ظهور هوش سازمانی

ظهور Enterprise Intelligence در حال شتاب گرفتن است و رهبران صنعت از پیشرفت چشمگیر بهره وری از هوش مصنوعی خبر می دهند. اما سایر سازمان ها با چالش های مدیریت داده مواجه هستند. به گفته مک کینزی، 70 درصد از شرکت ها با چالش های داده های حیاتی روبرو هستند که از موفقیت هوش مصنوعی جلوگیری می کند و گارتنر نرخ شکست 30 درصدی را برای ابتکارات هوش مصنوعی مولد پیش بینی می کند.

یکی از تمایزهای مهم در داشتن زیرساخت و بافت داده مناسب برای پشتیبانی از الزامات ترکیبی هوش مصنوعی سازمانی نهفته است. چرخه عمر داده‌های هوش مصنوعی با جمع‌آوری داده‌ها و یک برنامه نگهداری داده‌ها در طول سال‌ها شروع می‌شود. خواه منبع داده یک دستگاه IOT یا یک پردازنده مرکزی IBM باشد، پس از جمع‌آوری داده‌ها باید ابتدا طبقه‌بندی شوند، و سپس مشخص شوند یا برای استفاده آماده شوند تا بتوان آن‌ها را به انبار داده پایین دستی یا برنامه‌های هوش مصنوعی انتقال داد. همانطور که داده ها از این بافت پیچیده داده عبور می کنند، مجموعه داده ها اغلب تحت تغییر شکل های چندوجهی قرار می گیرند که احتمالاً از فایل ها و جداول در یک قالب به بردارهای شاخص در فرمت دیگر می رسد، اما همچنان کنترل های حاکمیت داده و انطباق باید حفظ شود.

جان اوتمن، رئیس اجرایی Solix، چالش‌ها و فرصت‌های هوش مصنوعی سازمانی را در این بررسی راه‌حل عملی بررسی می‌کند.

هم اکنون این وایت پیپر را دانلود کنید