![\"Image\"](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2023\/04\/john-ly.jpeg\")
Tandis que Les catalogues data existent depuis les ann\u00e9es 50<\/a>, En revanche, le premier catalogue data aliment\u00e9 par ML, le \u201cAutomated Data Catalog\u201d, n'a \u00e9t\u00e9 introduit qu'en 2012 par l'\u00e9diteur de logiciels d'entreprise Alation. Ces catalogues automatis\u00e9s offrent des fonctionnalit\u00e9s qui semblent \u00e9videntes aujourd'hui, comme la capture automatique de m\u00e9tadata, mais ils ont ouvert la voie aux catalogues ML data suraliment\u00e9s d'autres fournisseurs, tels que Collibra et Atlan.<\/p>\n<\/div> 1. Marquage automatis\u00e9 du data<\/strong>: \u201cL'adresse du domicile est automatiquement \u00e9tiquet\u00e9e comme \u201dPII\u201c et tri\u00e9e dans un pool de gestion d'acc\u00e8s s\u00e9curis\u00e9 et un domaine \u201dClient\u201c data pour la consommation.<\/p>\n 2. Recherche s\u00e9mantique aliment\u00e9e par l'IA<\/strong>: En se r\u00e9f\u00e9rant \u00e0 l'historique des recherches, la recherche dans le catalogue ML data pr\u00e9dit l'actif data le plus pertinent et acc\u00e9l\u00e8re la recherche pour l'utilisateur.<\/p>\n 3. Cartographie automatis\u00e9e de la lign\u00e9e data<\/strong>: Capture automatiquement les transformations d'une table du syst\u00e8me d'enregistrement (SOR) vers le tableau de bord utilis\u00e9 par l'entreprise.<\/p>\n 4. Data am\u00e9lioration de la qualit\u00e9<\/strong>: Le catalogue ML identifie des incoh\u00e9rences de formatage (par exemple \u201cMay 2023\u201d\u2019 au lieu de \u201c20230501\u201d) et fournit des suggestions pour am\u00e9liorer le data.<\/p>\n 5. Profilage automatis\u00e9 de la data<\/strong>: En analysant l'int\u00e9gration des liquidit\u00e9s data dans l'\u00e9cosyst\u00e8me technologique, les \u00e9quipes data des institutions financi\u00e8res sont alert\u00e9es des probl\u00e8mes de qualit\u00e9 data potentiels qui peuvent \u00eatre r\u00e9solus pour d\u00e9montrer avec pr\u00e9cision leur exposition au risque.<\/p>\n 6. Data D\u00e9couverte<\/strong>: Lorsqu'une base data contenant des donn\u00e9es sur le comportement des consommateurs est int\u00e9gr\u00e9e au catalogue, les capacit\u00e9s de ML classent automatiquement la data et acc\u00e9l\u00e8rent les recherches futures.<\/p>\n Avec ces capacit\u00e9s suppl\u00e9mentaires, les organisations peuvent<\/strong> organiser, visualiser et contextualiser leur data \u00e0 l'\u00e9chelle<\/strong>, Le programme d'analyse de la qualit\u00e9 de l'information, qui am\u00e9liore la qualit\u00e9 des informations et acc\u00e9l\u00e8re le d\u00e9lai de livraison des projets d'analyse qui soutiennent directement la prise de d\u00e9cision au niveau le plus \u00e9lev\u00e9.<\/p>\n<\/div> La ma\u00eetrise du Data, comme indiqu\u00e9 pr\u00e9c\u00e9demment, est l'\u00e9tape fondamentale pour devenir une organisation data-driven. Si les consommateurs de data (analystes et scientifiques de data, d\u00e9cideurs, etc.) ne comprennent pas le data, ce n'est pas mieux qu'un exc\u00e8s de stockage, un n\u00e9gatif net si l'on consid\u00e8re le co\u00fbt du stockage du data.<\/p>\n Les catalogues data aliment\u00e9s par ML soutiennent l'alphab\u00e9tisation data non seulement en supprimant les obstacles \u00e0 l'apprentissage du data, mais surtout en l'expliquant dans le langage de l'entreprise. Par exemple, les \u00e9tiquettes data automatis\u00e9es peuvent organiser les actifs data en domaines sp\u00e9cifiques \u00e0 l'entreprise sur la base de divers \u00e9l\u00e9ments, fournissant ainsi un d\u00e9nominateur commun utilisable \u00e0 la fois par un ing\u00e9nieur data et par un responsable des ressources humaines. En outre, lorsque des personnes n'appartenant pas \u00e0 data sont en mesure d'exploiter les ressources de data pour am\u00e9liorer leur rendement, elles se tournent vers data (et le catalogue de data) la prochaine fois qu'elles sont confront\u00e9es \u00e0 un d\u00e9fi similaire.