傅一平-CSDN博客

原创少谈数据治理，多做点数据管理和数据执行，这才是王道！

比如针对领域数据开放不畅问题，领域管理部门完全可以不管，短期也没啥大影响，但今天慢8小时，明天慢16小时，积累多了，这个公司的数据管理水平就比对手落后一截，老板还在那纳闷呢，为啥别人总比我们快半拍，诸不知是领域数据管理部门不履职造成的。你看华为配置有50人呢，因此，后续还要增加...."现实世界里，没有那么多的地方需要高大上的企业数据治理，因为公司的组织架构设置大多时候就是权责匹配的，只有在流程的边界地带存在权力的真空，因此，老是要搞跨部门数据治理的企业，肯定是不正常的。

2025-07-21 07:31:23 449

原创做了100件事，老板只回一句：和业务有啥关系？

我一般会这么回答："因为X域和Y域数据标准不一，导致XX数据不一致，导致业务部门做分析的时候，经常无法从两域匹配到完整的数据，因此，我们通过数据标准化和实体对齐，现在数据一致性达到了99%....."因此，你不能只是回答"进度70%"，还要说"主要完成了XX,YY工作，还余留2个风险AA/BB，需要老板资源支持，如果顺利，预计项目将在XX之前完成。你详细的介绍了企业数据资产的梳理方法论，讲述了你们是怎么实现了部门墙的打破，怎么实现了主数据的统一，并且列出了引以为傲的数据治理的系列成果，包括：。

2025-07-07 07:30:51 899

原创我，年薪50万数据建模师，每天都在应验这23个诅咒

诅咒十三「AutoML真神」诅咒二十一「KPI魔咒」诅咒五「数据地狱·上」诅咒六「数据地狱·中」诅咒七「数据地狱·下」诅咒十「先射箭再画靶」诅咒十七「重复造轮子」诅咒十九「相关即因果」诅咒二十「规则>AI」诅咒二十二「模型公墓」诅咒三「面试造火箭」诅咒八「孤岛共和国」诅咒十一「全能战士」诅咒十五「不可解释」诅咒十八「技术选型」诅咒二十三「在路上」

2025-07-02 07:30:28 164

原创老板又让我写方案，我脑子一片空白

下面，我来介绍一个PPT汇报的通用模版，它适用于任何领域，它是汇报的"道"，掌握了这个道，你至少知道了应该从哪里开始思考，不要有所缺漏，你可以基于"道"，沉淀你所属领域的特定方法。有些方案的策略则要极尽你所能，非常复杂，比如要你制定一个企业级的数据治理方案，你得靠分层匹配法或者你所知道的那些方法论，即从组织，制度，机制，流程，系统等方面入手。有些方案的策略是很容易给的，上级下达了一个明确的要求，你对症下药就可以了，即从目标反推，比如让你解决性能不足的问题，你作为架构师马上会想到架构上的各种优化策略。

2025-06-30 07:30:46 537

原创用了AI两年，我的大脑开始生锈，到底错在哪里？

当我们意识到这种结构性差距的存在，一个关键的概念浮出水面——我们需要重新思考在AI时代，什么是真正的"认知公平"，如何才能确保每个人都有机会成为AI的主人而非奴隶？当"快餐式使用"成为主流，那些有能力进行"深度使用"的人反而获得了更大的相对优势。他复盘了自己如何从"通宵啃论文"的专家，变成一个依赖AI生成代码和报告的"提问机器"，并担忧自己正陷入"认知外包"的陷阱，深度思考的能力正在钝化。⏰ 当AI系统的设计目标是"最大化用户使用时长"而非"最大化用户成长"，你的努力是否在与系统对抗？

2025-06-23 07:31:33 987

原创 AI大模型技术架构图全解

最后，要承认，不同领域、不同专业背景的人在画AI架构图时，会侧重某个特定方面，比如搞工程的，会特别重视模型增强层和AI编排层，我这张架构图，在他们眼里，肯定是不够专业。现在AI大模型火热，每个人都想对大模型技术有所了解，至少想了解个大概，这个时候，读懂架构图就很关键。原始模型像素颜，增强后才能上妆见人，这一层是让AI从"能用"到"好用"的魔法层。因此，我在下面还特意附上了其它的大模型架构，供大家参考，也请分享给有需要的人。不同场景需要不同模型，这一层是模型超市，是企业的"AI资产库"。

2025-06-18 07:30:34 1351

原创我画了25个数据治理者的自画像，荒诞啊！

数据治理者是跨学科者，身体由技术员（键盘）、法律人（法锤）、业务人（公文包）、分析师（放大镜）四部分拼接而成。数据世界像一头巨大的数据“豹子”，难以掌控，数据治理者从一个小洞里试图理解全局数据地图。数据治理者穿白大褂，面对各种"数据病患"（缺失值、重复值、异常值）进行紧急手术。数据治理者身后是奔腾而混乱的数据“羊群”，他们挥舞数据“法杖”试图驱赶入栏。数据治理者像武林盟主，召集各门派（业务、分析、IT）合修元数据秘籍。数据治理者在建设一个“数据民主广场”，每人都有数据权益证。

2025-06-16 07:31:09 421

原创别再逼数据治理创造价值了，它做不到！

现在很多企业IT部门牵头搞数据汇聚和开放，业务部门要是没真正参与进来，没有责权利的明确，没有分层分级，没有详细的解释口径，没有透明的处理过程，没有有效的权限控制，你让大家怎么信这个数据的可用性、权威性、安全性？多年前的一个下午，你站在会议室里，面对着老板质疑的眼睛，你的那份关于数据治理如何构建组织、建立流程、汇聚数据，建立目录，然后开放的PPT，讲到一半就感觉讲不下去了。：数据整合后，你能看到更完整的画面，不同来源的数据能互相印证，矛盾少了，一致性高了，你对数据整体描述能力的信任就上来了。

2025-06-09 07:31:10 897

原创从数仓到GPT时代，我用30张图总结了20年数据架构演进史

从1990年代的Oracle单体数据库，21世纪初的数据仓库，到2024年爆火的向量数据库；今天，当你掌握了这30种架构模式，你就拥有了30种解决问题的思路。典型代表：Teradata、Oracle Exadata、IBM Netezza。典型代表：Apache Doris、StarRocks、Druid。这30张图，不仅是技术的演进史，更是一代又一代工程师智慧的结晶。典型代表：Oracle、SQL Server、MySQL单实例。我曾经问过一位在大厂工作了15年的架构师：'什么是好的架构？

2025-06-03 07:31:39 743