Quản trị dữ liệu là gì?

Quản trị phân tích vừa quản lý dữ liệu để sử dụng trong các ứng dụng phân tích, vừa quản lý việc sử dụng các hệ thống phân tích. Nhóm quản trị phân tích của bạn có thể thiết lập các cơ chế quản trị, chẳng hạn như lập phiên bản báo cáo phân tích và tài liệu. Như mọi khi, hãy theo dõi các yêu cầu theo quy định, thiết lập chính sách của công ty và đặt ra các quy tắc bảo vệ cho tổ chức quy mô rộng hơn.

Quản trị ML áp dụng nhiều trong số các phương pháp quản trị dữ liệu cho ML. Chất lượng dữ liệu và tích hợp dữ liệu cần cung cấp dữ liệu cần thiết để đào tạo mô hình và triển khai sản xuất (các cửa hàng tính năng là một khía cạnh quan trọng trong đó). Trí tuệ nhân tạo (AI) có trách nhiệm đang đặc biệt chú ý đến việc sử dụng dữ liệu nhạy cảm để xây dựng các mô hình. Các tính năng quản trị ML bổ sung bao gồm cho phép mọi người tham gia xây dựng, triển khai và giám sát mô hình; lập hồ sơ đào tạo mô hình, lập phiên bản, các trường hợp sử dụng được hỗ trợ và hướng dẫn sử dụng mô hình có đạo đức; cũng như giám sát mô hình ở khâu sản xuất để biết độ chính xác, sai lệch, quá khớp và chưa khớp.

AI tạo sinh yêu cầu các khả năng quản trị dữ liệu bổ sung, như chất lượng và tính toàn vẹn của dữ liệu để hỗ trợ điều chỉnh các mô hình nền tảng cho mục đích đào tạo và suy luận, quản trị tính độc hại và thiên kiến của AI tạo sinh và hoạt động của mô hình nền tảng (FM): FMOp.

Bạn có thể hỗ trợ AI/ML thông qua cùng một chương trình quản trị dữ liệu. Chuẩn bị dữ liệu là hoạt động cần thiết để chuyển đổi dữ liệu sang hình thức mà các mô hình AI/ML có thể sử dụng để đào tạo và suy luận sản xuất nhưng công đoạn chuẩn bị dữ liệu hiệu quả nhất là công đoạn chuẩn bị mà bạn không phải thực hiện. Các nhà khoa học dữ liệu dành quá nhiều thời gian để chuẩn bị dữ liệu cho từng trường hợp sử dụng. Nhóm quản trị dữ liệu của bạn có thể giúp giảm bớt gánh nặng cùng một kiểu này. Ngoài ra, quản trị dữ liệu có thể giám sát việc tạo ra các cửa hàng tính năng được định hình để sử dụng trong các trường hợp sử dụng AI và ML.

Cuối cùng, dữ liệu nhạy cảm cần được bảo vệ một cách thích hợp, để nhóm của bạn có thể giảm thiểu rủi ro của dữ liệu nhạy cảm được sử dụng cho mục đích đào tạo các mô hình nền tảng.

Giống như phân tích nói chung, bạn phải quản lý việc sử dụng các mô hình AI/ML do mình xây dựng hoặc tùy chỉnh. Tốt nhất là việc này nên được liên kết chặt chẽ với quản trị phân tích, vì chức năng đó sẽ biết cách hỗ trợ các lĩnh vực kinh doanh khác nhau.

Chương trình quản trị dữ liệu cần cân bằng giữa tập trung và phi tập trung (bao gồm cả tự phục vụ). Trong toàn bộ tổ chức, bạn sẽ có sự kết hợp giữa hình thức quản trị tập trung, liên kết và phi tập trung và một lần nữa, tùy thuộc vào các yêu cầu kinh doanh. Bạn cần trao quyền cho các nhóm miền ở mức tối đa có thể, trong khi vẫn duy trì sự gắn kết giữa các miền (ví dụ như khả năng liên kết dữ liệu với nhau).  

• Quản trị dữ liệu tập trung: Tổ chức trung tâm chịu trách nhiệm cuối cùng về các tuyên bố sứ mệnh, chính sách, lựa chọn công cụ và nhiều vấn đề khác. Các hành động hàng ngày nhiều lần được đưa vào lĩnh vực kinh doanh (LOB).
• Quản trị dữ liệu liên kết: Quản trị dữ liệu liên kết trao quyền cho các đơn vị kinh doanh hoặc các sáng kiến kinh doanh riêng lẻ để hoạt động theo cách phù hợp nhất với nhu cầu của họ. Trong hình thức quản trị dữ liệu liên kết, vẫn có một nhóm tập trung nhỏ hơn, với công việc trọng điểm là giải quyết các vấn đề lặp lại thường xuyên nhất, bao gồm ví dụ như các công cụ chất lượng dữ liệu toàn doanh nghiệp.
• Quản trị dữ liệu tự phục vụ hoặc phi tập trung: Mỗi LOB đều thực hiện những việc cần thiết cho dự án cụ thể của họ. Mỗi dự án đều sử dụng bất kỳ công cụ hoặc quy trình nào từ các dự án khác nếu phù hợp để sử dụng. Khi các chủ đề như lưới dữ liệu (phi tập trung) ngày càng phổ biến thì hoạt động quản trị dữ liệu tự phục vụ cũng vậy. 

Quản trị dữ liệu yêu cầu phải có nhân sự, quy trình và các giải pháp công nghệ cho một loạt các tính năng.

