首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

“数据质量”就是生命线

随着三网融合、移动互联网、云计算、物联网的快速发展,数据的生产者、生产环节都在急速攀升,随之快速产生的数据呈指数级增长。在信息和网络技术飞速发展的今天,越来越多的企业业务和社会活动实现了数字化。全球最大的零售商沃尔玛,每天通过分布在世界各地的6000多家商店向全球客户销售超过2.67亿件商品,每小时获得2.5PB的交易数据。而物联网下的传感数据也慢慢发展成了大数据的主要来源之一。有研究估计,2015年全球数据量为8ZB,而到2020年则高达35.2ZB,是2015年数据量的44倍之多。此外,随着移动互联网、Web2.0技术和电子商务技术的飞速发展,大量的多媒体内容在指数增长的数据量中发挥着重要作用。

04
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    《数据治理行业理论与实践精粹》即将隆重发布

    数字经济正重塑着经济与社会,以工业互联网、区块链、人工智能、5G、大数据等新一代数字技术持续发展突破,奠定数字化转型的坚实基础,企业决策开始从业务驱动向数据驱动转变,而数据治理成为政企数字化转型筑基的关键,是当下数据产业生态系统的主流,历经多年发展已经在各个领域逐步深化落地,同时衍生了不少优秀研究及成功实践。 在此背景下,为汇聚数据治理与数据质量领域前沿思想和实践经验,推动中国数据治理技术与大数据生态环境优化发展。数据质量管理智库洞悉行业发展趋势,汇集DQMIS®峰会5年热点话题出版成书,倾力打造数据行业

    02

    【DQMIS议程】第五届数据质量管理国际峰会议程新鲜出炉!

    数据要素,是过去一年以来最热的一个词,2020年3月30号,中共中央,国务院发布了《关于构建更加完善的要素市场化配置体制机制的意见》中明确提出了把数据作为生产要素进入市场化配置,这是在国家层面大力扶持数字经济,作为中国未来发展重要举措之一。从银保监会的数据治理指引及更严格的数据管控,到市场的数据霸权垄断监管;数据交易市场在中国大地如雨后春笋般的迸发,诸如数据标注等依托数据要素的新业态,新商业模式的涌现,经过一年多的实践和沉淀,蓦然回首,我们发现妨碍我们进一步跃升的是数据的质量,以及提升数据质量的难,和无法承

    01

    以银行业为例谈数据治理

    股份制改革对我国银行业来说只是一个开始,企业在风险管理、创造价值等方面还有很长的路要走。风险管理要求提供精准的数据模型、创造价值要求充分银行数据资产,这是数据治理的外部推动因素。此外,随着第三次工业革命的到来,银行业也需要进入定制化时代,以更低的成本,生产多样化的金融产品,从而满足不同顾客的不同需求。对数据本身而言,业务发展加快了数据膨胀的速度,也带来了数据不一致等问题,业务部门的频繁增加和剥离同样会对数据治理提出挑战。这些日益复杂的内外因决定了我国银行业对数据治理的超高标准要求,而目前对应的经验能力却稍显薄弱。

    04

    拒绝“脏”数据——数据质量评估深入剖析

    随着数据呈爆发式地增长,多数传统企业也开始走上了数字化转型的道路。与此同时,数据中蕴藏的商业价值也逐渐被人们挖掘出来。而大数据类的项目都有一个特点:都以数据为核心。数据将作为产生业务价值和实现业务目标的基石,因此,数据质量就成为影响这类项目的一个极其重要的因素。 本文选自《数据治理:工业企业数字化转型之道》一书,将在技术基础上,从数据质量管理的技术指标和业务指标两大部分对数据质量评估进行深入的分析。 一本数据从业者都需要的工作指南 ▼ 扫码了解详情 ▼ 数据质量评估 互联网、智能手机、可穿戴设备及智能

    03

    《数字中国建设整体布局规划》发布,想抓住下一个风口?先来学学这门课!

