FAQ
Συχνές Ερωτήσεις σχετικά με τα συνθετικά δεδομένα
Κατανοητός! Ευτυχώς, έχουμε τις απαντήσεις και είμαστε εδώ για να βοηθήσουμε. Ελέγξτε τις συχνές ερωτήσεις μας.
Ανοίξτε μια ερώτηση παρακάτω και κάντε κλικ στους συνδέσμους για να βρείτε περισσότερες πληροφορίες. Έχετε μια πιο περίπλοκη ερώτηση που δεν αναφέρεται εδώ; Ρωτήστε τους ειδικούς μας απευθείας!
Οι πιο πολλές ερωτήσεις
Τα συνθετικά δεδομένα αναφέρονται σε δεδομένα που παράγονται τεχνητά αντί να συλλέγονται από πηγές πραγματικού κόσμου. Γενικά, ενώ τα πρωτότυπα δεδομένα συλλέγονται σε όλες τις αλληλεπιδράσεις σας με άτομα (πελάτες, ασθενείς κ.λπ.) και μέσω όλων των εσωτερικών διαδικασιών σας, τα συνθετικά δεδομένα παράγονται από έναν αλγόριθμο υπολογιστή.
Τα συνθετικά δεδομένα μπορούν επίσης να χρησιμοποιηθούν για τη δοκιμή και αξιολόγηση μοντέλων σε ελεγχόμενο περιβάλλον ή για την προστασία ευαίσθητων πληροφοριών δημιουργώντας δεδομένα παρόμοια με δεδομένα του πραγματικού κόσμου, αλλά δεν περιέχουν ευαίσθητες πληροφορίες. Τα συνθετικά δεδομένα χρησιμοποιούνται συχνά ως εναλλακτικά για δεδομένα ευαίσθητα στο απόρρητο και θα μπορούσαν να χρησιμοποιηθούν ως δεδομένα δοκιμής, για αναλυτικά στοιχεία ή για εκπαίδευση μηχανικής εκμάθησης.
Η εγγύηση ότι τα συνθετικά δεδομένα έχουν την ίδια ποιότητα δεδομένων με τα αρχικά δεδομένα μπορεί να είναι πρόκληση και συχνά εξαρτάται από τη συγκεκριμένη περίπτωση χρήσης και τις μεθόδους που χρησιμοποιούνται για τη δημιουργία των συνθετικών δεδομένων. Ορισμένες μέθοδοι για τη δημιουργία συνθετικών δεδομένων, όπως τα παραγωγικά μοντέλα, μπορούν να παράγουν δεδομένα που είναι πολύ παρόμοια με τα αρχικά δεδομένα. Βασική ερώτηση: πώς να το αποδείξετε αυτό;
Υπάρχουν ορισμένοι τρόποι για να διασφαλιστεί η ποιότητα των συνθετικών δεδομένων:
- Μετρήσεις ποιότητας δεδομένων μέσω της αναφοράς ποιότητας δεδομένων: Ένας τρόπος για να διασφαλίσετε ότι τα συνθετικά δεδομένα έχουν την ίδια ποιότητα δεδομένων με τα αρχικά δεδομένα είναι να χρησιμοποιήσετε μετρήσεις ποιότητας δεδομένων για να συγκρίνετε τα συνθετικά δεδομένα με τα αρχικά δεδομένα. Αυτές οι μετρήσεις μπορούν να χρησιμοποιηθούν για τη μέτρηση στοιχείων όπως η ομοιότητα, η ακρίβεια και η πληρότητα των δεδομένων. Το λογισμικό Syntho περιλάμβανε μια αναφορά ποιότητας δεδομένων με διάφορες μετρήσεις ποιότητας δεδομένων.
- Εξωτερική αξιολόγηση: δεδομένου ότι η ποιότητα των δεδομένων των συνθετικών δεδομένων σε σύγκριση με τα αρχικά δεδομένα είναι βασική, κάναμε πρόσφατα μια αξιολόγηση με τους ειδικούς δεδομένων της SAS (ηγέτης της αγοράς στην ανάλυση) για να δείξουμε την ποιότητα δεδομένων των συνθετικών δεδομένων από τη Syntho σε σύγκριση με τα πραγματικά δεδομένα. Ο Edwin van Unen, ειδικός στην ανάλυση από τη SAS, αξιολόγησε συνθετικά σύνολα δεδομένων από την Syntho μέσω διαφόρων αξιολογήσεων αναλυτικών στοιχείων (AI) και μοιράστηκε τα αποτελέσματα. Δείτε μια σύντομη ανακεφαλαίωση αυτού του βίντεο εδώ.
