การกำกับดูแลข้อมูลคืออะไร

การกำกับดูแลการวิเคราะห์เป็นทั้งการควบคุมข้อมูลเพื่อใช้ในแอปพลิเคชันเชิงวิเคราะห์ ตลอดจนควบคุมการใช้ระบบการวิเคราะห์ ทีมกำกับดูแลการวิเคราะห์ของคุณสามารถสร้างกลไกการกำกับดูแล เช่น การกำหนดเวอร์ชันรายงานการวิเคราะห์และเอกสารประกอบได้ และเช่นเคย การติดตามข้อกำหนดด้านกฎระเบียบ สร้างนโยบายของบริษัท และกำหนดกฎควบคุมระบบที่กว้างขึ้นให้กับองค์กร

การกำกับดูแล ML นำแนวปฏิบัติด้านการกำกับดูแลข้อมูลมาใช้กับ ML เช่นกัน คุณภาพของข้อมูลและการรวมข้อมูลต้องให้ข้อมูลที่จำเป็นสำหรับการเทรนโมเดลและการใช้งานการผลลัพธ์ (หนึ่งในตัวอย่างสำคัญก็คือแหล่งเก็บคุณสมบัติ) ปัญญาประดิษฐ์ (AI) ที่มีความรับผิดชอบ ให้ความสำคัญเป็นพิเศษกับการใช้ข้อมูลที่ละเอียดอ่อนในการสร้างโมเดล ความสามารถในการกำกับดูแล ML อื่นๆ ได้แก่ การเปิดโอกาสให้ผู้คนมีส่วนร่วมในการสร้างโมเดล การนำไปใช้จริง และการตรวจสอบ การจัดเก็บเอกสารการเทรนโมเดล การกำหนดเวอร์ชัน กรณีการใช้งานที่รองรับ และแนวทางในการใช้แบบจำลองทางจริยธรรม และการเฝ้าตรวจสอบแบบโมเดลในการผลิตเพื่อความถูกต้อง การดริฟท์ การโอเวอร์ฟิตติ้ง และอันเดอร์ฟิตติ้ง

AI ช่วยสร้าง ต้องมีความสามารถในการกำกับดูแลข้อมูลอื่นๆ เช่น คุณภาพและความสมบูรณ์ของข้อมูลเพื่อสนับสนุนการปรับตัวของโมเดลพื้นฐานสำหรับการเทรนและการอนุมาน การกำกับดูแลความเป็นพิษและความลำเอียงของ AI ช่วยสร้าง และการทำงานของโมเดลพื้นฐาน (FM): FMOP

คุณสามารถสนับสนุน AI/ML ได้ด้วยโปรแกรมการกำกับดูแลข้อมูลเดียวกัน การเตรียมข้อมูล เป็นสิ่งจำเป็นในการแปลงข้อมูลเป็นรูปแบบที่โมเดล AI/ML สามารถใช้ในการเทรนและสร้างสำหรับการฝึกอบรมและการสร้างการอนุมานได้ แต่การเตรียมข้อมูลที่มีประสิทธิภาพมากที่สุดคือการเตรียมการที่คุณไม่ต้องทำ นักวิทยาศาสตร์ข้อมูลใช้เวลามากเกินไปในการเตรียมข้อมูลสำหรับแต่ละกรณีการใช้งาน ทีมกำกับดูแลข้อมูลของคุณสามารถช่วยแก้ปัญหาหนักหนานี้ได้ นอกจากนี้ การกำกับดูแลข้อมูลสามารถคาดเดาการสร้างรแหล่งเก็บคุณสมบัติที่ต้องการเพื่อใช้ในกรณีการใช้งาน AI และ ML ได้อีกด้วย

สุดท้ายแล้ว ข้อมูลสำคัญจะต้องได้รับการปกป้องอย่างเหมาะสม เพื่อให้ทีมของคุณสามารถลดความเสี่ยงของข้อมูลที่ละเอียดอ่อนที่ใช้ในการฝึกอบรมโมเดลพื้นฐานได้

