Piotr Czarnas
Founder
DQOps
DQOps
Sześć wymiarów jakości danych to łatwa do znalezienia w wyszukiwarce wiedza:
Tyle mówi teoria. Ale co każda z tych wartości oznacza w praktyce? Jak badać jakość danych w poszczególnych wymiarach, szczególnie w przypadku dużych zbiorów? Jak jakość danych rozumieją poszczególne działy tej samej organizacji? Prezentacja praktyka, który od ponad dekady zajmuje się jakością danych, realizując projekty z tego obszaru w Polsce i na rynkach zagranicznych.
Wraz z rozwojem narzędzi sztucznej inteligencji pojawia się obietnica automatyzacji wielu procesów związanych z zarządzaniem danymi - od klasyfikacji i katalogowania, przez kontrolę jakości, aż po wykrywanie ryzyka i nadzorowanie zgodności. Zaprezentowane zostaną praktyczne przykłady zastosowań AI w data governance, które faktycznie działają oraz takie, które mimo obietnic marketingowych są nieskuteczne, albo nawet generują więcej problemów niż korzyści. Przedstawione zostaną konkretne narzędzia, przypadki wdrożeń, metryki sukcesu oraz pułapki, na które warto przygotować organizację.
W świecie rosnącej presji na idealne dane łatwo przekroczyć granicę, w której wysiłek włożony w jakość przestaje przynosić realną wartość. Dążenie do perfekcji może prowadzić do przeciążenia procesów, spadku efektywności, spowolnienia inicjatyw data driven, a nawet utraty zaufania interesariuszy. Prezentacja na temat praktycznej granicy "wystarczająco dobrej jakości danych”, jakie są najczęstsze pułapki nadgorliwości oraz kiedy inicjatywy jakościowe zaczynają szkodzić biznesowi. Przykłady z praktyki oraz zasadami, które pomagają znaleźć zdrowy balans między kontrolą a pragmatyzmem.
Doświadczeni CDO podzielą się swoimi doświadczeniami w kwestii automatyzacji procesów data governance: czy sztuczna inteligencja może być pomocna, czy wprost przeciwnie?
Zwycięzca otrzyma bezpłatną wejściówkę na konferencję CDO Forum.
Pobieranie biogramu... Proszę czekać...
