什么是数据智能?

什么是数据智能?

数据智能是一个提供可信、可靠数据的系统. 它包括智力 关于数据或元数据. IDC创造了这个术语, 声明, 数据智能帮助组织回答有关数据的六个基本问题.这些问题是:

• 谁 使用什么数据?
• 在哪里 为数据，且 在哪里 它来自(血统和出处)吗??
• 当 是否正在访问数据，以及 当 最近更新了吗??
• 为什么 E乐彩通用版下载app有数据吗?? 为什么 E乐彩通用版下载app需要保留(或丢弃)数据吗?
• 如何 是在使用数据，还是- 如何 应该使用数据吗??
• 关系——数据内部和数据消费者之间的内在关系?
  • 资料来源:IDC，定义数据智能

数据智能支持人类的理解. 通过回答围绕的关键问题 谁，什么，何时何地 给定数据资产的, DI描绘了人们可能使用它的原因, 对资产的可靠性和相对价值进行教育. 了解资产在过去是如何被使用的，可以告知它在未来如何被智能地应用.

在寓言中， 盲人和大象，六个盲人对同一种生物得出了六个截然不同但又准确的结论. 类似的, 数据智能提供了一个给定系统的“大图景”视图，它太大了，任何一个人都无法掌握. 通过将多个视角综合成一个共享的“鸟瞰图”，它照亮了整个系统:大象.

然而，数据智能不仅仅是一个单独判断单个资产的系统. 它提出了更大的问题，充实了组织与数据的关系: 为什么E乐彩通用版下载app有数据? 为什么要保留数据呢? 回答这些问题可以提高操作效率，并为许多数据智能用例提供信息, 包括数据治理, 自助服务分析等等.

数据智能:起源、演变、用例

数据智能最初是为了支持搜索而出现的 & 发现，主要是为分析师的生产力服务. 多年来，企业分析师一直在努力寻找建立报告所需的数据. 数据收集和数据量的爆炸性增长只会加剧这个问题. 最早的DI用例利用了元数据——EG, 受欢迎程度排名反映了最常用的数据-最多地表资产 有用的 给别人.

然而，寻找数据仅仅是个开始. 分析师在提问之前先有疑问. 他们需要知道:谁在过去使用过这些数据? 他们是如何使用它的? 如果我被允许使用它，我应该怎么使用它?

因此，数据智能已经发展到可以回答这些问题, 并且今天支持一系列用例. 数据智能用例示例 包括:

• 数据治理
• 云变换
• 云数据迁移
• 隐私、风险和合规性
• 数字转换
• 分析

让E乐彩通用版下载app仔细看看DI在数据治理用例中的作用.

数据智能和数据治理

回到分析人员的例子:早期的DI迭代帮助分析人员找到相关数据. 支持就到此为止了. 然而，分析师需要知道他们如何能够和应该使用这些数据……如果有的话. 他们说, “如果我要为高管撰写一份报告, 指导重大决策, 我想确保这份报告的数据基础是坚实的!”

数据治理 作为应对这一挑战的答案. 它从不同的角度解决重要问题，使所有数据消费者知道: 这是正确的数据集吗…

• 从… 合规 的角度来看?
• 从… 质量 的角度来看?
• 从… 业务 的角度来看?

数据治理形式化 责任 和 权威 围绕数据，角色被明确定义，谁能做什么对所有人都是透明的. 重要的是，人们被引导到最好的数据和最适当的使用. 通过这种方式，数据治理支持信任和透明度.

那么数据智能如何支持治理呢? 同样，元数据是关键. 利用数据智能的治理特性示例 包括:

• 具有自动数据分类的业务术语表，可根据关键术语使团队保持一致
• 数据沿袭 跟踪和影响分析报告，以显示随着时间的变化
• Trustflags表示数据集包含敏感信息，如PII
• Deprecations，如果数据集已被标记为deprecated，则警告用户
• 管理仪表板，用于跟踪最适合管理和管理进度的资产

用于治理进度跟踪的管理指示板的示例.

下一个 活跃的 数据治理框架, a 行为分析引擎 将使用AI, ML和DI来抓取所有数据和元数据，发现模式并实施E乐彩通用版下载app.

数据治理和数据策略

从历史上看, 数据治理是一种防御性的工具，用于强制执行合规性，并确保审计能够通过. 遵从是必要的, 特别是对于受监管的行业, 但是，经常伴随着这种防御姿态的命令和控制的治理方法在人与数据之间造成了障碍, 和 受威胁的工作文化.