เช่นเดียวกับการวิเคราะห์ทั่วไป คุณจะต้องควบคุมการใช้งานโมเดล AI/ML ที่คุณสร้างหรือปรับแต่ง โดยทั่วไปแล้ว ควรจะดูแลการกำกับดูแลการวิเคราะห์อย่างใกล้ชิด เพราะฟังก์ชั่นนั้นจะรู้วิธีการสนับสนุนพื้นที่ธุรกิจต่างๆ

โปรแกรมการกำกับดูแลข้อมูลของคุณควรปรับสมดุลการรวมศูนย์และการกระจายศูนย์ (รวมถึงบริการตนเอง) ทั่วทั้งองค์กรของคุณ คุณจะมีระบบการปกครองแบบรวมศูนย์ แบบแบ่งศูนย์ และแบบกระจายศูนย์ และทั้งนี้ขึ้นอยู่กับความต้องการของธุรกิจเช่นเดิม คุณควรเพิ่มขีดความสามารถให้กับทีมโดเมนให้มากที่สุดเท่าที่จะเป็นไปได้ในขณะที่ยังรักษาความเชื่อมโยงกันระหว่างโดเมน (เช่น ความสามารถในการเชื่อมโยงข้อมูลเข้าด้วยกัน)  

• การกำกับดูแลข้อมูลแบบรวมศูนย์: องค์กรส่วนกลางจะรับผิดชอบสูงสุดเกี่ยวกับคำแถลงการ นโยบาย ตัวเลือกเครื่องมือ และอื่นๆ การทำงานแบบวันต่อวันหลายครั้งถูกผลักดันไปสู่สายธุรกิจ (LOB)
• การกำกับดูแลข้อมูลแบบแบ่งศูนย์: การกำกับดูแลข้อมูลแบบแบ่งศูนย์ช่วยให้หน่วยธุรกิจแต่ละหน่วยหรือโครงการธุรกิจสามารถดำเนินการอย่างตรงกับความต้องการของตนได้ดีที่สุด ด้วยการกำกับดูแลข้อมูลแบบแบ่งศูนย์ จะยังคงมีทีมรวมศูนย์ขนาดเล็กที่มุ่งเน้นการทำงานในการแก้ปัญหาที่เกิดขึ้นซ้ำบ่อยที่สุด รวมถึงเครื่องมือคุณภาพข้อมูลทั่วทั้งองค์กร เป็นต้น
• การกำกับดูแลข้อมูลแบบบริการตนเองหรือการกระจายศูนย์: แต่ละ LOB ทำในสิ่งที่พวกเขาต้องการสำหรับโครงการของตน แต่ละโครงการใช้เครื่องมือหรือกระบวนการใดๆ จากโครงการอื่นๆ ที่มีความเหมาะสมสำหรับการใช้งาน ในขณะที่หัวข้อต่างๆ เช่น ตาข่ายข้อมูล (การกระจายอำนาจเอง) ได้รับความนิยมเพิ่มขึ้น การกำกับดูแลข้อมูลแบบบริการตนเองก็เช่นกัน 

การกำกับดูแลข้อมูลต้องใช้คน กระบวนการ และโซลูชันเทคโนโลยีที่มีความสามารถหลากหลาย

ดูแลข้อมูลในระดับที่เหมาะสมเพื่อจำกัดการปรับขนาดข้อมูล การดูแลรักษาข้อมูลของคุณในขนาดที่ต้องการหมายถึงการระบุและจัดการแหล่งที่มาของข้อมูลที่มีค่าที่สุด ซึ่งรวมถึงฐานข้อมูล Data Lake และคลังข้อมูล คุณจึงสามารถจำกัดการแพร่กระจายและการเปลี่ยนแปลงของสินทรัพย์ข้อมูลที่สำคัญได้ การรักษาข้อมูลยังหมายถึงการสร้างความมั่นใจว่าข้อมูลนั้นถูกต้อง ล่าสุด และปราศจากข้อมูลที่ละเอียดอ่อนเพื่อให้ผู้ใช้สามารถมีความมั่นใจในการตัดสินใจที่ขับเคลื่อนด้วยข้อมูลและในแอปพลิเคชันที่ใช้ข้อมูล

