在數(shù)據(jù)驅(qū)動決策的時(shí)代，數(shù)據(jù)治理已從單純的法規(guī)遵及數(shù)據(jù)質(zhì)量從發(fā)展成為推動明智決策的戰(zhàn)略舉措。

AI賦能數(shù)據(jù)治理能力的十大模式：

一、向數(shù)據(jù)資產(chǎn)所有者推薦：人工智能視角

LLM 可以分析使用模式和訪問權(quán)限，以推薦最合適的數(shù)據(jù)資產(chǎn)所有者。此過程涉及分析誰經(jīng)常訪問和修改數(shù)據(jù)資產(chǎn)、誰擁有必要的權(quán)限以及誰根據(jù)其角色或過去的項(xiàng)目擁有相關(guān)專業(yè)知識。

這種由人工智能驅(qū)動的數(shù)據(jù)資產(chǎn)所有權(quán)分配方法可確保問責(zé)制并促進(jìn)負(fù)責(zé)任的數(shù)據(jù)管理。它還有助于保持?jǐn)?shù)據(jù)治理框架的最新狀態(tài)，因?yàn)殡S著角色的變化或新數(shù)據(jù)資產(chǎn)的創(chuàng)建，可以重新評估和更新數(shù)據(jù)資產(chǎn)所有權(quán)。這不僅可以提高數(shù)據(jù)治理流程的效率，還可以確保數(shù)據(jù)資產(chǎn)由最合適的個(gè)人管理，從而提高數(shù)據(jù)質(zhì)量和信任度。

二、保護(hù)數(shù)據(jù)：自動審查訪問和策略

LLM 可以解釋安全策略，使其能夠自動審查和標(biāo)記潛在的訪問違規(guī)行為。這涉及分析用戶角色、訪問模式和數(shù)據(jù)資產(chǎn)的敏感度，以確定訪問權(quán)限是否符合既定的安全策略。

這種主動方法不僅可以增強(qiáng)數(shù)據(jù)安全性和合規(guī)性，還有助于維護(hù)最小權(quán)限原則，確保用戶只能訪問他們需要的數(shù)據(jù)。通過自動審查訪問權(quán)限和策略，我們可以在不斷變化的數(shù)據(jù)格局和監(jiān)管要求下維護(hù)強(qiáng)大而安全的數(shù)據(jù)治理框架。

三、語境感知翻譯：利用人工智能跨越語言障礙

在數(shù)據(jù)治理領(lǐng)域，語言障礙可能帶來重大挑戰(zhàn)，尤其是對于在不同地區(qū)運(yùn)營的全球組織而言。這時(shí)大語言模型 (LLM) 的強(qiáng)大功能便得以發(fā)揮，它能夠?qū)崿F(xiàn)超越逐字逐句翻譯的上下文感知翻譯。通過理解文本的上下文，大語言模型 (LLM) 可以提供更準(zhǔn)確、更有意義的翻譯，確保保留原文的本質(zhì)和細(xì)微差別。

四、通過自動定義豐富詞匯表術(shù)語

基于我們之前的工作，我們可以擴(kuò)展 LLM 的使用范圍，為大量詞匯表術(shù)語生成定義和其他類型的元數(shù)據(jù)。利用 OpenAI API 自動填充術(shù)語定義，不僅減少了數(shù)據(jù)管理員所需的手動工作量，而且還確保了整個(gè)組織的一致理解。

五、自動實(shí)體鏈接：連接術(shù)語和數(shù)據(jù)資產(chǎn)

大型語言模型在數(shù)據(jù)治理中最強(qiáng)大的應(yīng)用之一是自動實(shí)體鏈接。此過程涉及識別詞匯表術(shù)語和數(shù)據(jù)資產(chǎn)之間的相關(guān)聯(lián)系，從而創(chuàng)建更全面、更互聯(lián)的數(shù)據(jù)治理框架。

通過自動實(shí)體鏈接，LLM 可以分析數(shù)據(jù)資產(chǎn)的上下文和內(nèi)容，并將其鏈接到適當(dāng)?shù)脑~匯表術(shù)語。這不僅可以增強(qiáng)數(shù)據(jù)資產(chǎn)的元數(shù)據(jù)，還可以通過現(xiàn)實(shí)世界的示例和應(yīng)用豐富詞匯表術(shù)語。

這種自動化程度大大減少了維護(hù)和更新這些鏈接所需的人工工作量，確保數(shù)據(jù)治理框架在創(chuàng)建新數(shù)據(jù)資產(chǎn)和更新現(xiàn)有數(shù)據(jù)資產(chǎn)時(shí)保持最新和相關(guān)性。此外，它還為用戶提供了對其數(shù)據(jù)格局的更全面了解，促進(jìn)更有效、更明智的數(shù)據(jù)使用和決策。

六、追溯血統(tǒng)：從代碼到見解

LLM 可以理解代碼，這項(xiàng)技能可以用來識別自定義應(yīng)用程序的血統(tǒng)。這可以簡化跨管道和記錄來跟蹤數(shù)據(jù)轉(zhuǎn)換的復(fù)雜任務(wù)。

七、整理數(shù)據(jù)資產(chǎn)：人工智能驅(qū)動的方法

LLM 可以分析和生成數(shù)據(jù)資產(chǎn)的描述性元數(shù)據(jù)，從而改變我們管理數(shù)據(jù)的方式。這涉及了解數(shù)據(jù)資產(chǎn)的內(nèi)容、背景和用途，然后生成相關(guān)元數(shù)據(jù)，例如定義、摘要、關(guān)鍵字或標(biāo)簽。

八、對齊本體：人工智能橋梁

LLM 可以協(xié)調(diào)組織內(nèi)的不同本體或分類法，這項(xiàng)任務(wù)在醫(yī)療保健、制造業(yè)、金融等領(lǐng)域至關(guān)重要，因?yàn)檫@些領(lǐng)域經(jīng)常使用多個(gè)復(fù)雜的本體。

九、超越關(guān)鍵詞：語義搜索時(shí)代

LLM 可以在數(shù)據(jù)治理工具中啟用語義搜索功能。這使用戶能夠根據(jù)查詢的含義和上下文找到相關(guān)的數(shù)據(jù)資產(chǎn)，從而超越基于關(guān)鍵字的搜索的限制。

十、與數(shù)據(jù)對話

LLM 可以為聊天機(jī)器人或語音助手等對話界面提供支持，使用戶能夠使用自然語言與數(shù)據(jù)治理工具互動。