如何加快数据决策制定？
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2020-11-09
存储数据中的信息价值仍然很高
但是新的需求要求以毫秒为单位的延迟处理-比传统数据库快几个数量级，此外对流数据的低延迟处理是一项快速增长的要求，使企业能够在见解发生时捕获见解，在这两种情况下，延迟都是新的停机时间，但是都可以使用内存中的计算平台来解决。
您激动并且认为潜力的一项新兴技术是什么？这项技术有什么特别之处？
新一代的流处理将改变游戏规则。以前的时代是“批处理流”，其中批处理作业缓慢地加载了数据，然后通过流处理引擎将其推入以获取见解。演变是从“大批量”（Hadoop）开始，然后是“微批量”（Spark）；无论如何，流中的所有数据都是历史数据，结果大量对时间敏感的见解被放弃了，而潜在的商业价值却从未实现。
新一代的流处理是连续的，而不是批量的
这样不仅可以在次存储数据之后就可以“在线”处理数据，此功能将改变我们对应用程序业务潜力的思考方式，重要的是，ML和AI将与连续流处理高度相关，今天企业面临的挑战是什么？大多数企业如何响应（并且有效）？时间比以往任何时候都更重要。充分利用这一事实，需要从IT角度对解决方法进行重大改动。一些行业，例如金融服务和大型电子商务组织，由于追求减少延迟而生存和死亡，这些企业中的许多企业已经完全拥抱了内存计算的时代，并因此获得了巨大的商业价值。
其他人则适应较慢不确定步
对他们来说，好消息是它不需要“大爆炸”的体系结构更改。通常，将内存中平台插入数据库上方，作为对现有体系结构的高速补充，数据和分析中是否有一项新技术正在带来比大多数人意识到的更多的挑战？企业应如何调整其方法？就成熟度而言，机器学习和人工智能仍处于“狂野西部”阶段，没错它们是真实的，但是要素的范围仍然很广，并且技术观点仍然不同。
的可靠的步是确定要利用的处理平台
如果要实现ML / AI的价值，那是因为处理平台启用了它，该平台应具有三项核心素质：处理多种模型类型/语言的能力，针对存储的数据和流数据运行模型的能力以及以极低的延迟（无论规模大小）进行处理的能力，通过选择正确的处理平台，企业可以将所有预算的重点放在快速，迭代地定义和生成模型上。
组织在今天花费多时间/资源的是什么计划？您的企业专注于哪些内部项目，以便从自己的数据或业务分析中受益？
我们的IT堆栈完全基于云，因此我们的重点是集成这些元素以产生我们业务的端到端，连续和实时视图，正确地做到这一点需要“从大处着眼，从小处着手”的方法，如何看待2020年及以后的分析和数据管理？我们还没有听说过什么呢？
机器学习和人工智能将在数据和分析的价值发现方面占据主导地位
但是新的需求要求以毫秒为单位的延迟处理-比传统数据库快几个数量级，此外对流数据的低延迟处理是一项快速增长的要求，使企业能够在见解发生时捕获见解，在这两种情况下，延迟都是新的停机时间，但是都可以使用内存中的计算平台来解决。
您激动并且认为潜力的一项新兴技术是什么？这项技术有什么特别之处？
新一代的流处理将改变游戏规则。以前的时代是“批处理流”，其中批处理作业缓慢地加载了数据，然后通过流处理引擎将其推入以获取见解。演变是从“大批量”（Hadoop）开始，然后是“微批量”（Spark）；无论如何，流中的所有数据都是历史数据，结果大量对时间敏感的见解被放弃了，而潜在的商业价值却从未实现。
新一代的流处理是连续的，而不是批量的
这样不仅可以在次存储数据之后就可以“在线”处理数据，此功能将改变我们对应用程序业务潜力的思考方式，重要的是，ML和AI将与连续流处理高度相关，今天企业面临的挑战是什么？大多数企业如何响应（并且有效）？时间比以往任何时候都更重要。充分利用这一事实，需要从IT角度对解决方法进行重大改动。一些行业，例如金融服务和大型电子商务组织，由于追求减少延迟而生存和死亡，这些企业中的许多企业已经完全拥抱了内存计算的时代，并因此获得了巨大的商业价值。
其他人则适应较慢不确定步
对他们来说，好消息是它不需要“大爆炸”的体系结构更改。通常，将内存中平台插入数据库上方，作为对现有体系结构的高速补充，数据和分析中是否有一项新技术正在带来比大多数人意识到的更多的挑战？企业应如何调整其方法？就成熟度而言，机器学习和人工智能仍处于“狂野西部”阶段，没错它们是真实的，但是要素的范围仍然很广，并且技术观点仍然不同。
的可靠的步是确定要利用的处理平台
如果要实现ML / AI的价值，那是因为处理平台启用了它，该平台应具有三项核心素质：处理多种模型类型/语言的能力，针对存储的数据和流数据运行模型的能力以及以极低的延迟（无论规模大小）进行处理的能力，通过选择正确的处理平台，企业可以将所有预算的重点放在快速，迭代地定义和生成模型上。
组织在今天花费多时间/资源的是什么计划？您的企业专注于哪些内部项目，以便从自己的数据或业务分析中受益？
我们的IT堆栈完全基于云，因此我们的重点是集成这些元素以产生我们业务的端到端，连续和实时视图，正确地做到这一点需要“从大处着眼，从小处着手”的方法，如何看待2020年及以后的分析和数据管理？我们还没有听说过什么呢？
机器学习和人工智能将在数据和分析的价值发现方面占据主导地位
这些支持技术现在在这里。能够在存储的数据和流数据上应用ML / AI驱动的计算的组合价值-尤其是在从物联网和边缘计算生成数据的过程中-将在分析领域产生巨大的长期增长周期，描述您的产品/解决方案及其为企业解决的问题，对存储和流式传输数据进行任意规模的超低延迟数据处理，欺诈检测，支付处理，电子商务，医疗保健等应用程序-清单还在继续。
商业联合会数据分析专业委员会
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
