البعض يخلط بين:
🔘 حوكمة البيانات - Data Governance
🔵 إدارة البيانات - Data Management
تُرى ما لفرق بينهما؟
أسفل هذه التغريدة سأشرح الفرق بين (حوكمة البيانات) و (إدارة البيانات) #علم_البيانات
يجب التأكيد في البداية على أن "حوكمة البيانات" و "جودة البيانات" ليست مترادفات ، لكنهما يرتبطان ارتباطًا وثيقًا ، جودة البيانات تهتم بقياس دقة البيانات واكتمالها وتوافرها وفعاليتها ، وتطبيق الحوكمة يؤدي إلى رفع جودة البيانات
حوكمة البيانات: تُعرف العلاقة بين المستخدمين في منظمة ما والبيانات من ناحية من (Who) الذي يُسمح له بالوصول للبيانات ولماذا (Why)
إدارة البيانات: معنية بتعامل المستخدمين الفعلي مع البيانات من ناحية أين (Where) يصل المستخدم للبيانات وكيف (How) يتعامل معهاويعالجها أثناء تنفيذ المهام
تركز سياسات حوكمة البيانات على تحديد أدوار ومسؤوليات البيانات والتي تشمل (الوصول ، الحذف ، التخزين ، والنسخ الاحتياطية ، والحماية)
حينما يتم نشر البيانات يستمر عمل فريق حوكمة البيانات في إدارة البيانات ومراقبتها والإبلاغ عن المخالفات في معالجتها او الوصول لها
إدارة البيانات تركز على الطريقة التي تمكن المؤسسات من ربط وجمع بياناتها في مكان واحد لتسهيل إمكانية الوصول لها وتحليلها ، الحوكمة تركز على التشريع والمراقبة ، والإدارة تركز على التنفيذ والتأكد من التقيد بتطبيق لوائح الحوكمة وقوانينها في أنظمة المؤسسة وعملياتها
حوكمة البيانات تهدف إلى:
• تحسين أمن البيانات
• زيادة قيمة وجودة البيانات.
• زيادة الكفاءة ومنع تكرار العمل.
• حل مشاكل البيانات.
• الامتثال للوائح والأنظمة.
• زيادة الشفافية.
• تحسين الإنتاجية وتقليل الخطأ مع بيانات عالية الجودة.
أبرز تحديات تطبيق "حوكمة البيانات" في المنظمات:
• عدم الوعي بأهميتها والاعتقاد بأن وجود سياسات وقوانين لإدارة البيانات يعني تبطيء العمل وتعقيده
• عدم توفير البيانات وصعوبة الوصول لها
• صعوبة تطبيق بعض السياسات
• صعوبة مراقبة بعض السياسات
• • •
Missing some Tweet in this thread? You can try to
force a refresh
الموازنة بين سهولة الاستخدام والحماية من المسلمات التي يعرفها التقنيين ومطوري البرمجيات، اعتقد ان البنوك بالغت مؤخراً في تسهيل العمليات دون بذل جهد إضافي للحماية، عمليات الاحتيال العديدة مثل ماهي محنة إلا أن بداخلها منحة، سأتكلم باختصار عن هذا الموضوع #علم_البيانات #تعلم_الآلة
عمليات الاحتيال تحمل بين طياتها سلوكيات المحتالين وأساليبهم، والتي يكررونها وينوعونها بين وقت وآخر، البلاغات التي ترد البنوك عن هذه العمليات ماهي إلا عملية (labelling) لكل عملية (transaction) بمعنى ان العمليات يتم تصنيفها مع الوقت إلى عمليات (آمنة) وأخرى (غير آمنة)
أحد استخدامات خوارزميات #تعلم_الآلة هي Anomaly Detection ويُقصد بها اكتشاف السلوكيات الغريبة (أو الشاذة)، بمعنى أن هناك سلوك طبيعي وسلوك غير طبيعي، عمليات الاحتيال تصنف على أنها سلوك غير طبيعي والتحدي الذي تحاول تعالجه هذه الخوارزميات كيف يتم الحكم على العملية (طبيعية أو شاذة)
كيف نتخذ قراراتنا؟
من أهم استخدامات #علم_البيانات إن لم يكن أهمها على الإطلاق #دعم_القرارات ، أسفل هذه التغريدة سأتكلم عن تطور عملية إتخاذ القرار ، ولماذا نحتاج اليوم أن ننتقل من قرارات تقودها البيانات إلى قرارات يقودها #الذكاء_الاصطناعي ؟
المصدر: hbr.org/2019/07/what-a…
تكيفت العديد من الشركات مع نهج "Data-Driven" لاتخاذ القرارات التشغيلية. يمكن للبيانات تحسين القرارات ، لكنها تتطلب "المعالج" المناسب لتحقيق أقصى استفادة منها ، يفترض الكثير من الناس أن المعالج لهذه البيانات هو (الإنسان)
للاستفادة الكاملة من القيمة الكامنة في البيانات يجب أن تُدخل الشركات تقنيات #الذكاء_الاصطناعي في إجراءات العمل اليومية ، بمعنى إخراج (الإنسان) من عملية اتخاذ القرار كلما كان ذلك ممكناً
كيف استخدمت هيئة النقل في #لندن #البيانات_الضخمة لحل مشاكل النقل داخل المدينة؟
أسفل هذه التغريدة أروي حكاية نجاح للاستثمار في #علم_البيانات في قطاع النقل من أجل تسهيل الحركة في مدينة يقطنها مايقارب 9 مليون نسمة!
