2025數(shù)據(jù)與人工智能雷達：10挑戰(zhàn)掌握您的數(shù)據(jù)2025年的AI轉(zhuǎn)型

2025數(shù)據(jù)與人工智能雷達10挑戰(zhàn)掌握您的數(shù)據(jù)2025年的AI轉(zhuǎn)型摘要第一章人工智能的崛起：是時候擴大規(guī)模并實現(xiàn)治理工業(yè)化了。 4工業(yè)化人工智能大規(guī)模通用人工智能：超越試點，實現(xiàn)機遇5AI73.AI94./AI同化，以加速創(chuàng)新并為未來做準備12第二章解鎖數(shù)據(jù)的全部潛力。 135.一個聯(lián)邦組織，用于統(tǒng)一數(shù)據(jù)相關(guān)的角色、標準和14個實踐6.盡可能民主化數(shù)據(jù)的使用，讓盡可能多的人使用數(shù)據(jù)177.數(shù)據(jù)講述，或使數(shù)據(jù)自我發(fā)聲的藝術(shù)20第三章數(shù)據(jù)治理和質(zhì)量仍然是關(guān)鍵關(guān)注點。 218.2224第9點：非結(jié)構(gòu)化數(shù)據(jù)的治理：組織面臨的一個日益增長的問題第10點：系統(tǒng)化測量數(shù)據(jù)產(chǎn)生的價值25...以及接下來是什么？通過做好準備工作來迎接未來 27以人為本的轉(zhuǎn)型 2數(shù)據(jù)與人工智能：2025年我們預(yù)期會看到什么？2024年對首席數(shù)據(jù)官/人工智能領(lǐng)導(dǎo)者來說是一個充滿挑戰(zhàn)的一年。其中現(xiàn)在也擔(dān)任首席數(shù)據(jù)與人工智能官，以及他們的團隊。人工智能，尤其是生成式人工智能的興起，增加了執(zhí)行委員會（ExCom）對數(shù)據(jù)與人工智能領(lǐng)域的興趣，而不斷變化的法規(guī)使得首席數(shù)據(jù)官面臨解決多個挑戰(zhàn)的壓力。他們必須在應(yīng)對這些新興優(yōu)先事項的同時，出色地完成其傳統(tǒng)角色：確保公司最大限度地發(fā)揮其數(shù)據(jù)資產(chǎn)的價值，以增強業(yè)績、決策力和競爭力。為了幫助您制定到2025年（及以后）的戰(zhàn)略和路線圖，Wavestone已分析了塑造首席數(shù)據(jù)官日常職責(zé)的主要趨勢以及他們在未來幾年將面臨的核心挑戰(zhàn)。WavestoneCDOs/AI大熱點話題3人工智能的興起：時間進行擴大規(guī)模并且工業(yè)化治理4工業(yè)化人工智能盡管人工智能在以下方面有所上升：商業(yè)世界，大約85%的AI項目仍然失敗。達到生產(chǎn)階段。此數(shù)值略有降低但是仍然相對較高，并且只有最成熟的組織才能管理將其大幅降低。為了將人工智能項目全面推向生產(chǎn)并整合到業(yè)務(wù)流程的核心，公司正在重新思考它們的運營模式。挑戰(zhàn)雙方面：→定義一個組織角色和職責(zé)，提供在整個產(chǎn)品生命周期中自主交付產(chǎn)品所需的所有技能；

第二個挑戰(zhàn)在于配送實踐機器學(xué)習(xí)模型僅僅不足以實現(xiàn)價值；它需要為在生產(chǎn)環(huán)境中的部署而設(shè)計。過于常見的是，模型創(chuàng)建與部署分離，專為實驗設(shè)計。沒有設(shè)計權(quán)限，沒有開發(fā)框架，沒有自動化任務(wù)，沒有版本控制。朝著人工智能工業(yè)化發(fā)展意味著部署部分自動化模型和基礎(chǔ)設(shè)施管理實踐，這些實踐是為生產(chǎn)使用而設(shè)計的。機器學(xué)習(xí)運維（MachineLearningOperations）在解決這些問題?！x 實踐 確保正人工智能的實施，從設(shè)計到維護在操作條件下的狀態(tài)。截至目前，第一個挑戰(zhàn)主要在于通過建立措施來解決人工智能工廠型組織。這些具體針對每個組織，但我們可以概述一個處于前沿的AI工廠的3個主要功能：第一目標是 地址 數(shù)據(jù)/人工智生態(tài)系統(tǒng)，與出版商建立關(guān)系從其中獲得最大價值市場提供的機會；→第二個是要交付應(yīng)用案例，既可用于實驗也可用于產(chǎn)業(yè)化。第三項目旨在 引導(dǎo)該工廠的活動，上下游（管理業(yè)務(wù)需求，推動針對新用例的提案并且下游（促進采用、推動）推動變革及促進人工智能及其潛力在組織內(nèi)）。2025年的通用AI工廠的先進示意圖MLOps：管理生產(chǎn)中AI模型的關(guān)鍵繼DevOps之后，MLOps是一系列旨在統(tǒng)一開發(fā)活動（Dev）和運營（Ops）管理人工智能模型，從開發(fā)到監(jiān)控，經(jīng)過驗收和部署。盡管某些團隊現(xiàn)在在初始模型生產(chǎn)方面越來越熟練，但接下來要解決的挑戰(zhàn)將是高級的、自動的性能監(jiān)控、漂移檢測以及對連續(xù)重訓(xùn)練的編排，以保持模型的相關(guān)性。

