<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[ccddtomato的专栏]]></title><description><![CDATA[围绕数据生成、采集、存储、加工、分析和服务]]></description><link>https://blog.youkuaiyun.com/ccddtomato</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; ccddtomato]]></copyright><item><title><![CDATA[教育数据分类分级实战系列二：19项定级要素提取实操讲解]]></title><link>https://blog.youkuaiyun.com/ccddtomato/article/details/166461276</link><guid>https://blog.youkuaiyun.com/ccddtomato/article/details/166461276</guid><author>ccddtomato</author><pubDate>Wed, 23 Sep 2026 10:12:46 +0800</pubDate><description><![CDATA[本文聚焦教育行业数据分类分级落地难题，基于JY/T0661-2025标准，提炼出19项可采集、可量化的定级要素，涵盖个人信息规模、覆盖范围、未成年人标识等核心维度，通过统一列表式问卷嵌入调研流程，实现从标准到实践的转化。该方法论打通“标准—要素—填报—定级”闭环，为教育数据资产盘点与智能定级提供可复用的落地路径。]]></description><category></category></item><item><title><![CDATA[教育数据分类分级实战系列一：行业标准JY/T 0661深度解读]]></title><link>https://blog.youkuaiyun.com/ccddtomato/article/details/166460260</link><guid>https://blog.youkuaiyun.com/ccddtomato/article/details/166460260</guid><author>ccddtomato</author><pubDate>Wed, 23 Sep 2026 10:08:27 +0800</pubDate><description><![CDATA[《教育数据分类分级指南》（JY/T0661-2025）将于2026年2月实施，是我国教育行业首部数据分类分级标准。针对教育行政部门与学校业务差异，采用双轨制分类体系：前者按“基础—业务—运营”分4类16子类，后者以“人”为核心分6类16子类，突出学生、教职工数据特别是未成年人敏感信息保护。数据分级设5级，结合覆盖范围、敏感度和人数量化定级。标准明确五步流程，强调动态更新与前置报批。建议优先盘点未成年人数据，分机构适配标准，确保教育数据全链条安全。]]></description><category></category></item><item><title><![CDATA[金融数据分类分级实操（五）：AI分级结果如何落地生效——人工复核、审核发布与成果物输出]]></title><link>https://blog.youkuaiyun.com/ccddtomato/article/details/163536231</link><guid>https://blog.youkuaiyun.com/ccddtomato/article/details/163536231</guid><author>ccddtomato</author><pubDate>Wed, 12 Aug 2026 08:30:00 +0800</pubDate><description><![CDATA[本文是金融行业数据分类分级实操系列的终篇，重点阐述AI自动分级结果如何通过合规流程落地生效。文章系统讲解了人工复核、审核发布和成果物输出三大关键环节：在人工复核环节强调&quot;抓重点&quot;策略，通过低置信度筛选、协同打标等方式提升效率；审核发布环节构建多级审批流程确保合规性；成果物输出环节生成包含数据分级清单、合规报告和举证材料的完整证据链。针对金融行业特点，文章提出了五项具体建议：复核策略先紧后松、详细记录调整原因、启用二级审批、规范成果物归档流程以及建立定期复审机制，帮助金融机构构建经得起审计]]></description><category></category></item><item><title><![CDATA[金融数据分类分级实战系列四：如何实现AI自动分级]]></title><link>https://blog.youkuaiyun.com/ccddtomato/article/details/163536030</link><guid>https://blog.youkuaiyun.com/ccddtomato/article/details/163536030</guid><author>ccddtomato</author><pubDate>Tue, 11 Aug 2026 08:30:00 +0800</pubDate><description><![CDATA[本文是数据分类分级实战系列的第四篇，聚焦&quot;执行&quot;阶段。