数据智能
什么是数据智能？
数据智能指企业级组织为了更深入地理解所收集、存储和利用的信息，从而改进产品和/或服务所使用的工具和方法。将 AI 和机器学习应用于存储的数据，您就能收获数据智能。
数据智能与数据分析
有些人可能会互换这两个术语，但是数据智能与数据分析之间存在明显差异。这两个术语都可用来指出于改进业务的目的而收集数据；然而，数据智能具体收集的是分散数据，并会借助 AI 查明过去的行为以及为何会发生这种行为；而数据分析是借助该类信息对未来可能发生的事情进行切实可行的预测。
数据智能的起源
数据智能起初是收集准确背景内容的一种方式，目的在于生成更准确和更精细的报告。但是，随着所收集数据量的日益庞大，对数据本身进行价值评定便显得十分必要。这个需求催生了取证方法，即，通过询问数据从哪来、何时收集以及为何要收集对数据资产进行资审。
商业价值和数据智能
10 年前，能够收集客户数据并据此获得业务洞见的企业就会成为实力最强的企业。然而，商业价值的新定义正逐渐倾斜为整个组织的数据认知、数据治理即文化模型，以及对数据湖拥有组织化理解，所有这些都是为了能够普及利用元数据驱动型洞见。
数据智能如何发挥作用？
商业智能是组织信息并以易于理解、切实可行的情景式方式将其予以呈现的一个过程，而数据智能侧重的是数据分析本身。智能专家关注的是理解存储的数据、发掘另类解读、解决问题以及识别可改善决策的趋势。
组织使用人工智能和机器学习工具来分析海量数据。若是采用手动方式进行分析，其势必会耗费大量时间、招致高昂成本。此外，AI 和机器学习能够以数据清洁的方式协助存储和组织（也称为详细检索）数据，让大型数据集也能够轻装上阵。
收集数据的来源多样，企业希望能引入和集成前述数据，进而作出明智且有效的业务决策。为应对诸如此类的高数据量场景，企业会使用数据架构。数据架构会从不同来源引入内容并自动执行内容组织流程，从而打造出统一的可存取数据层，服务更多用户。数据架构的运作方式类似织布机，将多种多样的不同线程编织成单一可用材料。
数据智能和数据架构
数据架构能够提供几个关键优势：
- 全面认识全部数据，不论位置或类型为何
- 能够从多个来源引入、编排和转换数据，将它们显示在实时集成仪表板上，执行高级分析并获得切实可行的洞见
- 以数据民主化服务所有用户，同时保持合规性及保护数据，利用适用于企业上下的策略来定义访问控制和加密
数据架构会将不同数据类型整合为一个逻辑数据存储区。其之后会清理数据，提供对数据湖、仓库、多个云、边缘和内部部署数据中心内数据的访问权。将数据集中存储，有益于创建可兼顾安全性、高可用性、数据保护和多租户的全局策略，且只需创建一次，就可将其应用到分散在全球各地的数千个群集。如此就不必反复访问，也不必再为各应用和地理区域的这些功能逐一制定策略。
HPE 与数据智能
HPE 一直活跃于数据智能产品/服务创新的一线，推出涵盖存储、网络、服务器和虚拟机监控程序的全面产品组合，提供的专业知识以及节省的成本可让组织在数据驱动的市场中保持竞争优势。我们将几十年的思想领导力以及对市场的深厚理解浓缩到由 AI/ML 驱动的智能基础设施和策略的设计之中，为的是在客户推进其数据现代化方案时为其提供支持。
如何大步跃进以更新和升级数据智能？ 对于寻求弥合数字化愿景和现实差距的企业来说，HPE Pointnext Services 可供其用于加速推进数字化转型。HPE Pointnext 能够提供战略性协助、运维支持和价值无法衡量的培训，因此可作为值得信赖的向导，引导有意通过自动化、优化和扩展其 IT 和云运维实现转型的组织成长为快速、敏捷的现代化组织。
HPE Ezmeral Data Fabric 能够简化数据管理架构和工作流程。其会使用自动化策略来管理整个数据生命周期，包括原始数据掩码，以及无需修改应用就能够处理、分享和存储数据。借助可无缝扩大及缩小规模的单一系统，IT 得以缩短用时、减少工作量，即，不再需要预先定义存储容量，也无需在这些容量饱和时手动干预。
对于经过精简以及完成更新改造的企业来说，管理基础设施的过程很有挑战性。HPE InfoSight 可利用基于云的机器学习的强大功能促进全局智能，同时跨服务器、存储和虚拟化资源获取基础设施方面的见解。该平台可预测及预防整个基础设施堆栈中的问题，同时制定可优化应用性能与资源规划的决策，从而大幅简化 IT 运维。