출판사 : Keith Belanger 출판사 : Keith Belanger AI 프로젝트는 데이터 팀이 작업 할 수있는 데이터 문제를 표면화하는 방법을 가지고 있습니다.이 분석 데이터는 폭 넓은 오류 경계를 허용했기 때문에 AI는 단순히 그렇지 않습니다.AI 모델은 불확실성을 용납하지 않으며 기계 속도로 내린 결정은 위류에 숨어있는 모든 결함을 증폭합니다. AI 실패는 실제로 기존 운영의 약점을 드러내고 있습니다.불편한 진실은 대부분의 데이터 조직이 AI에 대한 운영 준비가되어 있지 않다는 것입니다. 파이프라인이 바뀌었기 때문에 첫 번째 모델 재훈련이 실패했을 때, 어제의 데이터가 오늘날의 데이터와 다르게 보이는 이유를 아무도 설명 할 수 없거나 "단순히 다시 시작"가 생산 문제에 대한 기본 응답이 될 때 볼 수 있습니다. 그는 “데이터에 문제가 있다면, 데이터는 AI에 대비할 준비가 되지 않는다”고 말했다. 가트너 가트너 데이터 팀은 새로운 운영 모델이 필요합니다. 수년 동안 대부분의 조직은 취약한 타협으로 살았습니다. 파이프라인이 때때로 부서지면 제한을 충족시킬 수 있습니다. "충분히 좋은"데이터 품질은 충분히 좋았습니다. 통제는 공유 드라이브의 어딘가에 존재했습니다. 그리고 무언가가 깨졌을 때 누군가가가 그것을 알아보고 고쳤습니다. 그 모델은 복잡성을 흡수하기 위해 시스템이 아니라 사람들에게 의존했다. 영웅성으로 보상되었습니다 : 수동 체크, 늦은 밤, 그리고 기관적 기억이 사람에게서 비공식적으로 전달되었습니다. 데이터 팀 데이터 팀 분석 데이터 시대의 접근 방식은 배달이 주간 릴리스에서 하루에 여러 배포로 전환될 때 붕괴됩니다. 모델은 데이터를 지속적으로 소비하고, 일관성을 가정하고, 심지어 작은 편차를 증폭합니다.There is no pause button to do manual checks or to confer about tribal knowledge. ‘AI-Ready’는 달성가능하고 측정가능 조직은 더 이상 자신감이나 도구를 기반으로 준비성을 선언할 수 없습니다.그들은 생산에서 지속적인 검증, 선별, 점수, 규칙 및 집행을 통해 그것을 증명하기 시작해야합니다. 왜냐하면 “AI-ready”는 단순한 느낌이 아니기 때문입니다.It is a measurable state.AI-ready data is: 신뢰성 타이밍 지배 관찰하기 재생성 이 데이터 품질의 진화는 좋은 의도나 최선의 실천 문서보다 더 많은 것을 필요로 합니다.It requires systems designed to enforce reliability by default that can deliver continuous evidence of data reliability. Real Bottleneck은 기술적이지 않고 운영적입니다. 대부분의 기업은 이미 강력한 데이터 플랫폼을 보유하고 있습니다.What they lack is a way to operationalize those platforms with consistency at AI speed. 수동 프로세스는 인간이 주는 관심이 너무 많기 때문에 규모를 확대하지 않습니다. AI 워크로드는 반복성과 데이터가 어제처럼 오늘날 동일하게 행동할 것이라는 확신을 요구하며, 그렇지 않으면 즉시 표시되고 고정됩니다. 소프트웨어 엔지니어링은 수년 전에이 문제에 직면했습니다.시스템이 더 복잡해지고 릴리스주기가 가속화되면서 수동 프로세스와 인간의 경계가 확장되지 않았다.DevOps는 자동화, 테스트, 관찰성 및 반복 배달을 실행화함으로써 게임을 변화시켰습니다. 소프트웨어 엔지니어링은 수년 전에이 문제에 직면했습니다.시스템이 더 복잡해지고 릴리스주기가 가속화되면서 수동 프로세스와 인간의 경계가 확장되지 않았다.DevOps는 자동화, 테스트, 관찰성 및 반복 배달을 실행화함으로써 게임을 변화시켰습니다. 실패의 볼륨, 속도 및 폭발 범위는 운영 모델에 도달했습니다.DataOps는 21 세기에 소프트웨어 팀을 촉매하는 데 도움이 된 동일한 운영 엄격함을 데이터 팀에 제공합니다. 데이터는 지금 동일한 전환점에 있습니다. 데이터는 지금 동일한 전환점에 있습니다. 신뢰를 운영하는 것이 유일한 길이다. AI와 함께 성공하는 조직은 그들이 될 것입니다. . 데이터 신뢰를 운영 기법으로 취급하기 데이터 신뢰를 운영 기법으로 취급하기 즉, 데이터 파이프라인은 지속적으로 관찰되고, 자동으로 통제되고, AI-ready 생산에서 입증되어야 한다. . 데이터 제품 데이터 제품 모델은 생산에 멈추고, 출력에 대한 신뢰는 소화되고, 팀은 그들이 만든 시스템을 신뢰하는 것을 멈추고 있습니다. 그 순간을 포옹함으로써 AI 속도로 신뢰를 제공하도록 설계된 시스템으로 데이터를 운영합니다. DataOps 규율 DataOps 규율 이 이야기는 HackerNoon의 비즈니스 블로그 프로그램에 의해 게시되었습니다. 이 이야기는 HackerNoon의 비즈니스 블로그 프로그램에 의해 게시되었습니다. 이 글은 HackerNoon's에 게시되었습니다. . 비즈니스 블로그 프로그램 비즈니스 블로그 프로그램 비즈니스 블로그 프로그램
