数据发展遭遇三大掣肘机器学习释放数据存储潜能
- 来源:中国智能制造网
- 编辑:沐子飞
- 2017/2/28 9:04:38
- 46425
【中国智能制造网 智造快讯】当今企业拥有越来越多的数据,但这些数据并没有完全被转化成可操作的信息。如何让企业将蕴藏于其数据储存内的潜能全部释放出来,成为众企业竞相想破解的难题。
数据发展遭遇三大掣肘 机器学习释放数据存储潜能
大数据正在重新定义这个时代,大数据行业的飞速发展也预示着巨大的市场空间和发展机遇。大数据远景广阔、潜力巨大,在快速步入信息化的时代背景下,大数据及信息安全已成为竞争焦点。
大数据行业发展缓慢 三大因素成掣肘
在数字化、智能化突飞猛进发展的今天,将这些大数据努力的为企业提供应有的价值是非常重要的,当然了在这样的阶段也会出现一些存储方面的问题。
其实从整个市场来看,我国的情况与数据采集相比,大数据的行业应用发展偏慢,包含了三个方面的原因:
其一,我国数据采集的质量一般,数据噪声大,导致数据分析的结果往往不能客观的反映情况。
其二,传统的数据孤岛式的存在方式,数据没有办法进行交叉,就没有办法做关联分析,也没有办法判断数据的价值属性,即有效数据太少。
其三,我国大数据发展刚刚起步,对大数据应用的认知有限,对大数据的开发利用处于盲人摸象的状态。
机器学习助阵 释放数据存储全部潜能
我们经常听到商业专家抱怨“我们有大量的数据,但没有通过这些数据做成任何事”。这种挫败感主要来源于两个方面。
一方面,时间问题。由于机器学习中,理解、规划及处理数据等一系列过程所需要花费的时间,机器学习专家常常更加关注流程的后面部分——尝试不同的模型或者在问题制定完成后,调整模型参数,而不是针对不同的商业问题制定新的预测模型。因此,当商业专家想到某个新的问题时,机器学习专家无法做到总是及时跟上他们的步伐。
另一方面,商业价值。经常来说,机器学习专家并没有围绕着“产生商业价值”,这一建模的终目标,来展开工作。在大部分情况下,预测模型旨在提率、增加收益或者减少支出。但实际上,建立模型的工作者却很少问这样的问题“这个预测模型提供的价值是什么?我们又该如何去量化其价值?”。思考这一价值导向的问题常常会改变初的问题规划,通常情况下比建模后期再进行过程调整更加有用。
政策加持 延长数据存储周期有保障
存储周期方面,现在也有了政府的有力推动。如《中华人民共和国反恐怖主义法》规定采集的视频图像数据保存周期不得少于90天;高人民法院与国家档案局联合发布的《关于人民法院诉讼档案保管期限的规定》更是规定:将法院诉讼档案的保管期限分为、长期、短期三种。
根据人民法院诉讼档案的特点,凡属本院审判活动形成的需要长远利用的诉讼档案,划为保管。凡属在相当长的时期内需要查考使用的诉讼档案,划为长期保管,保管时间为60年。凡属在相对较短的时期内需要查考利用的诉讼档案,划为短期保管,保管时间为30年,可以想象,数据量非常之大。
通常情况下,性价比和高可用仍是企业或者个人选择存储系统优先考虑的两大因素,此外存储的易于部署和管理以及磁盘和闪存的紧密整合也是企业用户评估存储的重要考虑因素。随着大数据时代的来临,企业会根据自身需求和预算来挑选适合自己的企业的解决方案。
整体来说,目前云存储发展为迅猛, 以其的优势独占鳌头,必然会是未来大数据应用的重点组成部分,同时数据分层、融合以及智能也将逐渐普及应用,可以说,安防行业为了迎接大数据来临,已经做好了充足的准备。
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