Зачем надо управлять информационными активами?

Любая компания или организация рано или поздно сталкивается с задачей управления всеми своими информационными активами, решение которой невозможно без получения ответов на следующие вопросы: насколько эффективно в организован процесс обнаружения данных, требуемых для решения новой бизнес-задачи; каков их состав, периодичность наблюдения и историческая глубина; где в организации размещены данные и как обеспечен доступ к ним; какие исходные данные проанализированы, какие получены результаты, как они реально использовались и какой был получен эффект. Доклад посвящен обсуждению особенностей организации учета корпоративных информационных активов, требуемого для их эффективного управления. Дается обоснование необходимости ведения корпоративной модели данных, бизнес-глоссария и каталога данных – необходимых предпосылок для формирования архитектуры данных. Кроме того в докладе разбирается проблема качества данных: семантическая основа качества, ценность конкретных данных для аналитики и проверки бизнес-правил, выделение информационных активов, критичных и ценных для операционной деятельности, подготовки и принятия управленческих решений.

Данные для глубинного обучения

Мир становится цифровым – все больше компаний и организаций во всем мире меняют свои бизнес-модели, стремясь максимально полно использовать все доступные им данные для учета текущих и прогнозирования будущих потребностей своих клиентов и заказчиков. Растет важность машинного обучения при анализе данных и построении прогнозных моделей. Доклад посвящен анализу особенностей каждого этапа обработки данных и инструментов, применяемых в течение жизненного цикла систем искусственного интеллекта. Особое внимание уделено обзору сервисов, используемых для сбора, хранения, обработки и первичного анализа данных для построения моделей глубинного обучения и визуализации результатов. На конкретных примерах раскрывается процесс решения прикладных задач с использованием сервисов Yandex DataSphere, DataLens, Data Proc и др.