Det gamle ordtaket «søppel inn, søppel ut» har aldri gått av moten. Den rasende appetitten på data fra analyse- og maskinlæringsmodeller har økt hastigheten for å få dataene riktige. Disiplinen til DataOps har dukket opp som et svar på behovet for at både forretningsanalytikere og datavitenskapere har tillit til dataene som befolker modellene og instrumentbordene.
Innsatsen for å få data riktig stiger etter hvert som dataingeniører, og dataforskere bygger utallige datarørledninger for å fylle ut modellene sine. Vi har lenge bekymret oss for AI og ML -modelldrift, men kan det samme være mulig med datakilder som degraderer eller blir gamle? Eller med datarørledninger der operasjoner gradvis går av kurs på grunn av driftsproblemer som uventet ventetid som kan forstyrre og kaste påliteligheten til datafiltrering eller transformasjoner.
Relaterte emner:
Cloud Digital Transformation Robotics Internet of Things Innovation Enterprise Software 