大规模 AI 部署需要整合大量高质量数据以及来自不同分布式数据源的经过良好管理的数据。缺乏专门构建的数据基础设施往往是主要瓶颈，导致组织在数据获取、提取和转换方面花费的时间和精力与在 AI 模型开发方面花费的时间和精力一样多。
组织可以利用数据结构和 AI 之间的共生关系。一方面，数据结构将有价值的元数据与 AI/ML 功能和知识图谱相结合，以创建灵活、实时和自动化的数据集成和管理平台。这种方法的主要优势包括跨混合环境的增强数据集成、自动化数据工程、治理和安全以及所有用户的自助数 阿塞拜疆手机数据 据消费。
另一方面，数据结构还可以聚合来自不同来源的高质量、准确数据，并提供全面、可信的数据集以供自助使用。结构架构还允许组织实施正确的数据访问和使用规则和策略，并在模型构建、部署、管理和监控期间建立防护措施。最后，数据结构通过基于预定义的治理规则促进对 AI 模型的自动监控和控制，从而实现值得信赖的 AI。
数据结构与数据网格一起代表了数据仓库或数据湖等更传统的以数据库为中心的模型的进化。然而，它并非旨在取代传统系统，而是通过增强数据资产（如仓库、数据湖、目录等）的 效用来增强现有的数据基础设施投资。
阅读我们的数据管理系列第 1 部分：从 FAIR 原则到生命科学领域的整体数据管理
阅读我们的数据管理系列第 2 部分：为可扩展的 AI 创建统一的数据 + 信息架构。