大數(shù)據(jù)文摘授權轉載自數(shù)據(jù)派THU

作者：Mayuresh Joshi

翻譯：王可汗

校對：趙茹萱

一個高效設計的數(shù)據(jù)庫管理系統(tǒng)對于企業(yè)來說是至關重要的，它的目標是最大化其分析計劃的影響，并發(fā)展到使用高效的數(shù)據(jù)和人工智能驅動的工具。但是正如我們所看到的，數(shù)據(jù)管道的數(shù)據(jù)準備階段對于數(shù)據(jù)科學家和相關專業(yè)人員來說是勞動密集型的，并且可能會引發(fā)效率問題。增強分析極大地幫助了整個過程，從數(shù)據(jù)收集到提供有深刻見解的建議，通過這些過程來影響業(yè)務決策。

那么，增強數(shù)據(jù)庫管理到底是什么呢?增強數(shù)據(jù)管理正在使用ML和AI技術來優(yōu)化和改進操作。它有能力支持數(shù)據(jù)科學家手中那些通常可能由個人分析和工具手工完成，耗時多且數(shù)據(jù)密集的任務。

例如：在大型數(shù)據(jù)集中發(fā)現(xiàn)異常，想要解決數(shù)據(jù)質量問題，并從報告中追溯特定數(shù)據(jù)的起源。人工智能模型更復雜，專門設計用于執(zhí)行這些數(shù)據(jù)管理任務，通常花費更少的時間，犯更少的錯誤，從長遠來看成本更低。

人們甚至可以改進現(xiàn)有的數(shù)據(jù)管理平臺和工具，以試驗增強數(shù)據(jù)管理。通過仔細觀察，增強數(shù)據(jù)管理的用例可能會支持和加速如下所述的一些事情:

元數(shù)據(jù)管理和組織：標簽、分類和搜索數(shù)據(jù)更加容易。自動收集、組織、編目和合并技術和業(yè)務元數(shù)據(jù)，包括結構化數(shù)據(jù)和非結構化數(shù)據(jù)。利用人工智能識別系統(tǒng)依賴關系、數(shù)據(jù)流和異常。
數(shù)據(jù)質量：識別和解決數(shù)據(jù)質量問題。基于現(xiàn)有數(shù)據(jù)集提出數(shù)據(jù)質量規(guī)則并運行。識別模式和異常，并模擬相關性。根據(jù)預測值和手動數(shù)據(jù)，清理建議數(shù)據(jù)清理的操作。
主數(shù)據(jù)管理:識別和評估潛在的主數(shù)據(jù)。自動生成主數(shù)據(jù)模型，映射數(shù)據(jù)實體。基于使用模式、信任分數(shù)等，建議匹配和合并的操作，以建立單一的真實來源。

一些增強數(shù)據(jù)管理工具:IBM的Cognos Analytics，微軟的AnswerRocket, Oracle Analytics Cloud, The Analytics OS (Pyramid v2020)。

顯然，增強數(shù)據(jù)管理需要一些人為的監(jiān)督。在這里，人、ML和人工智能相互補充，填補彼此的缺陷，從而創(chuàng)造出令人印象深刻的工作系統(tǒng)。

增強數(shù)據(jù)管理中的機器學習使一些數(shù)據(jù)專業(yè)人員的常規(guī)手工任務自動化。這些工作包括數(shù)據(jù)庫性能調優(yōu)和優(yōu)化，以及其他計算密集和迭代的數(shù)據(jù)庫管理工作。

然而，一些數(shù)據(jù)分析師表示，自動化模式可能會減少入門級數(shù)據(jù)庫管理員職位的數(shù)量，但這并不會影響對數(shù)據(jù)管理人員技能和貢獻的要求。增強數(shù)據(jù)管理利用機器學習工具或人工智能程序，能夠為人們在做出最終決定時提供智能建議。

企業(yè)需要重做數(shù)據(jù)管理流程，最終目標是實現(xiàn)數(shù)據(jù)流通過程的自動化，推進對信息的進一步分析。使用正確的數(shù)據(jù)管理工具，能夠幫助公司通過清理信息的復雜性來升級產品。減少復雜性是任何企業(yè)努力實現(xiàn)商業(yè)目標的關鍵，創(chuàng)業(yè)公司也是如此。因此，利用增強數(shù)據(jù)管理實踐是繼續(xù)認真對待和給藍籌公司提供資金的前進道路。

原文標題：

Augmented Database Management: A Brief Overview

原文鏈接：

https://medium.com/@jmayuresh25/augmented-database-management-a-brief-overview-514be9598012

點「在看」的人都變好看了哦！

增強數(shù)據(jù)庫管理：一份簡單的綜述

作者：Mayuresh Joshi

翻譯：王可汗

校對：趙茹萱