Daniel Anderson 1

• 提问于 04 月 21 日

Data+AI的融合

最近几个大会听下来，一个明显信号是Data和AI的边界越来越模糊。不是AI替代数据工作，是AI让数据工作变轻了——自动探查、智能建模、NL2SQL这些，慢慢从Demo走进生产了。以后可能不是“会不会写SQL”的问题，是“会不会用好AI帮你写SQL”的问题。

discussion

0 个点赞

1 个回答

256 次浏览

Nicole King 1

• 提问于 04 月 21 日

关于数据开发的自助化：

看到好几个团队在做“自助数据开发”方向的探索，思路都差不多：让业务人员自己能取数、自己做分析。但实际推下来，最大的阻力不是工具好不好用，是业务人员根本不想学。理想很丰满，现实是大家还是习惯在群里艾特数据同学。

discussion

0 个点赞

0 个回答

98 次浏览

Melissa Lewis 1

• 提问于 04 月 21 日

就发个表情吧 ☕

同事分享了一个自动化脚本，省了我每周两小时的重复劳动，请他喝奶茶。

discussion

0 个点赞

0 个回答

107 次浏览

沈梦晨 1

• 提问于 04 月 21 日

质量报告的定时任务

请教一下各位，质量报告的定时任务，大家一般设置在工作日的哪个时段？半夜跑的话会不会和数仓的ETL作业时间冲突？想听听各位的实践经验。

discussion

0 个点赞

1 个回答

246 次浏览

Jennifer Lee 1

• 提问于 04 月 17 日

数据治理小分享：AI赋能下，业务方眼中的“治数”新体验

当下AI热潮席卷各行各业，数智化转型进入深水区，作为常年与数据打交道的业务人，我深刻体会到：AI与数据治理的结合，不是噱头，而是真正解决业务痛点、提升工作效率的“利器”。过去，我们总被数据孤岛、质量参差不齐、分析滞后等问题困扰，数据治理多是IT部门的“专属工作”，业务方只能被动等待，往往陷入“数据不准不敢用、想用数据不会取”的困境。 这也是数据治理的核心价值——不是单纯“管数据”，而是让数据可信、可用，而AI的加入，彻底打破了业务与治理之间的壁垒。作为业务方，我们最直观的感悟...

discussion

0 个点赞

0 个回答

144 次浏览

Laura Thomas 1

• 提问于 04 月 17 日

最近的实战感悟与价值思考

作为我司CIO，主导数据治理工作多年，恰逢AI技术席卷数智化领域，我深刻体会到：AI与数据治理的融合，绝非技术层面的点缀，而是推动企业数据资产化、支撑战略落地的核心引擎，更是破解传统治理困境的关键突破口。 过去，企业数据治理普遍陷入两大误区：一是“重建设、轻落地”，IT部门投入大量人力物力搭建治理体系，却与业务需求脱节；二是“重合规、轻价值”，仅满足监管要求，未能将数据转化为业务增长动力。数据孤岛、质量管控滞后、价值转化不足等问题，始终成为企业数智化转型的“绊脚石”。 站在C...

discussion

0 个点赞

0 个回答

93 次浏览

康桥-毓慧 1

• 提问于 04 月 17 日

分享｜各部门数据“各说各的”？统一数据标准才是关键

数据标准管理实战指南：告别“数据方言”，建立统一数据语言 根据《数据治理实战指南》及数据标准管理规范，为您系统梳理数据标准的建设目标、核心内容、实施流程及关键策略。数据标准是统一数据语言、告别“数据方言”的核心工具，旨在确保数据在全组织范围内具有一致、无歧义的业务语义和技术规范。 一、建设目标与价值 数据标准管理的核心目标是 建立组织内部的“共同数据语言”，其具体价值在于： 价值维度 说明 消除沟通歧义 统一对“客户”、“订单”、“销售额”等核心业务术语的定义和计算口径，避免...

discussion

0 个点赞

0 个回答

237 次浏览

康桥-毓慧 1

• 提问于 04 月 17 日

分享｜数据集成实战：从分散孤岛到统一可用的全流程指南

数据集成实战指南：从分散孤岛到统一可用 根据《数据治理实战指南》中“数据集成”章节的详细内容，我为您系统梳理从分散孤岛到统一可用的全流程实战指南。数据集成是“理采存管用”方法论中 “采”的核心环节，其本质是构建一条高效、可靠的数据供应链。 一、核心理念与目标 依据相关标准文档，数据集成的定义是：将不同来源、格式、特点、性质的数据以物理或虚拟的方式整合到数据中心，为组织提供全面的数据应用。 主要目标 目标 说明 打破数据孤岛 将分散的数据合并到统一的数据中心，形成一致、全面的数...

discussion

0 个点赞

0 个回答

174 次浏览

康桥-毓慧 1

• 提问于 04 月 17 日

分享｜数据治理第一步：如何快速摸清全公司数据家底？

“摸家底”实战指南：快速摸清全公司数据家底 这是数据治理八大步骤中的关键一环，旨在为后续治理工作提供精准的 “数据靶向”。 一、核心目标与落地思路 “摸家底”的核心目标是：系统盘点组织的业务流程、信息系统与数据资源，全面评估数据治理现状与能力，识别核心痛点，最终制定出具体、可衡量的数据治理目标。 其落地遵循“业务驱动、技术支撑”的思路，从战略和业务出发，理清组织 “有什么数据、缺什么数据、问题在哪里”。 二、四步实施流程（快速摸清家底的关键路径） “摸家底”工作可系统化为四个...

discussion

0 个点赞

0 个回答

224 次浏览

康桥-毓慧 1

• 提问于 04 月 17 日

分享｜一次讲清数据治理必建三大体系：组织、制度、技术

数据治理保障体系：组织、制度、技术三大支柱 根据《数据治理实战指南》中“建体系”章节的内容，数据治理要成功落地并持续运营，必须建立由组织体系、制度体系、技术体系三大支柱构成的完整保障体系。这三大体系相互关联、互为依托，共同解决 “谁来做”、“如何做”和“用什么做” 的根本问题。 一、组织体系：解决“谁来做”与“谁负责” 组织体系是数据治理保障体系的核心，旨在建立职责明确、协同高效的组织机制与运营模式，为治理工作提供根本的人力与决策保障。 1. 运营模式选择 模式 特点 适用场...

discussion

0 个点赞

0 个回答

289 次浏览