在大数据LDN， 格雷格·汉森，EMEA副总裁在Informatica的，与IA讨论一个终端到端到端数据工程方法获得干净的数据，你可以成功的AI举措信托利益。此方法包括数据发现，摄取，集成，质量，准备和治理。

很难遇见一位对AI和预测分析在帮助提高组织效率方面的潜力并不感到兴奋的商业领袖。欺诈检测，下一动作，运营效率和预测分析是AI和分析可以帮助解决的众多业务挑战之一。但是，不良数据目前正在阻碍AI，因为机器学习(ML)模型与您提供给它们的数据一样好。

为了提高数据质量，汉森认为企业应该建立资产目录。这将推动做出明智的决策-一旦获得了资产的集中目录，您就可以开始执行诸如将数据整合在一起并使其可搜索之类的事情。

他说：“这将使组织能够使用更完整，更全面且偏差较小的数据集来训练其AI和ML算法。”

汉森认为，这可以通过使用内置AI的良好数据工程工具来完成。

“我们真正需要的不仅仅是在分析层中的人工智能-就生成数据的图形视图和围绕数据实时做出决策而言-我们需要确保后端有人工智能，以确保我们已经将精心挑选的数据输入到我们的分析引擎中。”

他警告说，如果组织无法做到这一点，他们将看不到分析型AI的好处。

汉森说：“我认为，如果我们不能确保我们以高质量，精心挑选的数据来训练我们的分析型AI，可能会犯很多错误，甚至会犯一些严重的错误。”

他补充说，如果数据集不好，那么组织中的AI倡导者将无法获得他们期望的结果。这可能会阻止将来对该技术的任何投资。

版权说明： 本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。

标签：