在2014年年中,有两位Gartner分析师曾经对数据湖概念日益加剧的炒作提出了批评。
"数据湖的根本问题是,它对信息的使用者做出了某些假设,"Gartner研究总监Nick Heudecker表示。
"它假设用户意识到或者了解获取数据的背景偏见,他们知道如何在没有先验知识的情况下整合并协调不同数据来源,他们知道数据集不完整的特性,不管数据结构是如何的。"
一年半之后,Garnter的担忧似乎并没有得到缓解。虽然有成功的项目,但也有失败的--关键成功因素似乎是对数据湖和数据仓库不同角色的深入理解。
Heudecker表示,数据湖通常被当作解决大数据挑战的一种方法,是提出数据新问题的好地方,"只要你有能力"。
"如果这是你想要做的,我就不那么关心数据湖的实施。不过,风险较高的情况是,如果你的目的是要在数据湖上重新实现数据仓库的服务水平协议(SLA)。"
Heudecker表示,数据湖通常是针对不同使用实例、并发性和多租户进行优化的。
"换言之,不要针对数据仓库使用数据湖。"
他说,两者都需要,这是完全合理的,因为两者都是还针对不同SLA、用户和技能进行优化的。
广义上说,数据湖是企业级平台,用于分析各种数据来源的原生数据格式,避免数据接受的成本和数据转换复杂性。因此这里所面临的挑战是:数据湖缺乏语意一致性和受监管的元数据,这需要有技能的用户承担大量分析的责任。
Heudecker表示,在理解方面逐渐成熟,但是数据湖的炒作依然猖獗。
该技术的成熟是很难做到的,因为实施数据湖的技术选择仍然在快速变化中。
"例如,Spark是一个流行的数据处理框架,平均每43天就会做一些新的发布,"Heudecker表示。
他说,数据湖项目的成功因素要归结于元数据管理、对技能的掌握、以及强制实施监管。
"我和很多构建数据湖的公司交流过,他们把很多数据放到数据湖里面,但没有发现任何结果。其他人不知道哪些数据集是不准确的,那些是高质量的。与IT的其他东西一样,是没有一个一劳永逸的方法的。"
数据湖是一个架构理念,而不是一个具体的实施方式,他说。
"与任何新理念、新技术一样,在成为一项人们理解的实践之前往往伴随着炒作,在这之后就是幻灭。"
"数据湖仍将反映的是使用它的数据科学家。"
"这个技术可能会改变和改善,也许会利用像GPU或者FPGA这样的东西,但总体目标是发现数据新的用途和新的机会,有可能会将这些洞察带入到生产中。"
好文章,需要你的鼓励
施耐德电气以“新质服务+产业向‘新’行”为主题,第六次参会,展示全新升级的“新质服务体系”,围绕创新驱动、生态协同和行业赋能三大核心领域,以全新升级的“新质服务体系”,助力中国产业向高端化、智能化、绿色化迈进。
香港中文大学联合上海AI实验室推出Dispider系统,首次实现AI视频"边看边聊"能力。通过创新的三分式架构设计,将感知、决策、反应功能独立分离,让AI能像人类一样在观看视频过程中进行实时交流,在StreamingBench测试中显著超越现有系统,为教育、娱乐、医疗、安防等领域的视频AI应用开启新可能。
甲骨文正在成为大规模基础设施供应商的可靠选择。该公司通过AI技术推动应用开发,构建GenAI模型并将智能代理集成到应用套件中。CEO萨弗拉·卡茨透露,公司剩余履约义务达4553亿美元,同比增长4.6倍,并预测OCI收入将从2026财年的180亿美元增长至2030财年的1440亿美元。甲骨文正积极布局AI推理市场,凭借其作为全球最大企业私有数据托管方的优势地位,有望在云计算领域实现重大突破。
Atla公司发布Selene Mini,这是一个仅有80亿参数的AI评估模型,却在11个基准测试中全面超越GPT-4o-mini。通过精心的数据筛选和创新训练策略,该模型不仅能准确评判文本质量,还能在医疗、金融等专业领域表现出色。研究团队将模型完全开源,为AI评估技术的普及和发展做出贡献。