我们这里谈论的是大量数据这些数据从何而来？云又如何融入其中
Posted: Mon Feb 10, 2025 4:59 am
在我早期的云和数据分析工作中，我们分析的大多数数据都是按行和列进行结构的。如今，超过 80% 的数据都是非结构化的。Risk Insights 使用云和人工智能将结构化和非结构化数据结合起来，以获得新的见解。
我们从许多来源获取数据。当然，还有 The Weather Company 的数据。
但我们也从社交媒体、国家气象局、全球灾害警报和协调系统以及其他警报服务中提取数据。跟踪社交媒体（包括推文）让我们深入了解这些事件造成的损失、疏散和相关后果。我们还跟踪社会和劳工骚乱以及火山、地震和工厂火灾。
我们的应用程序编程接口 (API) 从这些来源和其他来源提取数据，以分析当前事件并预测未来事件。当我们监控全球 13,000 多个地点的影响时，人工智能便可以发挥作用。
云端将所有来源拉入 IBM 的认知企业数据平台，所有结构化和非结构化数据都在此积累和存储。结果是基于地图的视觉显示，并带有注释，可用于减轻受影响位置的风险。
NextGen Supply Chain：听起来，对于任何人来说，这都是大量的数据。您如何让这些数据易于管理？
沃德：首先，这仅供 IBM 内部使用。管理人员可以识别他们想要跟踪的事件和位置。系统会定 委内瑞拉电子邮件列表 制他们的信息，并实时通知他们可能影响其供应链的事件。
NextGen 供应链：您能向我们详细介绍一下这里的人工智能角度吗？
沃德：我们开始使用 Watson AI（我们称之为增强智能）来将当前事件与过去事件的概况进行比较。在此过程中，IBM 从国际灾难数据库购买了记录，该数据库涵盖了自 1900 年以来全球发生的 21,000 多起事件。每个事件的概况都包括其属性以及对受影响地区和人员的影响，包括死亡和经济损失。
我们的目标是利用 Watson 获取这些信息，并根据当前事件概况以及当前人口密度和基础设施等人口统计数据进行分析。IBM 最近宣布了一项灾难恢复代码征集计划，旨在让全球开发人员利用这些新技术造福灾民。
这一切都是关于使用云将结构化和非结构化数据与机器学习结合起来，以预测天气和自然灾害对我们供应链的影响。如果这还不够酷，我不知道还有什么才是酷。
我们从许多来源获取数据。当然，还有 The Weather Company 的数据。
但我们也从社交媒体、国家气象局、全球灾害警报和协调系统以及其他警报服务中提取数据。跟踪社交媒体（包括推文）让我们深入了解这些事件造成的损失、疏散和相关后果。我们还跟踪社会和劳工骚乱以及火山、地震和工厂火灾。
我们的应用程序编程接口 (API) 从这些来源和其他来源提取数据，以分析当前事件并预测未来事件。当我们监控全球 13,000 多个地点的影响时，人工智能便可以发挥作用。
云端将所有来源拉入 IBM 的认知企业数据平台，所有结构化和非结构化数据都在此积累和存储。结果是基于地图的视觉显示，并带有注释，可用于减轻受影响位置的风险。
NextGen Supply Chain：听起来，对于任何人来说，这都是大量的数据。您如何让这些数据易于管理？
沃德：首先，这仅供 IBM 内部使用。管理人员可以识别他们想要跟踪的事件和位置。系统会定 委内瑞拉电子邮件列表 制他们的信息，并实时通知他们可能影响其供应链的事件。
NextGen 供应链：您能向我们详细介绍一下这里的人工智能角度吗？
沃德：我们开始使用 Watson AI（我们称之为增强智能）来将当前事件与过去事件的概况进行比较。在此过程中，IBM 从国际灾难数据库购买了记录，该数据库涵盖了自 1900 年以来全球发生的 21,000 多起事件。每个事件的概况都包括其属性以及对受影响地区和人员的影响，包括死亡和经济损失。
我们的目标是利用 Watson 获取这些信息，并根据当前事件概况以及当前人口密度和基础设施等人口统计数据进行分析。IBM 最近宣布了一项灾难恢复代码征集计划，旨在让全球开发人员利用这些新技术造福灾民。
这一切都是关于使用云将结构化和非结构化数据与机器学习结合起来，以预测天气和自然灾害对我们供应链的影响。如果这还不够酷，我不知道还有什么才是酷。