![\"Image\"](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2023\/04\/john-ly.jpeg\")
Enquanto Os cat\u00e1logos data existem desde a d\u00e9cada de 1950<\/a>, No entanto, o primeiro cat\u00e1logo data alimentado por ML, o \u201cAutomated Data Catalog\u201d, s\u00f3 foi apresentado em 2012 pela empresa de software corporativo Alation. Esses cat\u00e1logos automatizados permitiram recursos que parecem \u00f3bvios hoje em dia, como a captura autom\u00e1tica de metadata, mas abriram caminho para os cat\u00e1logos data superalimentados por ML de outros fornecedores, como Collibra e Atlan.<\/p>\n<\/div> 1. Etiquetagem automatizada do data<\/strong>: O \u201cHome Address\u201d \u00e9 automaticamente marcado como \u201cPII\u201d e classificado em um pool de gerenciamento de acesso seguro e em um dom\u00ednio data \u201cCustomer\u201d para consumo.<\/p>\n 2. Pesquisa sem\u00e2ntica com tecnologia de IA<\/strong>: Ao fazer refer\u00eancia ao hist\u00f3rico de pesquisa, a pesquisa de cat\u00e1logo do ML data prev\u00ea o ativo data mais relevante e agiliza a pesquisa para o usu\u00e1rio.<\/p>\n 3. Mapeamento automatizado da linhagem data<\/strong>: Captura automaticamente as transforma\u00e7\u00f5es em uma tabela do Sistema de Registro (SOR) para o painel usado para consumo comercial.<\/p>\n 4. Melhoria da qualidade do Data<\/strong>: O cat\u00e1logo ML identifica a formata\u00e7\u00e3o inconsistente (ou seja, \u201cMay 2023\u201d\u2019 em vez de \u201c20230501\u201d) e fornece sugest\u00f5es para melhorar o data.<\/p>\n 5. Perfil automatizado do data<\/strong>: Ao analisar a integra\u00e7\u00e3o da liquidez data em todo o ecossistema tecnol\u00f3gico, as equipes data das institui\u00e7\u00f5es financeiras s\u00e3o alertadas sobre poss\u00edveis problemas de qualidade data que podem ser resolvidos para demonstrar com precis\u00e3o sua exposi\u00e7\u00e3o ao risco.<\/p>\n 6. Data Discovery<\/strong>: Quando uma base de dados do data com m\u00e9tricas de comportamento do consumidor \u00e9 integrada ao cat\u00e1logo, os recursos de ML classificam automaticamente o data e agilizam a recupera\u00e7\u00e3o futura.<\/p>\n Com esses recursos adicionais, as organiza\u00e7\u00f5es podem<\/strong> organizar, visualizar e contextualizar seu data em escala<\/strong>, A empresa est\u00e1 trabalhando para melhorar a qualidade dos insights e acelerar o tempo de entrega de projetos de an\u00e1lise que apoiam diretamente a tomada de decis\u00f5es de alto n\u00edvel.<\/p>\n<\/div> A alfabetiza\u00e7\u00e3o em Data, como dito anteriormente, \u00e9 a etapa fundamental para se tornar uma organiza\u00e7\u00e3o data-driven. Se os consumidores de data (analistas e cientistas de data, tomadores de decis\u00e3o etc.) n\u00e3o entenderem o data, isso n\u00e3o ser\u00e1 melhor do que o excesso de armazenamento, o que \u00e9 negativo quando se considera o custo de armazenar data.<\/p>\n Os cat\u00e1logos do data alimentados por ML apoiam a alfabetiza\u00e7\u00e3o no data n\u00e3o apenas removendo as barreiras para aprender sobre o data, mas, o que \u00e9 mais importante, explicando-o na linguagem do neg\u00f3cio. Por exemplo, as tags automatizadas do data podem organizar os ativos do data em dom\u00ednios espec\u00edficos do neg\u00f3cio com base em v\u00e1rios elementos, fornecendo um denominador comum que pode ser usado tanto por um engenheiro do data quanto por um executivo de RH. Al\u00e9m disso, Quando as fun\u00e7\u00f5es que n\u00e3o s\u00e3o do data conseguem aproveitar os recursos do data para melhorar sua produ\u00e7\u00e3o, elas recorrer\u00e3o ao data (e ao cat\u00e1logo do data) na pr\u00f3xima vez que enfrentarem um desafio semelhante<\/strong>, O senhor pode criar organicamente uma organiza\u00e7\u00e3o alfabetizada em data e data-driven.