人工智能分析中最困難的部分不是人工智能而是數(shù)據(jù)管理

在大數(shù)據(jù)LDN， 格雷格·漢森，EMEA副總裁在Informatica的，與IA討論一個終端到端到端數(shù)據(jù)工程方法獲得干凈的數(shù)據(jù)，你可以成功的AI舉措信托利益。此方法包括數(shù)據(jù)發(fā)現(xiàn)，攝取，集成，質(zhì)量，準備和治理。

很難遇見一位對AI和預(yù)測分析在幫助提高組織效率方面的潛力并不感到興奮的商業(yè)領(lǐng)袖。欺詐檢測，下一動作，運營效率和預(yù)測分析是AI和分析可以幫助解決的眾多業(yè)務(wù)挑戰(zhàn)之一。但是，不良數(shù)據(jù)目前正在阻礙AI，因為機器學(xué)習(xí)(ML)模型與您提供給它們的數(shù)據(jù)一樣好。

為了提高數(shù)據(jù)質(zhì)量，漢森認為企業(yè)應(yīng)該建立資產(chǎn)目錄。這將推動做出明智的決策-一旦獲得了資產(chǎn)的集中目錄，您就可以開始執(zhí)行諸如將數(shù)據(jù)整合在一起并使其可搜索之類的事情。

他說：“這將使組織能夠使用更完整，更全面且偏差較小的數(shù)據(jù)集來訓(xùn)練其AI和ML算法。”

漢森認為，這可以通過使用內(nèi)置AI的良好數(shù)據(jù)工程工具來完成。

“我們真正需要的不僅僅是在分析層中的人工智能-就生成數(shù)據(jù)的圖形視圖和圍繞數(shù)據(jù)實時做出決策而言-我們需要確保后端有人工智能，以確保我們已經(jīng)將精心挑選的數(shù)據(jù)輸入到我們的分析引擎中。”

他警告說，如果組織無法做到這一點，他們將看不到分析型AI的好處。

漢森說：“我認為，如果我們不能確保我們以高質(zhì)量，精心挑選的數(shù)據(jù)來訓(xùn)練我們的分析型AI，可能會犯很多錯誤，甚至?xí)敢恍﹪乐氐腻e誤。”

他補充說，如果數(shù)據(jù)集不好，那么組織中的AI倡導(dǎo)者將無法獲得他們期望的結(jié)果。這可能會阻止將來對該技術(shù)的任何投資。