智能数据目录：引领数字化转型

引领数字化转型信任信息是推动当今数据驱动型业务发展的粘合剂。通过整合和利用来自整个企业各方面的信息，管理人员可以构建数字业务，并且能实现及时决策。对实时或近实时决策的极度信任依赖于信息的稳健性，以及信因此，必须识别和整合各种信息类型，这是企业成功实施数字化转型战略的关键。在改进产品和服务、靠拢客户、规避竞争对手以及抢先成为颠覆者方面，企业面临着前所未有的巨大压力。成功的数字化转型战略以新思维和新技术为基础，为企业在竞争激烈的经济发展中取得成功铺平了道路。每一种数字战略都需要分析功能，而此•数据的“民主化”意味着让所有需要数据的人可以使用和访问数据，但这仍然处数据；以及普遍未能看清企业的数据格局和相关应用。因此，查找正确信息更像是摸索着前进，而不是根据已知智能数据目录管理并提供对元数据的访问，从而支持数据驱动型企业和数字化企业。它能指明为分析引擎提供支持的关键数据，而这些引擎最终会推动形成有洞察的决策。本文探讨了智能数据目录的作用，以及在帮助企业整“虽然企业会不断收集和存储大量数据，但是大多数企业仅使用其可访问数据的一小部分，而根据我的经验，这一比例不足5%。”BostonConsultingGroup的合伙人兼总经理ShervinKhodabandeh表示。“例如，许多公用事业公司安装智能仪表时得到承诺，隐藏在这些数据中的信息将大大帮助企业进行业务转型。然而，大多数公司尚未真正有价值地利用这些信息。与此相似，许多零售商一直在收集客户在线交易和行为数据，但是仅鲜少利用此类信息来创建更加个性化的客户体验。”这是几乎所有行业都存在的常见问题，他补充道：“数据过量，变数过多，用数据都是问题。因此，大多数企业只专注于自己可以直观理解并且拥有经验的一小部分数据，而将其他数据当作元数据处理。实际上，并不存在元数据。这些全都是数据。今天的数据就是昨天的元数据。”Forbesinsights多年以来，数据集成一直是企业难以实现的目标，各种形式的数据隐藏在数依赖于企业内外各方面的数据，而随着此类企业的崛起，情况只会变得愈加复杂。数据源和资产的规模智能数据目录可以完成传统数据目录、元数据存储库和数据湖未能完成的任务。这种新一代目智能数据目录代表了元数据工具和存储库的未来演变。这种全新目录将“元数据管理从停滞不还是在云端，无论是在企业内部、互联网中还是在合作公司。此类积聚的元数据将在整个企业内外得以改善和进行分智能数据目录可以提供由AI支持的统一元数据视图，其中包括技术元数据、业务语义、用户评注、数据关系、数据质量和使用情况，从而帮助业务和IT用户充分发挥企业数据资产的潜力。这些目录也可用于协助数据监护、治理和/research/2017/11/ta-all-informatica-the-data-catalogs-role-in-the-digital-enterprise.aspx数据已经呈现爆炸式增长，导致仅靠人力难以有效管理大量的数据存储、结构和来源。已无法满足不断扩大的数据。简而言之，如今的脑力工作者和决策者没有时间来跟踪或试图验证数据来们信任这些数据资产并作出明智的决定？您如何为他们提供与其数据相关的业务和技术语义？他们对于在线消费金融服务公司MarletteFunding的首席技术官和首席战略官BrianConneen而言，这些都是他正在解决的问题。“我们从来不缺数据，因为我们拥有来自各种来源的数据，”他说。“我们的部分数据来自客户供给我们的材料；我们拥有数据分析和工具来测量网络交互情况；在申请和验证流程中，我们的部分数据部门；我们也拥有来自应用本身的有趣数据，例如性能数据。”为了帮助决策者和分析师了解这些资源的内容对于当今快速发展的数字业务来说，上一代数据管理和集成解决方案（特别是数据仓库）可能查看实时数据，”Conneen说。“不要试图用集成解决方案过度处理所有数据。你可能有一个非常喜欢的数据源，并且花了三个月来把它放进自己的数据仓库中。三个月后，这些数据就不再是有用数据了。因此，时间和精力。”专业人士表示，结构化数据方案在其公司中属于重要优先项目，而43%的人员表示非结构化数据项目属于顶级优先事项。