详细内容或原文请订阅后点击阅览
Alfa-Bank：AI帮助联络中心 div>ALFA银行：设计的数据治理原理 div>
Alexander Boyarkin，管理ALFA-BANK数据的发展过程中的负责人，在数据生命周期的所有阶段都将数据管理过程作为公司资产建立数据管理过程。 vladimir Kulikov，Sberunalitics公共部门产品的负责人，关于创建旅游分析小组的创建。 K2 Cloud Expert-关于俄罗斯大数据技术市场，实施项目的特征，选择解决方案的标准以及云服务的可能性。 到2027年，组织将使用面向AI模型的主题领域的狭窄区域是大型语言模型的频率三倍。 作为西方供应商的离开，以及对俄罗斯联合工作的方法和能力（包括VK Workspace）的方法和能力反映的用户需求的变化。 主要的增长驱动力 - 移动服务；该部分的体积接近1万亿卢布。 专家说，这样的交易可以重新绘制整个半导体的全球市场。 Andrei Sleep是Alfa-Bank神经网络开发的负责人，是为Contact Center运营商创建知识分子助理的负责人，该助理考虑了与客户沟通的在线环境。 PARUS Asset Management Data Analystation Depardment的负责人和AW BI-WEST开发总监Mikhail Grekov的负责人Olga Nesterenko在启动分析基础架构方面已成为建立合作伙伴网络和增强客户信心的重要工具。
来源:OSP网站大数据新闻Alfa-Bank 实施了“设计数据治理”方法。这使得建立一个在数据生命周期的所有阶段将数据作为企业资产进行管理的流程成为可能。 Alfa-Bank 数据管理流程开发理事会负责人、数据奖提名人 Alexander Boyarkin 谈论了该项目的实施情况。
数据奖- Alfa-Bank 的数据治理之路是什么？
Alfa-Bank 自 2020 年以来一直在制定数据治理方向。第一阶段重点关注数据仓库和高度关键的监管流程。第二阶段，从2023年开始，数据治理的影响范围扩大到所有经过存储的数据，包括自助系统。用于监控数据治理对象是否符合标准和数据质量的系统以及生产周期内的首次自动检查出现了。
2024年，第三阶段开始——整个数据格局的转变以及数据治理设计原则的引入。
- 哪些问题导致银行需要全面推出数据管理实践？
数据治理发展的关键驱动因素是外部和内部环境。我们面临的外部背景是监管机构对银行数据管理的日益关注、人工智能的蓬勃发展和基于人工智能的解决方案的份额不断增加，以及为更好的客户服务而奋斗。
内部上下文还包括几个方向。这是对处理数据的员工（我们称之为数据人）的日常任务的优化——搜索、理解、解释数据。提高对数据的信任和报告质量并使数据访问民主化（包括使用低代码/无代码工具）也很重要。最后，有人要求创建数据管理文化。
- 工作的关键领域是什么？
- 出现了哪些新角色？
- 这种方法有什么独特之处？
- 该项目中最困难的部分是什么？
- 你能注意到什么结果？