Mae cynnydd Cudd-wybodaeth Menter yn cyflymu ac mae arweinwyr diwydiant yn adrodd am enillion effeithlonrwydd dramatig o AI. Ond mae sefydliadau eraill yn wynebu heriau rheoli data. Yn ôl McKinsey, mae 70% o gwmnïau yn wynebu heriau data critigol sy'n atal llwyddiant AI ac mae Gartner yn rhagweld cyfradd fethiant o 30% ar gyfer mentrau AI cynhyrchiol.
Un gwahaniaeth hanfodol yw cael y seilwaith a'r ffabrig data cywir yn eu lle i gefnogi gofynion cyfansawdd AI menter. Mae cylch bywyd data AI yn dechrau gyda chasglu data a chynllun cadw data sy'n rhychwantu blynyddoedd. P'un a yw ffynhonnell y data yn ddyfais IOT neu'n brif ffrâm IBM, ar ôl ei chasglu, rhaid dosbarthu'r data yn gyntaf, ac yna ei nodweddu neu ei baratoi fel arall i'w ddefnyddio cyn y gellir ei biblinellu i warws data i lawr yr afon neu raglen AI. Wrth i ddata drosglwyddo'r ffabrig data cymhleth hwn, mae setiau data yn aml yn cael eu trawsnewid yn aml-foddol o bosibl o ffeiliau a thablau mewn un fformat i fectorau mynegai mewn fformat arall, ond rhaid cynnal rheolaethau llywodraethu a chydymffurfiaeth data o hyd.
Mae Cadeirydd Gweithredol Solix, John Ottman, yn archwilio heriau a chyfleoedd menter AI yn yr adolygiad datrysiadau ymarferol hwn.
Lawrlwythwch y papur gwyn hwn nawr
Am y Awdur:
John Ottman mae ganddo dros 30 mlynedd o brofiad gyda chymwysiadau menter a seilwaith cwmwl. Ef ar hyn o bryd yw'r Cadeirydd Gweithredol o Solix Technologies, Inc. a Chyd-sylfaenydd a Chadeirydd Minds Inc.
