指数技术时代的数据治理

发布时间:2019.01.02来源:亿信华辰浏览量:485次标签:数据治理

新兴的数据需求和数据生成技术需要两种类型的数据治理:安全性,以及整体企业级治理的需求,而不是逐个孤岛的治理。

企业中出现了一个重要的新价值来源:与所谓的指数技术相关的数据,例如物联网(IoT),增强现实(AR),人工智能(AI)和机器人技术。

这些技术生成并消耗大量数据,通过适当的治理,这些数据可以成为新的和破坏性的客户参与模式,新产品和服务,新业务模型以及数字转换的基础。虽然每个领域都有自己独特的机遇和挑战,但有两个领域的数据治理对所有这些领域至关重要:安全性,以及对整体企业级治理的需求,而不是对孤立的治理。筒仓基础。

弥合信任差距

公司与客户和利益相关者之间的关系始终建立在相互信任的基础上,但最近很多公司都没有跟上交易的结束。像GDPR和新加利福尼亚州消费者隐私法案这样的法规是信任鸿沟的症状,这些信任是由无休止的数据泄露和超出客户意图或授权的数据使用造成的。 

要恢复信任,仅 基于法规遵从性的数据治理是不够的。公司必须成为真正的数据保管人,数据治理必须由客户和利益相关者的需求驱动。鉴于当今企业中复杂而分散的数据世界,这需要广泛的端到端战略。

整体观点

每个接触数据的人都熟悉数据碎片的强烈倾向。例如,理想采购的数据可能无法满足工厂车间的需求,更不用说仓储系统或零售店的需求,即使这些业务功能之间存在很大的相互依赖性。

指数技术也不例外,这种数据孤岛的趋势。这些技术的早期迭代可能更多地被视为试验或实验,因此从业务的其他部分集成和共享数据和元数据的优先级可能是最小的。但在架构层面,为这些技术提供支持的所有必要数据的集成和治理必须是核心设计原则,而不是事后的想法。否则,从实验走向现实的过程将大大延迟。

物联网

在物联网方面,数据治理挑战涉及所有“3 V - 容量,速度和变化。公司仍然在学习如何处理大数据,而物联网将大量数据量大大减少。此外,物联网产生流数据,这与传统的交易数据非常不同。如果公司要实时利用这些数据,他们将需要学习如何动态解析和处理流媒体事件,通常无法控制数据的来源或如何收集数据。能够实现这一目标的公司将能够为其客户提供引人注目的功能。例如,制造商监控的联网汽车可以在发生任何损坏之前通知驾驶员低油或传感器问题。

摄取,过滤和聚合所有这些数据需要仔细规划,而像传感器读数频率这样的“小”细节可以在成功中发挥重要作用。存储是另一个问题。目前批量捕获的方法在长期基础上是不可行的,因为任何公司存储的数据都太多了。最后,必须找到将这些数据与其他企业数据(包括驻留在遗留系统中的数据)集成的方法,以便从这些数据可以阐明的新见解中真正生成价值。

增强现实

增强现实依赖于两种类型的数据:位置数据(位置,方向)以及增加用户所看到的内容所需的文本和视觉相应资产。该领域的良好治理意味着立即使所需资产可用,这可能会影响存储选项。某些资产(例如与零售相关的资产)也需要定期更新,但AR可以提供的体验值得付出努力。例如,进入百货商店的顾客可以根据他们的购买历史被引导到特定的展示,一旦他们到达,他们就可以在装有AR的“魔镜”中看到自己穿着最新的时尚而不必亲自穿上衣服。



(部分内容来源网络,如有侵权请联系删除)
立即免费申请产品试用 预约演示
相关文章推荐
  • 数据治理运营:团队

    数据治理运营:团队

    这是关于数据治理运作的两部分系列的第二部分。“数据治理可操作性:差距”系列的第一部分讨论了需求是如何产生的,数据……查看详情

    发布时间:2018.12.27来源:亿信华辰浏览量:469次

  • 数据治理的发展历程

    数据治理的发展历程

    数据治理技术的发展使得其中最好的技术为组织的数据景观提供了完全的透明性,并为业务用户在搜索、访问和应用数据时提供了一种方便快捷的体验。……查看详情

    发布时间:2018.11.19来源:艾米丽华盛顿浏览量:547次

  • 8 项提高数据完整性的预防性措施

    8 项提高数据完整性的预防性措施

    仅使用一种方法几乎不可能将数据完整性风险降至最低,因此使用多种策略的组合是更好的选择。降低数据完整性风险的一些最有效方法包括8点。……查看详情

    发布时间:2021.07.07来源:亿信华辰数据治理知识库浏览量:970次

  • 数据与数据治理两个基本概念

    数据与数据治理两个基本概念

    数据治理这项基础数据能力的重要性越来越多突出。2017年4月22日,中国数据标准化及治理奖实践奖的现场评审在清华大学成功举行。……查看详情

    发布时间:2018.11.30来源:御数坊浏览量:485次

  • 数据治理的数据架构:主动方法

    数据治理的数据架构:主动方法

    “数据架构是业务战略的物理实现,” 全球数据战略有限公司 EMEA首席顾问Nigel Turner在DATAVERSITY® 企业数据治……查看详情

    发布时间:2019.01.17来源:数据治理浏览量:472次

  • 数据治理管理干货 | 数据质量管理的方法

    数据治理管理干货 | 数据质量管理的方法

    原始数据通常包含错误,如果不做数据质量管理,可能会导致错误的结果。数据质量管理是数据治理中获得正确上下文和结论的基本步骤。……查看详情

    发布时间:2021.06.22来源:亿信数据治理知识库浏览量:572次

  • 解决方案中的简单性:迈向身份治理的步骤

    解决方案中的简单性:迈向身份治理的步骤

    面对颠覆性变革,只有在新设备和平台上线时才会加深,并且随着物联网投放更多数据,身份治理至关重要。企业现在通过自己的部署和合作伙伴关系来管……查看详情

    发布时间:2019.03.13来源:亿信华辰浏览量:411次

  • 2020年数据治理研究报告

    2020年数据治理研究报告

    2020年5月发布的《中共中央 国务院关于新时代加快完善社会主义市场经济体制的意见》中提出,要加快培育发展数据要素市场,建立数据资源清单……查看详情

    发布时间:2021.02.27来源:知乎浏览量:365次

  • 数据质量提升的必要性

    数据质量提升的必要性

    高质量的数据对管理决策,业务支撑都有极其重要的作用。有些项目在初期由于并没有考虑数据质量的因素,导致了项目实施后期才发现,由于数据质量问……查看详情

    发布时间:2022.02.18来源:小亿浏览量:992次

  • 数据科学的下一个「超能力」:模型可解释性

    数据科学的下一个「超能力」:模型可解释性

    很多人重视重视模型的预测能力,却忽略了模型可解释性的重要性,只知其然而不知其所以然。为什么说模型的可解释性这么重要呢?作者就 5 个方面……查看详情

    发布时间:2019.03.28来源:亿信华辰浏览量:441次

相关主题
您点击 “提交”,表明您已理解并同意接受本网站隐私政策和用户协议