有人说，数据是一种新的能源，形成了一种令人垂涎的资源，为企业决策提供动力。虽然，原始形式的数据并没有多大用处。它需要被提取、提炼和加工——其成分通过从源头到炼油厂再到最终消费者，输送到各种产品中。
数据处理的每一步都是需要一定的成本输出。使用不合适的分析工具分析数据本质上是一种资源浪费，随着数据集的增长，提取适当的、最有价值的信息输送到业务方，成为了一项更加繁重的任务。
鉴于这一挑战，一些再使用AI技术实现数据的自动化分析，这一过程称为机器人数据自动化或 RDA。
数据整理
企业数据集不仅在增长，在许多情况下它们还得实时处理。这些数据以多种格式体现，并分布在公司庞大的 IT 基础架构中，包括本地服务器、外部云和档案室。
它们需要收集、清理、验证、提取、元数据丰富——一系列广泛的步骤，只是为了让数据准备好用于其预期用途。每一步都可能是时间密集型的，任何一步的失败都可能导致无效的输出。
RDA机器人通过使用人工智能工具(如 IBM Watson、OpenAI、GPT-3或数百个其他机器人)，让业务流程更加智能化，自动化，减少人工的干预。
实际上，一台简单的机器将不同的功能拼凑在一起，在需要时调用更复杂的功能，形成一整套可实现业务需求的流程。如果执行得当，自动化可以帮助企业更快地实现信息的价值。
RDA 工具还可以帮助打破现有的数据处理范式，AIOps 供应商为客户提供有限的定制化工具集，用以客户的数据进行交互。这些工具集与其他工具的联系有限，用例范围更窄，数据格式输出更严格。
CloudFabrix、Snowflake 和 Dremio 等公司声称他们的 RDA 工具将客户从这些限制中解放出来，并提供其他优势，例如数据生成；数据完整性检查； AI 模型和机器学习 (ML) 模型；内联数据映射；以及数据屏蔽、编辑和加密。
RDA 工具的其他用例包括：
- 异常检测：从监控工具中提取数据，比较历史 CPU 使用数据，然后使用回归构建可以作为附件发送的模型
- 工单聚类：从公司的工单管理软件编译工单，将它们聚集在一起，然后将输出推送到新的数据集中，并进行可视化
- 变更检测：检查虚拟机 (VM) 并与当前状态进行比较，以系统及业务变更。
RDA 与 RPA
许多人都比较熟悉 RPA机器人。RPA一些概念与 RDA 有相似之处，两者都通过使用低代码机器人来简化常见任务。他们分歧的地方在于，RPA 在简化常见的用户任务和工作流程，而 RDA 直接针对数据方向。
尽管 RDA 和 RPA 都是使用简单的机器人来节省耗时、琐碎任务的时间。
RPA 的一个常见示例是以完成表单的机器人。机器人学习如何重复填写表格，直到 RPA 接受了有关填写表格的训练。这种类型的机器学习类似于手机如何根据用户的打字习惯，生成预测性文本建议。
一旦经过训练，机器人就根据用户的信息，自动完成表单，例如将表单提交给预期的目标。虽然从长远来看，这可以加快这一过程，但 RPA 系统可能需要几个月的时间来训练，然后才能发挥其优势。
RDA 的长期价值
将时间密集型任务自动化，并弹出人力完成更有价值的工作。这些系统（如 RDA 或 RPA）的成功取决于我们如何实施。
当然，这些工具需要经过业务训练，并与业务流程进行交互，但企业也有责任将新工具与其现有业务流程合并。人工智能驱动的工具和自动化软件仍处于起步阶段，我们仍在寻找新的服务领域，为其提供的服务方面仍在完善。
标签：分析,机器人,RPA,RDA,自动化,工具,数据 来源： https://blog.csdn.net/stone1290/article/details/123140486
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。