AI确保数据质量和治理

确保数据科学家可以快速轻松地访问数据对于AI 项目的成功至关重要，但同样重要的是确保他们使用的数据是相关的、高质量的。 鉴于企业需要以极快的速度处理各种类型的大量数据，因此，他们需要有效的工具来编目、标记和组织数据，并管理数据访问权限。

据 IDC 研究，到 2025 年，全球 80% 的数据将是非结构化的，而分析半结构化和非结构化数据的难度已经对实现 AI 和 ML 所需的大规模分析构成了日益严峻的挑战。² 此外，不同角色的业务用户 — 从人力资源到数据科学家，再到业务线 — 需要访问不同的数据。 企业需要制定治理政策，以便根据数据隐私和法规来合理确定适当的数据权利。

情境化数据和数据的使用
治理、数据质量和数据编目能力是data fabric的核心价值所在。 Data fabric可以自动对数据进行概要分析，以便您了解当前格式的数据，然后按用途对其进行分类 — 使具有不同角色和经验水平的人员更容易使用组织数据。

Data fabric的编目功能可以带来多个优势：

这些编目功能解决了数据准备和管理方面以往的许多手动和耗时问题。 因此，数据消费者可以更快地从相关组织数据中获取数据价值，在遵守适当的治理政策的同时做出明智决策。

了解跨国银行和金融服务机构 ING 如何在混合云环境中使用data fabric来改进数据访问和治理

加速 AI 之旅
为了充分利用 AI 的价值，企业需要组织良好的、可信赖的业务就绪数据来支持业务分析和 AI 建模。 Data fabric引入了自动化技术来帮助应对数据管理中的许多挑战和低效问题 — 从访问到准备再到治理 — 让您能够进一步利用 AI 来处理业务。