- Δοκιμή και αξιολόγηση μόνοι σας: τα συνθετικά δεδομένα μπορούν να ελεγχθούν και να αξιολογηθούν συγκρίνοντάς τα με δεδομένα πραγματικού κόσμου ή χρησιμοποιώντας τα για την εκπαίδευση μοντέλων μηχανικής εκμάθησης και συγκρίνοντας την απόδοσή τους με μοντέλα που έχουν εκπαιδευτεί σε δεδομένα πραγματικού κόσμου. Γιατί να μην δοκιμάσετε μόνοι σας την ποιότητα δεδομένων των συνθετικών δεδομένων; Ρωτήστε τους ειδικούς μας για τις δυνατότητες αυτού εδώ.
Είναι σημαντικό να σημειωθεί ότι τα συνθετικά δεδομένα δεν μπορούν ποτέ να εγγυηθούν ότι είναι 100% παρόμοια με τα αρχικά δεδομένα, αλλά μπορεί να είναι αρκετά κοντά ώστε να είναι χρήσιμα για μια συγκεκριμένη περίπτωση χρήσης. Αυτή η συγκεκριμένη περίπτωση χρήσης μπορεί να είναι ακόμη και προηγμένα μοντέλα ανάλυσης ή εκπαίδευσης μηχανικής εκμάθησης.
Η κλασική «ανωνυμοποίηση» δεν είναι πάντα η καλύτερη λύση, γιατί:
- Κίνδυνος απορρήτου – θα έχεις πάντα
κίνδυνος ιδιωτικότητας. Εφαρμόζοντάς τα
κλασικές τεχνικές ανωνυμοποίησης
το κάνει μόνο πιο δύσκολο, αλλά όχι
αδύνατο να αναγνωριστούν άτομα. - Καταστρέφοντας δεδομένα – τόσο περισσότερο εσύ
ανωνυμοποιήσεις, τόσο καλύτερα προστατεύεις
το απόρρητό σας, αλλά όσο περισσότερο εσείς
καταστρέψει τα δεδομένα σας. Αυτό δεν είναι τι
θέλετε για αναλυτικά, γιατί
τα κατεστραμμένα δεδομένα θα οδηγήσουν σε κακό
πληροφορίες. - Χρονοβόρος – είναι μια λύση
αυτό παίρνει πολύ χρόνο, γιατί
αυτές οι τεχνικές λειτουργούν διαφορετικά
ανά σύνολο δεδομένων και ανά τύπο δεδομένων.
Τα συνθετικά δεδομένα στοχεύουν στην επίλυση όλων αυτών των ελλείψεων. Η διαφορά είναι τόσο εντυπωσιακή που φτιάξαμε ένα βίντεο γι 'αυτό. Παρακολουθήστε το εδώ.
Συχνές Ερωτήσεις
Συνθετικά δεδομένα
Γενικά, οι περισσότεροι από τους πελάτες μας χρησιμοποιούν συνθετικά δεδομένα για:
- Δοκιμή και ανάπτυξη λογισμικού
- Συνθετικά δεδομένα για αναλυτικά στοιχεία, ανάπτυξη μοντέλων και προηγμένα αναλυτικά στοιχεία (AI & ML)
- Επιδείξεις προϊόντων
Ένα δίδυμο συνθετικών δεδομένων είναι ένα αντίγραφο ενός πραγματικού συνόλου δεδομένων ή/και βάσης δεδομένων που δημιουργείται από αλγόριθμο. Με ένα Synthetic Data Twin, το Syntho στοχεύει να μιμηθεί ένα αρχικό σύνολο δεδομένων ή βάση δεδομένων όσο το δυνατόν πιο κοντά στα αρχικά δεδομένα για να δημιουργήσει μια ρεαλιστική αναπαράσταση του πρωτοτύπου. Με ένα δίδυμο συνθετικών δεδομένων, στοχεύουμε σε ανώτερη ποιότητα συνθετικών δεδομένων σε σύγκριση με τα αρχικά δεδομένα. Αυτό το κάνουμε με το λογισμικό συνθετικών δεδομένων που χρησιμοποιεί μοντέλα τεχνητής νοημοσύνης τελευταίας τεχνολογίας. Αυτά τα μοντέλα τεχνητής νοημοσύνης δημιουργούν εντελώς νέα σημεία δεδομένων και τα μοντελοποιούν με τέτοιο τρόπο ώστε να διατηρούμε τα χαρακτηριστικά, τις σχέσεις και τα στατιστικά μοτίβα των αρχικών δεδομένων σε τέτοιο βαθμό ώστε να μπορείτε να τα χρησιμοποιήσετε σαν να είναι πρωτότυπα δεδομένα.