今天, 开明的治理领导者正在认识到，治理可以服务于攻防兼备的数据策略. 换句话说，领导者正在优先考虑 数据民主化 确保人们能够获得他们需要的数据. 数据目录然后在消费点集成遵从性, 因此，人们会警惕敏感数据的位置.

来源:“你的数据策略是什么??Le和ro DalleMule和Thomas H. 达文波特. 《哈佛商业评论》2017年5 / 6月.

数据智能和元数据

数据智能是由元数据驱动的. 元数据的类型——或者说关于数据的数据——比比皆是. 数据目录中的一些高级元数据类别包括:

• 行为:记录谁在使用数据，以及他们如何使用数据
• 技术: 显示模式或表定义
• 业务: 关于如何正确处理不同类型数据的策略
• 出处: 显示两个版本的数据对象之间的关系, 在创建新版本的数据集时生成(也称为沿袭).)

行为元数据非常有价值, 因为它代表了组织中围绕数据的人类智慧. 它展示了人们如何使用数据来收集见解——并相互学习. 人们如何在整个企业中使用数据形成一种能量:这是该组织独特的数据智能的活跃精神.

当您更广泛地使用数据目录时，您将暴露于其他形式的元数据:

• 人元数据: 描述处理数据的人员, 包括消费者, 策展人, 管家, 主题专家
• 搜索元数据: 支持标签和关键字，帮助人们找到相关的数据
• 处理元数据: 描述在数据的整个生命周期中管理数据时应用的转换和派生
• 供应商的元数据: 对于从外部来源获取的数据非常重要, 它包括有关这些来源的详细信息, 以及订阅或许可限制.
  • 来源: 数据目录导论 作者:戴夫·威尔斯

最后，利用数据目录 行为的元数据 收集关于人类如何与数据交互的见解. 此类别综合了各种元数据类型，以指导所有用例的正确使用.

数据智能和活动元数据

以机器学习和人工智能为基础，辅以人类智能， 活跃的元数据 收集关于人们如何使用数据的内部见解. 通过这种方式，它可以改进流程，保证质量，并跨部门同步术语. 主动元数据提供如下好处:

• 提供有关数据过去使用情况的上下文，以支持自信的自助分析
• 确定回答给定业务问题的最佳数据
• 根据隐私或法规对数据进行重点关注，指导用户正确使用数据
• 将专业术语翻译成自然的人类语言
• 根据观察到的人类模式合并系统

以这种方式, 活动元数据为企业内的数据智能提供动力，并支持更好的数据管理. 主动元数据借鉴了人类的使用. 它收集了人们如何使用数据来授权组织以日益可扩展的方式管理他们的数据的见解, 创新高效的方式(《福布斯》).

什么是数据智能软件?

数据智能软件支持a 数据文化借决策. 正如客户关系管理(CRM)软件支持改善客户体验一样, 所以也有DI软件支持 数据文化.

作为一门组织学科, 数据智能体现在许多实践中, 系统, 用例. 它依靠数据智能软件进行管理和优化. 该软件通常包括以下功能:

• 业务词汇表和数据字典(用于存储定义)
• 分析工具
• 管理仪表板
• 数据沿袭特性
• 数据编目功能，如自然语言处理

随着数据收集和数据量的激增，企业被数据和元数据所淹没. 出于这个原因, 数据智能软件越来越多地利用人工智能和机器学习(AI和ML)来自动化管理活动, 哪些向需要的人提供值得信赖的数据.

数据智能工具如何支持数据文化?

数据智能的BI和AI

商业智能(BI)是解释性的和向后看的. 它调查过去，以解释发生了什么和为什么. 人工智能和机器学习(AI & ML)具有前瞻性. 这些面向未来的模型是用来做预测的.

大多数现代组织都以这样或那样的形式利用BI. BI最早出现在20世纪60年代，是作为跨企业共享信息的一种手段出现的. 今天, 商业智能代表着一个230亿美元的市场和一个总称，它描述了一个数据驱动的决策系统.

BI利用和综合来自分析的数据, 数据挖掘, 以及用于向关键利益相关者提供业务运行状况快速快照的可视化工具, 让这些人做出更好的选择. 常见的BI应用程序是BI仪表板, 哪些指标能显示关键指标，让领导者有一个“大局观”，为明智的目标和决策提供信息.

人工智能也是一个快速增长的市场，价值210亿美元. 今天, 现代组织使用人工智能来收集竞争洞察力, 从海量数据中挖掘出宝贵的智慧. 人工智能和机器学习一起用于预测可能发生的事件和建模结果. BI、AI和ML都面临着同样的挑战:低质量的数据.