文章首先讲解如何通过业务分期筛选字段范围，剔除无需分类分级的字段；接着详细介绍分类规则维护（层级树结构）和自动分级策略配置（23项定级要素转化为规则条件），强调AI辅助分类的原理与规则引擎的分工；然后说明如何创建并执行分类分级任务，实现规则引擎与AI的协作处理；最后指出AI生成结果需经人工复核，为后续人机协作预留接口。全文系统阐述了从数据准备到AI生成初始结果的完整流程，特别针对金融行业特性提供了分级策略设计建议。]]></description><category></category></item><item><title><![CDATA[金融数据分类分级实战系列三：生成全量数据清单]]></title><link>https://blog.youkuaiyun.com/ccddtomato/article/details/163535789</link><guid>https://blog.youkuaiyun.com/ccddtomato/article/details/163535789</guid><author>ccddtomato</author><pubDate>Sun, 09 Aug 2026 08:00:00 +0800</pubDate><description><![CDATA[摘要：本文探讨如何将人工填写的台账与机器采集的元数据合并为全量数据清单。核心方案是采用&quot;数据源+数据库+Schema+英文表名+英文字段&quot;五级联合键作为唯一标识进行精准关联，实现台账的业务属性与元数据技术属性互补。文章详细解析了台账维护、元数据同步及关联匹配的全流程，并针对关联失败和冲突问题给出解决方案。最后提出四条落地建议：试点先行、确保关联键质量、台账持续更新、利用&quot;待补充&quot;标记驱动治理。通过这种合并方式，既能满足数据分类分级需求，又能反向推动数据治理工作。 （1]]></description><category></category></item><item><title><![CDATA[金融数据分类分级实战系列二：把定级要素前置嵌入资产盘点调研问卷]]></title><link>https://blog.youkuaiyun.com/ccddtomato/article/details/163535507</link><guid>https://blog.youkuaiyun.com/ccddtomato/article/details/163535507</guid><author>ccddtomato</author><pubDate>Thu, 06 Aug 2026 15:00:47 +0800</pubDate><description><![CDATA[本文提出了一种创新方法，将数据资产盘点与分类定级的信息采集合二为一。基于JR/T0197-2020标准，系统提取23项定级影响要素（13项直接引用，10项提炼），按影响程度分高/中/低三级。核心突破是将这些要素采用统一列表式结构嵌入字段级调研问卷，每列对应一个属性，实现高效采集。该方法解决了传统方式中盘点与定级割裂、需二次补录的问题，为后续AI智能定级（自动计算初始建议）奠定数据基础，形成从要素提取到定级建议的完整闭环。]]></description><category></category></item><item><title><![CDATA[金融数据分类分级实战系列一：行业标准JR/T 0197深度解读]]></title><link>https://blog.youkuaiyun.com/ccddtomato/article/details/163535195</link><guid>https://blog.youkuaiyun.com/ccddtomato/article/details/163535195</guid><author>ccddtomato</author><pubDate>Thu, 06 Aug 2026 14:13:19 +0800</pubDate><description><![CDATA[【摘要】JR/T0197-2020《金融数据安全数据安全分级指南》为金融机构应对数据安全管理挑战提供了系统性解决方案。该标准确立了&quot;先分类、后定级&quot;的核心逻辑，构建了五级安全定级体系，基于风险识别（影响对象与影响程度）进行科学定级，并强调级别的动态调整机制。标准特别针对金融行业特性，对个人身份鉴别、贷款征信、支付交易等典型数据给出明确分类分级指导，要求数据安全级别与业务场景、监管要求保持联动。通过实施这一标准，金融机构可建立既满足合规要求又贴合业务实际的数据安全治理框架，实现从通用标准到]]></description><category></category></item><item><title><![CDATA[高校数据治理系列文章03:几十种系统到底怎么做数据集成？]]