作为EMC的企业数据治理高级总监,Barbara Latulippe 向 Potential at Work 社区讲述了她在制定企业数据质量和治理路线图方面的工作经历。 她提倡采取一种协作型、统一的方法来定义数据质量,并强调在所有业务部门(而不仅仅在 IT 与个别业务部门之间)开展合作的必要性。 凭借超过 25 年的 MDM 和企业应用系统实践经验,她对自己的上述见解确信无疑。
信息负责人如何与企业不同人员开展合作,以帮助他们定义数据质量?
Latulippe: 我们会设立自己的信息治理委员会,该委员会由不同业务部门以及不同职能部门参与。 我们不断努力为所有企业属性建立通用定义,这些定义一旦获得审批,我们就会将其纳入自己的业务词汇表中。 现在,可以说我们已经建立了一个通用定义,该定义已获得治理委员会的批准,并受到变更管理的控制。 如果某人提出一个方案,希望为特定字段添加值,或者以不同的方式使用该字段,则他们需要提供业务方案以及成本影响说明,并获得治理委员会的批准。
您是否曾经因数据质量定义而产生冲突?
Latulippe: 需要让数据使用者与数据创建者进行交流。 我认为这样可以帮助双方更加深刻地认识到数据是如何在需要它的业务流程中使用的。 以往,这些团队无法真正进行协作。 如果发生无法解决的实际冲突,通常意味着需要一个新的数据字段。 需要做的是,跟踪数据在企业中的移动,并提供相应财务支持。
例如,我们对缺少邮政编码所造成的影响进行了成本分析, 结果发现,并非所有应用系统都需要在其数据模型或数据输入屏幕中提供邮政编码。 该委员会跟踪整个流程,发现某个数据点一旦缺失,就会对公司产生巨大的成本影响。 因此,该数据点现在已成为全球范围的必填字段,在输入时会对此进行实时检查。
在治理委员会中,不同领域的人员会共同定义数据质量。 同一组数据可以具有不同的数据质量定义吗?
Latulippe: 让我们回到数据生命周期中寻找答案,使用者所定义的高质量数据以及营销需要的数据与某人应 CRM 需要尝试填入销售订单中的数据是不同的。 数据在其使用生命周期中的位置将决定每个属性所需的质量级别。 随着该生命周期从营销活动到数据保留的成熟度,以及所使用属性数量的增加,预期的数据质量也会提高。
是否要让企业的业务部门分担数据质量和治理责任? 请考虑根据您的角色获得相应级别的数据质量认证。
好文章,需要你的鼓励
Roig Arena 将于 2025 年 9 月在瓦伦西亚开业,借助 Extreme Networks 的 6GHz Wi-Fi 与数据分析技术,实现无缝运营与个性化观众体验,打造全天候活动中心。
这项研究首次系统研究了大语言模型在表达不确定性时的"忠实度"问题,发现它们往往在不确定时仍使用肯定语言,导致用户过度信任。研究团队提出了MetaFaith方法,通过激发模型的"元认知"能力,使其能更诚实地表达不确定性。在14种模型和10个数据集的测试中,MetaFaith将忠实度提升了高达61%,且83%的情况下被人类评为更可靠。这一突破对构建更值得信任的AI系统具有重要意义。
OpenMamba 是一款意大利独立滚动更新的 Linux 发行版,基于 Fedora 工具构建,提供 KDE Plasma 与 LXQt 桌面。它采用最新组件和标准打包工具,运行稳定且易用,适合规避主流系统限制的用户。
这项研究提出了强化蒸馏(REDI)框架,创新性地利用大型语言模型生成的正确和错误推理过程进行训练。传统方法仅使用正确样本,浪费了包含宝贵信息的错误样本。REDI采用两阶段方法:先用正确样本建立基础,再通过非对称加权的目标函数利用错误样本进一步优化。实验表明,仅用131k个公开数据样本训练的Qwen-REDI-1.5B模型在MATH-500等基准上达到83.1%准确率,与使用800k专有数据训练的同类模型相当或更优,为小型模型离线学习复杂推理能力提供了高效途径。