存根 什么是数据结构？ - 联合人工智能
关注我们.
人工智能大师班：
   AI 101  
什么是数据结构？
 
 更新 on   
 
数据结构通常与人工智能 (AI) 和机器学习 (ML) 相关，是将原始数据转换为商业智能的主要工具之一。
但数据结构到底是什么？
数据结构是一种架构和软件，可在企业内提供数据资产、数据库和数据库架构的统一集合。 它通过使用智能和自动化系统促进各种数据管道和云环境的端到端集成。
随着混合云、物联网 (IoT)、人工智能和边缘计算的不断重大发展，数据结构变得越来越重要。 这导致大数据大量增加，这意味着组织需要管理更多数据。
为了应对这些大数据，企业必须关注数据环境的统一和治理，这带来了数据孤岛、安全风险和决策瓶颈等挑战。 这些挑战促使数据管理团队采用 Data Fabric 解决方案，该解决方案有助于统一数据系统、加强隐私和安全、改善治理并为工作人员提供更多数据可访问性。
数据集成会带来更多数据驱动的决策，虽然企业历来针对业务的特定方面使用不同的数据平台，但数据结构使数据的查看更加一致。 所有这些都有助于更好地了解客户生命周期，并有助于在数据之间建立联系。
Data Fabric 的用途是什么？
数据结构用于建立关联数据的统一视图，这有助于访问信息，无论其位置、数据库关联或结构如何。 数据结构还通过人工智能和机器学习简化分析。
数据结构的另一个目的是促进应用程序开发，因为它创建了一个通用模型来访问与传统应用程序和数据库孤岛分开的信息。 这些模型提供了更好的信息访问，但它们还通过建立可以跨所有资源管理数据访问的单层来提高效率。
虽然数据结构不存在单一的数据架构，但人们常说这种类型的数据框架有六个基本组件：
Data Fabric 的优点
Data Fabric 有许多业务和技术优势，例如：
实施 Data Fabric 的最佳实践
全球数据市场不断扩大，空间需求强劲。 许多公司希望实施数据架构来优化其企业数据，并且他们遵循一些常见的最佳实践。
其中一种实践是采用 DataOps 流程模型。 数据结构和 DataOps 并不完全相同，但根据 DataOps 模型，数据流程、工具和用户之间存在紧密的连接。 通过让用户依赖数据，他们可以利用这些工具并应用见解。 如果没有 DataOps 模型，用户可能很难从数据结构中提取足够的数据。
另一个最佳实践是避免将数据结构变成另一个数据湖，这种情况很常见。 例如，如果您拥有所有架构组件（例如数据源和分析），但没有 API 和 SDK，则无法实现真正​​的数据结构。 数据结构指的是架构设计，而不是单一技术。 该架构的一些定义特征是组件之间的互操作性和集成就绪性。
对于组织来说，了解其合规性和监管要求也很重要。 数据结构架构可以提高安全性、治理和法规遵从性。
由于数据不分散在各个系统中，因此敏感数据暴露的威胁较小。 话虽如此，在实施数据结构之前了解合规性和监管要求非常重要。 不同的数据类型可能属于不同的监管管辖范围。 一种解决方案是使用自动化合规策略来确保数据转换符合法律。
数据结构用例
数据结构有许多不同的用途，但有一些非常常见。 一个常见的例子是地理上不同的数据资产的虚拟/逻辑集合，以方便访问和分析。 在这种情况下，数据结构通常用于集中式业务管理。 由于收集和使用数据的分布式线路操作是通过传统应用程序和数据访问/查询接口支持的，因此对其活动进行区域或国家细分的组织可以获得很多好处。 这些组织通常需要集中管理和协调。
数据结构的另一个主要用例是在合并或收购后建立统一的数据模型。 当这些发生时，以前独立组织的数据库和数据管理策略经常发生变化，这意味着跨组织边界收集信息变得更加困难。 数据结构可以通过创建统一的数据视图来克服这个问题，使组合的实体能够在单个数据模型上协调一致。
 
       
 相关话题：
 
Alex McFarland 是一位人工智能记者和作家，致力于探索人工智能的最新发展。他与全球众多人工智能初创公司和出版物合作。