【御数之旅-4】EDW第3天,美联储CDO重磅开幕,御数坊为您深度解读

大数据文摘和御数坊合作,带给您“数据治理与管理领域”顶尖时讯。此活动由御数坊创始人刘晨,亲临美国企业数据世界EDW2015大会现场,为您报道大数据最不应却又最容易被忽略的内容,大数据文摘和御数坊同步为您传递...

御数坊简介

微信ID: DGWorkshop_CN 专注于数据治理与管理领域,致力于将全球最优质的数据治理与数据管理资源带给中国数据从业者,帮助中国各行各业企业客户夯实数据基础,提升数据质量,为数据资产价值的挖掘和创造保驾护航。

美国东部时间3月31日8:30,第19届企业数据世界EDW大会在华盛顿11街凯悦(Grand Hyatt)酒店进入第3天,在两天预热之后,终于正式开幕了!

数据管理业界动态

开始详细介绍美联储的Opening Keynote之前,先插播一条业界动态。数据管理同行可能都知道MIKE2.0这个知识社区,之前是有两家咨询公司资助的,现在咨询公司停止资助于是MIKE2.0已经转投DAMA International,由后者提供运营支持。双方已于3月30日下午完成签约。客观评价这一合并有助于数据管理领域的发展:MIKE2.0有不少面向实践操作的方法,与DAMA的数据管理知识理论体系(DMBOK)形成互补。

美联储CDO开幕演讲

论坛开幕演讲当然要有足够的分量,于是美联储的首席数据官Micheline Casey出场了,这个级别相比马云出席德国汉诺威博览会也算旗鼓相当,在数据圈肯定算是件大事。

Micheline Casey是美联储首席数据官(CDO),领导首席数据官办公室(OCDO)。OCDO是美联储内部数据治理和数据管理服务机构,负责在美联储体系内领导数据管理和信息共享变革转型。她负责领导美联储的数据战略开发和实施、制定政策提升数据质量、改进数据管理措施、整合数据交付方案、领导企业数据治理的举措、计划和项目,同时负责为美联储高层领导提供数据创新和优化的专家意见。她曾经是美国州政府层面的第一位首席数据官、还曾是科罗拉多州议员办公室成员。

Micheline 首先谈了已经成立百年的美联储在当今时代开展数据管理面临的背景,包括技术快速进步、金融危机对监管提出新的要求、新兴复杂数据类型(社交、智能设备、传感器、电子商务等)出现、第三方数据提供等,这都要求美联储采用新的数据管理思维及业界最佳实践。特别提到,“大数据”对于美联储与对一般公司的意义是不一样的,美联储更关注宏观数据而非Amazon等关注的用户消费行为数据、鼠标点击流数据等,因此也就并非需要全部数据。这对于我们的启示是,中国政府、企业谈大数据时,应该结合各自不同的需求,去确定大数据的内涵。

结合美联储制定并执行货币政策、监管银行机构、保持金融系统稳定、提供支付等金融服务几项核心使命,提出了美联储数据管理应该重点关注的几个问题:

  • 如何用新的方式使用现有数据?
  • 如何使用新数据支持现有指标?
  • 当前没有衡量而应该衡量的指标有哪些?
  • 如何使用新的数据类型去回答已知和当前未知的问题?

进一步,提出了正在扩大数据源(包括行政数据、大数据或基于大数据产生的指标)、使用新指标的业务愿景,从而利用更及时、更细节的数据更好地理解当前和未来的非金融行业的经济情况、更好洞察正在出现的不平衡情况,从而改进美联储编修和发布的数据。

以工业生产数据为例说明了新型数据源的好处:美联储希望通过将新数据源与当前数据相结合,减少数据修正、加速数据发布、减少对数据的“估计“、在保持与历史数据可比性和一致性的基础上扩展指标衡量范围、提升数据的细节程度。

在实施新指标的业务愿景的过程中,美联储采取了多管齐下的策略,包括研究可用的数据源、与外部公司和政府机构合作、人员技能提升、建立首席数据官办公室。同时,也非常关注新数据源带来的风险,如:时间短无法支持周期分析,采样问题缺乏代表性等。

一系列的数据管理举措形成了美联储的企业级数据治理框架,其中包括制定企业级数据战略、建立数据委员会、数据治理委员会,推行数据管理专员制度,建立元数据、数据质量、数据安全,参考数据,数据生命周期,企业数据分析,数据架构等一系列数据管理能力。与国内的数据治理与管理实践相比较,基本大同小异。我们可以认为,在理论框架方面,国内经过多年建设积累,已经基本完整,但是否能与业务紧密结合、是否能持续推行落地,则国内与国外还有一定距离。我们需要摸索出在中国的业务和管理环境下的一套自己的数据治理体系和实施方法。

在数据治理框架之外,Micheline特别强调了文化与变革管理的重要性,数据管理不仅是技术和流程的改变,而是意识和习惯的改变,需要打破部门间的竖井(Silo),需要改变如何理解和定义数据,强调数据能够产生战略优势、获取最终成果。这对于国内的启发在于,不应简单将数据治理与管理视为IT技术工作,也不应视为一次性的项目,而是长久持续的在业务、管理、技术、文化等各个方面去推行,改变组织的数据意识和行为。

