ایجاد سازمانی بسیار کارآمد برای داده ها و هوش مصنوعی


در این زمینه ، مدیریت داده های م oneثر یکی از ارکان اصلی یک سازمان داده محور است. اما مدیریت داده ها در یک شرکت بسیار پیچیده است. با ظهور فناوری های جدید داده ای ، وزن سیستم های داده قدیمی و سیلوها در حال افزایش است ، مگر اینکه بتوان آنها را یکپارچه یا حصارکشی کرد. تقسیم بندی معماری برای بسیاری از افسران ارشد داده (CDO) سردرد است ، که نه تنها به دلیل سیلوها بلکه به دلیل انواع ابزارهای داخلی و ابری است که بسیاری از سازمان ها از آن استفاده می کنند. همراه با کیفیت پایین داده ، این مشکلات باعث می شود سیستم عامل داده ها – و مدل های یادگیری و تجزیه و تحلیل ماشین که از آنها پشتیبانی می کنند – از سرعت و مقیاس مورد نیاز برای دستیابی به نتایج مطلوب تجاری محروم شوند.

برای درک چگونگی تکامل مدیریت داده ها و فناوری های مورد اعتماد در میان چنین چالش هایی ، MIT Technology Review Insights از 351 CDO ، تحلیلگران ارشد ، افسران ارشد اطلاعات (CIO) ، افسران ارشد فناوری (CTO) و دیگر رهبران ارشد فناوری نظر سنجی کرد. ما همچنین با چندین رهبر ارشد فناوری دیگر مصاحبه های عمیقی انجام داده ایم. در اینجا یافته های اصلی وجود دارد:

  • تنها 13٪ سازمانها از استراتژی داده های خود بهتر عمل می کنند. این گروه عالی “برتر” نتایج قابل اندازه گیری تجاری را در کل شرکت ارائه می دهد. آنها با توجه به مبانی مدیریت داده ها و معماری خوب ، که به آنها امکان “دموکراتیزه کردن” داده ها و کسب ارزش از یادگیری ماشین را می دهد ، موفق می شوند.
  • همکاری فناوری فرهنگ داده های کاری را ایجاد می کند. مصاحبه شوندگان برای مطالعه CDO اهمیت زیادی به تجزیه و تحلیل دموکراتیک و فرصت های ML می دهند. سوق دادن آنها به آستانه استفاده از فناوری های پیشرفته داده ، به کاربران نهایی کمک می کند تا با آگاهی بیشتری تصمیمات شغلی را بگیرند – از ویژگی های فرهنگ داده قوی.
  • تأثیر ML در تجارت به دلیل دشواری های مدیریت چرخه زندگی آن از انتهای دیگر محدود می شود. مقیاس بندی موارد استفاده از ML برای بسیاری از سازمانها بسیار پیچیده است. مهمترین چالش ، طبق 55٪ از پاسخ دهندگان ، نبود مکان مرکزی برای ذخیره و کشف مدلهای ML است.
  • مشاغل به دنبال سیستم عامل های مبتنی بر ابر هستند که از مدیریت داده ها ، تجزیه و تحلیل و یادگیری ماشین پشتیبانی می کنند. اولویت های اصلی داده های سازمان ها طی دو سال آینده به سه حوزه تقسیم شده است که همه با استفاده گسترده تر از سیستم عامل های ابری پشتیبانی می شوند: بهبود مدیریت داده ها ، بهبود تجزیه و تحلیل داده ها و ML و گسترش استفاده از انواع داده های شرکتی ، از جمله پخش جریانی و داده های بدون ساختار.
  • استانداردهای باز مهمترین الزامات آینده استراتژیهای معماری هستند. اگر پاسخ دهندگان بتوانند برای تجارت خود یک معماری داده جدید بسازند ، مهمترین مزیت نسبت به معماری موجود ، پذیرش بیشتر استانداردهای منبع باز و قالبهای داده باز خواهد بود.

گزارش کامل را بارگیری کنید.

این محتوا توسط Insights ، محتوای شخصی شده مرور MIT Technology ، تولید شده است. توسط MIT Technology Review نوشته نشده است.


منبع: unbox-khabar.ir

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>