#数据治理
共 24 篇相关文章
Databricks数据仓库与BI实践指南：从架构到AI就绪
Databricks《数据仓库与BI大全》实践指南解读：涵盖Lakehouse参考架构、维度建模、迁移策略、Unity Catalog治理、规模化性能优化，以及如何用AI扩展BI能力，助力数据团队实现AI/BI就绪。
英国政府机构被曝对批评Prevent计划者建档存疑
英国政府机构被曝对批评Prevent反极端化计划的人士建档，引发对政府监控、数据治理与言论自由边界的讨论。本文梳理事件背景及其在数据伦理层面的影响。
Amazon Quick 实时数据：AI 应用直连受治理数据集
Amazon Quick 推出 Live Data in Apps，让 AI 构建的应用实时查询受治理的 QuickSight 数据集，并按每位读者身份执行行级与列级安全，支持自然语言构建、发布和共享应用。
读取限制与目录标签：跨引擎统一数据治理
探讨读取限制（Read Restrictions）与目录标签（Catalog Labels）如何在多个查询引擎和元数据目录间实现统一数据治理，结合开放表格式与开放API构建可移植的治理控制平面。
Databricks 推出 ai_decide：在治理数据上做快速决策
Databricks 发布全新 AI Function ai_decide，支持在受治理数据上进行快速、可扩展的 AI 决策，将判断逻辑原生嵌入数据平台，复用已有的权限与治理机制。
Unity Catalog托管表存储实战指南
深入解析Unity Catalog托管表的存储机制，涵盖数据物理位置控制、多层级存储配置、合规与成本优化，帮助数据团队实现现代化数据湖仓治理。
在Databricks治理数据上直接运行决策模型：ai_query实战解析
介绍如何在Databricks上用AI Runtime、Model Serving和ai_query，将开放权重决策模型部署到无服务器GPU，直接从SQL或Lakeflow管道调用，实现治理数据上的就地推理与结构化打分。
Genie Ontology实战指南：如何逐层构建业务上下文提升AI问答质量
Genie Ontology开箱即用，但答案质量取决于底层业务上下文的强度。本文解析从数据基础、元数据、业务语义到访问治理的六层构建路径，以及从单一高价值领域切入的实战策略。
制造业数据与AI：打通产品价值链的关键路径
制造业缺陷往往横跨设计、供应链与生产多个系统。本文探讨如何通过AI连接产品价值链数据，实现根因分析、质量追溯与预测性维护，并解析数据质量与系统集成的落地挑战。
MCP架构中介：让LLM智能体安全接入数据空间
arXiv最新研究提出基于Model Context Protocol（MCP）的架构中介方案，通过Eunomia Agent让LLM智能体安全接入受治理的数据空间，在保持合规与互操作的同时实现AI驱动的数据自动化。
Databricks Genie One MCP正式发布：一个接口打通AI Agent数据访问
Databricks Genie One MCP正式全面可用，支持ChatGPT、Claude、Cursor等AI工具通过统一接口访问受治理的企业数据，提供一致业务语境、可追溯洞察与集中式治理能力。
Row Zero加入Databricks：企业级电子表格体验直连Genie
Databricks收购电子表格产品Row Zero，将原生、受治理的表格体验带入Genie，结合Unity Catalog提供企业级安全与数据血缘，面向财务、运营、销售和市场团队。
Databricks CIO 入选TIME科技与数据年度高管榜单
Databricks CIO Naveen Zutshi 入选TIME 2026科技与数据年度高管榜单。文章解析其借助Genie推动员工人人皆构建者、同步强化数据治理的企业AI转型思路及行业启示。
AI Agent落地传统行业的真相：数据混乱才是最大障碍
一个真实案例揭示AI Agent在传统行业落地的真相：客户以为3天完成的项目实际耗时5周，其中大部分时间花在清理混乱数据和加固权限上。核心教训是——AI只会更快地放大数据混乱。
Unity Catalog Pages：为AI智能体打造受治理的业务知识中枢
Databricks 推出 Unity Catalog Pages，作为 Genie Ontology 中受治理的业务知识中枢，帮助 AI 智能体扎根于可信、可治理的业务上下文，提升企业级 AI 输出的可靠性与合规性。
数据本体论：AI智能体缺失的上下文层
数据本体论（Data Ontology）是AI智能体缺失的上下文层。本文解析它如何统一业务语义、消除数据歧义，让AI从猜测业务含义转向依据明确定义执行，是企业级AI落地的关键基础设施。
AI分析为何只在受治理数据上有效？
AI分析将人工智能应用于数据分析，能自动发现趋势与异常。但它只有建立在受治理的数据之上才能真正发挥作用。本文解析AI分析与传统BI的区别，以及数据治理为何是AI分析可信落地的前提。
印度新规强制来电识别应用向电信商共享垃圾数据
印度监管机构要求Truecaller等来电识别应用单向共享垃圾电话举报数据给电信运营商，引发商业专有资产被无偿转让的争议，折射数据治理与商业利益的深层博弈。