<\/p>\n<\/div> Tornar-se uma organiza\u00e7\u00e3o data-driven \u00e9 imperativo, dada a natureza em r\u00e1pida evolu\u00e7\u00e3o do ambiente de neg\u00f3cios atual. Em uma pesquisa<\/a> Em um estudo realizado por Traci Gusher, l\u00edder de data e an\u00e1lise (D&A), 93% das empresas indicaram que continuariam a aumentar \u201cagressivamente\u201d seus investimentos em recursos de D&A. No entanto, de acordo com Deborah Leff<\/a>, De acordo com o CTO da Data Science and AI da IBM, 87% dos projetos cient\u00edficos da data nunca passam da fase de planejamento, afetando negativamente as ambi\u00e7\u00f5es da data.<\/p>\nSeis recursos a serem procurados em um cat\u00e1logo ML Data<\/h2><\/div>
Como os cat\u00e1logos do ML Data podem acelerar a alfabetiza\u00e7\u00e3o no data?<\/h2><\/div>
Por que se tornar alfabetizado e orientado para o data \u00e9 essencial para o sucesso<\/h2><\/div>
Autor<\/h2><\/div>![\"Image\"](\"data:image\/svg+xml,%3Csvg%20xmlns%3D%27http%3A%2F%2Fwww.w3.org%2F2000%2Fsvg%27%20width%3D%27150%27%20height%3D%270%27%20viewBox%3D%270%200%20150%200%27%3E%3Crect%20width%3D%27150%27%20height%3D%270%27%20fill-opacity%3D%220%22%2F%3E%3C%2Fsvg%3E\")
John Ly<\/h3><\/div>Consultor S\u00eanior, Estrat\u00e9gia e Gest\u00e3o Data, na Artefact USA<\/p>\n<\/div><\/div><\/div><\/div><\/div>
Antes de explorar os cat\u00e1logos data de aprendizado de m\u00e1quina (ML), vamos definir o que \u00e9 um cat\u00e1logo data b\u00e1sico: um reposit\u00f3rio central que armazena metadata, como fontes data, formatos data, bases data relacionais e linhagem data, e identifica seus respectivos propriet\u00e1rios. Considerados amplamente como a base de uma organiza\u00e7\u00e3o data-driven, os cat\u00e1logos data promovem a alfabetiza\u00e7\u00e3o data em toda a empresa, servem como uma \u00fanica fonte de verdade sobre como o data deve ser interpretado e usado em an\u00e1lises e promovem o data como um produto por meio da propriedade dos ativos data.<\/p>\n<\/div><\/div><\/div><\/div><\/div>
John Ly<\/h3><\/div>Consultor S\u00eanior, Estrat\u00e9gia e Gest\u00e3o Data, na Artefact USA<\/p>\n<\/div><\/div><\/div><\/div><\/div>
Antes de explorar os cat\u00e1logos data de aprendizado de m\u00e1quina (ML), vamos definir o que \u00e9 um cat\u00e1logo data b\u00e1sico: um reposit\u00f3rio central que armazena metadata, como fontes data, formatos data, bases data relacionais e linhagem data, e identifica seus respectivos propriet\u00e1rios. Considerados amplamente como a base de uma organiza\u00e7\u00e3o data-driven, os cat\u00e1logos data promovem a alfabetiza\u00e7\u00e3o data em toda a empresa, servem como uma \u00fanica fonte de verdade sobre como o data deve ser interpretado e usado em an\u00e1lises e promovem o data como um produto por meio da propriedade dos ativos data.<\/p>\n<\/div><\/div><\/div><\/div><\/div>
Consultor S\u00eanior, Estrat\u00e9gia e Gest\u00e3o Data, na Artefact USA<\/p>\n<\/div><\/div><\/div><\/div><\/div>
Antes de explorar os cat\u00e1logos data de aprendizado de m\u00e1quina (ML), vamos definir o que \u00e9 um cat\u00e1logo data b\u00e1sico: um reposit\u00f3rio central que armazena metadata, como fontes data, formatos data, bases data relacionais e linhagem data, e identifica seus respectivos propriet\u00e1rios. Considerados amplamente como a base de uma organiza\u00e7\u00e3o data-driven, os cat\u00e1logos data promovem a alfabetiza\u00e7\u00e3o data em toda a empresa, servem como uma \u00fanica fonte de verdade sobre como o data deve ser interpretado e usado em an\u00e1lises e promovem o data como um produto por meio da propriedade dos ativos data.<\/p>\n<\/div><\/div><\/div><\/div><\/div>