งานใหม่ๆ

เร่งความเร็วของโมเดลการเรียนรู้ของเครื่อง

ตัวอย่างในโลกแห่งความเป็นจริงแสดงให้เห็นว่าบริษัทสองแห่งในอุตสาหกรรมที่แตกต่างกันใช้การแปลงข้อมูลใน CDW เพื่อขับเคลื่อนโครงการ AI

เอเจนซี่โฆษณาและตลาดที่มีขนาดเล็กสร้างแพลตฟอร์มการจัดการลูกค้าที่เป็นกรรมสิทธิ์เพื่อช่วยให้ลูกค้าสามารถระบุ เข้าใจ และกระตุ้นลูกค้าได้ดีขึ้น โดยการแปลงข้อมูลภายใน CDW แพลตฟอร์มนี้สามารถรวมข้อมูลลูกค้าแบบเรียลไทม์จากช่องทางต่างๆ เข้ากับมุมมองลูกค้า 360 องศา ซึ่งจะแจ้งให้โมเดล AI/ML ของแพลตฟอร์มทราบวิธีการสร้างปฏิสัมพันธ์กับลูกค้าที่สอดคล้องกัน ทันเวลา และส่วนบุคคลมากขึ้น

บริษัทโลจิสติกส์ระดับโลกที่ทำการขนส่ง 100 ล้านครั้งให้กับลูกค้า 37 ล้านรายใน 72 ประเทศต้องใช้ข้อมูลจำนวนมากเพื่อขับเคลื่อนการดำเนินงานประจำวัน การนำการแปลงข้อมูลใน CDW มาใช้ทำให้บริษัทสามารถใช้โมเดลการเรียนรู้ของเครื่อง 200 โมเดลภายในหนึ่งปี โมเดลเหล่านี้ทำการคาดการณ์ 500,000 ครั้งทุกวัน ซึ่งปรับปรุงประสิทธิภาพและขับเคลื่อนการบริการลูกค้าที่เหนือกว่า ซึ่งลดการโทรเข้าศูนย์บริการลูกค้าลง 40%

แนวทางปฏิบัติที่ดีที่สุดในการเริ่มต้น

บริษัทที่ต้องการสนับสนุนโครงการ AI/ML ด้วยพลังของการแปลงข้อมูลในคลาวด์ต้องเข้าใจกรณีการใช้งานและความต้องการเฉพาะของตนเอง การเริ่มต้นด้วยสิ่งที่คุณต้องการทำกับข้อมูลของคุณ – ลดต้นทุนเชื้อเพลิงโดยการเพิ่มประสิทธิภาพเส้นทางการขนส่ง, เพิ่มยอดขายโดยการนำเสนอข้อเสนอที่ดีที่สุดให้กับตัวแทนบริการลูกค้าแบบเรียลไทม์ ฯลฯ – ช่วยให้คุณสามารถย้อนกลับไปที่กระบวนการของคุณเพื่อระบุว่าข้อมูลใดจะให้ผลลัพธ์ที่เกี่ยวข้อง

เมื่อคุณกำหนดข้อมูลที่โครงการ AI/ML ของคุณต้องการเพื่อสร้างโมเดล คุณจะต้องมีวิธีแก้ปัญหา ELT ที่เป็นเนทีฟคลาวด์ ซึ่งจะทำให้ข้อมูลของคุณพร้อมใช้งาน ควรหาวิธีแก้ปัญหาที่:

• เป็นกลางและสามารถทำงานกับเทคโนโลยีสแต็กปัจจุบันของคุณ

• มีความยืดหยุ่นในการปรับขนาดขึ้นและลงและปรับให้เข้ากับการเปลี่ยนแปลงของเทคโนโลยีสแต็กของคุณ

• สามารถจัดการการแปลงข้อมูลที่ซับซ้อนจากหลายแหล่ง

• มีรูปแบบการชำระเงินที่ชำระตามการใช้งาน โดยที่คุณจ่ายเฉพาะสิ่งที่คุณใช้เท่านั้น

• ถูกสร้างขึ้นเพื่อ CDW ที่คุณเลือก เพื่อให้คุณสามารถใช้คุณสมบัติของ CDW ได้อย่างเต็มที่ในการทำงานที่เร็วขึ้นและแปลงข้อมูลได้อย่างราบรื่น

วิธีแก้ปัญหาในการแปลงข้อมูลในคลาวด์ที่ตอบสนองต่อทุกสิ่งที่คลาวด์เวア์เฮาส์ที่ใช้ร่วมกันอาจให้ประสบการณ์ที่สม่ำเสมอ แต่วิธีแก้ปัญหาที่เปิดใช้งานคุณสมบัติที่แตกต่างของ CDW ที่คุณเลือกเท่านั้นที่สามารถ ส่งมอบประสิทธิภาพสูง ที่เร่งเวลาในการมองเห็นได้ วิธีแก้ปัญหาที่ถูกต้องจะช่วยให้คุณสามารถใช้พลังงาน AI/ML ของคุณด้วยข้อมูลที่สะอาดและเชื่อถือได้จากแหล่งต่างๆ มากขึ้นในเวลาที่น้อยลง – และสร้างผลลัพธ์ที่เร็วขึ้นและเชื่อถือได้มากขึ้น ซึ่งขับเคลื่อนมูลค่าทางธุรกิจและนวัตกรรมที่ไม่เคยเกิดขึ้นมาก่อน