为什么人工智能不应该修复您的数据管道

当微服务在云原生架构中发生故障时，断路器会触发，流量重新路由，Kubernetes会在几秒钟内启动替换Pod。在最终用户注意到一个信号之前，系统就会修复。 然而，在企业数据管道内，故障模式仍然出奇地脆弱。一个微妙的、未宣布的上游API更改将字段类型从integer更改为字符串;第三方供应商在午夜更新模式;或者RTL作业成功完成，同时悄然丢弃15%的有效负载。下游，高管仪表板显示不准确的收入指标、监管报告中断以及财务决策引擎根据损坏的输入采取行动。 在过去的几年里，该行业围绕“自我修复”团结起来 数据管道 “作为数据可靠性的圣杯。但随着企业数据足迹在多云环境中的扩展，以及随着组织部署做出实时运营决策的自主人工智能代理，简单的自我修复已经不够了。 为了支持下一代企业人工智能，我们必须从反应性自动化修复转向 自主数据治理和弹性基础设施 . 领导了主要银行机构、医疗保健网络和全国分销生态系统的多年企业数据转型-包括USAA、医疗保健服务公司（HCSC）、Blue Cross Blue Shield Kansas（BCBS KC）的复杂环境 和联合天然食品公司（UNICEF）--我观察到了一个共同的结构性挑战： 数据速度已经超过了传统治理。 当将遗留的本地数据仓库迁移到现代云平台（例如Snowflake、dbt和云原生湖泊）时，团队通常会复制遗留假设。他们建造更快的管道，但不会建造更智能的管道。 在大规模运营中--例如管理数百万银行客户的信用限额或优化数百个分销中心的供应链库存--数据故障很少出现

注：以上内容摘选自原始新闻，点击「访问原文」查看完整内容。