2023年数据治理趋势.pdfVIP

年数据治理趋势

2023年数据将继续在商业行业和经济体中流动。有了更多的渠道、更快的速度

和包含更多的洞察力，组织将别无选择，只能向数据驱动的业务模型发展。企

业领导者面临的问题是：它是积极主动和动态的——还是更加被动并参与追

赶？

前几年可能意味着数据泛滥使处理和提取见解变得更加困难。在大数据挑战更

多围绕存储和安全性的时代。现在情况正在发生巨大变化。我们看到越来越多

的组织开始意识到其数据驱动的潜力。成功的用例广泛且跨行业。

随着数据价值达到新高，管理数据驱动决策的基本规则没有改变。要做出正确

的决策，您需要高质量的数据。您需要知道您拥有什么、它位于何处、它的沿

袭是什么以及哪些业务规则决定了它的结构、内容和有效性。如果您的数据质

量低下或您的数据资产管理不善，那么您将无法使用它们做出正确的业务决

策。

随着数据的作用和数据驱动的决策制定的增加，以及可用数据的总体数量和速

度的增长，数据治理也在不断发展，以满足不断变化的业务需求。2023年数据

治理的最大趋势是什么？

“到2025年，30%的Gartner客户将使用“需要共享”方法而不是传统的“需

要知道”方法来保护他们的数据。“

1.云数据治理

70%的组织已将

至少部分工作负载迁移到公共云中。然而，成为云原生的竞争并非没有风险，

从预算超支到迁移延迟。

“效率低下导致平均每年公司的迁移支出比计划多14%，而且38%的公司的迁

移延迟超过四分之一。”

麦肯锡

DevOps人才的持续短缺将加剧迁移和生态系统的挑战。尤其是在受到高度监管

的行业中，传统和本地基础设施占很大比重，不同的工作负载不太适合“提升

和转移”方法。组织将需要寻找其他方法来保持竞争力，例如自动化和自助数

据分析。

这些基于云的管理系统提供了一种转换原始数据并在正确的时间将其交付给正

确的用户的方法。无需IT或数据分析师先准备报告。相反，可以按需存储和访

问大量数据。超越使用数据仓库的传统和静态方法，而是为每个用户及其相关

用例带来可定制的仪表板。

至关重要的是，基于云的服务现在越来越多地得到AI和ML产品的支持。这些

释放了企业应用人工智能优化现有流程的潜力，例如通过自动化工作流程。还

可以根据历史请求应用学习元素，确保现代数据治理的持续改进周期。

2.自适应人工智能

在当今瞬息万变的世界中，“一切照旧”的概念要求提高灵活性、活力和适应

生存的准备。预计2023年将通过自适应人工智能的兴起来实现这一点。系统根

据新数据不断学习、调整和重新训练模型。它不同于传统的和更静态的人工智

能，后者需要人类开发人员更新模型并防止它们变得过时或过时。

通过有效地“内置”持续学习，人工智能将需要更少的人工干预。更重要的

是，从数据中自适应学习的能力将产生新的见解来支持执行决策，从而使企业

能够引入应用可观察性。这是可以分析基于AI的决策以获得进一步建议的地

方。然后可以创建一个反馈循环来跟踪以前的结果。由此产生的基于证据的见

解可用于提高预测的准确性并为未来的战略提供信息。

“到2026年，采用AI工程实践来构建和管理自适应AI系统的企业将在运行

人工智能模型所需的数量和时间上超过同行至少25%。

自适应人工智能有可能解决机器学习模型带来的一些历史挑战。在离群值经常

影响训练数据的情况下，每次迭代都会以指数方式扭曲结果，而不是被忽视。

当然，真正新颖的观察或现实世界变化的影响可能很容易在小数据集中检测

到。而在AI所需的数量中，此类异常值更难确定。因此，自适应人工智能可以

降低这种算法偏差的风险。通过动态调整流程，自适应人工智能还可以通过应

用更智能的自动化来帮助企业确保更有效的治理。

3、实时数据

数据使企业保持运转，但实时数据提供了竞争优势。从以毫秒为单位进行交易

的金融机构到批准付款和处理PII的电子商务商店。在按需自助服务体验的推

动下，对实时数据的进一步需求将来自不断提高的客户期望。与批量数据管道

相比，创建实时数据管道还可以降低处理成本。批处理数据必须从源头反复查

询，而实时只需要对新数据或事件做出反应。

一些用例只需要基于批处理的管道来处理历史数据。然而，随着数据集和相关

的治理要求越来越大，许多组织将不得不进行一些大型基础设施调用。这种演

变的规模，加上所需的处理能力和能力，是