    上月,中共中央、国务院印发《数字中国建设整体布局规划》(以下简称《规划》,点击查看),并发出通知,要求各地区各部门结合实际认真贯彻落实。 该《规划》的发布引起不小轰动,大家看到了国家对数字中国建设的重视,也对未来数字化建设的落地有了明确的方向! 企业数字化转型势在必行,而如何构建科学、安全、高效、有序的数据治理体系成为了企业数字化转型的重大命题。  数据治理 是当下企业谋求竞争优势和向高端发展进程中难得的一个机遇,同时也是一个无可回避的挑战。 博文视点学院联合华矩科技推出《数据治理大讲堂》系列课程,4大

    02

    【开源项目推荐】Great Expectations—开源的数据质量工具

    又到了本周的开源项目推荐。数据质量是企业进行数据治理非常重要的一个环节,高质量的数据对管理决策,业务支撑都有非常重要的作用。 只有持续的数据质量改进才能推动数据治理体系的完善,差劲的数据质量就如同顽固的疾病一样,如果不能得到及时的改善,最终可能会导致重大的问题。 近几年来,管理数据质量的工具层出不穷,但是能够全面的对企业数据质量进行分析与洞察的工具并不多见。 那么,有没有好用的开源的数据质量项目呢? 今天为大家推荐的开源项目,就是一个极为优秀的数据质量检查工具,开源的数据质量管理项目。让我们一起来看看吧~

    01

    【开源项目推荐】Great Expectations—开源的数据质量工具

    又到了本周的开源项目推荐。数据质量是企业进行数据治理非常重要的一个环节,高质量的数据对管理决策,业务支撑都有非常重要的作用。 只有持续的数据质量改进才能推动数据治理体系的完善,差劲的数据质量就如同顽固的疾病一样,如果不能得到及时的改善,最终可能会导致重大的问题。 近几年来,管理数据质量的工具层出不穷,但是能够全面的对企业数据质量进行分析与洞察的工具并不多见。 那么,有没有好用的开源的数据质量项目呢? 今天为大家推荐的开源项目,就是一个极为优秀的数据质量检查工具,开源的数据质量管理项目。让我们一起来看看吧~

    01

    三大支柱,决定未来数据质量项目成功

    导读:我们现在处在一个新的时代:商业成功取决于比以前更快的从更多的系统和用户中获取可信任的数据。要想在这个时代成功,你必须确保质量数据在更多的系统中传播流畅,是高度可伸缩的,并且由业务用户监控和管理。通过本文详细的讲解,你可以创建并启动一个可以支持你现有业务计划、还可以轻松扩展满足未来需求的数据质量策略。 数据质量曾经被认为仅仅是IT部门的责任,或者是在某一次数据迁移中才需要被考虑到。而现在,日常业务流程、你的组织里所有的系统和数据都需要考虑数据质量。很多组织仍然让一些不懂在商业中如何使用这些数据的工

    05

    浅谈制造业主数据项目解决方案

    在中国制造2025战略决策的指引下,制造业都在智能制造领域探索自身的发展路径,希望能够跟上数据发展的浪潮,以数据驱动业务快速提升企业竞争力。那么面对企业海量数据,如何找到数据管理的切入点呢?分析近些年我所接触到的制造业数据项目中,制造业在数据管理方面起步较晚,企业自身已经意识到数据管理的重要性,并根据自身发展情况不同而选择适合自己的建设目标,大多数企业纷纷选择主数据管理来入手。 制造业主数据有着鲜明的特点,首先主数据分布在设计、工艺、生产过程中的多个业务部门中、在众多异构系统中使用、主数据本身具备多学科的特

    05

    解析丨未来数据质量项目成功的三大支柱

    我们现在处在一个新的时代:商业成功取决于比以前更快的从更多的系统和用户中获取可信任的数据。这个新时代的核心是大数据,它引进了新技术、新数据源、新数据类型,可以让你更了解顾客、竞争者的关联信息以及你从没想过的经营活动。 问题是这些信息常常充满了错误,那些即刻需要信息的人也不能马上获取它们。无论你负责技术策略还是信息策略,你都需要保证可以实时获取可靠的信息,这样你就可以比竞争者更快的做出准确的决策。否则,你就很容易被其他公司甩在后面。 数据质量曾经被认为仅仅是IT部门的责任,或者是在某一次数据迁移中才需要被考虑

    04
    领券