[置顶]AI来了,数据开发治理,一个对话全搞定
搭建一组数仓任务,要建目录、写SQL、配调度和告警;任务失败后,又要查实例、看依赖、翻日志。工作围绕同一组任务展开,操作却分散在多个页面。开发与运维人员需要反复查找对象、核对信息,再继续下一步。 如果
搭建一组数仓任务,要建目录、写SQL、配调度和告警;任务失败后,又要查实例、看依赖、翻日志。工作围绕同一组任务展开,操作却分散在多个页面。开发与运维人员需要反复查找对象、核对信息,再继续下一步。 如果能把需求说清楚,让AI结合项目上下文,辅助完成配置、串联排查过程,这些工作能否更顺畅一些? 对此,网易智企·数帆推进 EasyData 的 AI 化改造,让平台从“人操作工具”走向“人与AI协作”。E
搭建一组数仓任务,要建目录、写SQL、配调度和告警;任务失败后,又要查实例、看依赖、翻日志。工作围绕同一组任务展开,操作却分散在多个页面。开发与运维人员需要反复查找对象、核对信息,再继续下一步。 如果
9月17日,广西南宁,东盟博览会·金融专场。 东盟博览会每年汇聚来自东盟十国及全球数十个国家和地区的政府代表、行业领袖、头部企业与投资机构,是推动中国-东盟经贸合作、产业对接与战略联动的核心舞台。 就
网易智企·数帆V10全链路数据智能平台,整合EasyData、指标平台、有数BI、知数DataAgent四项能力,贯穿数据建设、治理与分析应用全环节。四项能力既可组合联动,也支持独立部署,灵活适配企业
上期内容中,介绍了网易智企·数帆 V10.0 全链路数据智能平台的整体能力布局。围绕企业数据应用全流程,平台打造了四大核心能力——EasyData、指标平台、有数BI、知数DataAgent,助力企业
9月3日,网易智企·数帆正式发布全链路数据智能平台 V10.0。面向 Agent 应用与智能决策场景,通过数据开发治理、指标语义管理、有数BI、知数DataAgent 四项能力联动,实现从数据接入、治
8月22日,以“数据驱动AI”为主题的第五届中国数据×AI价值峰会在北京举行。本届峰会由DTinsight中国数智发展研究中心主办,汇聚来自央国企、智能制造等领域的200余位专家学者与企业数智化领军者
近日,由中国信息通信研究院华东分院联合中国信息通信研究院云计算与大数据研究所发起的《2026智能经济新形态:智能体创新实践案例汇编》,在2026世界人工智能大会(WAIC)上正式发布。 网易智企凭借
选型现场最常见的场景是:演示环节答得又快又准,评审一致认为“够用”;试点跑两周,问题陆续冒出来——同一个问题换个问法答不出来、口径和报表对不上、权限说不清谁来管、生成的结论没人接着用。 这不是模型的问
经营会上两个 GMV 打架、AI 问数每次答案不一样、报表之间互相矛盾——这些问题的共同根源,都是指标口径不统一。多数企业的第一步是整理指标字典,但字典管住了名词,管不住口径。本文给出从指标字典到数据
数据工具越买越多、数据问题却有增无减,根本原因不在工具不够好,而在数据链路没有打通——平台各管一段,指标各算一套,分析各做一次,每新增一个工具,就多一个需要衔接的断点。工具解决的是单点效率,链路割裂制
数据质量管理的常见误区 很多企业的数据质量管理止步于"配规则、跑稽核、出报告": 误区 表现 后果 质量等于校验 配置了一堆规则,定期跑稽核任务 只能发现问题,不能解决问题 质量与开发脱
建指标,为什么成为数据落地的拦路虎 构建统一、规范的指标体系是数据治理的基石。然而在实际的项目交付与日常运维中,指标建设面临三个典型困境: 困境 具体表现 人工成本极高 创建一个标准指标通常
很多企业的数据治理项目都走过同样的弯路:治理团队制定标准、写文档、发规范,开发团队按自己的节奏继续开发,两条线各跑各的。结果是标准变成文档柜里的摆设,开发完的资产不符合规范,治理无法落地。问题的根源不
国央企集团管控的核心挑战在于:多层级组织结构下数据分散、口径不一、监管穿透不足。解决之道是通过统一数据标准、统一技术架构、分级数据运营和多类管理应用,让标准、指标和分析链路从集团总部到下属单位逐级对齐
数据治理平台是企业将分散、异构、标准不一的数据转化为可管理、可复用、可服务的数据资产的一体化工具体系。它将标准、模型、质量、血缘和权限嵌入数据全生命周期,帮助企业兼顾敏捷交付与持续治理,让分析、报表、
2026年,没有哪家企业不在谈AI。 从央企集团到民营制造,CIO们的年度关键词已经从“数字化转型”变成了“AI落地”。大模型、智能体、自动化分析,技术在快速进步,企业也在真金白银地投入。 然而,热潮