Αυτό μπορεί να χρησιμοποιηθεί για διάφορους σκοπούς, όπως δοκιμή και εκπαίδευση μοντέλων μηχανικής εκμάθησης, προσομοίωση σεναρίων για έρευνα και ανάπτυξη και δημιουργία εικονικών περιβαλλόντων για εκπαίδευση και εκπαίδευση. Τα δίδυμα συνθετικών δεδομένων μπορούν να χρησιμοποιηθούν για τη δημιουργία ρεαλιστικών και αντιπροσωπευτικών δεδομένων που μπορούν να χρησιμοποιηθούν στη θέση των πραγματικών δεδομένων όταν δεν είναι διαθέσιμα ή όταν η χρήση των δεδομένων πραγματικού κόσμου θα ήταν ανέφικτη ή ανήθικη λόγω αυστηρών κανονισμών απορρήτου δεδομένων.
Ναι το κάνουμε. Προσφέρουμε διάφορες δυνατότητες βελτιστοποίησης και αύξησης συνθετικών δεδομένων προστιθέμενης αξίας, συμπεριλαμβανομένων των χλευαστικών, για να μεταφέρετε τα δεδομένα σας στο επόμενο επίπεδο.
Τα εικονικά δεδομένα και τα συνθετικά δεδομένα που δημιουργούνται από AI είναι και οι δύο τύποι συνθετικών δεδομένων, αλλά παράγονται με διαφορετικούς τρόπους και εξυπηρετούν διαφορετικούς σκοπούς.
Τα εικονικά δεδομένα είναι ένας τύπος συνθετικών δεδομένων που δημιουργούνται χειροκίνητα και χρησιμοποιούνται συχνά για σκοπούς δοκιμής και ανάπτυξης. Συνήθως χρησιμοποιείται για την προσομοίωση της συμπεριφοράς των δεδομένων του πραγματικού κόσμου σε ένα ελεγχόμενο περιβάλλον και χρησιμοποιείται συχνά για τον έλεγχο της λειτουργικότητας ενός συστήματος ή μιας εφαρμογής. Συχνά είναι απλό, εύκολο στη δημιουργία και δεν απαιτεί πολύπλοκα μοντέλα ή αλγόριθμους. Συχνά, κάποιος παραπέμπει επίσης σε πλαστά δεδομένα ως «ψευδή δεδομένα» ή «πλαστά δεδομένα».
Τα συνθετικά δεδομένα που δημιουργούνται από την τεχνητή νοημοσύνη, από την άλλη πλευρά, παράγονται χρησιμοποιώντας τεχνικές τεχνητής νοημοσύνης, όπως η μηχανική μάθηση ή τα παραγωγικά μοντέλα. Χρησιμοποιείται για τη δημιουργία ρεαλιστικών και αντιπροσωπευτικών δεδομένων που μπορούν να χρησιμοποιηθούν στη θέση των πραγματικών δεδομένων, όταν η χρήση των δεδομένων του πραγματικού κόσμου θα ήταν ανέφικτη ή ανήθικη λόγω αυστηρών κανονισμών περί απορρήτου. Συχνά είναι πιο περίπλοκο και απαιτεί περισσότερους υπολογιστικούς πόρους από χειροκίνητα εικονικά δεδομένα. Ως αποτέλεσμα, είναι πολύ πιο ρεαλιστικό και μιμείται τα αρχικά δεδομένα όσο πιο κοντά γίνεται.
Συνοπτικά, τα εικονικά δεδομένα δημιουργούνται χειροκίνητα και χρησιμοποιούνται συνήθως για δοκιμή και ανάπτυξη, ενώ τα συνθετικά δεδομένα που δημιουργούνται από AI δημιουργούνται χρησιμοποιώντας τεχνικές τεχνητής νοημοσύνης και χρησιμοποιούνται για τη δημιουργία αντιπροσωπευτικών και ρεαλιστικών δεδομένων.
