AI時代 企業須正視資料治理
圖/本報資料照片
隨着企業在AI時代對資料的依賴日益增加,資料治理作爲一種策略性管理方式,已成爲確保資料有效管理和企業永續發展的關鍵因素。透過有效的資料治理,企業可以規範資料的使用、確保資料品質,並提高資料的整體價值,而資料成熟度模型是有效衡量資料治理的核心概念和作法的參考。
■資料治理成熟度模型
資料治理成熟度模型是企業評估自身資料治理能力並辨識改善方向的有效工具。以下是三種業界廣爲接受的成熟度模型:
IBM資料治理成熟度模型:IBM提出的成熟度模型由五個層級構成,從初級的「無意識階段」到最優化的「最佳化階段」。各階段的進展,從基本的合規性需求到最終將資料視爲企業的核心資產。
Gartner資料治理成熟度模式:Gartner的模式與IBM類似,也分爲五個層級,此模型在評估中將資料治理作爲企業資訊管理的一部分,強調透過結構化的策略和政策來提升企業的整體資料治理能力。
DAMA-DMBOK2模型:由資料管理協會(DAMA)制定的DMBOK2模型適合希望從不同維度深入理解和實施資料管理的企業,每個知識領域都提供了四個評估標準,在不同的成熟度水平上衡量資料治理能力。
雖然資料成熟度模型自2008年就已陸續提出,也都因爲AI而持續有所調整,2022年ODI(Open Data Institute)更提出了資料倫理(Data Ethics)成熟度模型,專門爲AI提出了不同於其它資料治理模型的新面向。
■AI監理要求與資料成熟度的對應
在全球AI法規趨嚴的背景下,企業需要將資料治理成熟度模型與合規要求結合。
歐盟AI法案:要求企業必須確保資料透明、可解釋性和合規性,並在整個資料生命週期中管理資料品質。爲了達到這些要求,將對應到在高階的資料治理成熟度,在前述IBM、Gartner和DAMA-DMBOK2模型中皆需達到第四個等級以上。
非歐盟國家的法規現況:資料治理成熟度必須有第二到第三個等級的程度,才能夠有效應對監管。
然而,多數企業資料治理成熟度仍未達到非歐盟國家的AI監管要求,更遠未達到歐盟合規所需的成熟度,而企業對資料倫理的成熟度更是極少探討的面向,需要更多的努力才能達標。在AI時代,資料治理不只是技術問題,它關乎企業如何在數位轉型中有效運用資料資產,創造競爭優勢。隨着AI監管和資料合規性要求的提升,企業將更加需要從策略層面,系統性的實施資料治理。(本文作者爲資策會MIC資深產業分析師徐𬀩釗)
【未經MIC許可,不得轉載與作其他用途使用】