論文の概要: Exploring the Critical Success Factors for Data Democratization
- arxiv url: http://arxiv.org/abs/2212.03059v1
- Date: Sun, 4 Dec 2022 22:07:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 12:51:04.804414
- Title: Exploring the Critical Success Factors for Data Democratization
- Title（参考訳）: データ民主化の重要な成功要因を探る
- Authors: Sasari Samarasinghe and Sachithra Lokuge
- Abstract要約: データ民主化は、従業員へのデータアクセスを拡大するプロセスである。
本稿では,データの民主化における重要な成功要因を,詳細な文献レビューを通じて明らかにすることを目的とする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the advent of the Data Age, organisations are constantly under pressure
to pay attention to the diffusion of data skills, data responsibilities, and
management of accessibility to data analysis tools for the technical as well as
non-technical employees. As such, in recent times, organisations are focusing
on data governance and management strategies such as data democratization. Data
democratization is an ongoing process of broadening data access to employees to
find, access, self-analyse, and share data by removing data silos. By
democratizing organisational data, organisations attempt to ensure that
employees can speak the language of data and empower them to use data
efficiently to improve their business functionalities. This paper aims to
identify the critical success factors for data democratization through an
in-depth review of the literature. Based on the findings of the analysis, nine
critical success factors were identified as successors of the data
democratization strategy.
- Abstract（参考訳）: データ時代が到来すると、組織は常に、技術や非技術系従業員のためのデータ分析ツールへのデータスキルの拡散、データ責任、アクセシビリティの管理に注意を払うように圧力をかけています。
このように、最近では、組織はデータの民主化のようなデータガバナンスと管理戦略に注力しています。
データ民主化は、データサイロを除去してデータを見つけ、アクセスし、自己分析し、共有するための、従業員へのデータアクセスを拡大するプロセスである。
組織のデータを民主化することによって、組織は従業員がデータの言語を話せるようにし、ビジネス機能を改善するためにデータを効率的に使用できるようにする。
本稿では,データの民主化における重要な成功要因を明らかにすることを目的とする。
分析の結果から,データ民主化戦略の後継として9つの重要な成功要因が確認された。
関連論文リスト
- Data-Centric AI in the Age of Large Language Models [51.20451986068925]
本稿では,大規模言語モデル(LLM)に着目した,AI研究におけるデータ中心の視点を提案する。
本研究では,LLMの発達段階(事前学習や微調整など)や推論段階(文脈内学習など)において,データが有効であることを示す。
データを中心とした4つのシナリオを特定し、データ中心のベンチマークとデータキュレーション、データ属性、知識伝達、推論コンテキスト化をカバーします。
論文 参考訳（メタデータ） (2024-06-20T16:34:07Z) - Lazy Data Practices Harm Fairness Research [49.02318458244464]
本稿では,公正な機械学習データセットを包括的に分析し,不反射的手法がアルゴリズム的公正度発見の到達度と信頼性をいかに妨げているかを示す。
本分析では,(1)データと評価における特定の保護属性の表現のテクスブフラック,(2)データ前処理におけるマイノリティの広汎なテキストbf,(3)フェアネス研究の一般化を脅かすテキストbfopaqueデータ処理の3つの分野について検討した。
この研究は、公正なMLにおけるデータプラクティスの批判的な再評価の必要性を強調し、データセットのソーシングと使用の両方を改善するための指針を提供する。
論文 参考訳（メタデータ） (2024-04-26T09:51:24Z) - A Survey on Data Selection for Language Models [148.300726396877]
データ選択方法は、トレーニングデータセットに含まれるデータポイントを決定することを目的としている。
ディープラーニングは、主に実証的な証拠によって駆動され、大規模なデータに対する実験は高価である。
広範なデータ選択研究のリソースを持つ組織はほとんどない。
論文 参考訳（メタデータ） (2024-02-26T18:54:35Z) - Data Acquisition: A New Frontier in Data-centric AI [65.90972015426274]
まず、現在のデータマーケットプレースを調査し、データセットに関する詳細な情報を提供するプラットフォームが不足していることを明らかにする。
次に、データプロバイダと取得者間のインタラクションをモデル化するベンチマークであるDAMチャレンジを紹介します。
提案手法の評価は,機械学習における効果的なデータ取得戦略の必要性を浮き彫りにしている。
論文 参考訳（メタデータ） (2023-11-22T22:15:17Z) - Towards Avoiding the Data Mess: Industry Insights from Data Mesh Implementations [1.5029560229270191]
Data Meshは、企業データ管理のための、社会技術的、分散化されたコンセプトである。
業界の専門家との15の半構造化インタビューを行います。
本研究は,業界の専門家による知見を総合し,データメッシュの採用を成功させるための予備的ガイドラインを研究者や専門家に提供する。
論文 参考訳（メタデータ） (2023-02-03T13:09:57Z) - Exploring Tenets of Data Democratization [0.0]
データ民主化は、データへのアクセスを拡大し、従業員が追加のサポートなしでデータを見つけ、アクセスし、自己分析し、共有できるようにする、進行中のプロセスである。
本稿では,詳細な文献レビューを通じて,データの民主化の傾向について考察する。
この分析では、文献レビューに基づいて、データの民主化を可能にする12の属性を特定した。
論文 参考訳（メタデータ） (2022-06-24T03:00:29Z) - Algorithmic Fairness Datasets: the Story so Far [68.45921483094705]
データ駆動アルゴリズムは、人々の幸福に直接影響し、批判的な決定をサポートするために、さまざまな領域で研究されている。
研究者のコミュニティは、既存のアルゴリズムの株式を調査し、新しいアルゴリズムを提案し、歴史的に不利な人口に対する自動意思決定のリスクと機会の理解を深めてきた。
公正な機械学習の進歩はデータに基づいており、適切に文書化された場合にのみ適切に使用できる。
残念なことに、アルゴリズムフェアネスコミュニティは、特定のリソース(オパシティ)に関する情報の不足と利用可能な情報の分散(スパーシティ)によって引き起こされる、集合的なデータドキュメント負債に悩まされている。
論文 参考訳（メタデータ） (2022-02-03T17:25:46Z) - Explainable Patterns: Going from Findings to Insights to Support Data
Analytics Democratization [60.18814584837969]
我々は,データストーリテリングの探索と作成において,レイユーザをサポートする新しいフレームワークであるExplainable Patterns (ExPatt)を提示する。
ExPattは、外部(テキスト)の情報ソースを使用して、観察または選択された発見の実用的な説明を自動的に生成します。
論文 参考訳（メタデータ） (2021-01-19T16:13:44Z) - Knowledge Scientists: Unlocking the data-driven organization [5.05432938384774]
信頼できるデータのための技術は、異なる関心事と専門知識によって駆動されている、と私たちは主張する。
意味のある、説明可能な、再現可能な、保守可能なデータの重要さを識別する組織は、信頼できるデータの民主化の最前線にいる。
論文 参考訳（メタデータ） (2020-04-16T20:14:20Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。