Data Management

Maggiori informazioni su come funziona il Data Management

• Data management per intelligenza artificiale (IA) e machine learning (ML). Molti processi aziendali si basano sull'IA, che è la scienza dei sistemi di formazione per emulare i compiti umani attraverso apprendimento e automazione. Ad esempio, le tecniche di IA e ML sono spesso utilizzate per prendere decisioni su prestiti e crediti, diagnosi mediche e offerte al dettaglio. Con IA e ML, è più importante che mai avere dati ben gestiti facili da comprendere e di cui ci si può fidare, perché se i bad data alimentano algoritmi che si adattano in base a ciò che imparano, gli errori possono moltiplicarsi rapidamente.
• Data management per Internet of Things (IoT). I dati che scaturiscono dai sensori incorporati nei dispositivi IoT sono spesso chiamati streaming data. Lo streaming dei dati, o event stream processing (elaborazione di flussi di eventi), comporta un'analisi dei dati in tempo reale e on the fly. Ciò si ottiene applicando la logica ai dati, riconoscendo i modelli contenuti negli stessi e filtrandoli per molteplici usi mentre fluiscono all'interno dell'azienda. Fraud detection, monitoraggio della rete, commercio elettronico e risk management sono applicazioni diffuse per queste tecniche.
• Gestione bidirezionale dei metadati. La gestione bidirezionale dei metadati condivide e collega i metadati tra i diversi sistemi. SAS, ad esempio, si impegna a far parte della comunità dei metadati aperti attraverso il suo coinvolgimento nel progetto OPDi Egeria - che sottolinea la necessità di standard di metadati per promuovere lo scambio responsabile dei dati tra i vari ambienti tecnologici.
• Tessuto dei dati e strato semantico. Il termine data fabric descrive il variegato panorama di dati di aziendali, dove grandi quantità e tipologie di dati sono gestiti, elaborati, memorizzati e analizzati, utilizzando una varietà di metodi. Lo strato semantico gioca un ruolo importante nel data fabric. Come un glossario aziendale, lo strato semantico è un modo per collegare i dati ai termini aziendali comunemente definiti e utilizzati in tutta l'organizzazione.
• Data management e open source. Per open source si intende un programma di calcolo o infrastruttura in cui il codice sorgente è pubblicamente disponibile per l'uso e la modifica da parte di una comunità di utenti. L'utilizzo dell'open source può accelerare le attività di sviluppo e ridurre i costi. E i professionisti dei dati possono lavorare con tranquillità con il linguaggio di programmazione e nell'ambiente di loro scelta.
• Federazione/virtualizzazione dei dati. La data federation è un tipo speciale di integrazione virtuale dei dati che consente di guardare i dati combinati da più fonti senza bisogno di spostare e memorizzare la vista combinata in una nuova posizione. In questo modo, è possibile accedere ai dati combinati esattamente quando li si richiede. A differenza degli strumenti ETL e ELT che mostrano un'istantanea in un punto nel tempo, la data federation genera risultati in base a come appaiono le fonti di dati al momento della richiesta. In questo modo si ottiene una visione più tempestiva e potenzialmente più accurata delle informazioni.