論文の概要: Data governance: A Critical Foundation for Data Driven Decision-Making in Operations and Supply Chains
- arxiv url: http://arxiv.org/abs/2409.15137v1
- Date: Mon, 23 Sep 2024 15:41:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-26 14:23:12.738223
- Title: Data governance: A Critical Foundation for Data Driven Decision-Making in Operations and Supply Chains
- Title（参考訳）: データガバナンス: 運用とサプライチェーンにおけるデータ駆動意思決定のための重要な基盤
- Authors: Xuejiao Li, Yang Cheng, Charles Møller,
- Abstract要約: 本研究は、運用・サプライチェーン管理(OSCM)分野におけるデータガバナンス(DG)研究への注目を喚起することを目的とする。
3つのケーススタディに基づいて、業界における実生活データ問題を調べ分析した。
1)人的要因,2)ルールや規則の欠如,3)非効率な技術ハードウェアとソフトウェア,4)リソースの欠如,の4つの原因が判明した。
- 参考スコア（独自算出の注目度）: 5.909817496975273
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the context of Industry 4.0, the manufacturing sector is increasingly facing the challenge of data usability, which is becoming a widespread phenomenon and a new contemporary concern. In response, Data Governance (DG) emerges as a viable avenue to address data challenges. This study aims to call attention on DG research in the field of operations and supply chain management (OSCM). Based on literature research, we investigate research gaps in academia. Built upon three case studies, we exanimated and analyzed real life data issues in the industry. Four types of cause related to data issues were found: 1) human factors, 2) lack of written rules and regulations, 3) ineffective technological hardware and software, and 4) lack of resources. Subsequently, a three-pronged research framework was suggested. This paper highlights the urgency for research on DG in OSCM, outlines a research pathway for fellow scholars, and offers guidance to industry in the design and implementation of DG strategies.
- Abstract（参考訳）: 産業4.0の文脈では、製造業部門はデータ・ユーザビリティの課題に直面している。
これに応えて、データガバナンス(DG)は、データ課題に対処するための実行可能な道として現れます。
本研究は、運用・サプライチェーン管理(OSCM)分野におけるDG研究への注目を喚起することを目的とする。
文献研究に基づき,学術研究のギャップについて検討する。
3つのケーススタディに基づいて、業界における実生活データ問題を調べ分析した。
データ問題に関連する4つの原因が発見された。
1) 人的要因
2 書面規則及び規則の欠如
3)非効率な技術ハードウェア及びソフトウェア、及び
4) 資源不足。
その後、3つの研究枠組みが提案された。
本稿は、OSCMにおけるDG研究の緊急性を強調し、DG戦略の設計と実装における業界へのガイダンスを提供する。
関連論文リスト
- Data Issues in Industrial AI System: A Meta-Review and Research Strategy [10.540603300770885]
人工知能(AI)は、産業システムにおいてますます重要な役割を担っている。
近年、さまざまな業界でAIを採用する傾向にあるが、実際のAIの採用は認識されるほど発展していない。
これらのデータ問題にどのように対処するかは、業界と学術の両方に直面する重要な懸念事項である。
論文 参考訳（メタデータ） (2024-06-22T08:36:59Z) - A Comprehensive Review of Machine Learning Advances on Data Change: A
Cross-Field Perspective [16.904588676267526]
ドメインシフトとコンセプトドリフトの2つの主要な研究分野を同定する。
本稿では、ドメインシフトと概念ドリフトを単一の研究問題、すなわちデータ変更問題に再分類する。
本稿では,2つの技術分野における鍵となるアイデアをリンクする3相問題分類手法を提案する。
論文 参考訳（メタデータ） (2024-02-20T01:16:01Z) - Uncovering the Hidden Potential of Event-Driven Architecture: A Research
Agenda [1.5501208213584152]
イベント駆動アーキテクチャはソフトウェア業界で広く採用されている。
しかしながら、イベント駆動アーキテクチャがパフォーマンス、安定性、ソフトウェア監視に与える影響についてはほとんど分かっていない。
本稿では,イベント指向アーキテクチャの分野における文献の不足に基づく今後の研究課題を提案する。
論文 参考訳（メタデータ） (2023-08-10T01:03:47Z) - Advanced Data Augmentation Approaches: A Comprehensive Survey and Future
directions [57.30984060215482]
データ拡張の背景、レビューされたデータ拡張技術の新しい包括的分類法、および各技術の強さと弱点(可能ならば)を提供する。
また、画像分類、オブジェクト検出、セマンティックセグメンテーションなどの3つの一般的なコンピュータビジョンタスクに対して、データ拡張効果の総合的な結果を提供する。
論文 参考訳（メタデータ） (2023-01-07T11:37:32Z) - Mapping STI ecosystems via Open Data: overcoming the limitations of
conflicting taxonomies. A case study for Climate Change Research in Denmark [0.0]
科学、技術、革新(STI)の意思決定者は、何が研究され、誰が効果的な政策を設計するかを明確に理解する必要があることが多い。
この文脈で直面する大きな課題は、関連するデータにアクセスし、異なるソースから来る情報を組み合わせることの難しさである。
本稿では,持続可能な開発目標 (SDG) 13-Climate Action に関する研究環境をデンマーク全土に対して地図化するためのオープンリソースの利用に関する概念実証研究を行い,それを25のERCパネルにマップする。
論文 参考訳（メタデータ） (2022-09-19T10:59:39Z) - Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。
我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
論文 参考訳（メタデータ） (2022-07-18T11:38:32Z) - A Survey of Trustworthy Graph Learning: Reliability, Explainability, and
Privacy Protection [136.71290968343826]
信頼できるグラフ学習(TwGL)は、技術的観点から上記の問題を解決することを目的としている。
モデル性能を主に重視する従来のグラフ学習研究とは対照的に、TwGLは様々な信頼性と安全性を考慮に入れている。
論文 参考訳（メタデータ） (2022-05-20T08:10:35Z) - A survey study of success factors in data science projects [0.0]
アジャイルデータサイエンスのライフサイクルは最も広く使われているフレームワークであるが、調査参加者の25%だけがデータサイエンスプロジェクトの方法論に従うと答えている。
プロジェクト方法論に従うプロフェッショナルは、プロジェクトの潜在的なリスクと落とし穴に重点を置いています。
論文 参考訳（メタデータ） (2022-01-17T09:50:46Z) - Domain Generalization: A Survey [146.68420112164577]
ドメイン一般化(DG)は、モデル学習にソースドメインデータを使用するだけでOOD一般化を実現することを目的としています。
初めて、DGの10年の開発をまとめるために包括的な文献レビューが提供されます。
論文 参考訳（メタデータ） (2021-03-03T16:12:22Z) - Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。
AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
論文 参考訳（メタデータ） (2021-01-15T10:43:10Z) - Mining Disinformation and Fake News: Concepts, Methods, and Recent
Advancements [55.33496599723126]
偽ニュースを含む偽ニュースは 爆発的な成長により グローバルな現象になっています
偽情報や偽ニュースを検知する最近の進歩にもかかわらず、その複雑さ、多様性、多様性、事実チェックやアノテーションのコストが原因で、いまだに自明ではない。
論文 参考訳（メタデータ） (2020-01-02T21:01:02Z)
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。