數(shù)據(jù)科學(xué)家面臨的挑戰(zhàn)不再是局限于模型開發(fā)，而是要掌握機器學(xué)習(xí)工程技能，以確保這些實踐的實施。對于組織而言，挑戰(zhàn)在于在整個組織中定義一個連貫、共享的框架，當(dāng)然這基于市場共享的最佳實踐，并推動變革以確保其實施。模型規(guī)?；腉enAI：從試點項目（PoC）向利用生成式AI帶來的機遇2024年見證了通用人工智能（GenAI）的興起。我們的研究顯示，2024年5月時，74%的組織已經(jīng)開始實施通用人工智能的工作。生成式AI的PoC自2023年以來已經(jīng)啟動，并取得了進展。導(dǎo)致令人信服的結(jié)果。然而，我們注意到許多公司仍然停留在PoC尚未能夠進入工業(yè)化階段。一些項目在啟動后超過一年仍處于PoC生成式AI讓決策者對PoC（ProofofConcept，概念驗證）產(chǎn)生恐懼了避免這種情況，我們建議：→定義組織內(nèi)部所有試點項目（PoCs）的簡單規(guī)則。例如，試點項目必須時間與預(yù)算有限，經(jīng)歷初步仲裁在第一個里程碑結(jié)束時進行，如果初步結(jié)果令人信服，則有可能再延長一次。如果預(yù)期結(jié)果需要很長時間才能證明，那么項目可能不得不終止，并將重點轉(zhuǎn)移到其他用例上；

能力等）。例如，我們?nèi)绾未_保能夠充分利用市場上一種提供改進性能的新模型，而無需重建一切？更糟糕的是，一些公司出于一種責(zé)任感，落后于競爭對手，迅速地與某些科技巨頭建立了合作伙伴關(guān)系以安撫決策者。這些選擇有時導(dǎo)致了供應(yīng)商鎖定發(fā)現(xiàn)自己在創(chuàng)新能力、探索替代方案以及針對特定用例優(yōu)化方向的能力受到限制。除了靈活性，長期來看，財務(wù)等式也可能惡化?！芾硪粋€單一的GenAIPoC組合（即使交付是分散的），并集體裁決哪些PoC值得從交付過渡到規(guī)?；ㄕ故镜膬r值、最優(yōu)的投資回報率等）。這些必須限制在數(shù)量上，并且必須是一個集體努力。被要求交付這些項目盡可能有效地。一項需謹慎思考的技術(shù)戰(zhàn)略

公司已經(jīng)對其中長期策略進行了深思熟慮，因此他們已經(jīng)將追求穩(wěn)健和技術(shù)多元化納入了自己的掌控之中。例如，許多人正在建設(shè)。模型無關(guān)的人工智能(GenAI)平臺并且架構(gòu)這樣的平臺使得托管、訓(xùn)練和監(jiān)控各種大型語言模型成為可能，確保了每個場景最適合的LLM能夠被用來獲得最佳價值。靈活性得到了保證，適應(yīng)性以及容納新發(fā)布模型的能力也同樣如此。它很誘人，想要快速行動以利用通用人工智能并迅速獲得競爭優(yōu)勢。一些公司已經(jīng)將數(shù)據(jù)科學(xué)家的鑰匙交給了家，以促進創(chuàng)新和價值實現(xiàn)的時間。然而，這種策略可能充滿風(fēng)險：使用案例在本地交付，被視為一個單一單元，相對缺乏靈活性和可擴展性。所有這些都在整個生成人工智能生態(tài)系統(tǒng)快速演變、創(chuàng)新層出不窮（新模型、新實體化以代理形式呈現(xiàn)人工智能代理是一種設(shè)計用于處理復(fù)雜問題、制定行動方案并使用一系列工具執(zhí)行這些方案的系統(tǒng)。與傳統(tǒng)計算機應(yīng)用不同，這些代理具有先進的推理、記憶和任務(wù)執(zhí)行能力。例如，這些代理可以解決復(fù)雜問題（例如，生成項目計劃、編寫代碼...），通過分析自己的輸出進行自我批評，使用現(xiàn)有工具和信息系統(tǒng)，甚至進行代理間的協(xié)作。

