大规模管理 ML 生命周期，第 3 部分：大规模设置数据治理
本文深入探讨了如何使用 Amazon DataZone 为数据网格设置大规模数据治理。数据网格是一种现代数据管理方法，它分散了数据所有权并将数据视为产品。它使组织内的不同业务部门能够创建、共享和管理自己的数据资产，促进自助服务分析并减少将数据实验转换为可用于生产的应用程序所需的时间。
来源:亚马逊云科技 _机器学习这篇文章是关于大规模管理机器学习 (ML) 生命周期的系列文章的一部分。要从头开始查看本系列，请从第 1 部分开始。这篇文章深入探讨了如何使用 Amazon DataZone 为数据网格设置大规模数据治理。数据网格是一种现代数据管理方法，它将数据所有权分散化并将数据视为产品。它使组织内的不同业务部门能够创建、共享和管理自己的数据资产，促进自助分析并减少将数据实验转换为可用于生产的应用程序所需的时间。数据网格架构旨在提高数据团队、流程和技术的投资回报率，最终通过整个企业的创新分析和 ML 项目推动业务价值。
第 1 部分 Amazon DataZone跨行业的组织正在逐步利用数据和 ML 来推动创新、增强决策流程并获得竞争优势。然而，随着数据量和复杂性的不断增长，有效的数据治理成为一项关键挑战。组织必须确保其数据资产得到妥善管理、保护并符合监管要求，同时还要实现各个团队和利益相关者之间的无缝访问和协作。
这篇文章探讨了 Amazon DataZone（一种全面的数据管理和治理服务）在大规模应对这些挑战方面的作用。我们深入研究了金融服务行业的实际用例，其中有效的营销活动对于吸引和留住客户以及交叉销售产品至关重要。通过利用 Amazon DataZone 的数据治理功能，银行等金融机构可以安全地访问和使用其全面的客户数据集来设计和实施针对个人客户需求和偏好的有针对性的营销活动。