商业智能和人工智能问题:垃圾输入，垃圾输出

然而, 商业智能和人工智能系统只有在提供给它们的数据有用时才有用. 今天，数据专家们正在努力解决一个常见的问题 垃圾进，垃圾出t. 当数据湖变成海洋, 找到值得信赖和可靠的东西变得越来越困难，也越来越重要. 事实上，随着企业试图扩展人工智能和商业智能项目，一些小问题就会出现 数据质量 能转化成巨大的挑战吗.

Alation首席执行官萨蒂安•桑加尼表示:“人们经常谈论人工智能和商业智能来改变他们的业务. “但如果你想大规模地做这两件事，你就需要数据智能.”

数据智能如何帮助企业成长

数据智能已经成为垃圾输入的E乐彩通用版下载app, 长期以来阻碍人工智能和商业智能发展的垃圾问题. 数据智能是多种类别的融合，包括:

• 元数据管理
• 数据质量
• 数据治理
• 主数据管理
• 数据概要分析
• 数据管理
• 数据隐私

数据智能还增加了一个关键组件，称为活动元数据. 由Guido De Simoni创造, 分析公司Gartner的高级主管, 活动元数据描述了周围的智能 如何 人们在组织中使用数据.

数据智能可以帮助数据领导者提高参与度, 通过仪表板显示人们如何在整个企业中使用数据.

数据智能的类型

有五种常见类型的数据智能，具有不同的目的和应用:

• 描述性的 回顾数据，了解业绩
• 说明性的 形成替代知识和新的建议
• 诊断 分析某事发生的原因并确定原因
• 预测 检查历史数据并预测未来可能发生的事件
• 决定性的 评估数据价值并推荐新的行动方案

从历史上看, 此类数据智能用例通常应用于业务操作的外部世界. 但随着活跃元数据的兴起, 它收集了关于数据使用方式的内部见解, 数据智能越来越多地应用于内部, 提高运营效率, 也.

数据智能的好处

数据智能(DI)支持数据专家做出更好的决策. 作为一个系统, 它的目标很简单:让组织中的员工对组织更了解, 也更有能力领导它的发展. 主要的高级福利包括:

• 适应性决策
  • 当BI仪表板有准确的, 及时的信息, 领导者可以在当下做出更快的决定，以保持领先于竞争对手. 企业可以实时调整其策略，以更好地预测需求并支持客户.

BI仪表板支持即时决策.

• 更强的数据基础
  • 数据应该如何组织和交付? DI持续观察流程以简化操作并更好地支持关键利益相关者. 进一步, 保证质量, DI为AI和BI用例提供可信和可靠的数据.

• 操作效率
  • 数据搜索 & 发现将人们与他们需要的数据联系起来. 从历史上看，分析师要花费长达六周的时间来搜索一个可信的数据集. DI从谷壳中分选小麦, 突出最值得信赖的资产以供更广泛的使用, 加快整个过程的运营效率.

• 增强分析
  • 为什么要重新发明轮子?? DI使分析人员能够将增强的分析应用于应用程序, 支持预测性和规定性分析用例.

• 透明有助于团队合作和信任
  • 通过建立一个关于如何证明新真理的系统, DI将思想集中在组织的指导原则和使其具体化的过程上. DI软件可以借用 科学的结构方法 它的进步过程.

DI利用已知的东西, 一个组织的集体知识, 并将这些智慧整合到数据管理系统中. 目标是创建一个不断改进的决策系统，以支持业务.

如何实现数据智能?

通过与一个非常适合您的目标的数据智能平台合作, 数据领导者可以将DI集成到他们的日常业务流程中. 但是如何选择合适的软件并证明其适用性呢?

E乐彩通用版下载app建议您遵循三个简单的步骤. 首先，您要制定一个计划，选择现实的目标和实际的用例. 接下来，用所选的软件测试这些用例. 最后, 你开始与一个小团队一起进入更广泛的组织, 与关键领导分享你的进步, 并采取一些小步骤在整个组织中扩展.

用目标和用例构建策略

为什么企业想要利用数据智能? 成功是什么样子的? 你的目标应该反映你的业务目标，并清楚地定义你认为这些目标成功的标准.

你所在的行业会影响你目标的性质. 高度监管的行业，比如保险业， 医疗保健、 和金融, are traditionally risk averse 和 subject to 合规 audits; historically, 他们的数据管理策略是防御性的, 关注合规性. 监管较少的行业, 像零售, 经常寻求更主动地使用客户数据, 使他们的战略更具攻击性.

