Η άνοδος του Enterprise Intelligence επιταχύνεται και οι ηγέτες του κλάδου αναφέρουν δραματικά κέρδη αποδοτικότητας από την τεχνητή νοημοσύνη. Αλλά άλλοι οργανισμοί αντιμετωπίζουν προκλήσεις διαχείρισης δεδομένων. Σύμφωνα με τη McKinsey, το 70% των εταιρειών αντιμετωπίζει κρίσιμες προκλήσεις δεδομένων που εμποδίζουν την επιτυχία της τεχνητής νοημοσύνης και η Gartner προβλέπει ποσοστό αποτυχίας 30% για πρωτοβουλίες παραγωγής τεχνητής νοημοσύνης.
Ένας κρίσιμος παράγοντας διαφοροποίησης έγκειται στην ύπαρξη της κατάλληλης υποδομής και δομής δεδομένων για την υποστήριξη των σύνθετων απαιτήσεων της επιχειρηματικής τεχνητής νοημοσύνης. Ο κύκλος ζωής δεδομένων AI ξεκινά με τη συλλογή δεδομένων και ένα σχέδιο διατήρησης δεδομένων που εκτείνεται σε χρόνια. Είτε η πηγή των δεδομένων είναι μια συσκευή IOT είτε ένας κεντρικός υπολογιστής της IBM, αφού συλλεχθούν τα δεδομένα πρέπει πρώτα να ταξινομηθούν και, στη συνέχεια, να χαρακτηριστούν ή να προετοιμαστούν με άλλο τρόπο για χρήση, προτού μπορέσουν να διατεθούν σε μια μεταγενέστερη αποθήκη δεδομένων ή εφαρμογή τεχνητής νοημοσύνης. Καθώς τα δεδομένα διέρχονται από αυτόν τον περίπλοκο ιστό δεδομένων, τα σύνολα δεδομένων συχνά υφίστανται μετασχηματισμούς πολλαπλών τρόπων, πιθανώς από αρχεία και πίνακες σε μια μορφή σε διανύσματα ευρετηρίου σε άλλη, αλλά και πάλι πρέπει να διατηρούνται έλεγχοι διακυβέρνησης δεδομένων και συμμόρφωσης.
Ο εκτελεστικός πρόεδρος της Solix, John Ottman, διερευνά τις προκλήσεις και τις ευκαιρίες της επιχειρηματικής τεχνητής νοημοσύνης σε αυτήν την πρακτική ανασκόπηση λύσεων.
Κατεβάστε αυτήν τη λευκή βίβλο τώρα
Σχετικά με το Συντάκτης:
Τζον Ότμαν έχει πάνω από 30 χρόνια εμπειρία σε εταιρικές εφαρμογές και υποδομές cloud. Αυτή τη στιγμή είναι ο Εκτελεστικός Πρόεδρος της Solix Technologies, Inc. και Συνιδρυτής και Πρόεδρος της Minds Inc.