這些代理由幾個元素組成：核心代理人：中央整合要素所有處理功能。一種內(nèi)存模塊：下文和連續(xù)性。一組工具：外部資源和API，代理人可以使用它們來執(zhí)行特定任務(wù)。一個規(guī)劃模塊：分析問題并制定解決策略。8人工智能治理：解決所有潛在問題的復(fù)雜性增加人工智能的興起也促使決策者加強治理，把握所有涉及的問題。這些問題很多：風(fēng)險管理、合規(guī)性、主權(quán)、倫理、碳足跡，只是通過這一治理需要解決的一些問題。需要同時解決多個問題，以便確立實施人工智能的可持續(xù)方法。一個組織適應(yīng)了全面解決人工智能相關(guān)挑戰(zhàn)。組織已經(jīng)開始建立組織和角色來管理與人工智能相關(guān)的話題。它們都面臨著一項挑戰(zhàn)：在保持全球集中控制的同時，不過度抑制地方性倡議和創(chuàng)新業(yè)務(wù)線倡議，實現(xiàn)議組合的分散化”。為了實現(xiàn)這一點，我們需要：明確界定中央和地方各級之間的職責(zé)和權(quán)限；

不斷增長的信任人工智能需求。可信人工智能指代一種設(shè)計和部署的人工智能，旨在保證高度的透明度、安全性、公平性，并尊重人權(quán)和倫理價值觀。此意味著人工智能是在符合規(guī)范的情況下開發(fā)的。嚴格的標準以避免不可控制的偏差，保護用戶隱私，并確保在面對錯誤或網(wǎng)絡(luò)攻擊時的魯棒性?？尚诺娜斯ぶ悄芤彩强山忉尩模褂脩裟軌蚶斫馑绾我约盀楹巫龀瞿承Q策。最后，它包括負責(zé)任的治理，其中設(shè)計師和運營商對其影響承擔(dān)責(zé)任，同時整合控制和監(jiān)督機制以防止濫用或惡意使用。對于跨職能團隊（首席數(shù)據(jù)官、數(shù)據(jù)保護官、工廠等），定義每個成員的職責(zé)，并明確邊界和互動。

建立可信的人工智能需要涉及以下方面：實施多層次治理：AI固有主題，尤其是對人力資源、合作伙伴、客戶等方面的影響...；一個運營機構(gòu)，用于管理投資組合、突出地方倡議確保符合《人工智能法案》（見以下）。

各種參與者：→倫理與CSR團隊，以定義一項體現(xiàn)明確原則并與組織價值觀相符的人工智能政策；→工程師在開發(fā)模型時，為了提供可解釋和有文檔記錄的模型→人力資源團隊，以幫助建立培訓(xùn)模塊，以便團隊?wèi)?yīng)用這些指令；→企業(yè)及數(shù)據(jù)科學(xué)家，用于分析偏差并監(jiān)控結(jié)果；→CISO和DPO，為保證安全，測試漏洞并執(zhí)行控制措施；→首席數(shù)據(jù)與人工智能官，以引導(dǎo)整體方法?！度斯ぶ悄芊ò福簽槟慕M織開始合規(guī)準備工作》《人工智能法案》于2024年8月頒布并生效。該法案旨在確保在歐洲聯(lián)盟內(nèi)銷售的人工智能系統(tǒng)和模型得到道德、安全的使用，并且以尊重歐盟基本權(quán)利的方式進行。《AI法案》因此創(chuàng)造了適用于正在商業(yè)化和市場推廣的人工智能系統(tǒng)和模型的法規(guī)。研究無商業(yè)目的的活動不受影響的包括：所有在歐盟設(shè)有總部或在歐盟外設(shè)有總部但在歐盟內(nèi)銷售其人工智能系統(tǒng)和模型的供應(yīng)商、分銷商或部署者，法律實體（公司、基金會、協(xié)會、研究實驗室等）。

人工智能將在未來幾年逐步實施：→2025年2月2日：第5條生效，禁止使用具有不可接受風(fēng)險的AI系統(tǒng)；→2025年8月2日：關(guān)于通用人工智能模型的法規(guī)即將開始實施。已經(jīng)建立的歐盟人工智能辦公室將負責(zé)治理和監(jiān)管程序。不遵守規(guī)定也將開始實施制裁；→2026年8月2日：人工智能的廣泛應(yīng)用行動開始，除第6條外。第一段關(guān)于高風(fēng)險系統(tǒng)；→2027年8月2日：應(yīng)用規(guī)則將擴展至高風(fēng)險系統(tǒng)。歐洲委員會將于2026年2月1日之前發(fā)布關(guān)于高風(fēng)險人工智能系統(tǒng)的實用指南和示例。法規(guī)水平和相關(guān)義務(wù)取決于人工智能系統(tǒng)或模型所呈現(xiàn)的風(fēng)險水平。存在4個風(fēng)險等級和4個合規(guī)等級：

如何開始合規(guī)工作？從評估現(xiàn)有的以及正在設(shè)置中的AI系統(tǒng)開始。→具有不可接受風(fēng)險的AI：人工智能系統(tǒng)和 模型中存在不可接受的風(fēng)險是被禁止的，不得在歐洲聯(lián)盟內(nèi)銷售或用于出口；→高風(fēng)險人工智能：高風(fēng)險人工智能系統(tǒng)和模型必須獲得CE標志才能上市。→低風(fēng)險人工智能：低風(fēng)險人工智能系統(tǒng)和模型必須對用戶承擔(dān)信息和透明度義務(wù)；→低風(fēng)險人工智能：最小風(fēng)險的AI系統(tǒng)和模型可以符合行為準則。特殊義務(wù)適用于生成式人工智能以及……通用人工智能模型（如大型語言模型）的發(fā)展，根據(jù)基本模型是否可訪問以及其他輔助標準（計算能力、用戶數(shù)量等）而有所不同。

