企业大模型数据治理你们更倾向哪些?并且可以说明选择倾向的理由?

大模型数据治理目前看主要有如下几种方式,大家可以谈谈自己企业倾向哪些模式,并且可以结合您的企业谈谈您选择这个倾向模式的理由。通过这个投票话题的交流,可以很好让同业结合企业自身情况,应该如何选择大模型数据治理模式,感谢!

投票选项【多选, 最多选 2 项】

  • 与原有数据湖/湖仓一体/数据仓库/大数据平台做对接并进行架构优化
    0%
  • 独立建设服务AI的数据平台
    0%
  • 建立数据管道,从各个数据源中提取数据,并进行清洗、转换和集成,最终将数据输送到AI数据平台
    0%
  • 数据共享模式,不同业务部门或数据所有者共享其数据资源,以供AI应用程序使用
    0%
  • 边缘计算模式,把AI设备部署在边缘设备附近,减少数据传输和延迟
    0%
  • 其它,请列举()
    0%
参与41

各方声音(1)

OttOtt项目经理科技部
立场:
1、有利于真正意义上建立企业级统一的数据平台,实现数据的统一管理:企业内部通常存在多种数据源和格式,在通过大数据平台、数据仓库完成整合后经过了行业已有应用的支持,数据质量和平台稳定性都经过了相对成熟的验证。通过对接现有平台,接入知识库、影像等数据,实现企业级的数...显示全部

1、有利于真正意义上建立企业级统一的数据平台,实现数据的统一管理:企业内部通常存在多种数据源和格式,在通过大数据平台、数据仓库完成整合后经过了行业已有应用的支持,数据质量和平台稳定性都经过了相对成熟的验证。通过对接现有平台,接入知识库、影像等数据,实现企业级的数据融合,为上层应用提供统一的数据服务,业务价值及管理价值更大。
2、保护现有投资,加强基础设施复用:企业往往已经在数据湖、数据仓库或大数据平台上有大量的投资。对接和优化现有架构可以充分利用这些基础设施,而不是推倒重来。并通过对接和优化,可以根据大模型的需求对现有数据架构进行架构优化,同时解决部分历史技术债。
3、减少人员技能学习成本及管理成本,提高应用成功率:基于使用现有的数据平台及管理。对接和优化可以减少培训成本,同时利用员工现有的技能,同时大模型团队能够跟专注于应用开发,避免从0-1完整搭建拉长项目周期。

收起
银行 · 2024-02-25
浏览284

发布者

wanggeng
系统运维工程师某银行
擅长领域: 服务器存储数据库

问题来自

相关问题

相关资料

相关文章

投票状态

  • 发布时间:2024-01-15
  • 关注会员:6 人
  • 投票浏览:2575
  • 最近讨论:2024-02-25
  • X社区推广