ການເພີ່ມຂຶ້ນຂອງ Enterprise Intelligence ກໍາລັງເລັ່ງແລະຜູ້ນໍາອຸດສາຫະກໍາກໍາລັງລາຍງານການເພີ່ມປະສິດທິພາບຢ່າງຫຼວງຫຼາຍຈາກ AI. ແຕ່ອົງການຈັດຕັ້ງອື່ນໆກໍາລັງປະສົບກັບສິ່ງທ້າທາຍໃນການຄຸ້ມຄອງຂໍ້ມູນ. ອີງຕາມ McKinsey, 70% ຂອງບໍລິສັດກໍາລັງປະເຊີນກັບສິ່ງທ້າທາຍດ້ານຂໍ້ມູນທີ່ສໍາຄັນທີ່ປ້ອງກັນຄວາມສໍາເລັດຂອງ AI ແລະ Gartner ຄາດຄະເນອັດຕາຄວາມລົ້ມເຫລວ 30% ສໍາລັບການລິເລີ່ມ AI ການຜະລິດ.
ຄວາມແຕກຕ່າງທີ່ ສຳ ຄັນອັນ ໜຶ່ງ ແມ່ນຢູ່ໃນການມີໂຄງສ້າງພື້ນຖານທີ່ຖືກຕ້ອງແລະຜ້າຂໍ້ມູນເພື່ອຮອງຮັບຄວາມຕ້ອງການຂອງວິສາຫະກິດ AI. ວົງຈອນຊີວິດຂອງຂໍ້ມູນ AI ເລີ່ມຕົ້ນດ້ວຍການເກັບກຳຂໍ້ມູນ ແລະແຜນການຮັກສາຂໍ້ມູນຕະຫຼອດປີ. ບໍ່ວ່າຈະເປັນແຫຼ່ງທີ່ມາຂອງຂໍ້ມູນເປັນອຸປະກອນ IOT ຫຼື IBM mainframe, ເມື່ອເກັບກຳຂໍ້ມູນຕ້ອງຖືກຈັດປະເພດກ່ອນ, ແລະຫຼັງຈາກນັ້ນໃຫ້ມີລັກສະນະສະເພາະ ຫຼື ກະກຽມເພື່ອນຳໃຊ້ ກ່ອນທີ່ມັນຈະຖືກສົ່ງໄປໃສ່ສາງຂໍ້ມູນລຸ່ມນ້ຳ ຫຼື ແອັບພລິເຄຊັນ AI. ເມື່ອຂໍ້ມູນຖ່າຍທອດຜ້າຂໍ້ມູນທີ່ຊັບຊ້ອນນີ້, ຊຸດຂໍ້ມູນມັກຈະມີການຫັນປ່ຽນຫຼາຍຮູບແບບທີ່ອາດຈະມາຈາກໄຟລ໌ແລະຕາຕະລາງໃນຮູບແບບຫນຶ່ງໄປຫາຕົວຊີ້ວັດ vectors ໃນອີກອັນຫນຶ່ງ, ແຕ່ຍັງມີການຄຸ້ມຄອງຂໍ້ມູນແລະການຄວບຄຸມການປະຕິບັດຕາມຕ້ອງໄດ້ຮັບການຮັກສາໄວ້.
ປະທານບໍລິຫານ Solix John Ottman ສຳຫຼວດສິ່ງທ້າທາຍ ແລະກາລະໂອກາດຂອງວິສາຫະກິດ AI ໃນການທົບທວນການແກ້ໄຂຕົວຈິງນີ້.
ດາວໂຫລດເຈ້ຍຂາວນີ້ໃນປັດຈຸບັນ
ກ່ຽວກັບຜູ້ຂຽນ:
John Ottman ມີປະສົບການຫຼາຍກ່ວາ 30 ປີກັບຄໍາຮ້ອງສະຫມັກວິສາຫະກິດແລະພື້ນຖານໂຄງລ່າງຟັງ. ລາວປະຈຸບັນແມ່ນ ປະທານບໍລິຫານ ຂອງ Solix Technologies, Inc. ແລະຜູ້ຮ່ວມກໍ່ຕັ້ງແລະປະທານຂອງ Minds Inc.
