摘要: 要发挥作用,数据必须准确、完整、有效、唯一并且按照标准化格式进行结构化。
我们对数据的依赖没有放缓的迹象。我们直接从客户那里收集数据,从第三方资源、社交媒体等处附加数据。但正如许多公司所了解的那样,数据的数量并不像质量那样重要。要发挥作用,数据必须准确、完整、有效、唯一并且按照标准化格式进行结构化。
根据2022 年数据质量状况报告,在所有接受调查的企业中,近 70% 的企业已经开始了数据质量管理 (DQM) 之旅。不跟上 DQM 趋势和技术步伐的组织将会落在后面,这一点很快变得很明显。以下是您应该了解的最重要的趋势。
1. 建立数据素养的工作文化
尽管数据被认为是成功的关键因素,组织中的每个人都可以使用数据,但很少有人真正了解他们所使用的数据的价值。38% 的调查受访者承认,缺乏管理和分析数据的熟练资源阻碍了他们的发展。34% 的人不理解他们使用的数据。
当您不知道您面前的数据的潜力时,您就无法使用它。这使人们意识到企业需要优先考虑建立强大的数据素养文化。高层管理人员和一线员工需要具备理解数据、分析数据并与之互动的能力。
2. 以云数据技术上线
从将云视为打破孤岛和集中存储数据的一种方式,它现在已成为数字解决方案、服务和自动化工具的首选之地。用于数据质量相关任务的云服务提供商的数量正在稳步增加。其中的一些关键原因是它们提供的可扩展性、较低的前期成本和易用性。
新的云数据解决方案专注于一系列服务,从自动数据质量检查、自动翻译和安全到快速迁移、人工智能驱动的数据操作和治理集成。随着对结构化数据仓库和管理的需求增长,数据中心也变得越来越流行。
3. 为高效的 DQM 部署 AI/ML 模型
为了使 DQM 流程更加高效和可靠,数据团队正在从手动流程转向开发和部署 AI/ML 模型。根据麦肯锡的一份报告,截至 2021 年,对人工智能的投资已突破 1650 亿美元大关。
这被用于解决常见的数据质量问题和自动化数据分类、标记、预测分析等任务。借助人工智能,数据质量团队可以超越结构数据管理需求和文本需求,实现与自然语言处理、计算机视觉、知识图谱等相关功能的自动化。
轉貼自: afenxi.com
若喜歡本文,請關注我們的臉書 Please Like our Facebook Page: Big Data In Finance
留下你的回應
以訪客張貼回應