Tuyển chọn dữ liệu trên quy mô lớn để hạn chế phân tán dữ liệu. Tuyển chọn dữ liệu trên quy mô lớn có nghĩa là xác định và quản lý các nguồn dữ liệu có giá trị nhất, bao gồm cơ sở dữ liệu, hồ dữ liệu và kho dữ liệu, để bạn có thể hạn chế tài sản dữ liệu quan trọng tăng nhanh và chuyển đổi. Tuyển chọn dữ liệu cũng có nghĩa là đảm bảo dữ liệu phù hợp sẽ chính xác, luôn mới và không có thông tin nhạy cảm để người dùng có thể tự tin vào các quyết định dựa trên dữ liệu và trong các ứng dụng cấp dữ liệu.

Tính năng: Quản lý chất lượng dữ liệu, tích hợp dữ liệu và quản lý dữ liệu chính

Khám phá và hiểu rõ dữ liệu theo bối cảnh để đẩy nhanh việc ra quyết định dựa trên dữ liệu. Hiểu rõ dữ liệu theo ngữ cảnh có nghĩa là tất cả người dùng đều có thể khám phá và hiểu ý nghĩa dữ liệu của mình để có thể tự tin sử dụng dữ liệu nhằm thúc đẩy giá trị kinh doanh. Với một danh mục dữ liệu tập trung thì có thể dễ dàng tìm được dữ liệu, yêu cầu quyền truy cập và sử dụng dữ liệu để đưa ra quyết định kinh doanh.

Tính năng: mô tả dữ liệu, dòng dữ liệu và danh mục dữ liệu

Bảo vệ và chia sẻ dữ liệu một cách an toàn với quyền kiểm soát và sự tự tin. Bảo vệ dữ liệu có nghĩa là có thể đạt được sự cân bằng phù hợp giữa quyền riêng tư, bảo mật và quyền truy cập dữ liệu. Điều vô cùng quan trọng là có thể quản lý quyền truy cập dữ liệu qua các ranh giới tổ chức bằng các công cụ trực quan cho cả người dùng doanh nghiệp và kỹ thuật.

Tính năng: Vòng đời dữ liệu, tuân thủ dữ liệu và bảo mật dữ liệu

Giảm rủi ro kinh doanh và cải thiện khả năng tuân thủ quy định. Giảm rủi ro có nghĩa là hiểu rõ cách thức và người đang sử dụng dữ liệu đó. Các dịch vụ AWS giúp giám sát và kiểm tra truy cập dữ liệu, bao gồm cả truy cập thông qua các mô hình ML, để góp phần bảo đảm bảo mật dữ liệu và tuân thủ quy định. Máy học cũng yêu cầu tính minh bạch trong kiểm tra để đảm bảo sử dụng có trách nhiệm và đơn giản hóa báo cáo.

Tính năng: kiểm tra mức sử dụng dữ liệu và ML

Với quản trị dữ liệu đầu cuối trên AWS, các tổ chức có thể kiểm soát vị trí dữ liệu của mình, người có quyền truy cập dữ liệu đó và có thể làm gì với dữ liệu đó ở mọi bước trong quy trình dữ liệu. Quản trị dữ liệu với AWS giúp các tổ chức đẩy nhanh quá trình ra quyết định dựa trên dữ liệu bằng cách giúp những người và ứng dụng phù hợp có thể dễ dàng tìm kiếm, truy cập và chia sẻ dữ liệu phù hợp một cách bảo mật và an toàn khi cần. Bạn có thể tuyển chọn dữ liệu bằng cách tự động tích hợp dữ liệu và chất lượng dữ liệu để hạn chế dữ liệu tăng nhanh. Bạn có thể khám phá và hiểu dữ liệu bằng các danh mục tập trung giúp tăng khả năng thông hiểu dữ liệu. Bạn có thể bảo vệ dữ liệu bằng các quyền chính xác, cho phép chia sẻ dữ liệu một cách chắc chắn. Bạn có thể giảm thiểu rủi ro và cải thiện tình trạng tuân thủ quy định bằng cách theo dõi và kiểm tra truy cập dữ liệu.

• Amazon DataZone – vượt qua rào cản giữa các bộ phận trong tổ chức để khai thác dữ liệu với khả năng quản trị tích hợp
• AWS Glue – khám phá, chuẩn bị và tích hợp toàn bộ dữ liệu của bạn ở mọi quy mô
• AWS Lake Formation – xây dựng, quản lý và bảo mật các hồ dữ liệu trong nhiều ngày
• Amazon QuickSight – nghiệp vụ thông minh thống nhất ở mức siêu quy mô
• Amazon SageMaker – xây dựng, đào tạo và triển khai các mô hình máy học cho các trường hợp sử dụng với cơ sở hạ tầng, công cụ và quy trình làm việc được quản lý hoàn toàn
• Trang web quản trị ML
• Amazon Bedrock – xây dựng và điều chỉnh quy mô các ứng dụng AI tạo sinh bằng các mô hình nền tảng (FM)
• Amazon Macie - khám phá và bảo vệ dữ liệu nhạy cảm trên quy mô lớn
• Điểm truy cập Dịch vụ lưu trữ đơn giản của Amazon (Amazon S3) là kho lưu trữ đối tượng được xây dựng để truy xuất lượng dữ liệu bất kỳ từ bất kỳ đâu
• Trao đổi dữ liệu trên AWS – dễ dàng tìm, đăng ký và sử dụng dữ liệu bên thứ ba trên đám mây
• AWS Clean Rooms – tạo phòng sạch trong vài phút để cộng tác với đối tác mà không cần chia sẻ dữ liệu thô

Bắt đầu Quản trị dữ liệu trên AWS bằng cách tạo tài khoản miễn phí ngay hôm nay.