随着各组织开始监测其独特的复苏过程，并了解全球卫生危机后经济格局的变化动态，许多组织都面临着一个现实，尽管这是令人畏惧的，即它们的业务没有能力在大规模中断的情况下调整业务。在一份新的IDC信息简报中，一项调查显示，87%的CXO优先考虑在未来五年内成为一家更智能的企业。他们打算怎么做？答案很简单：数据计划。在当今的经济环境中，组织开始将数据视为"新水"，这意味着数据不仅是一种宝贵的资产，而且是生存的基本要素。这种思维方式对于考虑实施数据科学平台以帮助简化和加速这些数据工作的数据领导者来说至关重要。然而，作为这一过程的一部分，如果总拥有成本（TCO）和总体价值与其更大的业务目标和财务状况相一致，组织就不再有机会逐步扣除。为了成功地使用数据，它必须——而且必须以一种定义明确、明显降低TCO的方式来完成。在下一节中，我们将给出几个例子来说明如何做到这一点。企业人工智能的资本化与重用定期维护和监控人工智能项目是一项不容忽视的任务（至少不能没有财务影响）。因为数据是不断变化的，模型可能会随着时间推移而漂移，导致它们变得不那么有效，服务器租用，或者更糟的是，对业务产生负面影响。此外，公司承担的用例越多，维护就越难得到妥善解决，更不用说所涉及的成本不断上升。为了降低与数据到见解过程（从数据准备到模型维护）各个步骤相关的成本，团队可以利用重用和资本化。重用是指在人工智能项目中避免返工的概念，例如确保来自不同业务部门的两名数据科学家不会在一个项目中重复他们都参与的工作。资本化使重用更进一步，以确保初始人工智能项目所产生的成本在其他项目之间分摊。通过下面的例子可以看到重用和资本化的概念。如果一个公司正在开发四个主要用例来启动人工智能的工作，数据分析方法，组织也可以通过重用四个主要用例中的不同部分来处理其他较小的用例，从而消除了从数据清理和准备、操作、监控等方面从头开始的需要。作为一个额外的好处，这种方法还可以帮助团队发现隐藏的用例，这些用例可以带来比最初预期更多的价值，从而打开潜在利润或成本节约的新口袋。如何有效地从白纸黑字中学习如何将人工智能从白纸黑字中有效地转移出去。在我们给出Dataiku在优化数据科学平台的总体拥有成本（TCO）方面有何用处的具体例子之前，请记住，每个组织都处于实现这种超越团队、流程和技术的组织化、数据驱动文化的不同阶段。一些组织可能已经具备了基本的用例，允许业务优化成本并加快其执行关键业务功能的能力，而其他组织则可能不具备这种能力。使用Dataiku降低数据科学平台的总体拥有成本当组织需要一个科学的学习平台来确定其价值时，组织需要将其视为最佳的。首先，比较苹果和苹果是很重要的。从能力角度来看，这些解决方案是否具有可比性？下一步，每个平台所涉及的成本都应该被适当地界定。应该包括哪些内容？平台将影响哪些现有成本？哪些成本将保持不变？最后，运行不同的客户场景，云服务器 免费，考虑团队规模、数据需求和不同分析项目的复杂性级别。以下是我们如何相信Dataiku可以大幅降低数据科学计划的总体拥有成本的非详尽综述。端到端平台：1支持数据准备和AutoML，消除了单独的数据准备和AutoML产品的许可、启用和集成成本2完全基于服务器，消除了基于桌面的产品的维护成本三。支持Spark群集的管理，消除了为Spark管理解决方案付费的开销4提供了一个强大的操作框架，消除了构建一个完全成熟的基于代码的CI/CD框架的需要（在现有解决方案的基础上）5提供了清晰的升级路径，淘客返利app，无需在将来转换平台或进行迁移6通过提供一个真正全面的平台，最大限度地减少工具的总体数量，避免了为ETL、模型构建、操作化等而拼凑多个工具的需要7通过资本化促进重用，允许组织在其他项目之间共享最初的人工智能项目所产生的成本，可以说，一个项目的价格产生了多个用例8是面向未来和技术相关的，帮助团队在面临可能阻碍增长的有限基础架构选项时避免显著的升级成本或锁定Dataiku以灵活、协作和可管理的方式管理团队的整个数据科学管道。如果组织现在开始重新评估每个案例的投资回报率（ROI），那么他们就开始重新评估每个案例的价值。通过找到提高效率和优化成本的方法，组织将能够利用数据科学和人工智能作为成为一个更智能组织的门户。

，云市场