在会后的观众问答过程中,有如下要点:

  1. 1. 讨论了美联储选择外部数据提供公司中由OCDO与法务部门协作制定审慎原则,确保数据提供方的选择是公平的、无倾向的。
  2. 2. 重申了只关注宏观数据,不关注个人身份信息(PersonalIdentifiable Information)。
  3. 3. 在数据管理实践中注重对各种国际标准的研究、参考和应用,美联储是一些国际协会的会员单位,保持对国际标准的跟踪。
  4. 4. 建议CDO应该具有业务背景并有一定的技术背景而非纯技术背景,与业务人员沟通避免使用过于技术语言。
  5. 5. 特别说明了愿意与其他国家的央行和金融机构在数据管理工作方面开展交流,目前已经在和Bankof England开展交流。希望有识之士能促成中国人民银行与美联储的数据治理与管理交流!

至此,美联储的数据管理实践的核心要点就为您解读到这里。考虑到不可预见的风险,我们就不共享演讲材料了。

开幕演讲之后,十个分会场全面启动,周二一天共计演讲五十余场,精彩纷呈。报道时间有限,论坛议程与后续几天合并播报。

美食佳酿供应充足,产品展会气氛热烈

演讲之外的精神食粮和物质食粮都异常丰富:出版商拿出了多年的数据管理经典,会议全程提供早餐、午餐、咖啡,下课后还有各种佳酿供来宾品鉴。在知识收获、精神收获、人脉收获之余,也在味觉上有极大收获和享受。上几张图一睹为快。

3月31日下午,服务商展会也开幕了,软件厂商咨询公司齐上阵,还有媒体采访,会场热闹非常。需要声明的是,御数坊对服务商持中立态度,对下图中出现的任何厂商logo无任何倾向性宣传之意,只为读者能更真实感受现场气氛。

好了,有关EDW大会第三天的报道就到这里,关注御数坊,后续更多精彩~~

御数坊致力于把全球最好的数据治理与管理资源带到中国数据从业者身边!

原文发布于微信公众号 - 大数据文摘(BigDataDigest)

原文发表时间:2015-04-04

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏数据派THU

【独家】DataVisor:基于Spark平台的智能大数据网络反欺诈(视频+PPT+课程精华笔记)

[导读]为了让清华大学大数据能力提升项目的学生在基础学习和科研的基础之上,更好地了解大数据技术行业领域中的应用,清华-青岛数据科学研究院支持开设了金融大数据方向...

39080
来自专栏人工智能快报

谭铁牛院士谈人工智能发展新动态

◆ ◆ ◆ ◆ 11月25日,模式识别与人工智能学科前沿研讨会在自动化所召开。会上,谭铁牛院士做“人工智能新动态”报告,回顾了近代以来历次科技革命及其广泛影响,...

35860
来自专栏机器人网

这些年,聊天机器人产业遇到的坑…

? 我自己在某厂做了两年语音个人助理,后来自己出来创业,首先就否定了这个方向,或者它的变种(如问答系统、智能音箱、客服机器人、聊天机器人、陪伴机器人等等,各...

39860
来自专栏人称T客

AI在人类生活八大领域的广泛应用|深度研报

T客汇:www.tikehui.com 近日,斯坦福大学“人工智能百年研究”(AI100 )项目发布了首篇名为“2030 的人工智能与生活(AI and Lif...

42260
来自专栏机器之心

当AI泡沫破裂时……

很显然我们目前处于一个不稳定的状态。这到底是一场泡沫还是一次革命?答案是当然包含一点革命——深度神经架构所创造的实实在在的成功已经颠覆了视觉和语音识别领域,更通...

10220
来自专栏钱塘大数据

大数据兴起预示“信息时代”进入新阶段

导读:大数据已成为媒体与大众关注的新技术,大数据的应用也预示着信息时代将进入一个新阶段,但人们对大数据的认识有一个不断加深的过程。首先从“信息时代新阶段”、数据...

45240
来自专栏量子位

英伟达深度学习中文课程将联手腾讯云上线 | 附课程表

李根 发自 凹非寺 量子位 报道 | 公众号 QbitAI ? 又一个AI开发者福利。 创立于2016年的NVIDIA深度学习学院(DLI),现在正式宣布找...

41080
来自专栏华章科技

史上最全人工智能和机器学习会议大盘点

大名鼎鼎的神经信息处理系统大会(Neural Information Processing

21320
来自专栏about云

大数据架构师、开发人员、公司必读:国外大数据应用的10个项目案例(图表)

问题导读 1.大数据如何应用于电力能源项目,带来效益? 2.数据可视化有哪些应用? 3.是否可以将可视化应用于空气污染? 4.大数据如何应用于各种(手机)应用...

418100
来自专栏挖掘大数据

总结零售大数据分析应用的四个阶段

要建立数学模型要解决三个问题,首先是数据的量要达到一定的规模和质量;其次是用什么样的算法,如用时间序列还是回归或是人工智能算法;第三是“数据+算法”可以围绕什么...

37270

扫码关注云+社区

领取腾讯云代金券