本月早些时候，我参加了Forrester的首届数据战略和见解会议。在活动期间，我有机会在一个名为"转变数据文化：用累进保险的Collibra推动数据价值"的会议上，与Progressive Insurance的数据治理总监Piyush Jain进行了介绍。我们会议期间所涉及的大部分内容都是在整个活动中讨论的主题，包括如何可信的、受管理的数据可以提高整个组织的使用率，并加速人工智能的实现。我带着三个要点离开了会议：1人工智能增加了数据治理的重要性。与我交谈过的大多数与会者都有一个人工智能项目正在试点或生产阶段。但由于对人工智能缺乏信任，扩大人工智能支出的计划尚未出台。治理经常被讨论为一种潜在的解决方案，理解如何将数据治理和人工智能治理结合起来是一个关键的组成部分。对数据有完全的信心是对自动化决策有信心的必要条件。关键要点：数据治理工作必须包括人工智能。如果你还没有开始一个治理计划，那么现在是时候了。没有人工智能，就没有人工智能的信任。通过治理计划，您还将获得数据可见性和质量的好处。如果你有一个治理计划，一定要包括与人工智能项目相关的数据。培训数据、输入源和过程的输出都必须是质量受监控的受管理数据。2一切都是关于数据结构的。第二天的大部分讨论集中在数据"结构"的开发上。Forrester定义了这种结构，它是组织方便访问数据（包括数据目录和业务术语表）所需的数据功能的集合。这两种方法与术语表一起工作，使用户能够根据数据的含义找到所需的数据。然后，数据目录将这一含义与供应数据链接起来。目录还公开了数据的内容，比如它的用法、沿袭和其他用户的意见。关键要点：组织必须使其数据可见，并定义了数据供应流程。对数据的可见性是基于对数据含义的了解。与技术元数据链接的业务术语表是获取这一含义的最佳方法。这是组织数据结构的基石，它必须独立于数据的使用或存储。这将使我们能够找到数据并将其用于任何有助于组织增值的地方。三。每个人都在做。我们在活动中遇到了许多人，很明显，使用数据作为数字化转型的一部分正在每个人的日常生活中发生。问题集中在执行策略和如何使数据程序成为现实。这种关注反映了数据实践的成熟。领先的组织正在迅速创新，而他们不那么激进的同行现在正在实施这些最佳实践。三个数据实践、可见性、完整性和质量是数字计划的基础。只有当你能看到所有你拥有的数据，你才能确定它的最有利可图的用途。当你确信自己可以安全地使用这些数据时，你就可以做出明智的决定，让顾客对你的品牌做出怎样的反应。当数据的质量是众所周知的，你可以确信它是适合的。关键要点：随着既定的最佳实践提高其效率，数据计划将加快。数据正在进入商业的几乎每一个方面，是数字转换的基础。你的目录和治理工作应该与你的数字化工作紧密联系起来。这将帮助您了解所有三种实践：可见性、完整性和质量。