Kelle O’Neal作為商業(yè)和IT咨詢公司First San Francisco Partners的管理合伙人兼創(chuàng)始人,幫助企業(yè)認識企業(yè)信息管理以及新興大數(shù)據(jù)戰(zhàn)略的重要性。她在Potential at Work上對數(shù)據(jù)治理成熟度評估進行了探討,并介紹了免費自我評估工具的優(yōu)勢,以及需要專家協(xié)助的幾種情形。最重要的是,她還介紹了如何實施評估。
企業(yè)為何應(yīng)進行數(shù)據(jù)治理成熟度評估?
O’Neal:成熟度評估可以幫助您認識數(shù)據(jù)治理的重要性。您可以通過了解數(shù)據(jù)對企業(yè)和品牌、客戶忠誠度、為股東帶來的價值等產(chǎn)生的影響來衡量數(shù)據(jù)的價值。您可以將數(shù)據(jù)治理成熟度與數(shù)據(jù)價值直接聯(lián)系起來。例如,如果提高了成熟度,則數(shù)據(jù)價值也會提高,進而會提高品牌的價值。
成熟度評估最佳實踐是什么?
O’Neal:您應(yīng)該對人員、流程和技術(shù)進行評估,而不僅僅是評估技術(shù)的使用或采用情況。不僅要評估方案的內(nèi)容,還要評估方案所產(chǎn)生的影響。成熟度級別提高后,對內(nèi)容本身并無任何影響。為每種評估類別提供標(biāo)準,這些標(biāo)準實際上就是讓企業(yè)變得更加成熟的標(biāo)準。您必須能夠利用該成熟度評估制定行動計劃。
自我評估工具與咨詢服務(wù)有何區(qū)別?
O’Neal:最好首先使用自我評估工具進行評估。但是,完成評估的人員越少,可能出現(xiàn)的偏差也就越大。通過有效的第三方咨詢評估,可以詢問一些問題來嘗試消除這種偏差,并努力覆蓋更多職能部門。此外,大多數(shù)第三方解決方案都會考慮行業(yè)情況,而并非所有自我評估工具都能做到這一點。聘用第三方顧問可以幫助評估從自我評估中獲得的見解的質(zhì)量,并對結(jié)果進行驗證。
信息負責(zé)人如何在其組織中將此知識轉(zhuǎn)化為實踐?
O’Neal:先查看公司內(nèi)部員工的級別和職能。然后召集大量人員完成同一自我評估,并對結(jié)果進行比較。您需要獲得不同職能部門的不同觀點和多層次的觀點。例如,包括財務(wù)、銷售、營銷和產(chǎn)品管理以及初級、高級和行政級別。
問問自己為何要進行此次評估,這樣可以幫助確定偏差并客觀地表述評估的目的和結(jié)果。評估的偏差越大,其價值就越低。
當(dāng)您意識到您已從數(shù)據(jù)治理中獲得最大價值后,企業(yè)其他人員會不知不覺地受到影響。目標(biāo)正在于此,因為它表明數(shù)據(jù)治理已經(jīng)成為一項核心能力。
企業(yè)是否已經(jīng)準備好進行數(shù)據(jù)治理自我評估?請使用GovernYourData.com上的免費在線工具完成多個成熟度評估。然后,您會收到基準報告,并會將您的得分與您所在行業(yè)和區(qū)域規(guī)模類似的企業(yè)進行比較。
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復(fù)雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結(jié)合大語言模型的敘事推理能力與音頻生成技術(shù),通過交錯式推理生成、解耦橋接機制和漸進式訓(xùn)練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學(xué)聯(lián)合研發(fā)的VideoJAM技術(shù),通過讓AI同時學(xué)習(xí)外觀和運動信息,顯著解決了當(dāng)前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術(shù)僅需添加兩個線性層就能大幅提升運動質(zhì)量,在多項測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實用化應(yīng)用奠定了重要基礎(chǔ)。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓(xùn)練數(shù)據(jù)集和MM-AlignBench評測基準,通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術(shù)路徑。
谷歌DeepMind團隊開發(fā)的GraphCast是一個革命性的AI天氣預(yù)測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報,準確性超越傳統(tǒng)方法90%的指標(biāo)。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過學(xué)習(xí)40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學(xué)領(lǐng)域帶來了效率和精度的雙重突破。