ความสามารถ: การจัดการคุณภาพข้อมูล การรวมข้อมูล และการจัดการข้อมูลหลัก

ค้นพบและทำความเข้าใจข้อมูลของคุณในบริบทเพื่อสนับสนุนการตัดสินใจที่ขับเคลื่อนด้วยข้อมูล การทำความเข้าใจข้อมูลของคุณในบริบทหมายความว่าผู้ใช้ทุกคน สามารถเรียนรู้และเข้าใจความหมายของข้อมูลเพื่อให้สามารถใช้งานได้อย่างมั่นใจเพื่อผลักดันมูลค่าทางธุรกิจ ด้วยแค็ตตาล็อกข้อมูลแบบรวมศูนย์ สามารถค้นหาข้อมูลได้ง่าย เข้าถึงได้ และสามารถนำข้อมูลมาใช้ในการตัดสินใจทางธุรกิจได้

ความสามารถ: การจัดทำโปรไฟล์ข้อมูล การติดตามข้อมูล และแค็ตตาล็อกข้อมูล

ปกป้องและแบ่งปันข้อมูลของคุณอย่างปลอดภัยด้วยการควบคุมและความมั่นใจคือ การปกป้องข้อมูลของคุณหมายถึงความสามารถในการสร้างความสมดุลระหว่างความเป็นส่วนตัวของข้อมูล ความปลอดภัย และการเข้าถึง จำเป็นอย่างยิ่งที่จะต้อง สามารถควบคุมการเข้าถึงข้อมูลข้ามขอบเขตขององค์กรได้ ด้วยเครื่องมือที่ใช้งานง่ายสำหรับผู้ใช้ทั้งทางธุรกิจและวิศวกรรม

ความสามารถ: วงจรการใช้งานข้อมูล การปฏิบัติตามข้อบังคับของข้อมูล และความปลอดภัยของข้อมูล

ลดความเสี่ยงทางธุรกิจและปรับปรุงการปฏิบัติตามกฎระเบียบ การลดความเสี่ยงหมายถึงการทำความเข้าใจว่าข้อมูลนั้นจะถูกใช้อย่างไรและโดยใคร บริการ AWS ช่วยคุณเฝ้าระวังและตรวจสอบการเข้าถึงข้อมูล รวมถึงการเข้าถึงผ่านโมเดล ML เพื่อช่วยให้มั่นใจถึงความปลอดภัยของข้อมูลและการปฏิบัติตามกฎระเบียบ แมชชีนเลิร์นนิงยังต้องถูกตรวจสอบความโปร่งใสเพื่อให้มั่นใจว่าการใช้งานมีความรับผิดชอบและการรายงานที่ง่าย

