面向2021，数据技术将在智慧城市中释放新价值
- 来源：千家网
- 2021/3/25 9:12:23
- 24502
显然，数据现在是我们所有生活的核心，在过去十年中，智能手机的蓬勃发展推动了数据的发展。未来几年，数百万种不同类型的传感器将产生大规模的数据。这些数据可能非常丰富且功能强大，是迄今为止无法预料的用例，但是为了起作用，需要对其进行有效的处理。这就是大数据和机器学习的用武之地。
SmartCitiesWorld最近与德国Cloudera德国区域销售总监Alexander Zschaler进行了交谈，以了解更多信息。
以下是讨论中一些经过编辑的重点内容。
SmartCitiesWorld编辑Graeme Neill：您能否首先介绍Cloudera及其在行业中的地位？
Cloudera德国销售总监Alexander Zschaler：Cloudera相信数据可以使今天不可能的事情成为可能。数据驱动着我们的生活，我们的工作方式以及彼此之间的联系方式。这些数据具有一个特殊的特征，并且这个特殊的特征是它在任何地方都在迅速增长。
但是，人们迫切需要一个平台来利用这些数据并使之更加高效。这是Cloudera致力于提供这种数据平台的一个方面。另一方面，我们的使命是我们希望使人们能够将复杂的数据转换为清晰、可操作的见解，他们可以将其用于开发新服务，甚至可以基于机器学习和AI的支持来判断决策。
对我们来说，非常特别的是，我们完全不了解部署方法。这意味着，如果您要在内部运行此程序，那根本不是问题，如果要在云、私有云或公共云甚至混合云上运行，则完全由您决定。
IBM Power Systems上的Cloudera提供了快速的见解，并减少了静态数据和动态数据项目的基础设施成本。我们仍然是开源领域的探索者，对开放标准有着共同的承诺，提供开放软件和硬件的强大组合，提供创新的速度，而无需供应商锁定。
Graeme Neill：为什么现在大数据和机器学习对城市如此重要？
Zschaler：每个数据迟早都是大数据，特别是对于国家、各地方政府而言。问题是，他们如何才能将这些数据用于洞察并付诸实践？这就需要现代化的基础设施，以适应不断增长的流量。到2025年，我们将看到157 ZB的数据，其中80%将是非结构化的。机器学习和诸如AI之类的功能可以帮助在问题出现之前发现这些问题，从而使城市运行顺畅。
单靠数据并不能使事情变得更聪明。从边缘到AI的端到端收集、管理、分析这些数据，这是现代化城市方法的核心。
Graeme Neill：如今在城市中可以利用的数据类型是什么？
Zschaler：智慧城市不断努力，在正确的时间向正确的人提供正确的数据，以帮助建立解决方案来解决这些复杂的城市挑战。最根本的答案是您可以想象的任何类型的数据，对吗？
让我们以智能垃圾箱为例，以及我们如何从传感器转变为公民的实际利益。该方法将是，并且我们(Cloudera)如何解决此问题，这些传感器可以彼此互通交流，并检查附近是否有其他垃圾箱几乎已满。然后，我们可以基于机器学习功能自动优化这些路线。
但是，这还没有结束。从我们的角度来看，这只是一段美好旅程的开始。现在，可以在此示例中拥有的数据之上放置其他分析。它们可以导致更好的决策计划，我们在哪里需要更多这些垃圾箱？这是一个简单的问题，但是如果您没有适合这个员工或更好的员工的数据库，该如何回答。所有这些方面，我们实际上在何时何地需要什么，都可以通过这种集成方法来回答。
Graeme Neill：为什么今天的城市无法有效处理数据？
Zschaler：根据我们的经验，并与40多个国家/地区的不同政府或机构进行了交流，这是公共部门数据面临的共同挑战，而大多数挑战可以归结为五个方面。第一，您拥有旧系统，而它们根本无法满足当今的数据量、多样性和速度要求。第二点是到处都是筒仓(数据孤岛)。每个机构都出于多种原因保留自己的数据。第三是安全和治理。我们需要从各个角度保证安全。
第四是您还需要考虑一些文化方面的问题。 我们的意思是，一个项目中不同利益相关者之间进行协作的愿望很有限。 最后，我想说的是，云已经到了最重要的位置，但到目前为止还没有到位。他们真的不知道该如何执行。
Graeme Neill：开放平台为何如此重要？ 如果城市使用大数据和机器学习来处理其数据，还有哪些其他好处？
Zschaler：开放平台，尤其是在智慧城市中，是一个非常重要的话题。 智能服务创建了具有多个利益相关者的多维和多层环境。 由于规模经济，开放平台是关键。 数据集的透明度和可访问性对于使服务成功并在为不同服务利用相同数据集方面利用规模经济至关重要。这将推动公民创新和其他方面。
(原标题：数据技术将在智慧城市中释放新价值)
版权与免责声明：凡本网注明“来源：智能制造网”的所有作品，均为浙江兴旺宝明通网络有限公司-智能制造网合法拥有版权或有权使用的作品，未经本网授权不
展开全部
热门评论