加速企业成功：AI 与 ML 破解实时数据难题

让数据快速可用给旧数据管理秩序带来艰巨挑战

Gartner 三份新报告聚焦企业构建注入 AI 和 ML 的价值生成型运营应用的紧迫性——否则将永远落后。

紧迫性构建者 #1： 其最新 AI 业务价值预测称，AI 增强将在 2021 年创造 2.9 万亿美元商业价值。仅在一年内。

紧迫性构建者 #2： Gartner AI 与 ML 发展战略研究发现，领先组织预期大幅增加 AI/ML 项目——从今年平均 4 个增至 2022 年 35 个。

紧迫性构建者 #3： 在“2019 预测：数据与分析战略”报告中，Gartner 称，“有效数据管理比以往更关键。一些公司已控制数据并将其转化为获取市场主导地位的武器，但许多其他公司正与一个给智能协调踩刹车的问题挣扎：孤岛。”

延伸阅读： How to Speed AI Deployment to Achieve CI Benefits Faster

Gartner 的“领先组织”在争夺从 AI、ML 和 IoE 计划中流出的 2.9 万亿美元商业价值的竞赛中领跑，涉及决策支持、实时决策自动化、AI 增强智能等。

什么阻碍了公司？

孤岛数据不是唯一破坏构建 IoE 应用和部署 ML、AI 项目的因素。不灵活、不适合处理物联网相关时间序列数据和实时操作的遗留系统也会困扰。

你的组织在实现价值竞赛中处何位置？你如何帮助铺平部署 AI 或 ML 项目和 IoE 应用之路？若像许多公司，你的努力面临几个关键挑战，始于孤岛数据。

无法汇聚来自不同来源的数据并呈现整体视图，是一些公司难以跟上的主要驱动力，甚至在考虑其万物互联 (IoE) 应用需求前。

多年他们承诺因行业特定、窄功能 SaaS 和企业云应用强加的数据孤岛。但现在他们触及隔离数据的分析极限，发现无法整体分析或按现状对数据采取行动，或轻松部署到新一代应用。

让数据成为重心

要成功，所有 ML 和 AI 工作必须立足数据。我们通过数据透镜首要看待每个流程自动化需求。它是我们所做一切、自动化的每个流程、启用的每个实时决策或行动的重心。

虽我们首要针对传感器生成的时间序列数据优化，但数据类型、来源、量、速度实不重要——数据是根因。为数据无关应用构建数据自动化基础，在破碎的企业 SaaS 世界实现打破孤岛的数据统一进展。

我们将其视为全数据方法——随着传感器网络数据管理需求使全数据效益扩展至企业其他地方，你将听到更多。

主流市场方法罕见遵循此法令。找典型物联网公司交谈，例如，他们不会有关如何把人纳入方程的好故事。他们全关于物。同样，位置数据服务和劳动力管理提供商围绕追踪人和工人讲好故事，但整合物可信度低。

这是 IoE 在我们沟通中远比 IoT 更普遍的一个原因。大多数企业运营问题涉及人和物同等程度。从数据视角，无差异或偏见。

旧数据管理秩序已过时

数据运营化给旧数据管理秩序创造巨大新挑战。无论知否，企业正进入“后数据库管理系统 (DBMS)”世界。发现越来越难——若非不可能——将数据流用例塞进僵化的遗留 DBMS 基础设施。

软件应用数据需求已剧变。 用户和机器都创建更多数据用技术如实时数据分析和机器学习驱动业务逻辑。

传统上，应用所有数据存储在中心化或办公室中心化关系数据库。但这不适用于实时运营和智能依赖的传感器驱动时间序列数据爆炸。

为构建真正数据驱动解决方案，工程和维护负担已不可逆转地复杂化。我们从一把子系统变到数十子系统，需要更昂贵大数据工程团队专长。

理解用例

简单设想和理解 IoE、ML 和 AI 相关用例是阻碍公司的另一主要挑战。

约 42% Gartner AI/ML 发展调查受访者将用例识别列为第二大挑战（仅次于技能缺乏）。我们一次次见此。

其他关键挑战包括可扩展性、不灵活遗留系统无法处理时间序列数据或来自不同来源的大量高速数据。

一条主干统御一切

鉴于这堆挑战，越来越多公司尝试用“单一主干”数据自动化基础构建 IoE 应用。这需要开放、灵活平台构建实时、可扩展、数据自动化和 AI 解决方案，能处理可扩展数据摄入、规范化、丰富化，以及实时业务逻辑、数据存储和决策分析。

数据主干方法让开发者专注于构建独特业务和用户价值进其解决方案，而非试图预测数据所有用法以适应更老、更僵化 DBMS 基础设施。

企业需要系统允许以不同量和速度摄入传感器数据，支持任何类型或组合输入输出。并应有能力在本地、云、边缘或混合版部署此类能力。

这解决或规避多重问题：从孤岛数据、有限扩展性到构建多应用无需重复发明数据基础挑战。并将提供更快价值实现路径。