論文の概要: Enterprise Data Asset Quality: A Management-Standard Conformity-Benefit Realization Framework and Formation Mechanisms
- arxiv url: http://arxiv.org/abs/2606.26186v1
- Date: Wed, 24 Jun 2026 13:28:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 18:46:32.025137
- Title: Enterprise Data Asset Quality: A Management-Standard Conformity-Benefit Realization Framework and Formation Mechanisms
- Title（参考訳）: 企業データアセットの品質: 管理基準の整合性-ベネフィット実現フレームワークと形成メカニズム
- Abstract要約: 本研究では,データアセット管理能力,データ品質基準整合性,データアセットベネフィット実現能力を備えた3次元フレームワークを開発する。
本研究では,構造解析 (PLS-SEM), 必要条件解析 (NCA), 構成解析 (fsQCA) を統合フレームワークに統合する。
- 参考スコア（独自算出の注目度）: 2.9369738691612457
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Motivated by the limited standardization of enterprise data asset quality evaluation and the unclear relationship between assessment outcomes and value realization, this study develops a three-dimensional framework comprising Data Asset Management Capability, Data Quality Standard Conformity, and Data Asset Benefit Realization Capability, based on grounded theory and LDA topic modeling. To examine the formation mechanisms of data asset quality, this study adopts a multi-method approach combining PLS-SEM, Necessary Condition Analysis (NCA), and fuzzy-set Qualitative Comparative Analysis (fsQCA), to capture net effects, capability thresholds, and configurational paths. The results show that significant positive relationships exist among the three dimensions, with Data Asset Management Capability exerting the strongest effect on Data Quality Standard Conformity and further promoting Data Asset Benefit Realization Capability, forming a chain mechanism of management foundation-standard enhancement-value realization. In addition, all three dimensions constitute critical necessary conditions for achieving high data asset quality, and multiple equivalent configurational paths reflecting different combinations of Management, Standard, and Benefit are identified, such as governance-oriented and benefit-driven mechanisms. This study integrates structural (PLS-SEM), necessary-condition (NCA), and configurational (fsQCA) analyses within a unified framework, providing a systematic approach to understanding data asset quality formation and offering practical insights for enterprise data governance and data factor market development.
- Abstract（参考訳）: 本研究は,企業データ資産の品質評価の標準化の限界と,評価結果と価値実現の関係の曖昧さを背景として,基礎理論とLDAトピックモデリングに基づくデータ資産管理能力,データ品質標準整合性,データ資産利益実現能力を備えた3次元フレームワークを開発する。
本研究では, PLS-SEM, 必要条件解析 (NCA) とファジィ集合定性比較解析 (fsQCA) を組み合わせたマルチメソッド手法を用いて, ネット効果, 能力閾値, 構成パスを抽出する。
その結果,データ・アセット・マネジメント・キャパビリティはデータ品質基準の整合性に最も強い影響を与え,さらにデータ・アセット・ベネフィット・リアライゼーション・キャパビリティを促進させ,管理基盤の標準化・価値実現の連鎖機構を形成した。
さらに、すべての3つの次元は、高いデータ資産の品質を達成するために必要な重要な条件を構成しており、ガバナンス指向や利益駆動メカニズムなど、マネジメント、標準、ベネフィットの異なる組み合わせを反映した複数の等価な構成パスが特定されます。
本研究は、構造的(PLS-SEM)、必要条件(NCA)、構成的(fsQCA)分析を統一されたフレームワークに統合し、データ資産の質形成を理解するための体系的なアプローチを提供し、エンタープライズデータガバナンスとデータファクタ市場開発のための実践的な洞察を提供する。
関連論文リスト
- Heterogeneous Multi-Agent Modeling for Measurement and Network Analysis of the Data Service Market [50.00393065059756]