></title><link>https://blog.youkuaiyun.com/ccddtomato/article/details/162659309</link><guid>https://blog.youkuaiyun.com/ccddtomato/article/details/162659309</guid><author>ccddtomato</author><pubDate>Fri, 10 Jul 2026 07:00:00 +0800</pubDate><description><![CDATA[高校信息系统集成面临&quot;烟囱式&quot;孤岛困境：各业务系统数据标准不一、接口混乱、权限不清，导致跨系统数据整合效率低下。文章提出系统集成需要分四步推进：先统一数据编码、接口规范和安全权限三要素，再根据系统特性选择API调用等六种集成方式。关键在于建立全校数据字典和接口标准，并通过分阶段实施（现状评估→标准制定→接口改造→全量接入）实现数据贯通。最终建议从核心系统切入，同步建立运维机制，为后续数据中台建设奠定基础。]]></description><category></category></item><item><title><![CDATA[高校数据治理系列文章02:数据资产盘点-摸清自己的家底]]></title><link>https://blog.youkuaiyun.com/ccddtomato/article/details/162639449</link><guid>https://blog.youkuaiyun.com/ccddtomato/article/details/162639449</guid><author>ccddtomato</author><pubDate>Wed, 08 Jul 2026 12:00:00 +0800</pubDate><description><![CDATA[文章摘要： 多数职业院校难以快速响应数据资产盘点要求，根源在于信息化系统庞杂（教务、财务等），部分老旧系统维护缺失。数据资产盘点是治理基础，需系统性回答&quot;数据在哪、质量如何&quot;等核心问题，避免后续中台建设踩坑。盘点需穿透系统-表-字段三层结构，采用工具扫描+人工复核的组合方法（如Atlas工具+核心系统人工标注），周期约16周。关键产出是可传承的数据资产清单，为分类分级、中台建设奠定基础。实施建议包括优先核心业务、建立协作机制等。未经验证的直接建中台将导致3倍返工成本。]]></description><category></category></item><item><title><![CDATA[高校数据治理系列文章01：数据中台不是建个平台就完事了]]></title><link>https://blog.youkuaiyun.com/ccddtomato/article/details/162638977</link><guid>https://blog.youkuaiyun.com/ccddtomato/article/details/162638977</guid><author>ccddtomato</author><pubDate>Mon, 06 Jul 2026 17:13:50 +0800</pubDate><description><![CDATA[【摘要】职业院校数据中台建设普遍存在&quot;重平台轻治理&quot;问题，某校投入200万的大数据平台因缺乏数据清洗和标准化，无法快速响应基础查询需求。文章提出高校数据中台应具备六层架构，重点强调数据存储分层（ODS→DW→ADS→DM）与治理层的核心价值，并列举七大核心能力链路。针对高校特点，建议采用渐进式技术选型（如DataX+Hive+Spark组合），分三阶段实施：首年聚焦核心数据汇聚与标准化（60分达标），次年建立治理体系，最终实现数据驱动业务。关键提示：数据资产盘点和基础标准制定应先于平台建]]></description><category></category></item><item><title><![CDATA[破解数据资产估值难题，橙鸟数据资产评估平台助力企业数字化转型]]></title><link>https://blog.youkuaiyun.com/ccddtomato/article/details/147063806</link><guid>https://blog.youkuaiyun.com/ccddtomato/article/details/147063806</guid><author>ccddtomato</author><pubDate>Tue, 08 Apr 2025 11:27:11 +0800</pubDate><description><![CDATA[在数字化浪潮汹涌澎湃的当下，数据已跃升为企业的核心资产。然而，数据资产的价值评估却面临诸多困境，如缺乏统一标准、评估方法复杂等。自研数据资产评估平台应运而生，为解决这些难题提供了专业、高效的解决方案。欢迎留言咨询交流]]></description><category></category></item><item><title><![CDATA[数据资产价值释放新引擎：一站式智能平台赋能企业数字化转型]]></title><link>https://blog.youkuaiyun.com/ccddtomato/article/details/147063476</link><guid>https://blog.youkuaiyun.com/ccddtomato/article/details/147063476</guid><author>ccddtomato</author><pubDate>Tue, 08 Apr 2025 11:19:06 +0800</pubDate><description><![CDATA[依托于国家战略、政策的指导，深入分析了市场趋势和客户需求，我们对自研产品进行了新的规划和设计，经过研发团队近一年对产品的不断打磨，数据智能平台产品近日完成了新的大版本迭代。