top of page

数据战略-随时代而改变

Updated: Apr 28

從最近幾次專欄所提及的數字經濟到數字化轉型,大家都應該意識到數據所擔當的重要角色。然而,當數據被認定為未來經濟增長的要素之時,數據戰略的制定,已經成為各間企業及組織的重要關注點。

坊間對數據戰略的解釋眾說紛紜,但主流的描述是:「如果識別出具有戰略需求的數據資源,然後用各種方法去收集,利用這些數據加強組織的洞察力、改善決策質量及加強競爭力。」

但隨着時代變遷,這些定義也在不斷修正中,例如美國國防部早在2003年就首次提出數據戰略,但經歷互聯網及大數據接近20年如日中天光景之後,2020年的報告出現了全新有關數據戰略提升的觀點,由以往「面向網絡」轉為「數據為中心」的戰略,為了成功實現該戰略方向,報告概述了8個原則如下:

1.數據是一種戰略資產:必須以一種既能帶來即時又持久優勢的方式加以利用;

2.集體數據管理:必須由指定數據管理者、數據保管人員,配合一套完善職能體系加以管制,並納入整個數據生命周期的責任制;

3.數據倫理:必須將倫理放在所有思想和行動的首位,因為它涉及到如何收集、使用和儲存數據,更要平衡各方利益;

4.數據收集:必須在數據創建時,考慮數據的有效收集,並記錄數據來源的變化;

5.企業範圍內的數據訪問和可用性,必須通過適當的權限設置機制,只供所有獲授權的個人和非個人使用;

6.用於人工智能訓練和算法模型的數據集,日益成為最有價值的數碼資產,必須創建一個有效的數據生命周期管理框架,以確保數據的質量及持續性;

7.數據的管理範圍要符合目的,必須仔細考慮數據收集、共享、使用、快速數據集成,以及最大限度地減少任何噪音及偏見的來源;

8.合規性設計:讓數據生命周期的管理盡可能自動化,實施IT解決方案去處理包括數據安全、數據質量等問題,並全面跟蹤所有數據從生產到使用的行為,作記錄、監察及管理用途。

從以上八大原則,筆者體會到數據戰略(Data strategy)可能有需要更精準地描述為大數據管理戰略(Big Data management strategy),因為數據的內涵與大數據有所差別,而且管理方式上也會相應作出改變,更需要有高層次的新思維。

車品覺_紅杉資本中國專家合夥人、阿里巴巴商學院特聘教授暨學術委員會委員

Recent Posts

See All
選擇胖模型還是胖鞍具?

打開任何人工智能(AI)方案,你會看到兩種完全不同的產品策略在較量:一種叫做胖模型(Fat Model),另一種叫做胖鞍具(Fat Harness)。 胖模型的信念很直白:以更大的大腦解決更多的問題。參數多、數據龐大、算力強,模型自然顯得聰明。這驅動了ChatGPT、Claude和Grok之間的競賽──每一代都宣稱新產品比上一代更強,而企業只要付費就能直接使用,代價是你的AI能力完全綁定在供應商的

 
 
慎防智能代理「無聲」脫軌

試想想,人工智能(AI)系統已在生產環境中完成部署,但究竟要如何防止AI「悄然失靈」?過去3個月,全球超大規模企業在AI基礎設施上的資本支出達到一個前所未有的量級。單憑這一數據,人們或許會得出結論:AI的生產化部署正在全力推進,市場充滿信心。 然而,7月份第一周,來自不同領域的幾個訊號同時浮現,揭示出一個更為複雜的真相。一邊是史無前例的基礎設施投資;另一邊是一群深諳「系統可靠性」的專家──那些專門

 
 
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
bottom of page