資料準備不足 別談AI+雲端整合



資料準備不足 別談AI+雲端整合


有鑑於雲端廠商種類日益增加,就資料管理方法的差異雖說是微乎其微,但仍然形成各組織在資料管理的不同;然而,最為關鍵的差異將會顯現於「資料本身」。


編譯/戴偉丞




根據Gartner研究預測,雲端運算於2028年將過渡到「商業必需品」的狀態,並作為新興技術的最高與最後階段,成為維持商業競爭力的必要組成。有鑑於雲端廠商種類日益增加,就資料管理方法的差異雖說是微乎其微,但仍然形成各組織在資料管理的不同;然而,最為關鍵的差異將會顯現於「資料本身」。





資料準備不足 別談AI+雲端整合
雲端運算潛力取決於底層技術堆疊,而雲端資料管理正是取決於底層資料。(圖/123RF)



數據資料本身即為關鍵




無論雲端架構配置得多麼完善,倘若資料準備不充足,或是對於業務本身沒有實質上的益處,那也只是徒勞。換言之,雲端運算潛力取決於底層技術堆疊,而雲端資料管理正是取決於底層資料。所有資料都必須經過清理、結構化與其他準備,唯有如此,才能將數據資料作用於分析上。根據《哈佛商業評論》估算,沒有經過妥善處理的數據資料,造成美國每年3兆美元的損失。




資料準備對於成功雲端管理相當關鍵,從資料提舉、準備、分析再到報告,乃至於應用於生成式人工智慧。有鑑於該過程較為乏味且出錯率較高,容易形成資料可用性的瓶頸,進而導致雲端資料管理的創新潛力為之下降。




更多新聞:雲端帳單炸彈 毀了企業資料分析專案




生成式人工智慧已蓄勢待發




即便存在上述挑戰,但生成式人工智慧具有得以強化資料準備,並簡化資料分析週期的特性,在現有機器學習的技術基礎上,再將效率往上疊加。生成式人工智慧多數係以自然語言介面所驅動,使得分析過程變得更為容易,僅需透過基本英文指令,即可執行複雜的分析任務。




此外,自動分析的品質也因生成式人工智慧而有所提升,從資料提取、載入、轉換等不同階段,都得見資料分析的進步,進而藉由預測演算法、大型語言模型來強化資料擷取過程,更於不斷豐富資料庫的過程中加速資料準備。




資料準備好迎接AI+雲端的時代嗎




在這場以生成式人工智慧為主軸的軍備競賽中,基礎設施極其重要;在面對客戶需求的同時,雲端的建構也形成挑戰,都形成成本預算上的負擔。不過,隨著時間累積而更趨於成熟的雲端廠商們,如今越來越有信心迎接挑戰。




資料,已經成為各行各業能否從雲端運算與生成式人工智慧的整合中獲益的關鍵元素。藉由雲端廠商的技術、雲端運算的進步、人工智慧的整合,各組織必須隨機應變且就雲端資料管理的實踐做出最好的決策。成功與否,都將歸因於此。




資料來源:RT Insights




※探索職場,透視薪資行情,請參考【科技類-職缺百科】幫助你找到最適合的舞台!



這篇文章 資料準備不足 別談AI+雲端整合 最早出現於 科技島-掌握科技新聞、科技職場最新資訊

Google新聞-PChome Online新聞


最新科技新聞
人氣科技新聞
行動版 電腦版