作為提醒，Wavestone與FranceDigitale和Gide聯(lián)合發(fā)布了一本實用指南，旨在幫助公司理解和應(yīng)用歐洲人工智能法律。風(fēng)險和網(wǎng)絡(luò)安全，在項目中往往被忽視。隨著圍繞人工智能（AI）的熱議，的根本。新的攻擊形式正在形成，例如投毒（數(shù)據(jù)以欺騙它）、預(yù)言（劫持AI使其透露不應(yīng)透露的信息）或幻覺（使AI相信對人類來說是虛假但看不見的事情）。需要實施新的風(fēng)險評估和保護措施。在短期內(nèi)，因此優(yōu)先考慮的是利用人工智能確保業(yè)務(wù)項目，尤其是在以下階段：→人工智能應(yīng)用案例分類根據(jù)監(jiān)管標準（參考未來的歐洲人工智能法案）或美國國家標準與技術(shù)研究院（NIST）的人工智能風(fēng)險管理框架；→定義責(zé)任矩陣和治理用于驗證用例，考慮網(wǎng)絡(luò)安全、透明度、隱私、偏見和倫理；→在必要時實施具體措施。通過直接整合它們進入項目設(shè)計，或通過實施新型人工智能安全產(chǎn)品開始出現(xiàn)。11大規(guī)模的數(shù)據(jù)/人工智能文化融入，以加速創(chuàng)新并為未來做準備。創(chuàng)新采用的主要障礙之一仍然是人類的抵觸心理。人工智能也不例外，其采用仍然一個主要挑戰(zhàn)，尤其是由于恐懼和因此，對于公司來說，通過解構(gòu)這一技術(shù)并具體闡述其在實際應(yīng)用中的運用，對團隊進行AI文化融合變得越來越至關(guān)重要。揭開人工智能的神秘面紗：關(guān)于它能（和不能）做什么的保證與告知第一次適應(yīng)人工智能的挑戰(zhàn)是學(xué)會消除誤解和恐懼。圍繞它。對于許多人來說，人工智能仍被視為一種神秘

無數(shù)據(jù)，無人工智能！「最后，文化適應(yīng)必須堅持認為魔法AI不存在，并且需務(wù)單位在數(shù)據(jù)管理方面的參與。大膽探索技術(shù)概念：將應(yīng)用具體化的挑戰(zhàn)超越這種神秘化，重要的是敢于在教學(xué)方法上更進一步，通過具體術(shù)語向商業(yè)團隊解釋人工智能背后的技術(shù)。AI管理者：敢于向您的商業(yè)團隊和高級管理人員解釋R、LLM和聚類是什么。通過重復(fù)這些解釋并退后一步，您將能夠使人工智能在商業(yè)中的應(yīng)用變得更加明確。過程具體化。員工隨后將能夠要了解如何將這些技術(shù)融入日常工作中，識別可以改造的過程以及為公司創(chuàng)造價值的機會點。12解鎖數(shù)據(jù)的全部潛力。13第二章準和實踐每個人都現(xiàn)在同意，數(shù)據(jù)是組織成功的關(guān)鍵資產(chǎn)。然而，由于其潛在的未充分利用，這通常是由于組織壁壘、知識、數(shù)據(jù)控制、可訪問性和互操作性。異質(zhì)實踐也使得不同團隊之間的協(xié)作變得困難。

最成熟的組織已經(jīng)采取措施將數(shù)據(jù)的鑰匙歸還給企業(yè)。這意味著讓業(yè)務(wù)職能參與數(shù)據(jù)管理，并使它們對這些活動負責(zé)。例如：為了應(yīng)對這些挑戰(zhàn)，數(shù)據(jù)治理仍然是關(guān)鍵詞。一個運營模型涵蓋組織、角色和職責(zé)，以及操作模式，對于所有組織來說仍然是一項必備條件。而且，在理論之外，通過所有參與者都能理解的切實實踐來思考實施，這是一種強有力的區(qū)分因素，而許多組織仍然局限于描述，而沒有將定義的要素應(yīng)用于實際應(yīng)用中。

