top of page

數據治理是資產化前提

Updated: Apr 28

資訊或數據的收集及處理古已有之,幾千年來變化不大,直到個人電腦普及才開始出現極其微妙的改變,首先是帶動了數據化的領先企業包括Google、Amazon、Facebook及中國的BAT,然後是移動應用和人工智能所引起的智能熱潮。再加上物聯網的加入,讓我們不知不覺間,每天都在生產着數據,甚至消費着數據。可以說,幾乎全民都在參與到大數據的生命周期之中。

大數據的組成亦跟幾年前有很大變化,因為需求的細分及終端的發達變得愈來愈零散。同時,數據安全的規管也改變了大家分享數據的形式及難度,彙聚數據的成本正在不斷提高。

但是我們都知道,大數據的核心價值來自分享,務求提升預判及還原現實的可能性;而大數據的分享涉及複雜的技術、機制以及巨大的成本,所以成本效應成為了企業及政府機構數據化的絆腳石。

中台是共用樞紐

如今,企業都意識到數據是重要資產,也意識到有效的數據治理是數據資產化的前提,近年我在內地為市政府和一些互聯網企業擔任顧問,都涉及到如何建立橫向的數據治理系統。這種經驗最早期來自阿里,數據量及類別之多已經成為企業的重大負擔,別說儲存及計算的高昂成本,就連數據安全保護及品質保障都是頭疼問題。在數據的「存管用」過程中,我們發現了3個現象:數位業務變化速度非常快、數據處理技術及方法都很類似、數據及演算法中間層能產生巨大效能。後來推出的對策,就引發了今天大家討論得比較多的數據中台及數據治理委員會。

雖然大家對這兩個新詞彙還未有共識,但基本目的都是通過共創、複用、沉澱,藉以促進效率、協同性和創新能力。個人認為,數據治理委員會的內容涉及到數據資產的確定、管理及使用機制、共用和開放的原則及機制、安全與隱私保護的政策等,但很多人會忽略了最核心的是人才培養及數字文化普及推動。

另一方面,很多人會把數據中台體會為一個軟體的合成,卻忽視了數據分享及共創才是支柱所在。最後還有一個很大的誤區,就是沒有把中台視為數據共用的樞紐。

Recent Posts

See All
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

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
集結舊手機算力 媲美當今伺服器

你可曾想過,你抽屜裏那部4年前的舊手機,可能很有價值? 這個星期,Google Research聯同加州大學聖地牙哥分校(UCSD)公布一項創新計劃:運用2000部退役的Pixel手機,構建一個真實可用的雲端計算平台。這不僅是概念驗證,更是一個供數百名學者與研究人員實際操作的生產級環境。處理方式十分直接,將舊手機的熒幕、電池、外殼全部移除,僅保留主機板,透過Kubernetes技術組成叢集,直接轉

 
 
bottom of page