随着企业领导者借助ML和AI抢先解决实时需求

使数据快速可行的操作给旧的数据管理订单带来了艰巨的挑战。

来自Gartner的三份新报告引人注目
着重于企业创造价值运营的紧迫性
注入了AI和ML的应用程序-或存在风险
永远落后。

紧急程度
生成器#1:
Gartner在其最新的AI业务价值预测中表示,AI
增长将创造2.9万亿美元
2021年的商业价值增长
一年。

紧急程度
生成器#2:
Gartner的AI和ML开发
策略研究
发现领先的组织期望大幅增加其AI / ML
项目-从今年的平均四个到2022年的35个。

紧急程度
生成器#3:在
Gartner的“ 2019年预测:数据与分析策略”报告说:“有效
数据管理比以往任何时候都更为关键。虽然有些公司采取了
控制他们的数据,并将其变成保护市场的武器
支配地位,许多其他国家都在努力制止刹车
关于情报协调:孤岛。”

另请参阅:如何加快AI部署以更快地实现CI收益

Gartner的“领导组织”就是其中之一
在争夺2.9万亿美元的商业价值中占据领先地位
将从AI,ML和IoE计划中围绕决策支持,实时决策提供
自动化和AI增强智能等。

什么是
让公司退缩?

孤立的数据不是
唯一会破坏构建IoE应用程序以及部署ML和AI的工作
项目。不灵活的旧系统不适合处理时间序列数据
与物联网相关的实时
操作也会造成混淆。

你在哪里
组织在争取价值的竞赛中排名?您如何帮助铺平AI或ML项目和IoE应用程序的部署之路?
如果您像许多公司一样,您的工作将面临几个关键挑战,
从孤立的数据开始。

无法将来自不同领域的数据整合在一起
来源并提供整体观点是一些公司为何苦苦挣扎的主要原因
在考虑他们的万物互联(IoE)应用之前保持跟进
要求。

多年来,他们致力于强迫数据孤岛
几代行业专用的,功能狭窄的SaaS和
企业云应用程序。但是现在他们达到了隔离的分析极限
数据并发现他们无法对数据进行整体分析或处理
存在或将其轻松部署到新一代应用程序。

制造
数据重心

为了成功,所有ML和AI努力都必须
扎根于数据。我们通过数据查看每个流程自动化要求
镜头第一。这是我们所做的每一件事,每个过程的重心
我们实现自动化,以及我们启用的每个实时决策或行动。

虽然我们首先针对传感器生成进行了优化
时间序列数据,实际上是什么类型的数据,什么来源
它来自或以何种成交量或速度-数据是我们的根本原因。建造
面向不可知数据应用程序的数据自动化基础可实现
破碎的企业环境中的孤岛破坏数据统一进展
SaaS。

我们将其视为一种全数据方法-您将在数据方面得到更多的了解
传感器网络的管理要求可在其他地方带来全能数据优势
在企业中。

流行的市场方法很少遵循
这个法令。例如,与一家典型的物联网公司交谈,他们将没有
关于他们如何带人的好故事
等式。他们都是关于事物的。同样,位置数据服务和
劳动力管理提供者讲述了有关跟踪人员和
工人,但缺乏整合事物的信誉。

这是IoE出现在更多地方的原因之一
我们的通讯比物联网。大多数企业运营问题涉及人员
和平等的事情。从数据角度看,没有区别或
偏压。

老人
数据管理订单已到期

数据操作化正在创造巨大的新
对旧数据管理秩序的挑战。不管他们是否知道,企业
正在进入“后数据库管理系统(DBMS)”世界。他们是
发现越来越难以(即使不是不可能)移动数据
用例融入严格的旧式DBMS基础架构中。

的数据要求
软件应用程序已经发生了巨大变化。用户和
机器正在使用以下技术创建更多数据来驱动业务逻辑
作为实时数据分析和机器学习。

传统上,
应用程序的所有数据都存储在中心化或以办公室为中心的关系型
数据库。但这并不能适应传感器驱动的时间序列数据
实时操作和情报所依赖的爆炸式增长。


为了构建真正的数据驱动型解决方案,工程和维护
负担是不可逆转的。我们已经从少数几个
子系统到数十个需要更昂贵专业知识的子系统
大数据工程团队。

了解用例

只需设想和理解IoE,ML,
与AI相关的用例是阻碍公司发展的另一个主要挑战。

Gartner AI / ML的受访者中约有42%
开发调查称用例识别是他们的第二大挑战
(缺乏技能后)。我们一次又一次地看到这一点。

其他主要挑战包括可扩展性,以及
使用无法处理时间序列数据或大量数据的不灵活的旧系统
来自不同来源的高速数据。


主宰一切

面对如此众多的挑战,越来越多
公司正在尝试使用“单个主干”数据自动化
建立IoE应用程序的基础。这就需要一个开放,灵活的平台来构建
实时,可扩展,数据自动化和AI解决方案,可应对可扩展性
数据摄取,标准化和充实以及实时业务
逻辑,数据存储和决策分析。

数据骨干方法使开发人员能够
专注于在解决方案中建立独特的业务和用户价值,
而不是试图预期数据的所有用途以适应更旧,更严格的数据
DBMS基础结构。

企业需要能够使他们能够
以任何类型或类型以不同的成交量和速度摄取传感器数据
输入和输出的组合。他们应该有能力进行部署
此类功能可以在本地,云,Edge或混合版本中进行。

这样可以解决或避免许多问题,
从孤立的数据和有限的可伸缩性到构建多个数据库的挑战
应用程序,而不必每次都重新创建数据基础。它将提供更快的价值途径
实现。

资讯来源:由0x资讯编译自RTINSIGHTS,版权归作者Phil Ressler所有,未经许可,不得转载
提示:投资有风险,入市需谨慎,本资讯不作为投资理财建议。请理性投资,切实提高风险防范意识;如有发现的违法犯罪线索,可积极向有关部门举报反映。
你可能还喜欢