→企業(yè)（重新）成為負有責(zé)任（的）對于其范圍內(nèi)的數(shù)據(jù)管理（數(shù)據(jù)映射、文檔編制、質(zhì)量監(jiān)控）并且實施糾正措施，等等；→數(shù)據(jù)辦公室扮演著樂隊指揮的角色，定義框架、工具、政策、實踐和標準。它還負責(zé)通過培訓(xùn)和指導(dǎo)支持業(yè)務(wù)部門的發(fā)展。這個運營模式涵蓋了幾個關(guān)鍵主題：一個新的組織，圍繞聯(lián)盟數(shù)據(jù)域，其中企業(yè)重新控制他們的數(shù)據(jù)長期以來，IT和數(shù)據(jù)管理一直是數(shù)據(jù)管理的支柱。即發(fā)了一系列問題：業(yè)務(wù)單元在控制其數(shù)據(jù)方面缺乏自主權(quán)，相對依賴部門或數(shù)據(jù)部門以訪問其數(shù)據(jù)，從而延誤分析和項目的市場投放時間；→另一方面，IT部門是有時因?qū)o法控制的數(shù)據(jù)質(zhì)量負責(zé)而受到指責(zé)，以便開發(fā)生成和處理這些數(shù)據(jù)的過程。試圖解決這個問題往往涉及重新處理庫存，而沒有解決數(shù)據(jù)創(chuàng)建源頭的問題。

挑戰(zhàn)在于將業(yè)務(wù)單元對其數(shù)據(jù)資產(chǎn)的掌控權(quán)歸還給它們。14第二章重、招聘和職業(yè)管理之一。后果是多方面的：→難以管理勞動力以及戰(zhàn)略人力資源規(guī)劃；→在快速發(fā)展的技術(shù)和相關(guān)知識背景下，管理這些職位所需技能并保持其處于尖端狀態(tài)的難度。

整個組織中的通用標準和實踐為了這個聯(lián)邦組織能夠運作有效地，定義和統(tǒng)一數(shù)據(jù)至關(guān)重要。管理標準和實踐。此包括數(shù)據(jù)治理的通用規(guī)則，編目程序，文檔標準，以及安全性和合規(guī)性政策。此外，整個組織范圍內(nèi)的數(shù)據(jù)目錄已定義，該目錄描述了業(yè)務(wù)。通過一個概念 數(shù)據(jù)術(shù)語表 文檔數(shù)據(jù)：,數(shù)據(jù)數(shù)據(jù)字典，并記錄了關(guān)鍵數(shù)據(jù)經(jīng)歷的變化（ 數(shù)據(jù)人無法理解這些個人資料和職業(yè)路徑背后的活動，且職

血統(tǒng) ).業(yè)道路不明確?！鷶?shù)據(jù)相關(guān)的操作方法和責(zé)任需要被細致定義以圍欄為基礎(chǔ)，并且是組織內(nèi)部其他成員的理解仍然不透明。因此，除了一個連貫的組織結(jié)構(gòu)之外，數(shù)據(jù)/色正趨向于在整個組織內(nèi)整合到一個共同的、共享的存儲庫中。人力資源團隊已完全融入這一方法。

統(tǒng)一的標準確保了組織內(nèi)數(shù)據(jù)的一致性和質(zhì)量。它們還促進了系統(tǒng)集成和互操作性，使數(shù)據(jù)對所有用戶更加易用和可訪問。例如，標準化的數(shù)據(jù)模型使得不同領(lǐng)域的團隊能夠更輕松地協(xié)作，分享見解，并倍增價值。已創(chuàng)建。此外，這些標準不僅促進組織內(nèi)部的數(shù)據(jù)共享，還通過其他子公司，甚至與第三方和外部合作伙伴進行數(shù)據(jù)共享。15關(guān)注FiDA，獻：2023年6月，歐洲委員會提出的《金融數(shù)據(jù)接入》（FiDA）法規(guī)旨在為消費者金融數(shù)據(jù)的令》中已經(jīng)引入的規(guī)則。(PSD2),僅涉及支付賬戶。本質(zhì)上，F(xiàn)IDA將使得以下成為可能：金融機構(gòu)之間如何使用和共享的清晰透明溝通。撤銷同意的能力數(shù)據(jù)共享；→增強安全，通過實施

嚴格的安保措施用于保護和處理金融數(shù)據(jù)；→標準化用戶數(shù)據(jù)和技術(shù)接口以加速數(shù)據(jù)共享能力。FiDA合規(guī)因此將需要實施訪問和共享非常具體客戶數(shù)據(jù)的規(guī)則，并有助于金融機構(gòu)在數(shù)據(jù)共享能力方面的成熟度偶爾被迫提升。盡可能民主化數(shù)據(jù)的使用，讓盡可能多的人受益?？蚣芤虼嗽O(shè)定，包括一個組織，角色/職責(zé)和運營模式。所有剩下的就是準備數(shù)據(jù)和使其盡可能多的人可用的。數(shù)據(jù)產(chǎn)品構(gòu)建豐富的、待被利用的數(shù)據(jù)資源隨著數(shù)據(jù)爆炸及其應(yīng)用加速，近年來出現(xiàn)了一個新范式以促進其訪問和使用。因此，數(shù)據(jù)產(chǎn)品的概念隨之產(chǎn)生，并現(xiàn)在被廣泛應(yīng)用。一個數(shù)據(jù)產(chǎn)品可以被廣義地定義為“通過使用數(shù)據(jù)實現(xiàn)最終目標的產(chǎn)品”。因此，這一術(shù)語包括各種物品：術(shù)能力，其構(gòu)建和演進以產(chǎn)品模式進行（例如，RAG平臺、數(shù)據(jù)目錄等）；