تحت شعار "نهتم بكل رحلة – EVERY JOURNEY MATTERS" عملت هيئة النقل في لندن TfL ، لذا اعتمدت مبدأ Act on Fact والذي يعني اعتمد في قراراتك على الحقائق 💡👌
لك أن تتخيل أن TfL هي مالك ومشغل أكبر شبكة نقل متكاملة في أوروبا ، تُدير هذه الهيئة في لندن مايقارب 12 وسيلة نقل مابين حافلات وقطارات فوق الأرض وتحت الأرض وتكاسي ودراجات وقوارب ، .... الخ
هل يمكن للآلة ان تكتسب صفة الذكاء؟ هل يمكن أن تتعلم؟ #الذكاء_الاصطناعي و #تعلم_الآلة من أهم المجالات الحديثة التي دخلت في حياتنا اليومية ، هناك الكثير من التطبيقات والأمثلة ، في هذه السلسلة سنتحدث عن تعلم الآلة (Machine Learning) #علم_البيانات #العطاء_الرقمي
#تعلم_الآلة أحد فروع الذكاء الاصطناعي ، يعنى بتمكين الحواسيب والآلات من التعلم واتخاذ القرارات وتنفيذ المهام دون أن يتم برمجتها مسبقًا، من خلال خوارزميات تمكنها من التعلم الذاتي وتحليل البيانات المدخلة، وتنفيذ الأوامر وتحديد ما يجب إنجازه دون مساعدة بشرية
تعمل الخوارزميات كعقل مدبر للآلة، فتتألف من سلسلةٍ من الأوامر والإرشادات لتوجيه الآلة للكيفية التي يجب بها تنفيذ المهام، وتقوم الآلة بتخزين وتجميع ومعالجة كم هائل من البيانات بتكلفة مادية قليلة مقارنة بتكلفة الأيدي العاملة، واختيار القرار الأمثل بسرعة ودقة
يعجبك العمل مع البيانات وتفكر في الدخول في هذا المجال ، ولكن تعتقد أن القطار فاتك كونك موظف على رأس العمل ويصعب عليك الدراسة من جديد .. إذاً ما الحل؟ 🤔🙄
أسفل هذه التغريدة سأتكلم عن المسار المناسب لتحقيق حلم الدخول في عالم #علم_البيانات (Data Science)
علم البيانات مجال مفتوح على نطاق واسع ويدخل في كل المجالات تقريباً ، أينما وجدت بيانات سنحتاج إلى مختصين للتعامل معها ، الكثير مما نقرأه يشير إلى درجات الماجستير والدكتوراه كمتطلب للدخول في هذا المجال ، ولكن الحقيقة أن معظم الشركات لا تحتاج إلى هذا المستوى العالي من الشهادات
علماء البيانات يسدون فجوة أساسية تتمثل في الحاجة لمعالجة #البيانات_الضخمة (Big Data) من قبل الشركات والقطاعات الحكومية ، يقوم عالم البيانات بتنفيذ المبادرات المرتبطة بالبيانات ، ولكن إذا بحثنا عن المسمى الوظيفي في الغالب لانجده تحت أسم "عالم بيانات" ربما بمسميات أخرى
أزمة #كورونا تعلمنا 4 دروس في #علم_البيانات :
📌أهمية جودة البيانات والشفافية
📌أهمية عرض البيانات بطريقة غيرمتحيزة
📌إنشاء نتائج تحليلية لاتخاذ قرارات حكيمة
📌فهم واستيعاب تكلفة الخطأ الإيجابي والخطأ السلبي (False Positive/Negative)
التفصيل أسفل التغريدة linkedin.com/pulse/data-sci…
لا يمكن اتخاذ قرارات سليمة بدون بيانات موثوقة وعالية الجودة ، الثقة والشفافية في مصدر البيانات مهمة ، مثلاً لحساب معدل الوفيات نقسم "عدد الوفيات" على "عدد المصابين" ، الأول رقم موثوق به ولكن الأخير (عدد المصابين) هو تخمين لأن معظم البلدان لم تبدأ في إجراء الاختبار على نطاق واسع
يجب تقديم البيانات بطريقة محايدة وبمنظور غير متحيز حتى يساعد صناع القرار على اتخاذ قرارات فعالة، مثلاً الرسم المرفق يمثل حالات #كورونا في كوريا الجنوبية ، اليسار حالات مجمعة تعطي انطباع ان العدد في تصاعد بينما اليمين يوضح عدد الحالات اليومية ويشير ربما إلى تجاوز كوريا الذروة