मुख्य लेख : Keith Belanger मुख्य लेख : Keith Belanger एआई परियोजनाओं में डेटा समस्याओं को उजागर करने का एक तरीका है जिसके आसपास डेटा टीमों को काम करने में सक्षम होना था. ऐसा इसलिए है क्योंकि विश्लेषणात्मक डेटा त्रुटि की एक विस्तृत सीमा की अनुमति देता है, और एआई बस नहीं करता है. एआई मॉडल अस्पष्टता को सहन नहीं करते हैं, और मशीन गति पर किए गए निर्णय हर गलती को ऊपर छिपाते हैं. जो एक बार चुपचाप विफल हो गया अब जोर से विफल हो जाता है, और अक्सर सार्वजनिक रूप से। वास्तव में, वे मौजूदा संचालनों की कमजोरी को प्रकट कर रहे हैं. असुविधाजनक सच्चाई यह है कि अधिकांश डेटा संगठन एआई के लिए ऑपरेटिंग रूप से तैयार नहीं हैं, चाहे उनके मंच कितने आधुनिक हों या उनके मॉडल कितने परिष्कृत दिखें। आप इसे देखते हैं जब पहला मॉडल पुनः प्रशिक्षण विफल हो जाता है क्योंकि एक पाइपलाइन बदल गया है, जब कोई नहीं बता सकता कि कल के डेटा आज के डेटा से अलग क्यों दिखते हैं, या जब "केवल इसे पुनः शुरू करें" उत्पादन मुद्दों के लिए डिफ़ॉल्ट प्रतिक्रिया बन जाती है। यह स्पष्ट रूप से कहा गया है: "सबसे पहले, यदि डेटा में समस्याएं हैं, तो डेटा एआई के लिए तैयार नहीं है। गार्टनर गार्टनर डेटा टीमों को एक नया ऑपरेटिंग मॉडल की आवश्यकता है वर्षों से, अधिकांश संगठनों ने एक नाजुक समझौता के साथ रहते थे. यदि पाइपलाइन कभी-कभी टूटते हैं, तो उन्हें समय पर समय सीमाओं को पूरा करने के लिए ठीक किया जा सकता था. "अच्छे पर्याप्त" डेटा की गुणवत्ता पर्याप्त थी. सरकार एक साझा ड्राइव में कहीं मौजूद थी. और जब कुछ टूट गया, तो कोई इसे नोटिस कर दिया और ठीक कर दिया। यह मॉडल जटिलता को अवशोषित करने के लिए लोगों पर भरोसा करता था, सिस्टम नहीं। नायकों के साथ मुकाबला किया गया: मैनुअल चेक, देर रात, और संस्थागत स्मृति व्यक्ति से व्यक्ति को अनौपचारिक रूप से पारित हुई। डेटा टीम डेटा टीम विश्लेषणात्मक डेटा युग दृष्टिकोण टूट जाता है जब वितरण सप्ताहिक रिलीज से प्रति दिन कई तैनाती तक बदल जाता है। मॉडल लगातार डेटा का उपभोग करते हैं, स्थिरता का अनुमान लगाते हैं, और छोटे अपवादों को भी बढ़ाते हैं. मैन्युअल चेक करने या जनजाति ज्ञान के बारे में बात करने के लिए कोई ब्रेक बटन नहीं है. "AI-ready" संभव और मापने योग्य है संगठन अब आत्मविश्वास या उपकरणों के आधार पर तैयारता की घोषणा नहीं कर सकते हैं. उन्हें उत्पादन में निरंतर सत्यापन, लाइनिंग, स्कोरिंग, नियमों और अनुपालन के साथ इसे प्रदर्शित करना शुरू करना होगा. क्योंकि "AI-ready" सिर्फ एक भावना नहीं है. यह एक मापने योग्य राज्य है. AI-ready डेटा है: विश्वसनीय समय पर शासन निगरानी पुनरावृत्ति डेटा की गुणवत्ता के इस विकास को अच्छे इरादों या सर्वोत्तम प्रथाओं के