此數(shù)據(jù)產(chǎn)品具有以下幾個基本功能：→可發(fā)現(xiàn)：Data是根據(jù)業(yè)務(wù)領(lǐng)域（然后是子領(lǐng)域、家族、業(yè)務(wù)對象等）進行“排序”并存儲的市場潛在消費者因此能夠看到哪些數(shù)據(jù)是可用的，閱讀其描述，并請求訪問權(quán)限。必要的；→自我描述：產(chǎn)品有文檔記錄，用戶可以獨立理解它們包含的內(nèi)容（通過產(chǎn)品定義、元數(shù)據(jù)描述、數(shù)據(jù)新鮮度、范圍等）?？尚牛涸摂?shù)據(jù)的質(zhì)量得到監(jiān)控，并共享相關(guān)指標，以便消費者判斷是否消費這些數(shù)據(jù)符合他們的利益。此外，明確了責(zé)任：確定了數(shù)據(jù)的所有者，以及負作為一種即食產(chǎn)品（例如，客戶倉庫、每區(qū)域銷售額等。分析產(chǎn)品（例如，BI儀表板，）推薦引擎、評分模型等。

責(zé)數(shù)據(jù)的團隊。管理活動；→易于訪問：機制已就位以便輕松管理訪問，并且通特別是，通過語言的誤用，數(shù)據(jù)產(chǎn)品被同化為“數(shù)據(jù)作為產(chǎn)品”這一概念。正是在這個意義上，數(shù)據(jù)產(chǎn)品被定義為通過……數(shù)據(jù)網(wǎng)格如ZhamakDehghani所定義（見下文）。

過（例如API）等方式促進了消費。這些數(shù)據(jù)產(chǎn)品的目標是為構(gòu)建豐富的數(shù)據(jù)資源，其價值無需再證明，并通過多個用例來實際化這種價值創(chuàng)造。數(shù)據(jù)網(wǎng)格：數(shù)據(jù)驅(qū)動型商業(yè)的新方法將所有數(shù)據(jù)聚合到集中式數(shù)據(jù)中是在可擴展性、治理和敏捷性方面。數(shù)據(jù)網(wǎng)格是一種設(shè)計方法，旨在去中心化數(shù)據(jù)而加速其分享和消費，通過賦予生產(chǎn)者和消費者權(quán)力。每個域或團隊自行負責(zé)其數(shù)據(jù)。。

數(shù)據(jù)網(wǎng)格因此基于4個支柱，其概念已在上文詳細闡述：→將數(shù)據(jù)資產(chǎn)組織成數(shù)據(jù)域名；→數(shù)據(jù)管理作為產(chǎn)品；→自助平臺，用于訪問和管理數(shù)據(jù)；→聯(lián)合治理以覆蓋一切。職業(yè)的目標是什么？通過消除瓶頸（任何人都可以輕松共享數(shù)據(jù)）性（例如，通過避免數(shù)據(jù)復(fù)制）；→從“按需數(shù)據(jù)”邏輯轉(zhuǎn)向“數(shù)據(jù)產(chǎn)品”邏輯，其中數(shù)據(jù)被設(shè)計成易于消費的形式。這些都是將使我們能夠邁向真正數(shù)據(jù)民主化的結(jié)果。自動服務(wù)和數(shù)據(jù)市場在創(chuàng)建數(shù)據(jù)產(chǎn)品的過程中，使其易于獲取以最大化其價值是至關(guān)重要的。為此，需要數(shù)據(jù)市場在數(shù)據(jù)產(chǎn)品中扮演核心角色。它使這些數(shù)據(jù)產(chǎn)品能夠集中化、組織化和直觀、安全地分發(fā)。通過提供平臺，用戶可以在此搜索、探索和獲取相關(guān)數(shù)據(jù)集，數(shù)據(jù)市場促進了透明度、效率和數(shù)據(jù)的最佳利用。因此，它成為數(shù)據(jù)民主化訪問和加速公司內(nèi)部創(chuàng)新的戰(zhàn)略杠桿。市場在可用數(shù)據(jù)市場中非常密集。這些工具功能豐富，能夠解決復(fù)雜問題。這些工具的缺點是它們也可能被視為難以掌握，而業(yè)務(wù)單元需要被說服相信這些工具的好處。市場。

特別是，我們建議在產(chǎn)品模式下實施這樣一個市場平臺，涉及一組最終用戶參與選擇解決方案、設(shè)計并實施產(chǎn)品路線圖的過程。這種方法是變革管理流程的基石，并將極大地增強……鼓勵業(yè)務(wù)單位的支持。公民數(shù)據(jù)科學(xué)，或使數(shù)據(jù)科學(xué)對商業(yè)可訪問，降低技術(shù)先決條件公民數(shù)據(jù)科學(xué)家（CitizenDataScientist）的輪廓正在組織中顯現(xiàn)。這一角色并非正式職位，甚至不是一種正式角色，它位于業(yè)務(wù)專長與數(shù)據(jù)科學(xué)之間的交叉點。盡管不是高級數(shù)據(jù)科學(xué)技術(shù)的專家，但這一專業(yè)人士對業(yè)務(wù)問題有著扎實的理解，并能使用易于訪問的分析工具。得益于市場上可獲取的數(shù)據(jù)產(chǎn)品，以及通過平臺民主化數(shù)據(jù)科學(xué)使用的平臺，感謝這些，

