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
这项由浙江大学与阿里巴巴通义实验室联合开展的研究,通过创新的半在线强化学习方法,显著提升了AI界面助手在多步骤任务中的表现。UI-S1-7B模型在多个基准测试中创造了7B参数规模的新纪录,为GUI自动化代理的发展开辟了新的技术路径。
阿里巴巴联合浙江大学开发的OmniThink框架让AI学会像人类一样慢思考写作。通过信息树和概念池的双重架构,系统能够动态检索信息、持续反思,突破了传统AI写作内容浅薄重复的局限。实验显示该方法在文章质量各维度均显著超越现有最强基线,知识密度提升明显,为长文本生成研究开辟了新方向。
新加坡国立大学研究人员开发出名为AiSee的可穿戴辅助设备,利用Meta的Llama模型帮助视障人士"看见"周围世界。该设备采用耳机形态,配备摄像头作为AI伴侣处理视觉信息。通过集成大语言模型,设备从简单物体识别升级为对话助手,用户可进行追问。设备运行代理AI框架,使用量化技术将Llama模型压缩至10-30亿参数在安卓设备上高效运行,支持离线处理敏感文档,保护用户隐私。
腾讯混元3D 2.0是一个革命性的3D生成系统,能够从单张图片生成高质量的带纹理3D模型。该系统包含形状生成模块Hunyuan3D-DiT和纹理合成模块Hunyuan3D-Paint,采用创新的重要性采样和多视角一致性技术,在多项评估指标上超越现有技术,并提供用户友好的制作平台。作为开源项目,它将大大降低3D内容创作门槛,推动3D技术的普及应用。