ความสามารถ: การตรวจสอบการใช้งานข้อมูลและ ML

ด้วยการกำกับดูแลข้อมูลแบบต้นทางถึงปลายทางบน AWS องค์กรสามารถควบคุมตำแหน่งที่ตั้งของข้อมูล ใครสามารถเข้าถึงข้อมูลได้ และสิ่งที่สามารถทำได้กับเวิร์กโฟลว์ข้อมูลทุกขั้นตอน การกำกับดูแลข้อมูลด้วย AWS ช่วยให้องค์กรสามารถทำการตัดสินใจที่ขับเคลื่อนด้วยข้อมูลได้โดยการทำให้ผู้คนและแอปพลิเคชันที่เหมาะสมสามารถค้นหา เข้าถึง และแบ่งปันข้อมูลที่ถูกต้องเมื่อพวกเขาต้องการได้อย่างปลอดภัยและปลอดภัยและมั่นคง คุณสามารถดูแลจัดการข้อมูลได้โดยการทำให้การผสานข้อมูลและควบคุมคุณภาพของข้อมูลโดยอัตโนมัติเพื่อจำกัดการแพร่กระจายของข้อมูล คุณสามารถค้นพบและทำความเข้าใจข้อมูลของคุณด้วยแค็ตตาล็อกแบบรวมศูนย์ที่ช่วยเพิ่มความสามารถในการอ่านข้อมูล คุณสามารถปกป้องข้อมูลของคุณด้วยสิทธิ์ที่แม่นยำที่ช่วยให้คุณแบ่งปันข้อมูลได้อย่างมั่นใจ คุณสามารถลดความเสี่ยงและปรับปรุงการปฏิบัติตามกฎระเบียบได้โดยการติดตามและตรวจสอบการเข้าถึงข้อมูล

• Amazon DataZone – ปลดล็อกข้อมูลข้ามขอบเขตองค์กรด้วยการกำกับดูแลในตัว
• AWS Glue – ค้นพบ จัดเตรียม และรวมข้อมูลทั้งหมดของคุณในทุกขนาด
• AWS Lake Formation — ควบคุม รักษาความปลอดภัย และแชร์ข้อมูลสำหรับการวิเคราะห์และแมชชีนเลิร์นนิงจากส่วนกลาง
• Amazon QuickSight รวมระบบธุรกิจอัจฉริยะที่ไฮเปอร์สเกล
• Amazon SageMaker – สร้าง ฝึก และใช้โมเดลแมชชีนเลิร์นนิงสำหรับกรณีใช้งานใดๆ ด้วยโครงสร้างพื้นฐานที่มีการจัดการอย่างเต็มรูปแบบ เครื่องมือ และเวิร์กโฟลว์ต่างๆ
• เว็บเพจการกำกับดูแล ML
• Amazon Bedrock – สร้างและปรับขนาดแอปพลิเคชันแบบใช้ AI ช่วยสร้างด้วยโมเดลพื้นฐาน (FM)
• Amazon Macie - ค้นหาและปกป้องข้อมูลที่ละเอียดอ่อนของคุณในทุกขนาด
• จุดเชื่อมต่อ Amazon Simple Storage Service (Amazon S3) - จัดเก็บในรูปแบบวัตถุที่สร้างขึ้นเพื่อเรียกค้นข้อมูลที่ต้องการจากทุกที่
• AWS Data Exchange – ค้นหา สมัครใช้งาน และใช้ข้อมูลของบุคคลที่สามในระบบคลาวด์ได้อย่างง่ายดาย
• AWS Clean Rooms – สร้างพื้นที่ปลอดภัยในไม่กี่นาทีเพื่อร่วมงานกับพาร์ทเนอร์โดยไม่ต้องแบ่งปันข้อมูลดิบ
• การกำกับดูแลข้อมูลด้วย AWS Master Class — การกำกับดูแลข้อมูลจะเร่งความคิดริเริ่มทางธุรกิจของคุณให้เร็วขึ้นได้อย่างไร คุณจะใช้ความสามารถขององค์กรที่มีอยู่เพื่อสร้างแผนการกำกับดูแลข้อมูลและการระดมทุนได้อย่างไร ในชั้นเรียนมืออาชีพตามความต้องการนี้ มาเรียนรู้กันว่าจะสร้างโปรแกรมการกำกับดูแลข้อมูลที่ประสบความสำเร็จและได้รับเงินทุนได้อย่างไร วิดีโอชั้นเรียนมืออาชีพเรื่องการกำกับดูแลข้อมูลของ AWS จะมาพร้อมกับสมุดงานพร้อมแบบฝึกฝนปฏิบัติจริง

เริ่มต้นใช้งานการกำกับดูแลข้อมูลบน AWS ด้วยการสร้างบัญชีฟรีวันนี้