無代碼/低代碼（Alteryx、Dataiku、Knime等），公民織采用數(shù)據(jù)驅(qū)動實踐方面發(fā)揮著關(guān)鍵作用。術(shù)許多公司最近推出了雄心勃勃的數(shù)據(jù)培訓(xùn)計劃，特別是通過在其團隊中部署商業(yè)智能（BI）工具。雖然這種培訓(xùn)使員工熟悉了“什么即工具的工程技術(shù)應(yīng)用和數(shù)據(jù)接入——它往往省略了“如何":如何將此數(shù)據(jù)翻譯成可用的、有影響力的信息。今天，我們的目標是再進一步，通過培訓(xùn)團隊進行數(shù)據(jù)故事講述。不再僅僅是操縱數(shù)據(jù)，而是學(xué)習(xí)如何基于洞見講述相關(guān)且令人信服的故事。這種技能正變得至關(guān)重要，以加強團隊從數(shù)據(jù)中提取最大戰(zhàn)略價值的能力，通過將數(shù)字轉(zhuǎn)換為明智的決策杠桿。如何在數(shù)據(jù)故事講述中培訓(xùn)您的團隊：→理解故事講述的基礎(chǔ)：在深入數(shù)據(jù)之前，重要的是培訓(xùn)參與者掌握故事講述的基礎(chǔ)知識。這包括敘事結(jié)構(gòu)（及分析要素）。這些技能將有助于理解數(shù)據(jù)；

→將培訓(xùn)重點放在目標受眾上：數(shù)據(jù)敘事不僅關(guān)注核心數(shù)據(jù)群體（數(shù)據(jù)分析師、數(shù)據(jù)科學(xué)家），鍵職能（戰(zhàn)略、營銷、運營等）以適應(yīng)他們的利益相關(guān)者。正在處理（管理層、客戶、等等）（等）也有助于最大化信息的影響?！綌?shù)字并選擇適當(dāng)?shù)目梢暬簣F隊需要在解讀數(shù)據(jù)、提取相關(guān)見解并將其轉(zhuǎn)化為具體建議方面得到支持。此外，他們還需要在這一點上得到進一步的支持，尤其是在選擇合適的圖表或展示數(shù)據(jù)的方式上。這一點往往被忽視，并傾向于削弱我們傳達的信息。想傳達。這一數(shù)據(jù)講述觀念必須成為現(xiàn)有針對目標群體的培訓(xùn)課程的一個核心組成部分。數(shù)據(jù)治理和質(zhì)量保持關(guān)鍵關(guān)切成功結(jié)合數(shù)據(jù)質(zhì)量和數(shù)據(jù)可觀察性supposedtobehandling他們的努力提高數(shù)據(jù)質(zhì)量已取得成功。加上日益復(fù)雜的IT基礎(chǔ)設(shè)施，使得持續(xù)監(jiān)控變得更加必要。數(shù)據(jù)流動不可或缺。在如此眾多不同數(shù)據(jù)塊之間的互連，難以進行手動、非自動的監(jiān)督，因為這可能會在面臨可能影響數(shù)據(jù)管道的事件時留下反應(yīng)行動的空間。數(shù)據(jù)可觀測性采取積極主動的質(zhì)量監(jiān)控方法，快速準確地檢測數(shù)據(jù)流中的異常。它旨在提供對數(shù)據(jù)及系統(tǒng)健康狀況的全面可見性，使團隊能夠首先了解任何問題、其起源以及如何糾正這些問題。與對數(shù)據(jù)質(zhì)量采取靜態(tài)方法相對，本學(xué)科專注于對數(shù)據(jù)在整個生命周期中（從源頭系統(tǒng)到下游分析）的流動性能和狀態(tài)進行實時監(jiān)控。利用這些工具，團隊可以預(yù)測數(shù)據(jù)問題，這是確保信息可靠性的關(guān)鍵要素。這些工具實現(xiàn)了自動化監(jiān)控、問題警報、數(shù)據(jù)比較、根本原因分析和服務(wù)級別協(xié)議跟蹤，使團隊對端到端數(shù)據(jù)質(zhì)量有更深入的了解。對于利用數(shù)據(jù)生成洞察、構(gòu)建機器學(xué)習(xí)模型的數(shù)據(jù)驅(qū)動型組織來說，這些工具至關(guān)重要。模型，或推動創(chuàng)新，數(shù)據(jù)可觀察性解決方案對于確保數(shù)據(jù)保持為有價值的資產(chǎn)而非風(fēng)險至關(guān)重要。我們?nèi)绾螀^(qū)分數(shù)據(jù)可觀察性和數(shù)據(jù)質(zhì)量？數(shù)據(jù)可觀測性支持數(shù)據(jù)質(zhì)量，但這兩個概念針對數(shù)據(jù)管理的不同方面。一個組織可以在沒有可觀測性工具的情況下?lián)碛蟹浅Ａ己玫臄?shù)據(jù)質(zhì)量，反之，實施此工具也不一定能保證質(zhì)量管理方面的卓越。數(shù)據(jù)可觀測性工具→實時監(jiān)控工具對于快速、詳細分析數(shù)據(jù)攝取流程的性能至關(guān)重要。當(dāng)今的可觀察性解決方案眾多，提供的功能越來越強大且全面；不可少的。個性化警報。這些警報將啟用立即檢測事件，并由運營團隊迅速介入。根據(jù)不同級別的嚴重性對其進行參數(shù)化，以保證對每種類型問題的適當(dāng)響應(yīng)；

