كيف يمكن للذكاء الاصطناعي أن يخفف من مشاكل إدارة البيانات هذه

البيانات هي النفط الجديد ، لكن البيانات الخام ليست جيدة في حد ذاتها. مثل النفط ، يجب جمع أصول البيانات بشكل كامل ودقيق وإرسالها من خلال عمليات تكرير مختلفة لخلق قيمة للمستخدمين النهائيين. هذه هي دورة حياة البيانات العامة – وهي منطقة يلعب فيها الذكاء الاصطناعي (AI) دورًا رئيسيًا للمؤسسات.

في البداية ، كانت إدارة دورة حياة البيانات مهمة صغيرة بما يكفي ليتم التعامل معها يدويًا بواسطة فريق من الخبراء. لم يكن حجم المعلومات كثيرًا ، وكانت المصادر مجرد حفنة وكانت التطبيقات المحتملة محدودة أيضًا. ولكن مع الانتقال إلى السحابة ، وإدخال مصادر جديدة ، ارتفع حجم البيانات وتنوعها.

قال آدم رونثال ، نائب الرئيس البحثي في ​​مجموعة تحليلات بيانات ITL التابعة لشركة Gartner ، لـ VentureBeat: “لم تعد إدارة البيانات تركز بالكامل على البيانات العلائقية”. توفر المستندات والرسم البياني والسلاسل الزمنية والعمود العريض والقيمة الرئيسية ودفتر الأستاذ ومخازن البيانات المستهدفة الأخرى تحسينات محددة لأنواع مختلفة من البيانات وحالات استخدام مختلفة. في بعض الأحيان ، يتم دمجها في نظام أساسي واحد لإدارة البيانات – قاعدة بيانات متعددة النماذج ؛ في بعض الأحيان ، تظل أفضل حلول النقاط المستهدفة “.

أدت هذه الزيادة في حجم وتنوع المعلومات إلى جعل الطرق التقليدية لإدارة البيانات غير فعالة. اليوم ، الشركة التي تختار وتدير وتحسن (تنظيف وتحسين) كل مكون من مكونات مجموعة البيانات بشكل فردي سينتهي بها الأمر إلى إهدار الكثير من الوقت – قد يستغرق التنظيف والتحول وحدهما أيامًا أو أسابيع – ورأس مال.

الوضع مشابه لاستخدام ياهو لخبراء بشريين لتقييم وفهرسة طوفان من صفحات الويب يدويًا. خصصت الشركة الكثير من الموارد ولكنها لم تتمكن من تقييم سوى جزء صغير من الإنترنت وتكافح من أجل تحديث التقييمات باستمرار.

إدخال الذكاء الاصطناعي في إدارة البيانات

تمامًا كما استحوذت Google بخوارزمياتها الآلية على هيمنة الإنترنت من Yahoo ، وتقييم صفحات الويب بشكل أسرع وبتكلفة أقل بكثير ، يتم تعيين الذكاء الاصطناعي اليوم لإحداث ثورة في دورة حياة البيانات.

وفقًا لرونثال ، تعتمد تطبيقات الذكاء الاصطناعي في إدارة البيانات على تحليل البيانات الوصفية وتنشيطها. يسمح هذا للنموذج باكتشاف الانحرافات في استخدام البيانات عن تصميم النظام وتصحيحها (تلقائيًا بشكل مثالي). هذه هي إدارة البيانات المعززة: استخدام الذكاء الاصطناعي / التعلم الآلي لأتمتة إدارة البيانات وتحسينها ، مما يسمح للمؤسسات بقضاء وقت أقل في إدارة البنية التحتية وتحسينها والمزيد من الوقت لبناء قيمة الأعمال الأساسية.

بدأت العديد من المؤسسات بالفعل في استخدام تقنيات تعتمد على الذكاء الاصطناعي وتعلم الآلة للتأثير على مكونات مختلفة لإدارة البيانات ، مما أدى إلى تحسينات في السرعة وفعالية التكلفة.

على سبيل المثال ، في يناير 2023 ، عملت Google و Aible ، وهي شركة تقدم نهج الذكاء الاصطناعي أولاً في رحلة البيانات ، مع مؤسسة Fortune 500 ومكنتها من تحليل أكثر من 75 مجموعة بيانات مع أكثر من 100 مليون صف من البيانات عبر 150 مليون مجموعة متغيرة . . التكلفة الإجمالية للحساب: 80 دولارًا ، أي أقل من جزء من الألف من تكلفة الطرق التقليدية.

كما نشر Aible 25 دراسة حالة مع شركة إنتل تسلط الضوء على كيفية استفادة المؤسسات عبر المناطق الجغرافية والقطاعات من الذكاء الاصطناعي في أقل من 30 يومًا وتحقيق القيمة عبر الوظائف.