Ποιότητα δεδομένων
Η εγγύηση ότι τα συνθετικά δεδομένα έχουν την ίδια ποιότητα δεδομένων με τα αρχικά δεδομένα μπορεί να είναι πρόκληση και συχνά εξαρτάται από τη συγκεκριμένη περίπτωση χρήσης και τις μεθόδους που χρησιμοποιούνται για τη δημιουργία των συνθετικών δεδομένων. Ορισμένες μέθοδοι για τη δημιουργία συνθετικών δεδομένων, όπως τα παραγωγικά μοντέλα, μπορούν να παράγουν δεδομένα που είναι πολύ παρόμοια με τα αρχικά δεδομένα. Βασική ερώτηση: πώς να το αποδείξετε αυτό;
Υπάρχουν ορισμένοι τρόποι για να διασφαλιστεί η ποιότητα των συνθετικών δεδομένων:
- Μετρήσεις ποιότητας δεδομένων μέσω της αναφοράς ποιότητας δεδομένων: Ένας τρόπος για να διασφαλίσετε ότι τα συνθετικά δεδομένα έχουν την ίδια ποιότητα δεδομένων με τα αρχικά δεδομένα είναι να χρησιμοποιήσετε μετρήσεις ποιότητας δεδομένων για να συγκρίνετε τα συνθετικά δεδομένα με τα αρχικά δεδομένα. Αυτές οι μετρήσεις μπορούν να χρησιμοποιηθούν για τη μέτρηση στοιχείων όπως η ομοιότητα, η ακρίβεια και η πληρότητα των δεδομένων. Το λογισμικό Syntho περιλάμβανε μια αναφορά ποιότητας δεδομένων με διάφορες μετρήσεις ποιότητας δεδομένων.
- Εξωτερική αξιολόγηση: δεδομένου ότι η ποιότητα των δεδομένων των συνθετικών δεδομένων σε σύγκριση με τα αρχικά δεδομένα είναι βασική, κάναμε πρόσφατα μια αξιολόγηση με τους ειδικούς δεδομένων της SAS (ηγέτης της αγοράς στην ανάλυση) για να δείξουμε την ποιότητα δεδομένων των συνθετικών δεδομένων από τη Syntho σε σύγκριση με τα πραγματικά δεδομένα. Ο Edwin van Unen, ειδικός στην ανάλυση από τη SAS, αξιολόγησε συνθετικά σύνολα δεδομένων από την Syntho μέσω διαφόρων αξιολογήσεων αναλυτικών στοιχείων (AI) και μοιράστηκε τα αποτελέσματα. Δείτε μια σύντομη ανακεφαλαίωση αυτού του βίντεο εδώ.
- Δοκιμή και αξιολόγηση μόνοι σας: τα συνθετικά δεδομένα μπορούν να ελεγχθούν και να αξιολογηθούν συγκρίνοντάς τα με δεδομένα πραγματικού κόσμου ή χρησιμοποιώντας τα για την εκπαίδευση μοντέλων μηχανικής εκμάθησης και συγκρίνοντας την απόδοσή τους με μοντέλα που έχουν εκπαιδευτεί σε δεδομένα πραγματικού κόσμου. Γιατί να μην δοκιμάσετε μόνοι σας την ποιότητα δεδομένων των συνθετικών δεδομένων; Ρωτήστε τους ειδικούς μας για τις δυνατότητες αυτού εδώ.
Είναι σημαντικό να σημειωθεί ότι τα συνθετικά δεδομένα δεν μπορούν ποτέ να εγγυηθούν ότι είναι 100% παρόμοια με τα αρχικά δεδομένα, αλλά μπορεί να είναι αρκετά κοντά ώστε να είναι χρήσιμα για μια συγκεκριμένη περίπτωση χρήσης. Αυτή η συγκεκριμένη περίπτωση χρήσης μπορεί να είναι ακόμη και προηγμένα μοντέλα ανάλυσης ή εκπαίδευσης μηχανικής εκμάθησης.
Ναι είναι. Τα συνθετικά δεδομένα περιέχουν ακόμη και μοτίβα για τα οποία δεν γνωρίζατε ότι υπήρχαν στα αρχικά δεδομένα.
Αλλά μην παίρνετε τα λόγια μας για αυτό. Οι ειδικοί στην ανάλυση της SAS (παγκόσμια ηγέτης στην αγορά αναλυτικών στοιχείων) έκαναν μια αξιολόγηση (AI) των συνθετικών δεδομένων μας και τα συνέκριναν με τα αρχικά δεδομένα. Περίεργος? Παρακολούθησε το όλη η εκδήλωση εδώ ή παρακολουθήστε τη σύντομη έκδοση για ποιότητα δεδομένων εδώ.