純玩家正在進入市場以解決這個問題（Sifflet,Montecarlo,IBMDataband,Anomalo等）。數(shù)據(jù)質(zhì)量管理nformatica,Talent等）的傳統(tǒng)玩家也在逐步解決這個問題。它還應(yīng)被記住，盡管這個工具將有助于解決痛點，但它本身并不能獨立解決問題。無法解決所有數(shù)據(jù)質(zhì)量問題。而且，這取決于其他因素。致首席數(shù)據(jù)官，提醒他們所有組織牢記著名的格言：“數(shù)據(jù)質(zhì)量是每個人的業(yè)務(wù)。".以及每個階段的角色和職責(zé)。這包括負責(zé)監(jiān)控指標的小組、在出現(xiàn)問題時應(yīng)接收警報的人員、要采取的措施以及需要動員的人員。視情況嚴重性而定。與所有利益相關(guān)者共同構(gòu)建此過程，以確保有效實施并獲得所有團隊的支持，這是至關(guān)重要的。非結(jié)構(gòu)化數(shù)據(jù)治理：組織面臨日益增長的問題人工智能的興起，尤其是生成式人工智能的興起，正在對……焦點重新轉(zhuǎn)向非結(jié)構(gòu)化數(shù)據(jù)的治理，這已經(jīng)組織內(nèi)部始終是較為次要的關(guān)系。的確，數(shù)據(jù)湖和其他電子數(shù)據(jù)管理（EDM）系統(tǒng)隨著時間的推移積累了越來越多樣化的數(shù)據(jù)，而可靠可用文檔的操控能力對于RAG用例是必需的。總的來說，組織在這一領(lǐng)域仍處于起步階段。特別是，目前數(shù)據(jù)管理團隊正在處理兩個主題：1.實施非結(jié)構(gòu)化數(shù)據(jù)處理實踐 利用人工智能加強數(shù)據(jù)治理管理非結(jié)構(gòu)化數(shù)據(jù)需要特定的實踐。與以組織化表格形式存在的結(jié)構(gòu)化數(shù)據(jù)不同，非結(jié)構(gòu)化數(shù)據(jù)（文檔、圖像、視頻等）需要特別關(guān)注元數(shù)據(jù)，它提供內(nèi)容標準化的最低要求。良好的元數(shù)據(jù)管理不僅可以更有效地對信息和檢索信息進行分類，而且還確保文檔保持最新狀態(tài)，陳舊信息不會影響決策。例如，系統(tǒng)地為文檔添加日期，包括元數(shù)據(jù)和文檔內(nèi)容，是一個良好的做法，以此處理沖突信息并將最新信息視為權(quán)威信息。

我們知道，數(shù)據(jù)治理是實現(xiàn)高性能AI此相反，AI分類，凈化與異常檢測，降低人工干預(yù)和人為錯誤的風(fēng)險。例如：→OCR功能的使用，置于如EDMs以識別、分類并將文檔轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)，這些數(shù)據(jù)更容易進行管理；使用自然語言處理模型（或甚至大型語言模型）結(jié)構(gòu)化文檔中提取結(jié)構(gòu)化信息。第10條：系統(tǒng)化地測量數(shù)據(jù)產(chǎn)生的價值最后，一旦項目啟動，現(xiàn)在的問題是如何事實化它們產(chǎn)生的價值。實際上，今年由執(zhí)行委員會決定投入了大量的數(shù)據(jù)與人工智能投資。這一主題對執(zhí)行委員會的成員來說非常引人注目，他們希望“物有所值”并衡量投資回報（ROI）被決策者視為成本中心。因此，有必要區(qū)分數(shù)據(jù)與人工智能的使用。案例以及使這些用例得以實施的“使能者”。我們建議：→我們建議：→關(guān)于直接收益：要嚴謹?shù)刂贫ㄉ虡I(yè)案例和監(jiān)控收益，通過涉及財務(wù)和內(nèi)部控制團隊在此過程中的參與，以便能夠?qū)⑦@些要素轉(zhuǎn)化為損益表。關(guān)于間接收益：定義關(guān)鍵績效指標（KPIs），無論是財務(wù)指標還是其他（例如，客戶指標）。NPS)以事實化增加的價值其中一些（例如BI儀表板）無法轉(zhuǎn)化為投資回報率，盡管它們對商業(yè)活動至關(guān)重要。注意：即使對于直接收