重要说明:

IBM Cloud Pak® for Data 4.7 版本将于 2025 年 7 月 31 日结束支持(EOS)。 欲了解更多信息,请参阅 IBM Cloud Pak for Data 版本 4.X 的停止服务公告

在 IBM Cloud Pak for Data 4.7 版本支持结束之前,升级到 IBM Software Hub 5.1 版本。 更多信息,请参阅 IBM Software Hub 版本 5.1 文档中的升级 IBM Software Hub。

数据光纤网用例

在 Cloud Pak for Data上实施数据光纤网解决方案时,可以解决数据访问,数据质量,数据监管以及管理数据和 AI 生命周期的挑战。

Cloud Pak for Data 上的数据光纤网解决方案提供了以下主要功能,用于管理和自动化数据和 AI 生命周期:

数据访问
在现有数据体系结构中跨多个云和内部部署访问数据。
自助服务使用
在目录中共享和使用来自整个企业的数据和其他资产。
累积知识
通过公共业务词汇表了解数据。 通过历史记录,沿袭和质量分析来信任您的数据。
协同创新
与他人协作以发现洞察。 使用一组集成工具来准备数据,分析数据和构建模型,以实现所有级别的体验。
治理和合规
定义规则以强制实施数据隐私。 跟踪并记录 AI 模型的详细历史记录,以确保合规性。
统一生命周期
自动构建,测试,部署和监控数据管道和 AI 模型。

资产的价值

借助数据光纤网,您可以将数据转换为累积含义和价值的资产。 资产不仅仅是数据。 首次创建与数据源的连接时,您具有有关如何访问数据,表,模式和数据值的基本信息。 通过在称为 "项目" 的工作空间中虚拟化,变换或复制数据,可以在采集数据时开始添加值。

在整理数据时,将元数据添加到数据资产。 您可以对数据进行概要分析以对其进行分类,并编译有关值的统计信息。 使用描述组织的数据语义的业务词汇表来扩充资产。 分析数据质量。 您在整理期间添加的元数据被视为活动元数据,因为它是通过机器学习过程自动生成的。 在数据更改后重新运行整理时,将根据自动数据分析来更新元数据。

当用户在项目中使用资产时,他们会创建第三级含义,用于描述资产使用方式的历史记录以及资产之间的关系。 用户可以在笔记本或仪表板中分析数据,或者训练机器学习模型。

用户还可以向资产添加信息,例如,评级和复审,数据可视化,标记和其他关系。

下图显示了数据资产如何在数据光纤网中累积值。

显示数据资产如何累积值的图像

模型也是资产。 您可以跟踪模型的部署和输入数据,模型之间的比较,公司协议合规性以及其他性能指标。

用例

Cloud Pak for Data 提供了四个用例作为数据光纤网解决方案的一部分。 通过安装一个或多个提供功能部件和工具的服务来实现每个用例中表示的数据光纤网。 某些服务包含在多个用例中。

显示四个数据光纤网用例的图像

用例表示实现部分数据结构解决方案的方法,以便您的团队可以在构建其他部分时开始工作。 您可以从任何用例开始,根据需要添加其他用例:

  • 如果您具有更成熟的数据监管模型,请首先建立业务词汇表,如数据监管用例中所述。
  • 如果您希望更快实现价值,请从数据虚拟化或数据科学入手,如 "数据集成" 和 "数据科学和 MLOps" 用例中所述。
  • 如果需要确保模型符合组织的目标和法规,请开始跟踪模型,如 AI 监管用例中所述。

浏览每个用例以了解可以完成的任务以及可以使用的工具。

数据监管

基于提供业务知识和定义数据保护的元数据实施监管。 在自助服务目录中提供高质量的数据资产。 自动实施数据监管,实现合规性。

此用例的服务: Watson Knowledge Catalog 和 IBM Match 360 with Watson。

请参阅 数据监管用例 (Data Governance use case)

数据集成

简化并自动访问所有数据,而无需移动数据。 在分布式环境中编排数据,为数据使用者创建即时可用信息网络。

为本用例提供的服务: Watson Query, DataStage, 和 Watson Knowledge Catalog。

请参阅 数据集成用例 (Data integration use case)

数据科学和 MLOps

通过自动化工作流程将数据分析和模型创建操作化,该工作流程可准备数据,构建,部署,监视和重新训练模型。

此用例的服务: Watson Studio, Watson Machine Learning, Watson OpenScale, Watson Knowledge Catalog, IBM Watson Pipelines和 AI Factsheets。

请参阅 Data Science and MLOps 用例

AI 治理

通过在模型中实施公平性,质量和可解释性的自动化工作流程,实施 AI 治理。

此用例的服务: Watson Studio, Watson Machine Learning, Watson OpenScale, Watson Knowledge Catalog, IBM Watson Pipelines和 AI Factsheets。

请参阅 AI 监管用例 (AI Governance use case)

了解更多

父主题: 用例