​本周，国内信创市场升温，国产软件迎新机遇。人民日报发文呼吁让更多国产软件大显身手;深圳市发布促进消费恢复若干措施要求扩大信创产品市场规模

什么是数据资产，《数据资产论》提出“数据治理，不是数据的治理，而是数据资产的治理”，提出资产，有一个不可忽视的特征，那就是经济利益。

企业数字化转型是长期的系统性变革，落地实施的四条联动线包含了业务线、数据线、技术线和组织人才线(如下图)，其中最容易被忽视的是「组织人才线」，这是一条“暗线”，也是企业数字化转型护航系统的一部分。

数据库选型应该注意什么？

综上，破解“被动”和“低价值”的“魔咒”，宏观层面，在于企业架构的良好设计和不同架构之前的润滑衔接;微观层面，在于数据人员和数据团队的“软硬双升”。

你老想着数据驱动业务，但发现有力无处使，或者没人鸟你，大鱼也有同样的经历，下面有18条策略锦囊，望你笑纳。

数据治理在炒作周期中迎来翻转。90年代末，元数据管理作为使数据可操作和可信赖的银弹，突然乍现。十几年后，这个行业充斥着失败的、由高层领导推动的计划

企业数据治理是一项连续性的工作，需要有长效运营的机制来支撑，不断巩固和加强数据治理效能，助力企业数字化业务的深入发展。建立企业数据治理长效运营机制的关键在于分工清晰，领导支持，标准明确，流程规范，奖罚分明，持续优化。

对于不同类的数据工作，甲方和乙方的擅长程度是不同的，相互之间只有取长补短才能创造更高价值，今天就来谈谈甲乙方分工的18个原则。

首先来看看数据仓库的定义吧，数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。

全国政协召开“推动数字经济持续健康发展”专题协商会；腾讯发布2022年Q1财报，金融科技及企业服务业务实现营收428亿元；Confluent报告指出，多源数据整合成IT领导一大痛点……

作为在云中进行大数据分析的首选方法， Lakehouse架构正获得越来越多的关注，因为它们将传统的数据仓库概念与当今的云技术相融合。但是，Lakehouse最终会不会像上一代专用数据仓库那样，把客户困在有限的专有建设中?

为什么数据质量如此重要，却不被重视?为什么大家都不想从事数据质量相关的工作，个个都想去做模型?

在未理解清楚数据资源和数据资产本质区别之前，就把企业的所有数据资源都列入企业的数据资产目录，那对于企业来讲就是一场灾难，因为这种“资产”不仅没有价值，而且大多是负的。

窥一斑而见全豹，可以说，目前很多职场人士的诉求集中在：2022年，别人无法轻易取代的职业在哪里?

本文从金融用户角度入手，对如何选择分布式数据库及选型后的最优实践进行阐述。

企业的数据治理不存在一种“one mode fits all”的模式，不同行业差别很大，要结合下面这类治理原则，从企业信息系统基本原理、行业惯例、企业业务重点等角度去综合考虑。

如果我们将大数据比作石油的话，数据发现就是勘探、采集、处理和炼化石油的过程，它能够更加 自动化的识别数据资产，对数据进行迁移、清洗、标记、编目和可视化，从而最大化的释放数据价值。

由于数据编织描述的是一套集成的数据管理技术，这意味着它可以以各种方式构建。然而，语义知识图谱、主动元数据管理和嵌入式机器学习(ML)等能力是确保数据编织设计成功的必要组成部分。

“Data Fabric”究竟是什么?这又是一场概念的炒作，还是真正的技术革新?