दस्तावेजों से अधिक की आवश्यकता होती है. यह सिस्टमों को डिफ़ॉल्ट रूप से विश्वसनीयता को लागू करने के लिए डिज़ाइन किया गया है जो डेटा की विश्वसनीयता के निरंतर सबूत प्रदान कर सकते हैं. असली बोतललेनक ऑपरेटिंग है, तकनीकी नहीं अधिकांश उद्यमों के पास पहले से ही शक्तिशाली डेटा प्लेटफॉर्म हैं. उनके पास उन प्लेटफॉर्मों को एआई गति पर स्थिरता के साथ संचालन करने का एक तरीका नहीं है। मैन्युअल प्रक्रियाएं स्केल नहीं करती हैं क्योंकि मनुष्यों को केवल इतना ध्यान देना है। एआई कार्य भार दोहराव और विश्वास की आवश्यकता है कि डेटा आज उसी तरह व्यवहार करेगा जैसा कि यह कल किया था - और जब यह नहीं करता है, तो इसे तुरंत चिह्नित किया जाता है और ठीक किया जाता है। सॉफ्टवेयर इंजीनियरिंग ने वर्षों पहले इस समस्या का सामना किया था. जैसा कि सिस्टम अधिक जटिल हो गए और रिलीज चक्र तेज हो गए, मैन्युअल प्रक्रियाओं और मानव जागरूकता ने स्केलिंग बंद कर दी। सॉफ्टवेयर इंजीनियरिंग ने वर्षों पहले इस समस्या का सामना किया था. जैसा कि सिस्टम अधिक जटिल हो गए और रिलीज चक्र तेज हो गए, मैन्युअल प्रक्रियाओं और मानव जागरूकता ने स्केलिंग बंद कर दी। विफलता की मात्रा, गति और विस्फोट रेंज ने ऑपरेटिंग मॉडल को पकड़ लिया है. DataOps डेटा टीमों को उसी ऑपरेटिंग कठोरता प्रदान करता है जो 21 वीं शताब्दी में सॉफ्टवेयर टीमों की मदद करता है। Data is now at the same inflection point. डेटा अब एक ही बदलाव के बिंदु पर है। आत्मविश्वास संचालित करना एकमात्र रास्ता है उन संगठनों को जो आईआई के साथ सफल होंगे जो . डेटा भरोसा को एक ऑपरेटिंग अनुशासन के रूप में देखना डेटा भरोसा को एक ऑपरेटिंग अनुशासन के रूप में देखना इसका मतलब है कि डेटा पाइपलाइनों को लगातार निरीक्षण किया जाना चाहिए, स्वचालित रूप से नियंत्रित किया जाना चाहिए, और एआई तैयार के साथ उत्पादन में साबित किया जाना चाहिए . data products डेटा उत्पाद विकल्प पहले से ही खेल रहा है मॉडल उत्पादन में रुक रहे हैं, आउटपुट पर विश्वास कम हो जाता है, और टीमें उन प्रणालियों पर भरोसा करना बंद कर देती हैं जो उन्होंने बनाई हैं. जब ऐसा होता है, तो निर्णय लेने वाले चुपचाप एआई पर भरोसा करना बंद कर देते हैं। आंखों को पकड़कर मिलती है क्षण और अपने डेटा को सिस्टम के साथ ऑपरेटिंग करें जो एआई गति पर विश्वास प्रदान करने के लिए डिज़ाइन किए गए हैं। DataOps अनुशासन DataOps अनुशासन यह लेख HackerNoon के Business Blogging Program के तहत प्रकाशित किया गया था। यह लेख HackerNoon के Business Blogging Program के तहत प्रकाशित किया गया था। इस कहानी को HackerNoon के तहत प्रकाशित किया गया था . Business Blogging Program व्यापार ब्लॉगिंग कार्यक्रम व्यापार ब्लॉगिंग कार्यक्रम
