<font style="color:rgba(0, 0, 0, 0.9);">在当今数字化转型的大潮中,数据已成为企业最宝贵的资产之一。为了更好地帮助企业实现数据驱动的决策,并提高整体运营效率,DataWorks 进行了重大升级,将其从原有的数据治理中心转变为一个更加全面的数据资产治理平台。这一转变不仅仅是名称上的改变,而是 DataWorks 团队围绕业务价值是推动数据资产管理与优化的核心理念,而做出的战略性调整。全新升级的 DataWorks 数据资产治理通过结合技术视角与业务视角来构建一套完整的资产管理体系,同时引入了 Data+AI 全方位的数据资产治理框架,以满足日益增长的企业需求。</font>
业务视角下的数据资产治理
在全新升级的DataWorks数据资产管理框架中,我们特别强调了从企业实际业务需求出发来进行数据资产管理的重要性。这一版本引入了一种面向业务用户的常见资产分类方法——通过标签体系来组织数据资产。这些标签可以反映数据支撑的特定业务领域、数据服务的具体产品名称或业务资产重要程度的等级标识,从而为数据赋予了更深层次的业务意义。
通过这些业务相关的标签,可以将数据资产按照不同的重要等级、数据产品及具体的业务流程进行归类。即可清晰区分出:如面向重要等级为「A0核心业务」中的「财务应用」,和其「财报数据分析」场景相关的表、任务和数据服务。
这种基于业务属性的标签组合方式,不仅有助于简化复杂的数据属性,使得非技术人员也能轻松获取和了解相关数据;也为后续开展更高效的数据管理与分析奠定坚实的基础。数据管理者与治理负责人可以通过增加业务视角来补充传统的技术视角,在进行数据现状评估、优先级设定及最终治理决策时,确保有足够的信息支持对业务成效的准确衡量。当团队成员更多从业务的视角和期望,进行当前资产管理策略的制定时,尤其是跨团队进行协作场景下,带有明确的业务视角的资产信息和指标分析,能极大促进多方团队的协同和沟通,明确相应治理优先级,提升治理工作效率。
以本年末治理负责人开始进行年度治理工作总结和规划为例,可围绕本团队核心数据资产进行如下核心工作展开:
- 设计资产标签体系:为支撑不同业务线的数据资产创建并分配适当的标签;
- 分析盘点业务资产现状:通过资产标记的标签维度,进行资产分布的统计分析,了解资产量级、各类资源消耗、责任人分布;
- 自动识别待治理问题:通过数据资产治理内置的治理维度和问题识别项,自动分析当前团队及面向各业务的待治理问题分布,并可分析完成治理后的预估收益;
- 制定与启动治理计划:根据资产分析情况与后续重点支撑的业务情况,启动下阶段的季度和年度治理计划,针对通过标签标记支撑核心业务的资产,对齐待治理问题和重点治理场景,进行数据治理计划的目标设定和治理推进;并通过系统提供提供的内置治理优化手段进行快速治理;
- 持续分析治理成效:定期接受数据治理计划中的周期分析报告,获取各阶段面向各重点业务的治理收益以及业务反馈。
同时,DataWorks能通过一系列模块化的治理工具,帮助用户通过定义的质量规则,自动执行数据质量评估工作,快速识别出可能影响重点业务可用性的问题数据集,并提出相应的改进措施建议。此外,对于那些被标记为关键性的业务数据资产,还可实施更为严格的安全控制策略,确保敏感信息得到妥善保护。
Data+AI融合:全链路数据血缘追踪
随着人工智能技术的发展及其在各行各业中的广泛应用,如何有效地管理和利用AI相关的数据资源变得越来越重要。因此,在此次升级过程中,DataWorks特别加强了对AI资产的支持力度。推出了全新的Data+AI全链路数据血缘功能,该功能覆盖了从原始数据采集、清洗加工直至最终应用于人工智能平台PAI模型训练及推理服务的整个过程。通过对这一完整链条上各个环节之间关系的详细记录与可视化展示,用户可以清晰地看到每一条数据是如何影响模型性能的,从而帮助研究人员更快地定位问题所在,加速模型调优速度。同时,这也为企业内部跨部门协作提供了便利条件,促进了知识共享和技术交流。
同时,从Data+AI的全链路血缘,也为团队进行数据资产治理时,提供了更加完善的资产使用数据输入和业务支撑的指标信息,使资产管理者不但能够了解对于已有数据业务的支撑,同时扩展了解面向AI相关业务的支撑情况,也能作为制定治理策略的输入,并提升数据治理工作的准确性。
限时优惠
值此DataWorks数据治理能力全面升级之际,为感谢广大用户对产品的长期支持,针对DataWorks软件特推出版本优惠活动,希望可以让更多用户体验到数据资产治理的能力:
首次购买或从基础版升级到标准版/专业版,可以自动免费体验企业版独有的数据资产治理功能1个月;
新购或低版本即将到期(31天内)升级到企业版,可以申请享受首月299元的优惠,申请入口;
更多信息
DataWorks产品各版本区别:https://help.aliyun.com/zh/dataworks/product-overview/differences-among-dataworks-editions
高效实施数据治理指南:https://help.aliyun.com/zh/dataworks/use-cases/effective-data-governance-implementation-guide
产品评测:诚挚邀请您参加产品评测活动,期待您反馈产品使用链路中的任何体验,包括但不限于DataWorks新版数据开发Data Studio、智能助手Copilot等。优质测评将有机会获得Lamy钢笔套装、小米充电宝、社区高额积分等惊喜好礼!点击参与活动:https://developer.aliyun.com/topic/dataworks
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。