日期：
来源：DataFunSummit收集编辑：
导读：上一篇《如何成为一名优秀的数据架构师？》我们阐述了四大体系之数据架构体系，解释了云原生大数据实践、国产数据库创新变革、湖仓一体落地实践、OLAP 发展趋势四个论坛的架构思路。数据经过生产后，要进行消费，实现数据价值转化。但在提高数据消费性能之前，首先要面对的是规范化、质量不足带来的成本消耗。
因此，数据消费要建立在经由数据资产管理、DataOps、MLOps 构建的规范化、高质量数据链路之上。通过数据资产管理，企业可以实现数据生产的规范化和降本增效，但企业还将面临多源数据整合、组织文化转变的困难。DataOps 和 MLOps 能够帮助团队快速迭代和部署高质量的数据产品和算法，在实践应用中将面临组织变革、安全性、模型开发、人才稀缺等方面的困难。通过克服这些困难，在规范化、高质量数据链路上，企业可基于指标体系、A/B实验来支持企业高效决策。
随着应用的深入，指标体系变得愈加精细化、普及化。但指标在设计、表达、维护等方面还存在着不小的挑战。从业人员需要让指标体系与目标管理体系对齐，才能实现数据消费价值的转化。随着技术的发展，A/B实验出现了与 AI 结合、向非结构化数据扩展、实验设计持续优化等趋势，A/B实验也逐渐与数据分析相融合，创造更强大的数据消费工具。而在实际应用中，A/B实验仍然会遇到样本量不足、滞后效应等挑战。为此，数据效能体系将带来指标体系建设与实践、数据资产管理实践、A/B实验技术演进、DataOps 与 MLOps 四大论坛，深度分享企业实践应对挑战的解决方案，以更好地实现高效数据消费。目前，我们已经邀请到了来自阿里巴巴、蚂蚁集团、腾讯、字节跳动、快手、滴滴等公司的资深技术专家担任专题出品人，有更多精彩议题正在打磨中，敬请期待。扫码加好友，限时领取7折购票优惠（立减¥1500）