数据治理没做好,智能体一定翻车吗?答案是:几乎一定,但翻车的方式不同。
有的翻在准确率,有的翻在合规,有的翻在使用率。
数据不好会怎么翻车?
四种方式。第一,答错:检索到过期或矛盾的内容。第二,答不出:该有的数据没有结构化。第三,用不了:数据不能出库,方案受限。第四,不敢用:数据有敏感信息,没人敢上线。
第二种最常见,也最容易被低估。
为什么数据治理是前置条件?
因为模型只是「用数据的方式」,数据本身决定上限。
垃圾进,垃圾出,这条规律在智能体时代没有变。
数据治理该做哪几件事?
四件。第一,清点:有哪些数据、在哪、谁维护。第二,去重:同一内容只留权威版本。第三,标时效:生效和失效时间。第四,定权限:谁能看、能不能出库。
第四件最关键。权限不清,项目过不了合规。
治理到什么程度够用?
三个标准。第一,同一问题只有一个权威答案。第二,关键数据有时间标记。第三,敏感数据有访问控制。
三个标准达到,就能支撑多数场景。
该不该先治理再上系统?
不该等「治理完」再上。三个理由。第一,治理是无底洞:永远有新的脏数据。第二,先上系统能暴露问题:哪些数据最影响效果。第三,边用边治效率更高。
第二个理由最实际。不知道哪里脏,就不知道该治哪里。
该怎么边用边治?
三步。第一,先上线小范围:一个部门、一批文档。第二,收集问题:哪些回答错了、错在哪。第三,定向治理:只治影响最大的那批数据。
第三步最关键。优先治「高频问题涉及的数据」。
常见的误区有哪些?
四个。第一,以为买了模型就能用。第二,把治理当成 IT 一个部门的事。第三,追求一次治理到位。第四,不设数据 owner。
第四个最普遍。没有 owner,数据会持续腐化。
该怎么定 owner?
三个原则。第一,按业务域分:谁产生数据谁负责。第二,写入职责:更新、下架、纠错。第三,纳入考核:数据质量算业务指标。
第三个最有效。不考核,owner 就是名义上的。
敏感数据该怎么处理?
三步。第一,分级:公开、内部、机密。第二,隔离:机密数据单独部署或不出库。第三,脱敏:能脱敏的脱敏后再用。
第二步最关键。不能出库的数据,方案要改成私有化。
最后该记住什么?
数据治理不是项目的前置审批,是项目的持续部分。
先跑起来,边用边治,比等治理完再跑更现实。
去论坛讨论
前往 ziyuanagi.com 论坛 参与讨论