这表明“许多公司错失了良机，没有合理利用非结构化数据并从中获得重要业务价值。”2•大量数据源。在当今的数据驱动型机构中，数据来自许多不同来源，例如物联网设备、企业系统和社交媒体。“技术元数据记录了数据的结构、成分和数据类型。这是实现数据提取和加载、其他计算机流程以及高技术接口•数据位于多个平台。随着企业的数字化程度不断提高，他们将依靠本地和云系统来存储和处理数据。因此，数据存储在多个地方，数据管理呈现出崭新面貌。除了需要识别和锁定新的数据源，企业还需要确保从不同类型•无法充分利用数据分析。对于通过全新创意和行事方式进入市场的公司，他们可能会部署数据分析来实现目标。目前，大多数公司都拥有来自各种来/article/2941015/big-data/solving-the-unstructured-data-challenge.htmlForbesinsights•系统过于复杂，需要进一步理解数据源和系统之间的交互。在企业转向混合计算以利用云端及本地•缺乏对数据源的了解。确保数据信任的最大挑战之一在于，用户无法了解数据的来源、创建方式以及使用数•实时功能要求按需提供经过仔细审查的数据源。由于对实时交互的需求不断增长（尤其是人），•合规性规定要求搜索和验证数据。为了寻找并验证正确信息以持续进行报告，企业消耗了大量的人力、时都已经完全习惯了Google或Twitter等社交媒体网站提供的即时查询结果。这为提供内部企业信息树立了一个新一代智能数据目录不仅可以管理、标记和存储元数据，还会利用人工智能(AI)和机器学习，从而更深入、更广泛地•揭示高度复杂的数据关系•从来源到消费应用对数据进行端到端分析，从而帮探查跨数据集的复合实体；以及根据使用情Forbesinsights思科的数字化转型高级主管兼员工、战略和策划总监FlavioA.Zanetti表示，其公司拥有遍布全球42个国家/地区的800名工程师团队，而关键在于这些团队成员不仅可以即时访问所需信息为客户提供服务，与情况。“我们拥有遍布整个公司的不同数据实例、不同数据库以及不同数据湖，”他说。“中在同一个位置，以便查找工程师正在寻找的最佳内容位置和最佳来源。”Zanetti表示，他的团队早已发现使用数据目录的多种优势，这些优势主要体现在减少查找文档和数据的时间，因此确保工程师可以将更多的时间用于更高级的活动，例如开发、演示、提出提案、客户参与和讨论。“现在不再只是由少数分析师或管理人员提取数据；机构中几乎所有人都在使用数据来作主化”的数据驱动型公司不仅能够安全地在整个企业内提供正•数据科学家和分析师可以利用与智能数据目录相关的自助服务分析来查找相关的数据资产、实现数据沿袭可视化•使用智能数据目录的数据管理员和数据所有者可以采用数据治理，帮助连接业务术语表和技术对象、根据技术沿•数据架构师和开发人员可以使用智能数据目录来实施数据资产管理、分析列级沿袭和变化影响，以及查看转型1.数据探查和了解。非结构化数据可能被视为解锁许多全新竞争洞察的关键，但在许多企业中，即使没有完全隐藏，也很难找到这些信息。报告显示，78%的机构对其非结构化数据资产了解有限或根本不了解。3AI支持的智能数据目录可以帮助用户和应用快速地查找和发现来自企业内外不同来源的可信数据。它能形成所有数据存储、平台和服务的统一视图。通过自动推断域和实体以及搜索建议来支持数据监护和智能数据目录还可以为所有相关数据（包括数据域、用户和相关数据集）提供长期寻求的360度视图，以及详细的端2.数据治理。成功的数据驱动型企业还需要有效的数据治理。随着数据目录与业务一同扩展和增长，必须要保证数据安全，并且与业务策略和优先事项保持一致。合规性规定也对数据资产的透明度和管理提出了要求。当企业内部建立数据资产时，数据目录会自动对数据资产应用规则和策略，以便确保一致性。尽管元数据与相关的数据孤岛、应用或功能密切相关，但智能数据目录可以将有关数据源的信息引入集中式企业智能数据目录还可以自动执行此类合规性和数据审查流程、规则以及策略，从而确保无论数据处理，都可以实现更加无缝衔接的数据治理。此外，智能数据目录可以“自动记录数据沿编目平台的其他功能加以处理的。