首届中国数据标准化及治理大会落幕 大数据基础能力建设方兴未艾

本文涉及的产品
数据管理 DMS,安全协同 3个实例 3个月
推荐场景:
学生管理系统数据库
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

2016年11月6日,“首届中国数据标准化及治理大会”在清华大学圆满召开,国内外200多位各界代表参加了本次大会,共襄盛举。与会嘉宾围绕数据标准化及治理展开了热烈的讨论和交流,共同呼吁社会各界积极参与数据标准的制定和推广落实。会上,中国电子技术标准化研究院、清华大学数据科学研究院、国际数据管理协会中国分会(DAMA China)三方签署了数据标准化及治理的战略合作协议,对于国家大数据标准化的试验验证和应用推广做了明确的规划,共同推动形成大数据标准化的产业生态环境。“清数DAMA数据治理委员会”正式揭牌成立并宣布设立中国数据标准化及治理奖,旨在推动数据标准化及治理相关领域的产业环境发展,为夯实国内各行各业数据基础提供高效交流平台。

首届中国数据标准化及治理大会落幕 大数据基础能力建设方兴未艾 

首届中国数据标准化及治理大会现场

发起数据标准化及治理倡议——社会各界积极参与共建良好生态环境

中国电子技术标准化研究院副院长高林先生在大会致辞中指出,在数据化的时代,标准化的工作在各个行业都急需开展和落实,目前社会上高度重视大数据标准化工作,国家层面也采取了一系列的措施,希望与会专家包括清华大数据产业联合会、DAMA China等这类组织共同呼吁并聚集社会各界力量,搭建一个共同交流、沟通和标准验证的平台,着力宣传和普及标准化及治理的前沿理念、方法与实践,并且将这些工作常规化,周期性持续地开展。

国际数据管理协会中国分会主席胡本立先生及清华大学数据科学研究研究院院长助理王霞女士在致辞中也表达了同样的观点和愿望,并表示将不遗余力地促进中国数据标准化及治理相关产业的发展,非常期望能与社会各界携手共建权威、开放及广泛参与的交流平台。

为了更好地就数据标准化及治理达成共识,大会组委会组织了贵州省大数据局、全国海关信息中心等40余家单位及大多数与会嘉宾,就以下五点发起共同倡议,并由清华大学数据科学研究院院长助理王霞女士宣读了《关于数据标准化及治理的倡议书》。

一、从现在开始,关注和重视基础数据能力建设;

二、高层领导,搭班子、定战略,做积极倡导者;

三、业务人员,发挥数据主人翁意识,做深度参与者;

四、信息技术人员,技术与管理并重,做综合型数据管家;

五、为基础数据工作创造开放、宽松的发展环境;

倡议社会各界一起关注和重视基础数据能力建设,从基层工作人员到高层管理者都积极参与到数据标准化及治理的工作中,并对这些基础的投入和工作保持耐心和宽容,持续地把相关工作长期坚持下去。

开启中国数据标准化及治理研讨序幕——传播先进理念与最佳实践

大数据时代,政府和各行业、企业对数据资产及其价值创造的重视程度空前高涨,数据标准化、数据治理、数据质量也逐渐得到各方重视。本次大会邀请国内外相关知名专家,解读大数据时代数据质量的重要性、数据标准化与治理的趋势和方法;并邀请国内各行业中的领先企业介绍其数据标准化与治理的成果和经验,为来宾提供专业的经验交流与分享。

大会组委会邀请了质量领域知名专家、国际数据管理协会(DAMA)会员、国际信息和数据质量协会(IAIDQ)创始会员、数据仓库研究院(TDWI)学术会员Danette McGilvray女士带来《国际数据治理与质量发展回顾与展望》的主题演讲,并为与会人员带来国际上关于数据方案的最佳实践解读,带来崭新的视角与国际上先进的数据质量与治理等知识分享。强调了数据质量及数据治理的重要性,指出了开展数据治理工作的迫切性,各方应该立足过去、践行现在、放眼未来,做好数据基础性建设工作,并从数据治理的历史与现状、数据治理应该遵循的基本原则、数据治理工作的开展方法等角度介绍了数据治理的基本概况,详细讲述了数据管理体系、数据管理核心概念及践行数据治理十步法等核心内容。

此外,来自金融、通信、互联网、高科技等行业领先企业的经验介绍与成果分享也吸引了很多行业内人士。中外嘉宾在圆桌论坛中,围绕数据管理与治理的主题,就国际理论及经验借鉴、主管机构及企业的数据管理异同、企业数据治理的驱动力及需求、理论制度与软件工具的关系等方面展开了热烈的讨论与交流。