بشكل عام ، يلاحظ رونثال أن زيادة الذكاء الاصطناعي يمكن أن يكون لها تأثير على تخصصات متعددة لإدارة البيانات ، بما في ذلك:

• إدارة البيانات الوصفية: هنا ، يمكن استخدام الذكاء الاصطناعي والتعلم الآلي لاستكشاف وتعريف البيانات الوصفية ، وتقييم البيانات الوصفية بشكل أسرع وأكثر دقة ، مع تقليل التكرار. وبالمثل ، يمكن لوظائف إدارة البيانات المعززة فهرسة عناصر البيانات تلقائيًا أثناء استخراج البيانات والوصول إليها ومعالجتها.
• تكامل البياناتيمكن استخدام الذكاء الاصطناعي لأتمتة عملية تطوير التكامل ، من خلال التوصية بتدفقات التكامل المتكررة أو نشرها ، مثل التعيينات من المصدر إلى الهدف.
• جودة البياناتيمكن استخدام الذكاء الاصطناعي والتعلم الآلي لتوسيع عملية التوصيف والتطهير والربط والتعرف والتوفيق الدلالي للبيانات الرئيسية في مصادر البيانات المختلفة.
• نظم إدارة قواعد البياناتبالإضافة إلى تحسين الأداء والاستعلام المستند إلى التكلفة ، يمكن للذكاء الاصطناعي والتعلم الآلي أتمتة العديد من عمليات الإدارة اليدوية الحالية ، بما في ذلك إدارة التكوينات والقياس المرن والتخزين والفهارس والأقسام وضبط قاعدة البيانات.
• FinOpsيمكن تطبيق الذكاء الاصطناعي والتعلم الآلي على مشكلات الميزانية وتحسين التكلفة وتقديم توصيات حول استخدام الموارد ونماذج التسعير وتأثيرات الدرجة الثانية والثالثة لإجراء تغييرات في البيئات شديدة الترابط.

سلطت بريا كريشنان ، رئيسة إدارة المنتجات للبيانات والذكاء الاصطناعي في شركة IBM ، الضوء على تطبيقات مماثلة.

وقالت: “يتم استخدام الذكاء الاصطناعي في استيعاب مجموعات البيانات وتحديدها وتصنيفها من مجموعة متنوعة من المصادر”. يقوم باستمرار بتعدين المحتوى لإظهار الأنماط والاتجاهات غير المرئية ، مما يوفر للمنظمات رؤية أكبر ورؤى قابلة للتنفيذ للمساعدة في صنع القرار. تستخدم الشركات الذكاء الاصطناعي لأتمتة المهام اليدوية بخلاف ذلك مثل التقاط البيانات وإزالة التكرار واكتشاف العيوب والتحقق من صحة البيانات. كما يقومون بتدريب نماذج لتطبيق السياسات التنظيمية والمعايير الأخلاقية تلقائيًا ، مما يضمن تضمين هذه المبادئ منذ البداية “.

عدد قليل من حواجز الطرق

بينما يمكن أن يكون الذكاء الاصطناعي مصدرًا مفيدًا لإدارة دورة حياة البيانات ، لا يوجد لدى كل مؤسسة فريق متخصص من علماء البيانات الخبراء الذين يمكنهم بناء نماذج مسؤولة وآمنة وغير متحيزة وكذلك متوافقة مع المبادئ التنظيمية والأخلاقية.

هذا هو المكان الذي يجب أن تحاول فيه الشركات استخدام أدوات الجيل الثاني التي يمكن أن تجعل تنفيذ الذكاء الاصطناعي أسهل لمهام مثل إعداد البيانات والتنبؤ والتنبؤ.

“لم تعد بحاجة لأن تكون مهندس بيانات أو عالم بيانات لإجراء تحويلات معقدة للبيانات – يمكنك إنشاؤها باستخدام نموذج لغة كبير (LLM) ،” جون رايلي ، مدير العمليات وأحد مؤسسي شركة Akkio للذكاء الاصطناعي التي لا تحتوي على كود ، والتي ظهرت مؤخرًا . أداة إعداد البيانات المستندة إلى GPT-3 ، وفقًا لـ VentureBeat.

بالنسبة لبناء الثقة ، يقترح رونثال إبقاء البشر في الحلقة من خلال نموذج “الزحف والمشي والركض”.

ابدأ ب [AI] تقديم التوصيات التي تتم مراجعتها من قبل البشر. إذا كانت هذه صحيحة وكان لها التأثير المطلوب ، فسنقوم في النهاية ببناء الثقة وتقليل المستوى المطلوب من الإشراف. في النهاية ، سنصل إلى نقطة كان فيها الذكاء الاصطناعي على حق مرات عديدة ، بحيث يمكننا السماح له بالاستقلالية لأتمتة التحسينات مع الحد الأدنى من الإشراف. يمكن وصف مراحل النضج على نطاق واسع على النحو التالي: المراقبة والإبلاغ والتوصية والتحسين والتنبؤ. الثلاثة الأخيرة هي حيث يتم تطبيق الزيادة ، “قال.