但这种情况正在改变. 今天, 受监管的行业寻求攻守兼备, 更主动地利用客户数据. 类似的, 零售商和其他监管较少的行业正在加强防御措施，以确保遵守GDPR和CCPA. 亚马逊的GDPR罚款8.87亿美元 数据隐私的侵犯已经导致许多零售商重新考虑他们的数据策略, 并重新考虑以防御为导向的方法.

数据智能软件支持更复杂、更包容的数据策略. 将数据分类到不同领域的软件将使不同的部门能够以不同的战略方式使用数据.

现场测试用例

一旦你定义了你的 目标 和 用例是时候让它们经受考验了. 目标和伴随的用例的一些例子包括:

• 该公司希望更好地利用客户数据. 用例可能会挑战分析人员利用软件分析客户数据并提取新的关键见解.
• 生意是 将数据迁移到云数据仓库. 用例可以将选择的软件作为总数据的选定部分的迁移工具进行测试. 它是否突出了遗留依赖关系? 它是否在数据迁移时对其进行管理? 当它被迁移到云上的时候呢?
• 该公司希望支持分析师 数据民主化. 一个用例可能会为新软件配备一打分析师，并邀请他们对其进行测试. 所选择的软件是否使他们更有效率? 他们是否对自己提供值得信赖的报告和建议的能力更有信心?

实施数据智能软件

你已经向领导层提出了一个坚实的案例，他们已经对这个新工具表示了祝福! 一旦您获得了软件，就该对其进行测试，分配关键角色并度量进度. E乐彩通用版下载app建议采取以下四个步骤:

1. 让早期用户参与. 这些是你的数据冠军! E乐彩通用版下载app建议找那些对尝试新事物充满热情的人. 培训他们使用新工具的基础知识，分享团队目标，并邀请他们开始使用.
2. 在迭代中应用. 观察和学习. 是谁干的?? 谁不做什么? 在这个阶段，你要找出谁适合什么任务，并衡量成功. 把有效的加倍投入，放弃无效的.
3. 建立角色. 现在您已经使用了这个工具，您可以更清楚地为团队和个人分配角色了. 谁做什么? 在这个阶段，您将细化这些细节.
4. 分享进步. 计划定期更新，以评估里程碑和进展的关键利益相关者. 不要害羞! 邀请更大的社区, 同样，如果这个工具要在整个组织中获得牵引力，你也需要他们的支持.

数据智能如何支持数据文化:4个例子

• 将数据转换为共享的组织资产
  • 通过突出最好的数据，数据智能将人们与他们可以使用和信任的资产联系起来.
    在过去, 监管压力导致领导人过度关注数据保护, 创造新一代的数据守门人.
    数据智能将遵从性嵌入到软件中, 将守门人从数据保护中解放出来, 并将他们转变为数据管理员和教育者, 负责引导人们找到他们需要的数据.

• 建立一个透明和问责的体系
  • 谁在做什么，什么时候，怎么做，为什么? 在单一来源中回答这些问题有助于重要的对话和决策, 这反过来又支持了创新. 领导者有权设定明确的目标，数据用户有权相互学习.

• 提高决策能力
  • 从历史上看，组织依靠直觉做出选择. 那，不然他们就跟着意见走 河马 (收入最高的人的意见!). 数据智能使获取大数据的途径民主化，使所有人都能贡献出伟大的想法. 以这种方式, 领导者可以摆脱“盲人摸象”的做法，实施分散的决策体系，充分利用集体企业的智慧

• 统一语言、习惯和价值观
  • 文化可以归结为简单的人类问题:E乐彩通用版下载app相信什么? 为什么? 数据智能为关键的组织度量和关键绩效指标建立了一个系统, 公司的愿景和存在理由是什么. 因此，所有人都知道组织的关键价值和目标，并能相应地调整自己的关注点.

将数据智能引入你的组织可以对你的工作文化产生深远的影响. 通过使数据成为目标和决策的中心, 领导者培养一种协作的数据文化, 以战略为基础.

Alation数据目录:数据智能平台

作为现代数据目录的创造者, Alation将数据智能嵌入到平台的每个层面. 与人工智能协同工作, ML, 和BI, 数据智能优化了目录的关键流程, 包括:

• 元数据管理
• 数据质量
• 数据治理
• 主数据管理
• 数据概要分析
• 数据管理
• 数据隐私

很想看看它的实际效果? 获取一个快速演示 看看Alation如何让你的业务更上一层楼.