datakrävande

Datakrävande är ett svenskt adjektiv som beskriver något som kräver en stor mängd data för att fungera väl. Begreppet används främst inom informationsteknik, dataforskning och digital infrastruktur för att karakterisera programvara, system eller uppgifter som kräver omfattande datainsamling, lagring och bearbetning.

Termen är särskilt vanlig i sammanhang med maskininlärning och artificiell intelligens, där större tränings- och testmängder ofta förbättrar prestanda. Den förekommer också i realtidsanalys, sensornätverk och bild- eller ljudbearbetning.

Datakrävande lösningar ställer krav på nätverkskapacitet, lagring, datakvalitet och datasäkerhet. Hanteringen av stora datamängder kan påverka kostnader, latens och skalbarhet, och risker kopplade till integritet och bias måste beaktas.

Olika strategier används för att hantera datakravet, bland annat dataförbehandling och kvalitetskontroll, sampling och komprimering, samt kantberäkningar (edge computing) och streaming av data. I vissa fall används inlärning på enheter eller federerad inlärning för att minska behovet av central dataupphämtning.

Vanliga tillämpningar finns inom autonom körning, klimatmodellering, genomik och stora medie- eller finanssystem där mängden data är en central begränsning.