从ETL到ELT，AI时代数据集成如何应对新挑战？ 作者 | Debra 编辑 | Natalie AI 前线导读：作为现代企业和组织机构的重要资源，信息是进行科学管理与决策分析的基础。虽然大多数企业花费大量资源构建联机事务处理 OLTP（on-line transaction processing）或联机分析处理 OLAP（On-Line Analytical Processing）、办公自动化系统等存储处理业务数据。然而，虽然增量巨大的数据蕴含巨大的商业价值，但并不是所有组织都能够做到数据的最大化利用，很多数据资源被浪费，更重要的是痛失做出决策的最佳契机。 更多优质内容请关注微信公众号“AI 前线”（ID：ai-front） 而 ETL 则是把数据转换为信息、知识的主要技术手段之一。通常越大量的数据、复杂的转换逻辑、目的端为较强运算能力的数据库，越偏向使用 ELT，以便运用目的端数据库的平行处理能力。在 AI 应用场景下，数据集成有哪些特点？随着 AI 应用场景越来越多，为什么我们需要从 ETL 转换到 ELT？又会遇到哪些问题和挑战？ 本周三晚上八点半，对大数据、机器学习等领域有深入的研究与实践的陈肃博士将与你分享“从 ETL 到 ELT——AI 时代数据集成的问题与解决方案”，通过自身丰富的经验教你避开他曾踩过的坑以及应该对哪些方面展开优化。陈肃博士拥有 5 项发明专利，现任职 DataPipeline CTO，先后就读于中国科技大学和中国科学院大学，获电子信息工程、法学双学士学位，软件理论博士学位。 直播详情： 时间：7 月 25 日（周三）20:30 地址：AI 前线社群 分享方式：文字直播 + 互动答疑 嘉宾介绍： 陈肃 DataPipeline CTO 先后就读于中国科技大学和中国科学院大学，获软件理论博士学位。曾就职于中国移动研究院，历任算法工程师和用户行为实验室技术负责人。在大数据、机器学习等领域有十余年的深入研究与实践经验，拥有 5 项发明专利。 演讲主题： 从 ETL 到 ELT——AI 时代数据集成的问题与解决方案 提纲 ： AI 应用场景下数据集成特点 从 ETL 到 ELT——问题与挑战 Kafka Connect 的架构与优势 踩过的坑与优化的点 总结和思考 报名方式： 按照下方海报说明，免费报名学习 更多干货内容，可关注 AI 前线（ID：ai-front），后台回复「AI」、「TF」、「大数据」可获得《AI 前线》系列 PDF 迷你书和技能图谱。 如果你喜欢这个社群公开课主题，记得给我留言和点赞哦！