Ναι το κάνουμε. Η πλατφόρμα μας είναι βελτιστοποιημένη για βάσεις δεδομένων και, κατά συνέπεια, για τη διατήρηση της ακεραιότητας αναφοράς μεταξύ των συνόλων δεδομένων στη βάση δεδομένων.
Θέλετε να μάθετε περισσότερα για αυτό;
Προστασία προσωπικών δεδομένων
Όχι δεν το κάνουμε. Μπορούμε εύκολα να αναπτύξουμε το Syntho Engine on-premise ή στο ιδιωτικό σας cloud μέσω docker.
Όχι. Βελτιστοποιήσαμε την πλατφόρμα μας με τέτοιο τρόπο ώστε να μπορεί να αναπτυχθεί εύκολα στο αξιόπιστο περιβάλλον του πελάτη. Αυτό διασφαλίζει ότι τα δεδομένα δεν θα φύγουν ποτέ από το αξιόπιστο περιβάλλον του πελάτη. Οι επιλογές ανάπτυξης για το αξιόπιστο περιβάλλον του πελάτη είναι "on-premise" και στο "περιβάλλον cloud του πελάτη (private cloud)".
Προαιρετικά: Το Syntho υποστηρίζει μια έκδοση που φιλοξενείται στο "σύννεφο Syntho".
Όχι. Το Syntho Engine είναι μια πλατφόρμα αυτοεξυπηρέτησης. Ως αποτέλεσμα, η δημιουργία συνθετικών δεδομένων με το Syntho Engine είναι δυνατή με τρόπο που στο end-to-end διαδικασία, η Syntho δεν μπορεί ποτέ να δει και δεν απαιτείται ποτέ να επεξεργαστεί δεδομένα.
Ναι, το κάνουμε αυτό μέσω της αναφοράς QA μας.
Κατά τη σύνθεση ενός συνόλου δεδομένων, είναι απαραίτητο να αποδειχθεί ότι δεν είναι σε θέση να επαναπροσδιορίσει τα άτομα. Σε αυτό το βίντεο, η Marijn εισάγει μέτρα απορρήτου που περιλαμβάνονται στην αναφορά ποιότητας για να το αποδείξει αυτό.
Η έκθεση QA της Syntho περιέχει τρεις πρότυπο της βιομηχανίας μετρήσεις για την αξιολόγηση του απορρήτου των δεδομένων. Η ιδέα πίσω από κάθε μία από αυτές τις μετρήσεις είναι η εξής:
- Συνθετικά δεδομένα (S) θα είναι "όσο το δυνατόν πιο κοντά", αλλά "όχι πολύ κοντά" στα δεδομένα στόχου (T).
- Τυχαία επιλεγμένα δεδομένα διατήρησης (H) καθορίζει το σημείο αναφοράς για το "πολύ κοντά".
- A τέλεια λύση δημιουργεί νέα συνθετικά δεδομένα που συμπεριφέρονται ακριβώς όπως τα αρχικά δεδομένα, αλλά δεν έχουν εμφανιστεί στο παρελθόν (= H).
Μία από τις περιπτώσεις χρήσης που επισημαίνεται συγκεκριμένα από την Ολλανδική Αρχή Προστασίας Δεδομένων είναι η χρήση συνθετικών δεδομένων ως δεδομένων δοκιμής.
Κινητήρας Syntho
Το Syntho Engine αποστέλλεται σε κοντέινερ Docker και μπορεί εύκολα να αναπτυχθεί και να συνδεθεί στο περιβάλλον της επιλογής σας.
Οι πιθανές επιλογές ανάπτυξης περιλαμβάνουν:
- Επί τόπου
- Οποιοδήποτε (ιδιωτικό) σύννεφο
- Οποιοδήποτε άλλο περιβάλλον
Το Syntho σάς δίνει τη δυνατότητα να συνδέεστε εύκολα με τις βάσεις δεδομένων, τις εφαρμογές, τις σωληνώσεις δεδομένων ή τα συστήματα αρχείων σας.
Υποστηρίζουμε διάφορες ενσωματωμένες συνδέσεις, ώστε να μπορείτε να συνδεθείτε με το περιβάλλον πηγής (όπου αποθηκεύονται τα αρχικά δεδομένα) και το περιβάλλον προορισμού (όπου θέλετε να γράψετε τα συνθετικά σας δεδομένα) για end-to-end ολοκληρωμένη προσέγγιση.