数据沿袭应该细化到实体和属性层面，并附有术语表中/features/five-steps-to-unstructured-data-security/3.协作。智能数据目录提供的自动治理功能可以实现更好的协作，因为数据流程面向整个企业的团队开放，而且可以根据用户权限级别自动为用户授予文件访问权限。例如，用户可以标记、评论、支持数据集或将其推荐给其他项目团队成员。此外，用法统计和元数据可以帮助揭示热门和相关的数据集，用户也可以安全分享这些数据集。数据脱敏可用于遮蔽敏感数据，确保可在授权用户之间分享此类信息，并且没有暴露个人身数据目录不仅能促进更好的沟通，而且还有助于避免整个企业内的工作出现重复。“对同问题或需求，我们会安排同一名工程师予以解答，”Zanetti说。“如果所有工程师都花时间研究相同问题，那是在浪费资源。”现在，思科销售团队可以在同一地点提供对提案、规范和所有其他相关数据的访问权限或近实时地处理和提供见解。传统方法要求用户或分析师筛选出所有可能的数据源。“分析师可能需要几天可以实时查看数据。”同时，传统的数据环境和数据仓库也需要耗费大量的人力资源果我们试图将数据整合到一个巨大的数据仓库中，那我们所做的一切就只是在花时间5.自助服务分析。如今，成功的数据驱动型企业和数字化企业具有强大的自助服务体系，这意会积极地为终端用户授予访问权限，以确保他们可以在需要时户轻松识别和定位所需数据。这一点至关重要，因为业务以前，用户和团队之间通过口耳相传或其他线下方式分享数理想情况下，在采用AI驱动型数据目录的自助服务环境中，用户和团队可以投入更多时间来进行数据分析而非数据搜索。“我们正在使用不同的数据源，并利用技术在数据源上构成SQL类语法层，因此我们可以将其展示在用户的仪表板上，为用户提供自助服务，”Conneen说。“我们会告诉用户，‘这是一个应用数据的数据集’，‘这是一个网络性能数据的数据集’，或者‘这是一个客户交互数据的数据集’。用户并不真正需要知道数据的所有需要知道自己可以利用数据，以及查找报告和仪表板。”Forbesinsights6.云端之旅。数据存储不仅规模迅速扩大，而且还在吸引企业外部的数据源。业务查询可能越来越多地针对基于云的数据源群集来运行，需要能够与在企业内一样无缝地发现和管理此类数据。数据源和数据目标可能都在云端，或者是混合环境的一部分。智能数据目录开启所有外部数据源，以发现客户、市场、运营和其7.管理机构转型。随着机构通过增长或并购的方式不断发展，新型业务的数据资产可能会存在不确定性，或者业务单元之间的数据会出现重复。无论数据资产来源如何，数据目录都将在跟踪数据资产方面发挥为了在快速增长的数字经济中展开竞争，企业需要拥有可信且可访问的数常工作的一部分。此外，由于查找数据会耗费大量时间，因此业务用户可能在很多方面出现工作延迟或陷入瓶颈。有的数据会受到合规性规定的影响，这是另一个需要进行自动管理的方面。不要试图一次性将所有数据都整合到智能数据目录中，而是应该先识别对用户最为重要的数据领域。此外，对于使用自助服务工具来利用和消费数据的业务用户，必须了解他们的痛点。例如，对于与他们从数据资产中所获信息相关的技术名词，他们可能并不2.推动企业级参与。由于数据源将来自企业内外，因此需要确保数据不仅可用，而且优质且准确。这需要与数据提供者以及数据消费者密切合作。关键在于协作，每个员工都有机会成为数据贡献者和3.将目录封装在强大的分析和数据治理中。企业需要确定元数据将如何“更好地确定目标、展望未来、解决问题以及提供客户服务等，”Khodabandeh说。开发用例时还需要考虑其他因素，包括确定哪些变量将可预测，他补充道。这一切都取决于强大的分析，因为“采用基于回归的传统技术时，模式通常并不明显，但是利用机器学习方法时则会变得显然易见。”此外，需要根据数据治理流程构建目录，“因此在客户改变心意以及监管机构制定全新法规时，可以系统性地添加和删除元数据。”数据需要“能够被删除，并且不会导致模型崩/products/big-data/enterprise-data-catalog.html。ForbesInsights是全球媒体、品牌和技术公司