די פעלנדיק לינק צו באַקומען רעכט דאַטן-געטריבן ייַנשאַפונג
כידעש דיין ייַנשאַפונג פּראָצעס, אָבער טאָן דאָס רעכט
הייַנט ס ייַנשאַפונג פירער שוין פאַרשטיין אַז די צוקונפֿט פון ייַנשאַפונג איז דאַטן-געטריבן. אָבער לאָזן אונדז באַקומען ספּעציפיש פֿאַר אַ מינוט. וואָס איז דאַטאַ-געטריבן ייַנשאַפונג פּונקט? וואָס זענען די ספּעציפיש בנין בלאַקס וואָס איר דאַרפֿן צו פאַרשטיין דאָס? און אין טערמינען פון צייַטיקייַט, וווּ זענען איר איצט?
היינט צו טאָג, עס איז קוים פאַרטראַכטנ זיך צו זיין ביי אַ געשעעניש און נישט געפֿינען איינער פון די פאלגענדע בוזזוואָרדס: קינסטלעך סייכל (AI), מאַשין לערנען (ML), געשעפט סייכל (BI) און פילע מער. טוט אַז געזונט באַקאַנט? עס איז קיין צופאַל אַז די טערמינען קענען זיין געפֿונען אויף קיין פאָן, פלייער אָדער פּראָמאָ ווידעא און מיסטאָמע צינגל איר. זיי זענען קיל, טרענדינג און די צוקונפֿט וועט באשטימט זיין פול פון זיי. דעריבער, צו באַקומען באַקאַנט מיט דעם פּראָגראַם איז צו באַקענען זיך מיט די טעקניקס און צו פֿאַרשטיין ווי זיי קענען נוץ דיין געשעפט און טעגלעך אַפּעריישאַנז. ווען איר טאָן דאָס, די מערסט פיליק אַקציע צו אָנהייבן איז צו קוקן אין וואָס איז דער יסוד פון די ינאָווויישאַנז: גרינג אַקסעס צו ניצלעך, הויך קוואַליטעט דאַטן.
אַלגערידאַמז און דאַטן - טינגז צו וויסן אויב איר ווילט אַז זיי זאָל זיין כאַסענע געהאַט
אַלגערידאַמז קען געבן איר אַקשאַנאַבאַל ינסייץ. צום ביישפּיל, זיי קענען דערקענען (עק) פאַרברענגען פּאַטערנז, ריכטנ זיך ענדערונגען אין קונה פאָדערונג און ידענטיפיצירן באַטאַלנעקס אין ייַנשאַפונג פּראָצעס איידער זיי שטיי אויף. די רעכט טעקניקס זענען גאָר ווערטפול און יקערדיק פֿאַר אַ עפעקטיוו ייַנשאַפונג פּראָצעס.
אָבער, מיר זען פילע ייַנשאַפונג ספּעשאַלאַסץ וואָס קעמפן פֿון אַ סאַב-אָפּטימאַל דאַטן יסוד וואָס טיפּיקלי כּולל גראָב און שלעכט קוואַליטעט דאַטן וואָס קענען ניט זיין אַקסעסט (און געשווינד). אַלגערידאַמז קען זיין קלוג, אָבער זיי זענען נאָך מאַשינז. דאָס מיינט אַז אויב איר קאָרמען זיי מיסט (ווייַל פון אַ שלעכט דאַטן יסוד), זיי געבן איר מיסט ווי רעזולטאַט. דאָס איז גערופֿן די מיסט אין = מיסט אויס פּרינציפּ, און איז אַ סיטואַציע אין וואָס איר טאָן נישט וועלן צו שטעלן זיך ווי אַ ייַנשאַפונג פירער. טיפּיש סימפּטאָמס פון אַ סאַב-אָפּטימאַל דאַטן יסוד וואָס מיר זען און וואָס איר קען דערקענען אין פיר זענען:
- עס נעמט וואָכן און מאל אפילו חדשים צו אַקסעס באַטייַטיק דאַטן
- ניט גענוג דאַטן און דוחק פון דאַטן
- גראָב און שלעכט קוואַליטעט דאַטן, מיט פילע פעלנדיק און פאַלש וואַלועס
- (פּריוואַטקייט) שפּירעוודיק און דעריבער אַנריטשאַבאַל דאַטן
- צייט קאַנסומינג טרייַעקטאָריעס און ינערלעך פּראַסעסאַז צו באַקומען אַקסעס צו באַטייַטיק דאַטן
די שטאַרק יסוד דיין ייַנשאַפונג אָפּטיילונג דאַרף
וויאַזוי קוקט אַ צוקונפֿט, עפעקטיוו ייַנשאַפונג פּראָצעס? ידעאַללי, איינער וואָלט ווי צו האָבן אַ שטאַרק דאַטן יסוד מיט גרינג אַקסעס צו ניצלעך און הויך קוואַליטעט דאַטן צו קענען צו פאַרשטיין דאַטן-געטריבן כידעש מיט די דערמאנט בוזזוואָרדס (למשל AI, ML, BI עטק.). מיט אַזאַ אַ שטאַרק דאַטן יסוד, הויך קוואַליטעט דאַטן וועט צושטעלן איר הויך קוואַליטעט רעזולטאַטן און אַקשאַנאַבאַל ינסייץ וואָס וועט בוסט דיין ייַנשאַפונג אָפּטיילונג און וועט געבן איר אַ ריזיק מייַלע אין פאַרגלייַך מיט יענע וואָס נאָך פעלן אַ געהעריק דאַטן יסוד.
