머신 러닝 기반의 엔터프라이즈 데이터 통합 솔루션


기계 학습을 통한 신속한 데이터 마스터 접근 방식


 

 

 

 

마스터 데이터 관리에 대한 전통적인 접근은 수십년 전부터 존재했습니다

 

그러나 데이터의 양이 증가하고, 분석의 잠재적 가치가 폭발적으로 성장함에 따라분석 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.  Gartner 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)Tamr가 함께한 전체 웹 세미나를 보실 수 있습니다.

 

전체 영상 보러가기

 

 

 

 


댓글 (0)

파일 첨부

여기에 파일을 끌어 놓거나 파일 첨부 버튼을 클릭하세요.

파일 크기 제한 : 0MB (허용 확장자 : *.*)

0개 첨부 됨 ( / )
 

DataOps: A Unique Moment in Time for Next Generation Data Engineering

Judging from the engagement on my latest post from across the spectrum of business leaders, data engineers, data scientists and thought leaders, DataOps is clearly picking up steam. There were too many...

An Agile Approach to Data Mastering With Machine Learning

Traditional approaches to master data management have been around for decades. As the volume of data has grown, and potential value of analytics has exploded, enterprises seeking to compete on analyti...

기계 학습을 통한 신속한 데이터 마스터 접근 방식

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 ...