來源：CPDA數(shù)據(jù)分析師網(wǎng) / 作者：數(shù)據(jù)君
數(shù)據(jù)完成各種測試驅動后或從數(shù)據(jù)準備步驟中出現(xiàn)
才最終有資格進行分析和AI模型開發(fā)，但是在接連進行的調(diào)查中，組織繼續(xù)報告訪問，準備，清理和管理數(shù)據(jù)方面的問題，最終使可信賴的透明分析模型的開發(fā)陷入停滯，在數(shù)據(jù)高速公路上空轉至空檔，為什么組織會錯過從AI獲得變革性業(yè)務洞察力的出口，而坐在數(shù)據(jù)管理高速公路上的流量中呢？有以下三個關鍵原因：
分析團隊花費太多時間準備數(shù)據(jù)
數(shù)據(jù)科學家將60％至80％的時間用于數(shù)據(jù)準備，而沒有足夠的時間與數(shù)據(jù)交互，運行高級分析，訓練和評估模型以及將模型部署到生產(chǎn)中，問題在于，業(yè)務分析師，公民數(shù)據(jù)科學家和其他非IT角色沒有直接的方法來移動和轉換數(shù)據(jù)以進行分析，數(shù)據(jù)資產(chǎn)無法利用，因為業(yè)務用戶缺乏不需要編碼技能或廣泛的數(shù)據(jù)集成知識的資源，從而影響了數(shù)據(jù)延遲并導致數(shù)據(jù)不適合分析。
CPDA數(shù)據(jù)分析師
業(yè)務部門需要及時訪問數(shù)據(jù)
在競爭激烈的市場中，業(yè)務部門不再能夠依靠傳統(tǒng)的ETL方法來滿足實時需求，業(yè)務分析師和數(shù)據(jù)科學家都在花費大量時間等待IT提供數(shù)據(jù)，最終阻礙了組織對不斷變化的市場狀況做出有效反應，數(shù)據(jù)駐留位置數(shù)量的增加使訪問數(shù)據(jù)和找到正確的數(shù)據(jù)具有挑戰(zhàn)性，龐大的數(shù)據(jù)環(huán)境可能會限制數(shù)據(jù)的透明度，很多情況下，業(yè)務用戶甚至都不知道可用的數(shù)據(jù)資產(chǎn)，因為沒有最新的文檔或搜索界面可讓他們找到該信息。另外，巨大的數(shù)據(jù)環(huán)境迫使公司數(shù)據(jù)使用變得零散。結果是決策是孤立的，報告中的信息沖突會破壞有效的決策。
將踏板放在數(shù)據(jù)金屬上
考慮到這些障礙，公司可以采取哪些最佳方法來加速準備數(shù)據(jù)進行分析，并將其算法快速投入生產(chǎn)？
最佳實踐1：自動化和擴充數(shù)據(jù)流程以加快數(shù)據(jù)準備
允許用戶利用AI和機器學習來掃描數(shù)據(jù)并智能地提出轉換建議，同時使用戶只需單擊一下按鈕即可接受建議并完成轉換。數(shù)據(jù)自動建議的一些示例包括性別識別，標準化，匹配和重復數(shù)據(jù)刪除。
最佳實踐2：使用自助數(shù)據(jù)準備工具，這些工具不需要高級編碼技能或依賴IT
您不希望用戶花時間執(zhí)行高級或復雜的編碼，因為這會延長獲取分析和見解所需的時間。無論您是否使用AI加速自助數(shù)據(jù)準備工作，數(shù)據(jù)準備工具都應提供概要分析，瀏覽和過濾工具以及包括結構化，轉換和格式化數(shù)據(jù)的數(shù)據(jù)準備功能。
最佳實踐3：在自助服務環(huán)境中開發(fā)協(xié)作工作流以消除孤島
提供在團隊和個人之間共享計劃，工作和見解的能力，以提高經(jīng)過審查的數(shù)據(jù)管道的可重用性和共享性，并加快數(shù)據(jù)準備。
最佳實踐4：使用云
企業(yè)需要將大量數(shù)據(jù)從本地數(shù)據(jù)存儲安全地移動到云中，反之亦然。他們需要安全地將本地數(shù)據(jù)讀寫到云中，并將該信息用于分析和決策。
考慮到用于構建分析模型的數(shù)據(jù)越好
輸出就越好，因此花時間進行數(shù)據(jù)準備非常重要，您的企業(yè)必須確保用戶在其分析中使用的數(shù)據(jù)正確干凈，豐富和格式化，數(shù)據(jù)準備可提供這種信任，您的數(shù)字轉換策略無需停滯在數(shù)據(jù)準備永無止境的工作區(qū)域中，相反找到可以安全地導致AI部署的智能彎路，而不會限制您獲得洞察力的速度。
