没有准确的基础架构大数据是否有用

处理大量数据需要计算能力，存储能力、以及数据传输等能力。同时，还会遇到各种意想不到的瓶颈。

随着云平台的发展，计算能力变得更加便宜和易于使用，但云存储也在指数级增长，云计算的日常使用甚至本地服务器的维护都是一笔不小的开销。

这也就是本世纪关于数据的比较大的教训：有时候，对某些人而言像黄金一样的数据，于另一些人而言就是浪费整个存储空间的垃圾。

很多公司都是先花钱挖掘数据，然后再回过头来看哪些数据是真的有用的。费用却已经花掉了，但有没有用可不一定。

那如果我们在收集数据之前就优先确定数据是否有用，结果会怎么样呢?

不是所有数据都是有趣的数据

数据科学界有句话叫“无用输入再无效输出”。在实际应用中，有很多数据实际上是不可靠的，而且是需要下很大功夫清理才能被使用的。

通常，我们花费了大量精力、时间和金钱却只能在庞大的数据集中找到少量信息。根据Forrester的报告，企业内至少60%的数据仍未使用。

如果将这些未使用数据的存储成本投资在实际需要的数据的正确基础架构中，会怎么样呢?

数据越多越好吗?

“向AI投入尽可能多的数据”的时代已经结束了。人们已经意识到，不是每一个数据特性都是有用的，有些甚至可能有害，数据的质量往往比数量更加重要。

我们更希望数据能够以可靠、一致的方式来呈现我们关心的事情。通过了解数据的质量，也会更好地将我们领入一个可解释的、负责任的和安全的关于AI的研究探索阶段。

（编辑：泉州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!