揭牌清数DAMA数据治理委员会——打造专业交流与分享平台

清华大数据产业联合会与国际数据管理协会中国分会(DAMA China)共同揭牌成立了清数DAMA数据治理委员会。作为研讨、支持和提供各行业在数据标准化建设过程中所需要的一系列相关和创新的数据架构、模型、方法论、技术和治理的专业组织,清数DAMA的使命是联合政府,学术机构和企业事业单位,提升国内数据标准化和治理水平,为大数据应用普及和造福社会做出贡献。

 首届中国数据标准化及治理大会落幕 大数据基础能力建设方兴未艾

揭牌仪式

清数DAMA数据治理委员会秘书长刘晨先生指出,数据治理已经成为大数据掘金时代不可或缺的基础性工作,各行业都体会到提升数据治理理论水平、扩大数据治理实施范围的需要。清数DAMA数据治理委员会将定位于数据治理与管理领域,搭建国内数据标准化及治理领域的权威和顶尖平台,汇聚国内相关领域专业人才,促进国际与国内之间、国内各行业之间、业务与IT人员之间的广泛交流,推进相关基础领域的产业发展,为数据管理与治理领域创造一个健康和谐的大环境。

大会组委会基于同样的出发点设立了中国数据标准化及治理奖,秉承发掘、评选和奖励在数据治理相关理论、方法和实践中取得显著成果的单位和个人以促进中国数据治理领域自身的发展和创新的宗旨,通过网络投票及专家评审的方式,分别评选出数据治理领导力奖、数据治理优秀实践奖、数据治理专家奖等三大奖项获得者,并将获奖案例以媒体、书籍及演讲等方式传播,以帮助更多单位和个人提升数据的基础能力。首届中国数据标准化及治理奖评选活动将于2016年11月启动,于2017年9月第二届中国数据标准化及治理大会公布评选结果及颁奖,大会组委会将陆续发布相关细则并开展奖项评选相关工作。 

中国数据标准化及治理大会是国内首个专注于该领域的高规格、大规模专业会议,汇聚了该领域国内外专家,得到了国内权威机构的积极参与。本次大会的成功举办预示着国内数据标准化及治理逐渐受到社会各界的关注和重视,一个专业、顶尖的交流分享平台初具雏形,一个开放、共享的产业生态逐步形成,必将促进大数据产业更加稳健的发展和有效的价值创造。本次大会由中国电子技术标准化研究院、清华大学数据科学研究院、国际数据管理协会中国分会(DAMA China)主办,清华大数据产业联合会、清数D-LAB承办,得到了阿里巴巴及普元信息的大力支持。






原文发布时间为:2016年11月11日 
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
1月前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
348 7
|
1月前
|
存储 分布式计算 大数据
大数据 优化数据读取
【11月更文挑战第4天】
53 2
|
1月前
|
数据采集 监控 数据管理
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第26天】随着信息技术的发展,数据成为企业核心资源。本文探讨大数据平台的搭建与数据质量管理,包括选择合适架构、数据处理与分析能力、数据质量标准与监控机制、数据清洗与校验及元数据管理,为企业数据治理提供参考。
90 1
|
13天前
|
机器学习/深度学习 存储 数据采集
解锁DataWorks:一站式大数据治理神器
解锁DataWorks:一站式大数据治理神器
35 1
|
29天前
|
机器学习/深度学习 存储 大数据
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系,保留最大方差信息,实现数据压缩、去噪及可视化。本文详解PCA原理、步骤及其Python实现,探讨其在图像压缩、特征提取等领域的应用,并指出使用时的注意事项,旨在帮助读者掌握这一强大工具。
69 4
|
1月前
|
存储 大数据 数据管理
大数据分区简化数据维护
大数据分区简化数据维护
24 4
|
1月前
|
存储 大数据 定位技术
大数据 数据索引技术
【10月更文挑战第26天】
58 3
|
1月前
|
存储 大数据 OLAP
大数据数据分区技术
【10月更文挑战第26天】
71 2
|
1月前
|
消息中间件 分布式计算 大数据
数据为王:大数据处理与分析技术在企业决策中的力量
【10月更文挑战第29天】在信息爆炸的时代,大数据处理与分析技术为企业提供了前所未有的洞察力和决策支持。本文探讨了大数据技术在企业决策中的重要性和实际应用,包括数据的力量、实时分析、数据驱动的决策以及数据安全与隐私保护。通过这些技术,企业能够从海量数据中提取有价值的信息,预测市场趋势,优化业务流程,从而在竞争中占据优势。
115 2
|
1月前
|
数据采集 分布式计算 大数据
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第27天】在数字化时代,数据治理对于确保数据资产的保值增值至关重要。本文探讨了大数据平台的搭建和数据质量管理的重要性及实践方法。大数据平台应包括数据存储、处理、分析和展示等功能,常用工具如Hadoop、Apache Spark和Flink。数据质量管理则涉及数据的准确性、一致性和完整性,通过建立数据质量评估和监控体系,确保数据分析结果的可靠性。企业应设立数据治理委员会,投资相关工具和技术,提升数据治理的效率和效果。
117 2