AI 在主数据治理中的应用.pptxVIP

目录CONTENTS

01.主数据治理的概况

02.Al在主数据清洗的应用

03.Al在主数据治理的展望;

主数据治理目标现状

主数据治理框架

药品主数据客商主数据饮片主数据用户主数据器械主数据

药品分销器械分销药械零售

编码申请数据下发

主数据管理平台主数据库

主数据示体系

主数据体系

主数据量体系

主数据体系;

项目面临的挑战和传统方案的瓶颈

主要挑战传统清洗方案的瓶颈;

1.线下、线上各类零售渠道，在实际业务开展过程，在不同业务中、在不同场景下，会记录不同颗粒度的用户数据、交易数据；

2.会员、营销等系统，需要基于用户标签、用户画像，开展针对性营销活动，发放用户权益，跟踪营销效果等；;

OnelD;

主要成果：1、打通各业务源头，实现OnelD的识别，为精准营销建立基础。

2、识别用户最佳记录，同时识别异常用户数据。;

主要成果：1、打通各业务源头，实现OnelD的识别，为精准营销建立基础。

2、识别用户最佳记录，同时识别异常用户数据。;

√数据清洗是数据治理的关键环节之一，耗时长、成本巨大、直接左右项目最终质量。

√基于有监督学习、强化学习的原理，引入Al到数据清洗、数据质量校验等环节，实现提效。;

缺点

局限性高

规则的覆盖面有限，无法处理复杂的异常数据，处理大规

模数据性能有限、处理复杂数据质量问题时结果不稳定。

适应性差

无法应对多变的数据质量问题，规则固定，不具备自适应

能力。

自动化弱

高度依赖人工编写规则和维护，需要大量人工干预调整，

效率低下。;

Al在数据治理中的其他应用场景

AI(人工智能)在主数据治理中的应用日益广泛，显著提升了数据管理的效率和质量，典型应用场景如下：

1.自动化数据分类与标签

智能分类：A可以根据数据的内容自动进行分类，将数据分类到预定义的类中或

分配相关标签，使得搜索、检索和分析数据变得更加容易。

属性补全：面对数据属性缺失的问题，A可以通过分析已有数据，自动补全缺失

的属性值，提高数据的完整性提高数据管理的效率和准确性

2、数据清洗、预处理，数据质量实时监控

错误识别与纠正：Al技术，特别是机器学习算法，能够从历史数据中学习并自动降低数据治理的成本

识别和纠正错误从而确保数据的质量。

重复数据删除：A可以帮助识别和删除大型数据集中的重复记录。

数据标准化：Al技术可以应用于数据标准化过程，确保不同数据源之间的数据格增强数据的安全性和合规性

式、命名规则等保持一致，便于数据集成和分析。

3、自动化合规性检查与报告

数据处理合规：Al辅助实现自动化合规性审计，确保数据处理符合各种法规要求

(GDPR、HIPAA、个保法等),自动生成所需的报告，减少人工审计的工作量和成

本。