掌握和处理大量数据对于IT部门来说是一个挑战。以下是人工智能(AI)和机器学习如何帮助人们分类、组织和汇总大量信息的方法。

根据三星公司的调查，2016年全球互联网流量超过了1ZB，即10亿兆字节。这个数字是巨大的，但这个数据量与全球各企业正在存储的全部数据相比还相差甚远。

更重要的是，在大多数公司中，数据处在“管理之下”的这个用词有些不当。

数据管理挑战的关键领域是：

IT部门在这些领域进行艰苦努力的原因如下：

现在的问题是：机器学习、人工智能(AI)和分析学是否能在数据管理方面提供帮助，特别是对于大量非结构化数据?

以下是机器学习，人工智能和分析可以在以下几个方面提供帮助：

(1) 暗数据排序

每个企业系统和每个业务部门都有一些积累的数据，但是人们对此一无所知。通过使用机器学习并结合其功能与算法，可以解决如何排序和处理存储在服务器上的不同类型的电子邮件，文档，图像等文件，机器学习，人工智能(AI)和分析可以对这个未发布的数据进行处理机器学习回归问题，而经验丰富，知识渊博的工作人员可以查看和回顾自动化推荐的数据分类方案，调整并执行方案。该过程的一部分还可以解决数据保留问题，其分析将产生一组可能从文件中清除数据的建议。

(2) 决定丢弃哪些数据

机器学习，分析和人工智能(AI)可以客观地识别那些很少使用或从未使用过的数据，并建议工作人员将其丢弃，但它并不具备与工作人员相同的识别能力。例如，这些进程可以选择未访问五年以上的数据或记录，表明数据可能已过时。这样可以节省员工的时间来查找这个潜在的过时数据，因为现在他们需要做的只是确定是否有任何理由保留它。

(3) 汇总数据

当分析开发人员确定需要聚合查询的数据类型时，他们常常为应用程序生成一个存储库，然后从不同的源中提取各种类型的数据，以形成一个分析数据池。要做到这一点，他们必须开发集成方法来访问不同的数据源。机器学习可以通过自动开发数据源和应用程序的数据存储库之间的“映射”，使这种人工过程更加高效。这减少了集成和聚合时间。

(4) 组织数据存储以获得最佳访问

在过去的五年中，由于低成本固态存储的发展，数据存储供应商已经在自动化存储管理方面取得了重大进展。这些技术进步使IT部门能够使用“智能”存储引擎，使用

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！