我们把新闻和突出的Gartner数据&分析峰会本周发生在孟买,印度。下面是一组关键的公告和见解的会议。
在第一天的会议上,我们强调Gartner开幕主题演讲中对创新的不确定性,以及会话数据科学和机器学习的未来,以及如何推动分析和DataOps成功。每天一定要检查这个页面的更新。
我们把新闻和突出的Gartner数据&分析峰会本周发生在孟买,印度。下面是一组关键的公告和见解的会议。
在第一天的会议上,我们强调Gartner开幕主题演讲中对创新的不确定性,以及会话数据科学和机器学习的未来,以及如何推动分析和DataOps成功。每天一定要检查这个页面的更新。
Gartner分析师,副总裁提出的Ehtisham扎伊迪和Shubhangi Vashisth, Gartner分析师主任,
数据和分析(d和a)同时是一个司机,推动者和应对不确定性组织已经两年多了。在这个会话,Ehtisham扎伊迪Gartner的分析师和副总裁Shubhangi VashisthGartner分析师研究主任组织如何考虑新观点在d和a和设计更好的决策的世界里永恒的变化。
”d和a不仅专业人员我们应该总是问自己我们是否收集、整合和存储数据的最佳方式,但更重要的是,我们是否有正确的数据。”
“拥有正确的品种的数据比数量更重要”。
“d和a领导人可以确保他们有正确的数据做四件事:1)停止收集数据以防;2)考虑用小数据的大数据,3)交换合成数据,实际数据和4)确保你的活跃元数据不仅告诉你哪些数据,但也意味着什么。”
“最有价值的数据将我们创建的数据,不是我们收集的数据。”
”Gartner估计,到2030年,大多数数据用于构建模型合成数据。”
“数据本身不太可能驱动决策。设计更好的决策,提高决策的时机,加速决策和连接的决定。”
了解更多有关Gartner的新闻稿。
Gartner分析师提出奥特兰,斯维特拉娜副总裁
数据科学和机器学习(DSML)市场无情的创新步伐。在这个会话,斯维特拉娜奥特副总裁Gartner分析师研究的一些关键趋势影响DSML景观,包括变压器、边缘AI人工智能工程、MLOps、合成数据和负责任的人工智能工具。
“你的长期愿景:让outcome-focused DSML。在近期,故意:瞄准MVP,跳过一个POC。这将使你更有价值的结果。”
“不必交付价值的解决方案。使用最好的技术工作实现效率、速度和简单。飞跃的最先进的ML pretrained模型时它给你一个有竞争性的区别。”
“管理风险,支持问责制,提高采用与负责任的AI工具。”
“优化瓶颈技能:使专业数据科学家的最高价值工作。”
“吸引人才和新就业机会:包括工程师在设计人工智能解决方案,操作效率和实现策略。”
“建立一个数据人工智能的基础。方法以数据为中心的DSML作为一个持续的,高优先级的投资。”
Gartner分析师,主任由罗伯特Thanaraj
分析依赖于一个成功的数据基础;它必须支持正确的数据和流程。在这个会话,罗伯特ThanarajGartner的分析师主任讨论d和a领导人如何形式化和规模数据工程实践。他还探讨了工程和数据操作的基本知识,以及三个最佳实践,d和a成功的领导人需要调查。
“一旦启动并运行一个数据管道,它可以失败由于数据模式的变化,新的值被引入或异常突然出现在数据值。这些行动导致错误数据被传递到下游过程。”
“DataOps正成为应对类似的摩擦在消费和使用跨组织的数据。”
”有三个最佳实践d和a领导人必须遵循以改进数据工程成功:1)取代单片与模块化实践,2)选择合适的自动化用例使用元数据分析,和3)实现一个支持部署敏捷实践思维方式的公民角色。”
“创建数据工程师通过upskilling ETL开发人员,数据分析师,dba或类似的角色。”
“创建mixed-role团队,如果你必须训练成员。”
“拥抱尽可能自动化,加快设计、开发、监测、管理数据产品,满足您的业务需求。”
Gartner Inc .(纽约证券交易所:它)提供了可操作的、客观的了解高管和他们的团队。我们的专世界杯欧洲杯赛程家指导和工具使更快、更明智的决定和更强的性能在一个组织的关键任务的优先级。要了解更多,请访问gartner.com。