기계 학습을 통한 신속한 데이터 마스터 접근 방식

Post by:admin

2018.04.20 10:54

마스터 데이터 관리에 대한 전통적인 접근은 수십년 전부터 존재했습니다.

그러나 데이터의 양이 증가하고, 분석의 잠재적 가치가 폭발적으로 성장함에 따라, 분석 분야에서 경쟁을 추구하는 기업들은 분석을 위해 사용할 수 있는 데이터 소스가 늘어남에 따라 마스터 데이터를 양적으로 늘리기 위해 분투하고 있습니다.

이러한 데이터를 규모에 맞게 통합하기 위한 데이터 엔지니어링 파이프 라인을 구축하는 것이 그 어느 때보다 중요하고 어렵습니다. 어떻게 기계 학습을 활용하는 민첩한 접근 방식이 통합 프로젝트에 필요한 시간을 90%단축하는 동시에 다른 접근 방식보다 더 많은 소스로 확장할 수 있는지 알아보십시오.

위 비디오는 Tamr의 기술 영업 리더 Mark Marinelli가 최근에 발표한 웹 세미나에서 선정한 "최고의 "10분 분량의 비디오입니다.

데이터 통합의 이점은 잘 알려 져 있습니다. Gartner는 2019년까지 "다양한 컨텐츠 작성자에게 신속한 변화를 위한 내부 및 외부 데이터 셋을 제공하는 조직은 그렇지 않은 조직보다 2배의 비즈니스 이점을 실현할 것"이라고 예측합니다. 엔터프라이즈 데이터의 규모를 고려할 때 자동화는 민첩성과 확장성의 핵심입니다. 또한 자동화는 신속하고 정확한 결과를 얻을 수 있도록 인적 관리를 통해서만 달성될 수 있습니다.

아래 링크에서 정보 관리 연구소 (Information Management Institute)와 Tamr가 함께한 전체 웹 세미나를 보실 수 있습니다.

전체 영상 보러가기

이 게시물을