אַזוי ווי טאָן מיר טאָן דאָס רעכט?
א קייט איז אַזוי שטאַרק ווי זיין וויקאַסט לינק. און אין די קייט פון ייַנשאַפונג, רובֿ פֿאַרבינדונגען זענען שוין פאָרשטעלן און לעפיערעך גרינג צו ינסטרומענט. אָבער, עס איז איין טשאַלאַנדזשינג לינק פעלנדיק. ווי אַזוי טאָן איר פאַרלייגן אַ שטאַרק דאַטן יסוד און וווּ קען איר אָנהייבן ווי אַ ייַנשאַפונג פירער?
דעפּענדינג אויף וואָס טשאַלאַנדזשיז דיין ייַנשאַפונג אָפּטיילונג סטראַגאַלז, סינטהאָ קענען העלפֿן איר צו פאַרלייגן דעם שטאַרק דאַטן יסוד. עטלעכע ביישפילן וואָס סינטהאָ שטיצט:
- מאַכן (פּריוואַטקייט) שפּירעוודיק דאַטן גרינג צוטריטלעך אָן לוזינג קוואַליטעט
- פאַרגיכערן דאַטן אַקסעס צו (שפּירעוודיק) דאַטן פֿון וואָכן (און מאל חדשים) צו שעה
- לייווז ליידיק ישוז פון דאַטן קוואַליטעט אַזאַ ווי פעלנדיק/פאַלש וואַלועס
- אין פאַל פון טשאַלאַנדזשיז פון דאַטן (צו טריינינג, למשל, אַלגערידאַמז), מיר קענען צולייגן סאַב-באַשטעטיקן/אָווערסאַמפּלינג, ווו מער טריינינג דאַטן פון הויך קוואַליטעט זענען יקערדיק.
- גענעראַטינג עקסטרע ינטעליגענט סינטעטיש דאַטן מיט די זעלבע פּאַטערנז, קעראַקטעריסטיקס און סטאַטיסטיש ריליישאַנשיפּ ווי דער אָריגינעל דאַטן
צי איר דערקענען די כערדאַלז וואָס מיר דערמאנט? און קען דער אַרטיקל געבן איר אַ בעסערע געפיל פון דיין רייזע צו דאַטן-פאָר ייַנשאַפונג און דיין קראַנט מאַטערניטי מדרגה? מיר וואָלט ווי צו הערן ווו איר שטיין, וואָס שוועריקייטן איר פּנים און דיין אַלגעמיין באַמערקונגען. דעריבער, סינטהאָ וועט זיין פאָרשטעלן ביי די DPW ייַנשאַפונג קאָנפֿערענץ אויף סעפטעמבער 15th און קסנומקסth. ביטע פילן פריי צו רוף אונז און פרעגן אונדז אַלע דיין פֿראגן. נאָר דערגרייכן דורך די דפּוו-פּלאַטפאָרמע or רוף אונז גלייך צו ווייַטער דיפּלאָוד אין די צוקונפֿט פון דאַטן-געטריבן ייַנשאַפונג.
דאַטן זענען סינטעטיש, אָבער אונדזער מאַנשאַפֿט איז פאַקטיש!
קאָנטאַקט סינטהאָ און איינער פון אונדזער עקספּערץ וועט קאָנטאַקט איר מיט די גיכקייַט פון ליכט צו ויספאָרשן די ווערט פון סינטעטיש דאַטן!
ווילן צו לערנען מער וועגן די קוואַליטעט פון סינטעטיש דאַטן? קוק די ווידעא פון SAS אַססעססינג אונדזער סינטעטיש דאַטן!
די דאַטן קוואַליטעט פון סינטעטיש דאַטן אין פאַרגלייַך צו אָריגינעל דאַטן איז שליסל. אַז איז וואָס מיר לעצטנס כאָוסטיד אַ וועבינאַר מיט SAS (מאַרק פירער אין אַנאַליטיקס) צו באַווייַזן דעם. זייער אַנאַליטיקס עקספּערץ עוואַלואַטעד דזשענערייטאַד סינטעטיש דאַטאַסעץ פון Syntho דורך פאַרשידן אַנאַליטיקס (AI) אַסעסמאַנץ און שערד די אַוטקאַמז. איר קענען געפֿינען אַ קורץ רעקאַפּ פון דעם אין דעם ווידעא.
