麻省理工学院技术评论洞察公司的一份新报告探讨了领先组织的决策者如何通过部署先进的基于云的技术(包括分析和机器学习能力)而脱颖而出。


这份名为“构建高性能数据和人工智能组织”的报告是与Databricks联合编写的,它基于对351名全球高级数据官员的调查,以及对14个行业(年收入10亿美元或以上的组织的数据和分析领军人物的深入访谈,包括道达尔、雅诗兰黛公司、麦当劳、欧莱雅、CVS健康和西北互助银行。调查结果如下:

研究表明:高性能数据管理对于使用云数据和人工智能的企业至关重要

•只有13%的组织擅长实施其数据战略。这组精选的“高成就者”在整个企业中提供可测量的业务结果。他们的成功得益于他们对健全数据管理和体系结构基础的关注,这些基础使他们能够“民主化”数据并从机器学习中获得价值。


•技术支持的协作正在创建一种工作数据文化。为这项研究采访的首席数据官认为,民主化分析和机器学习能力非常重要。利用先进的数据技术将这些技术推向边缘,将有助于最终用户做出更明智的业务决策,这是强大数据文化的标志。


•机器学习的业务影响受到端到端生命周期管理困难的限制。对于许多组织来说,扩展机器学习用例是非常复杂的。55%的受访者认为,最重要的挑战是缺乏一个中心位置来存储和发现机器学习模型。


•企业寻求支持数据管理、分析和机器学习的云本地平台。企业未来两年的首要数据重点分为三个领域,所有这些领域都得到了云平台广泛采用的支持:改进数据管理、增强数据分析和机器学习,以及扩展所有类型企业数据的使用,包括流式数据和非结构化数据。


•开放标准是未来数据体系结构战略的最高要求。如果受访者能够为他们的业务构建一个新的数据体系结构,那么与现有体系结构相比,最关键的优势将是更多地采用开源标准和开放数据格式。


“管理数据非常复杂,对组织来说可能是一个真正的挑战。但创建正确的架构是巨大业务转型的第一步,”该报告的编辑Francesca Fanshawe说。“企业可以采用许多模型,但最终的目标应该是创建一个简单、灵活、管理良好的数据体系结构。”


Databricks全球首席技术专家Chris D'Agostino表示:“过去一年是变革的助推器,数据驱动型组织希望对其技术和架构投资进行调整、创新和经得起未来考验。现在,企业比以往任何时候都更需要一种开放、灵活的现代数据分析战略,使组织中的每个人都能够更快、更明智地做出决策,并对其所有数据有一个统一的视图,无论是使用机器学习和人工智能算法,还是直接的SQL和BI报告。”



免责声明

我来说几句

不吐不快,我来说两句
最新评论

还没有人评论哦,抢沙发吧~