<\/strong>, La cr\u00e9ation d'une organisation ma\u00eetrisant la data et la data-driven se fait de mani\u00e8re organique.<\/p>\n<\/div> Devenir une organisation data-driven est imp\u00e9ratif compte tenu de l'\u00e9volution rapide de l'environnement commercial d'aujourd'hui. Dans une recherche<\/a> Selon l'\u00e9tude men\u00e9e par Traci Gusher, un leader en mati\u00e8re de data et d'analyse (D&A), 93% des entreprises ont indiqu\u00e9 qu'elles continueraient d'augmenter \u201cagressivement\u201d leurs investissements dans les capacit\u00e9s de D&A. Cependant, selon Deborah Leff<\/a>, Selon le directeur technique de Data Science and AI chez IBM, 87% des projets scientifiques de data ne d\u00e9passent jamais la phase de planification, ce qui a un impact n\u00e9gatif sur les ambitions de data.<\/p>\nSix caract\u00e9ristiques \u00e0 rechercher dans un catalogue ML Data<\/h2><\/div>
Comment les catalogues ML Data peuvent-ils acc\u00e9l\u00e9rer l'apprentissage de la data ?<\/h2><\/div>
Pourquoi il est essentiel de se familiariser avec data et d'\u00eatre motiv\u00e9 pour r\u00e9ussir<\/h2><\/div>
Auteur<\/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>Consultant principal, strat\u00e9gie et gestion Data, \u00e0 Artefact USA<\/p>\n<\/div><\/div><\/div><\/div><\/div>
Avant d'explorer les catalogues data d'apprentissage automatique (ML), d\u00e9finissons ce qu'est un catalogue data de base : un r\u00e9f\u00e9rentiel central qui stocke les m\u00e9tadata telles que les sources data, les formats data, les bases relationnelles data et la lign\u00e9e data, et qui identifie leurs propri\u00e9taires respectifs. Largement consid\u00e9r\u00e9s comme le fondement d'une organisation data-driven, les catalogues data favorisent la connaissance de data \u00e0 l'\u00e9chelle de l'entreprise, servent de source unique de v\u00e9rit\u00e9 sur la mani\u00e8re dont data doit \u00eatre interpr\u00e9t\u00e9e et utilis\u00e9e dans l'analyse, et promeuvent data en tant que produit gr\u00e2ce \u00e0 la propri\u00e9t\u00e9 des actifs data.<\/p>\n<\/div><\/div><\/div><\/div><\/div>
John Ly<\/h3><\/div>Consultant principal, strat\u00e9gie et gestion Data, \u00e0 Artefact USA<\/p>\n<\/div><\/div><\/div><\/div><\/div>
Avant d'explorer les catalogues data d'apprentissage automatique (ML), d\u00e9finissons ce qu'est un catalogue data de base : un r\u00e9f\u00e9rentiel central qui stocke les m\u00e9tadata telles que les sources data, les formats data, les bases relationnelles data et la lign\u00e9e data, et qui identifie leurs propri\u00e9taires respectifs. Largement consid\u00e9r\u00e9s comme le fondement d'une organisation data-driven, les catalogues data favorisent la connaissance de data \u00e0 l'\u00e9chelle de l'entreprise, servent de source unique de v\u00e9rit\u00e9 sur la mani\u00e8re dont data doit \u00eatre interpr\u00e9t\u00e9e et utilis\u00e9e dans l'analyse, et promeuvent data en tant que produit gr\u00e2ce \u00e0 la propri\u00e9t\u00e9 des actifs data.<\/p>\n<\/div><\/div><\/div><\/div><\/div>
Consultant principal, strat\u00e9gie et gestion Data, \u00e0 Artefact USA<\/p>\n<\/div><\/div><\/div><\/div><\/div>
Avant d'explorer les catalogues data d'apprentissage automatique (ML), d\u00e9finissons ce qu'est un catalogue data de base : un r\u00e9f\u00e9rentiel central qui stocke les m\u00e9tadata telles que les sources data, les formats data, les bases relationnelles data et la lign\u00e9e data, et qui identifie leurs propri\u00e9taires respectifs. Largement consid\u00e9r\u00e9s comme le fondement d'une organisation data-driven, les catalogues data favorisent la connaissance de data \u00e0 l'\u00e9chelle de l'entreprise, servent de source unique de v\u00e9rit\u00e9 sur la mani\u00e8re dont data doit \u00eatre interpr\u00e9t\u00e9e et utilis\u00e9e dans l'analyse, et promeuvent data en tant que produit gr\u00e2ce \u00e0 la propri\u00e9t\u00e9 des actifs data.<\/p>\n<\/div><\/div><\/div><\/div><\/div>