大数据广泛应用

核心提示在当今快节奏的数字世界中,数据的使用不断发展,以帮助企业更好地理解来自大量结构化和非结构化数据存储库的见解。然而,虽然大数据可以提供对业务至关重要的分析,但这些数据主要是用来展示过去时态发生了什么。在执行预测性和说明性分析时,越来越多地必须

在当今快节奏的数字世界中,数据的使用在不断发展,以帮助企业更好地理解来自大量结构化和非结构化数据存储库的见解。然而,尽管大数据可以为业务提供关键分析,但这些数据主要用于显示过去发生的事情。在进行预测和描述性分析时,越来越有必要考虑广泛的数据。

这是人工智能可以发挥作用的地方,也是大数据对人工智能的需求产生分歧的地方。大数据被定义为三个因素:容量、速度和多样性。体积是指可用数据的大小,速度是指数据到达和处理的速度。然而,企业要想有效地将数据用于人工智能的预测目的,就需要各种数据。随着人工智能在各个领域的日益普及,访问不同数据集的能力至关重要,也是人工智能算法的催化剂。换句话说,不要把数据做得太平淡无奇,而是要让数据更加多样化。我们把这类数据称为各种“宽数据”,这些数据来自组织的内部、外部、结构化和非结构化的数据。这一点至关重要,因为在全球经济中,企业绩效取决于许多参数。

大数据应用的一个例子是在美国不同地区设计产品的两家制造厂。这两个工厂的地理位置会对生产产生影响,特别是在暴风雪等自然灾害的情况下。考虑天气和其他几个外部因素,结合内部数据为人工智能算法提供数据,它会对每个制造组织的库存、供应链和需求做出更准确的预测。数据的多样性提供了更多的相关性,因此可以更好地学习AI算法,从而提供准确的结果。

为什么不是数据容量?

由于缺少不同的因变量,数据量并不一定意味着算法的学习效果更好。虽然理论上,拥有大量的数据对于人工智能应用很重要,但是对于高效的算法来说,数据的多样性比数据的大小更重要。比如我们在做一个项目,预测癌症患者的数据。研究对象不多,产生的数据只有150行。这产生了相对较少的要筛选的数据,它不被认为是大数据。这就提出了一个问题——人工智能算法是否有足够的数据来学习和预测癌症患者的随访?在这种情况下,答案是肯定的。虽然只有150行,但生物识别、生物传感器和症状数据构成了数千列,这使其成为范围广泛的数据。

关键是,对于人工智能应用来说,数据的多样性比数据量更重要。

宽数据的类型

如前所述,有不同类型的数据,当组合在一起时,使其成为广泛的数据,例如:

结构化数据:位于软件应用程序中的数据。

内部非结构化数据:属于内部非结构化数据的文档、图像、报告、图表和图形。

外部数据:来自外部来源的数据,如天气、社会和经济数据、人口普查数据、股票交易数据等。

外部非结构化数据:新闻、图像、视频等。从组织的防火墙之外。

CUPP框架:提供数据战略

为了成功采用人工智能,拥有最佳人工智能实践非常重要。一个这样的框架是CUPP,它代表收集、统一、处理和呈现。这四个部署步骤是组织开始其人工智能之旅的典型方式。

可能没有数据战略或数据平台的传统企业将从创建像CUPP这样的框架中受益。框架在确保准确性或数据准确性方面也很重要。组织需要干净、高质量的数据来确定理想的结果,而准确性将大大加快这一过程。

以下是组织使用CUPP框架的基本步骤:

1.从数据普查开始。

使用数据普查方法来发现组织内外拥有的数据资产。

规划过程的一部分是定位结构化和非结构化数据的来源。许多组织可能会对他们拥有的非结构化数据的数量感到惊讶,进行数据普查可以让他们评估所有的数据资产。

2.了解您的数据资产

在建模之前,了解组织已经拥有什么是很重要的。这有助于开发AI最佳实践,但需要一点耐心。这将作为采用人工智能应用的基础,并提供投资回报。

企业还需要研究其内部-外部的结构化和非结构化数据收集和统一策略。

3.使用机器学习和自然语言处理以及机器学习来转换和理解非结构化内容

组织可以获得其非结构化数据,并使用自然语言处理将其转换为结构化内容来训练您的数据。

组织也应该受到非结构化内容的鼓励,而不是害怕它,因为现在有几种技术可以用来非常有意义地利用它。

关于需要使用广域数据的要点

广泛的数据可以更快地启动人工智能之旅,对于帮助组织将来自各种规模的非结构化和结构化数据源的见解融入上下文至关重要。随着技术的发展,任何企业都无法忽视数据的作用和价值,所有企业都需要围绕获取和分析各种数据来制定数据策略。

 
友情链接
鄂ICP备19019357号-22