从大数据到小数据、宽数据

疫情给企业带来的极端变革，导致那些基于大量历史数据的机器学习和人工智能模型变得不那么重要了。同时，由人类和AI做出的决策变得更加复杂和苛刻，要求数据分析领导者拥有更多种类的数据才能更好地了解态势。

因此，数据分析领导者应该选择那些可以更有效地利用可用数据的分析技术。数据分析领导者依赖于所谓的“宽数据”和“小数据”，宽数据可以对各种小型的、大型的、非结构化的、结构化的数据源进行分析和协同，小数据指的是那些需要较少数据但仍提供有用见解的分析技术应用。

Sallam表示：“小数据和宽数据提供强大的分析和人工智能功能，降低了企业组织对大数据集的依赖性，而且通过使用宽数据，企业组织还可以获得更丰富、更完整的、全方位的态势感知，使他们能够运用分析来做出更好的决策。”XOps(包括DataOps、MLOps、ModelOps和PlatformOps)的目标是利用DevOps最佳实践来实现效率和规模经济，确保可靠性、可重用性和可重复性，同时减少技术和流程的重复，实现自动化。

大多数分析和人工智能项目都因为仅仅在事后才能解决可操作性问题而失败了。如果数据分析领导者利用XOps进行大规模运营，将实现分析和人工智能资产的再生性、可追溯性、完整性和可集成性。

（编辑：无锡站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!