本稿では,異種マルチエージェントモデリングに基づくデータサービス市場計測とネットワーク分析手法を提案する。
サービスエコシステム理論を導入することで、データサービス市場の参加者と外部要因を明らかにする。
さらに、異種ネットワークが実用性に与える影響を正確に評価するために分析手法が考案された。
論文 参考訳（メタデータ） (2026-05-22T08:44:56Z) - Data Science and Technology Towards AGI Part I: Tiered Data Management [53.64581824953229]
我々は、人工知能の開発がデータモデル共進化の新しい段階に入ったと論じる。
我々は、未処理のリソースから組織的で検証可能な知識まで、L0-L4階層のデータ管理フレームワークを紹介します。
提案手法の有効性を実証研究により検証する。
論文 参考訳（メタデータ） (2026-02-09T18:47:51Z) - The LLM Data Auditor: A Metric-oriented Survey on Quality and Trustworthiness in Evaluating Synthetic Data [25.926467401802046]
大規模言語モデル(LLM)は、様々なモダリティにまたがるデータを生成する強力なツールとして登場した。
本稿では,2次元から合成データを評価するためのフレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-25T06:40:25Z) - A Framework for Data Valuation and Monetisation [0.0]
本稿では,コヒーレントな意思決定支援モデルに経済,ガバナンス,戦略的視点を統合する統一的評価枠組みを紹介する。
このモデルは質的なスコアリング、コストとユーティリティに基づく見積もり、妥当性/品質のインデックス付け、および複数基準重み付けを組み合わせて、透過的かつ体系的にデータ値を定義する。
論文 参考訳（メタデータ） (2025-12-08T15:57:26Z) - An Evaluation Framework for Network IDS/IPS Datasets: Leveraging MITRE ATT&CK and Industry Relevance Metrics [1.6006586061577803]
IDS/IPSを開発するための現在のAIモデル評価プラクティスは、主に精度メトリクスに焦点を当てている。
我々は、脅威知能のためのMITRE ATT&CK知識ベースを統合する新しい多次元フレームワークを提案する。
このフレームワークを9つの公開IDS/IPSデータセットに適用すると、脅威カバレッジに大きなギャップが明らかになる。
論文 参考訳（メタデータ） (2025-11-16T19:17:00Z) - OmniQuality-R: Advancing Reward Models Through All-Encompassing Quality Assessment [55.59322229889159]
我々は,マルチタスク品質推論を連続的かつ解釈可能な報酬信号に変換する統一報酬モデリングフレームワークOmniQuality-Rを提案する。
我々は、推論強化報酬モデルデータセットを使用して、教師付き微調整のための信頼性の高いチェーンオブ思考データセットを構築します。
OmniQuality-Rは,美的品質評価,技術的品質評価,テキスト画像アライメントという3つの重要なIQAタスクで評価する。
論文 参考訳（メタデータ） (2025-10-12T13:46:28Z) - Data Quality Taxonomy for Data Monetization [0.0]
この章では、データ収益化の文脈でデータ品質を評価するための包括的な分類法を提示します。
フレームワークの相互接続された"メトリクス層"は、ひとつの次元のカスケードの改善を他のものに保証し、戦略的影響を最大化します。
この全体論的アプローチは、粒度の技術的な評価と高いレベルの意思決定のギャップを埋める。
論文 参考訳（メタデータ） (2025-09-30T12:42:02Z) - A Theoretical Framework for AI-driven data quality monitoring in high-volume data environments [1.2753215270475886]
本稿では,高ボリューム環境におけるデータ品質維持の課題に対処するために,AIによるデータ品質監視システムに関する理論的枠組みを提案する。
本稿では,ビッグデータのスケール,速度,多様性の管理における従来の手法の限界について検討し,高度な機械学習技術を活用した概念的アプローチを提案する。
主なコンポーネントは、インテリジェントデータ取り込み層、適応前処理機構、コンテキスト認識機能抽出、AIベースの品質評価モジュールなどである。
論文 参考訳（メタデータ） (2024-10-11T07:06:36Z) - Enhancing Data Quality in Federated Fine-Tuning of Foundation Models [54.757324343062734]
本稿では,基礎モデルのファインチューニングのためのデータ品質制御パイプラインを提案する。
このパイプラインは、トレーニングデータの質を反映したスコアを計算し、統一された標準のグローバルしきい値を決定する。
実験の結果,提案した品質制御パイプラインはモデルトレーニングの有効性と信頼性を向上し,性能が向上することが示された。
論文 参考訳（メタデータ） (2024-03-07T14:28:04Z) - Causal Feature Selection for Algorithmic Fairness [61.767399505764736]
データ管理の統合コンポーネントにおける公平性について検討する。
本稿では,データセットの公平性を保証する特徴のサブコレクションを同定する手法を提案する。
論文 参考訳（メタデータ） (2020-06-10T20:20:10Z) - Decomposed Adversarial Learned Inference [118.27187231452852]
我々は,DALI(Decomposed Adversarial Learned Inference)という新しいアプローチを提案する。
DALIは、データ空間とコード空間の両方の事前および条件分布を明示的に一致させる。
MNIST, CIFAR-10, CelebAデータセットにおけるDALIの有効性を検証する。
論文 参考訳（メタデータ） (2020-04-21T20:00:35Z)
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。