Λειτουργίες σύνδεσης που υποστηρίζουμε:
- Plug-and-play με το Docker
- 20+ υποδοχές βάσης δεδομένων
- 20+ υποδοχές συστήματος αρχείων
Φυσικά, ο χρόνος δημιουργίας εξαρτάται από το μέγεθος της βάσης δεδομένων. Κατά μέσο όρο, ένας πίνακας με λιγότερες από 1 εκατομμύριο εγγραφές συντίθεται σε λιγότερο από 5 λεπτά.
Οι αλγόριθμοι μηχανικής εκμάθησης της Syntho μπορούν να γενικεύσουν καλύτερα τις δυνατότητες με περισσότερες διαθέσιμες εγγραφές οντοτήτων, γεγονός που μειώνει τον κίνδυνο απορρήτου. Συνιστάται μια ελάχιστη αναλογία στήλης προς σειρά 1:500. Για παράδειγμα, εάν ο πίνακας προέλευσης έχει 6 στήλες, θα πρέπει να περιέχει τουλάχιστον 3000 σειρές.
Καθόλου. Αν και μπορεί να χρειαστεί κάποια προσπάθεια για την πλήρη κατανόηση των πλεονεκτημάτων, των περιπτώσεων λειτουργίας και χρήσης των συνθετικών δεδομένων, η διαδικασία σύνθεσης είναι πολύ απλή και οποιοσδήποτε έχει βασικές γνώσεις υπολογιστή μπορεί να το κάνει. Για περισσότερες πληροφορίες σχετικά με τη διαδικασία σύνθεσης, ρίξτε μια ματιά αυτή η σελίδα or ζητήστε ένα demo.
Το Syntho Engine λειτουργεί καλύτερα σε δομημένα δεδομένα σε πίνακα (οτιδήποτε περιέχει σειρές και στήλες). Μέσα σε αυτές τις δομές, υποστηρίζουμε τους ακόλουθους τύπους δεδομένων:
- Δομεί δεδομένα μορφοποιημένα σε πίνακες (κατηγορικά, αριθμητικά, κ.λπ.)
- Άμεσα αναγνωριστικά και PII
- Μεγάλα σύνολα δεδομένων και βάσεις δεδομένων
- Δεδομένα γεωγραφικής τοποθεσίας (όπως GPS)
- Δεδομένα χρονοσειρών
- Βάσεις δεδομένων πολλών πινάκων (με ακεραιότητα αναφοράς)
- Άνοιγμα δεδομένων κειμένου
Σύνθετη υποστήριξη δεδομένων
Δίπλα σε όλους τους κανονικούς τύπους δεδομένων σε πίνακα, το Syntho Engine υποστηρίζει σύνθετους τύπους δεδομένων και σύνθετες δομές δεδομένων.
- Χρονική σειρά
- Βάσεις δεδομένων πολλών πινάκων
- Άνοιγμα κειμένου
Όχι, βελτιστοποιήσαμε την πλατφόρμα μας για να ελαχιστοποιήσουμε τις υπολογιστικές απαιτήσεις (π.χ. δεν απαιτείται GPU), χωρίς συμβιβασμούς στην ακρίβεια των δεδομένων. Επιπλέον, υποστηρίζουμε την αυτόματη κλιμάκωση, ώστε να μπορεί κανείς να συνθέσει τεράστιες βάσεις δεδομένων.
Ναί. Το λογισμικό Syntho είναι βελτιστοποιημένο για βάσεις δεδομένων που περιέχουν πολλούς πίνακες.
Όσο για αυτό, το Syntho εντοπίζει αυτόματα τους τύπους δεδομένων, τα σχήματα και τις μορφές για να μεγιστοποιήσει την ακρίβεια των δεδομένων. Για τη βάση δεδομένων πολλών πινάκων, υποστηρίζουμε αυτόματη εξαγωγή συμπερασμάτων και σύνθεση σχέσεων πίνακα για τη διατήρηση της ακεραιότητας αναφοράς.
Τα δεδομένα είναι συνθετικά, αλλά η ομάδα μας είναι πραγματική!
Επικοινωνήστε με τον Syntho και ένας από τους ειδικούς μας θα έρθει σε επαφή μαζί σας με την ταχύτητα του φωτός για να διερευνήσει την αξία των συνθετικών δεδομένων!