用这4种变革性方法提升您的数据治理实践
没有有效的治理，组织将发现自己在数字荒野中徘徊。
最近欧盟人工智能法案的进展也指出，对于处理高风险AI系统以确保合规性的组织来说，数据治理是必不可少的。尽管数据规模不断增加，但组织的治理努力却出现了倒退，导致了较弱的数据治理实践。
让我们看看通过使用现代技术，您可以改进组织的数据治理的四种方式。
1. 用副驾驶取代数据治理人员
在我多年为客户实施数据治理的过程中，我还没有遇到过一个满意的数据治理人员。
他们要把数据转化为业务，反之亦然，但几乎没有权力强制执行合规性。失败的原因通常包括设计不良的治理模型，缺乏高级管理层的支持，或将治理视为一次性项目，投资极少。
一个使用LLM的副驾驶可以创建政策文件，捕获业务和技术元数据，验证数据创建是否符合约定的标准等。即使您无法投资新工具，副驾驶也可以是一个Slack/Teams机器人，与您组织的元数据工具链接，简单地回答“常见问题”，比如谁拥有这些数据，哪个数据是主数据，某个列的定义是什么等，以供最终用户使用。
这对数据团队有何影响？
数据领导者可以通过减少全职资源来节约成本。数据工程师可以确保足够的元数据被记录并提供给副驾驶，以阻止最终用户的查询。数据分析师/科学家可以依赖副驾驶来回答足够的问题，以帮助解决他们的分析查询。