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準,這些標準實際上就是讓企業(yè)變得更加成熟的標準。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
浙江大學(xué)團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。