新版本的数据智能平台，增加了很多新的功能，同时也对原有功能进行了调整，现已形成了从数据资源管理到数据价值开发，再到数据资产运营的覆盖数据全生命周期管理的能力。今天，小兵就为您详细介绍数据智能平台产品全面的能力，如果您对数据的管理、价值开发、运营变现感兴趣，有需求，欢迎后台联系小兵进行深度交流。]]></description><category></category></item><item><title><![CDATA[【数据中台】这 15 个数据建模应用场景正在重构行业格局，你解锁了几个？]]></title><link>https://blog.youkuaiyun.com/ccddtomato/article/details/146256329</link><guid>https://blog.youkuaiyun.com/ccddtomato/article/details/146256329</guid><author>ccddtomato</author><pubDate>Fri, 14 Mar 2025 14:17:10 +0800</pubDate><description><![CDATA[数据建模做为现代数据分析的核心技术，已经广泛的应用于金融、制造、医疗、公安、消费、互联网、能源等行业，为企业的决策和创新提供了强有力的支持。你知道在这些行业里，数据建模有哪些应用场景么？小兵接下来就为您一一介绍。 ]]></description><category></category></item><item><title><![CDATA[海数通-海员数字化管理平台（企业数字化）]]></title><link>https://blog.youkuaiyun.com/ccddtomato/article/details/146254361</link><guid>https://blog.youkuaiyun.com/ccddtomato/article/details/146254361</guid><author>ccddtomato</author><pubDate>Fri, 14 Mar 2025 12:24:33 +0800</pubDate><description><![CDATA[海数通产品是一套海员数字化管理平台，为企业提供海员档案、海历、动态、证书、培训、晋升、薪资、社险等全流程多维度的智能化管理能力。薪资计算模型和社险计算模型能够自动并准确的完成复杂的工资、社险计算工作，极大的提高工作效率和准确性。支持小程序版本，领导可直接通过手机了解企业业务情况]]></description><category></category></item><item><title><![CDATA[数据中台 | 数据资源管理平台介绍]]></title><link>https://blog.youkuaiyun.com/ccddtomato/article/details/144376461</link><guid>https://blog.youkuaiyun.com/ccddtomato/article/details/144376461</guid><author>ccddtomato</author><pubDate>Tue, 10 Dec 2024 16:10:04 +0800</pubDate><description><![CDATA[支持以全可视化方式接入多源异构数据，包括结构化、半结构化和非结构化等数据类型，包括MYsql、Oracle、DB2、MogoDB、Hive等20+种数据源，同时支持数据表集成、自定义SQL集成、Excel数据集成、ETL集成、API集成等多种数据集成方式。数据资源管理平台，面向用户大数场景下海量、多源、异构数据，帮助盘查企业数据资源，集成接入各类企业数据资源，建立企业数据资源目录，为企业提供统一的数据管理界面，为其他用户提供数据共享访问接口，对企业数据资源进行统一的管理。]]></description><category></category></item><item><title><![CDATA[数据资产入表（四）|数据资产价值及其评估体系，数据要素市场化、数据交易与流通的重要基础]]></title><link>https://blog.youkuaiyun.com/ccddtomato/article/details/144376121</link><guid>https://blog.youkuaiyun.com/ccddtomato/article/details/144376121</guid><author>ccddtomato</author><pubDate>Tue, 10 Dec 2024 16:01:17 +0800</pubDate><description><![CDATA[小兵的数据资产入表系列文章持续为大家更新，系列文章的前三篇为大家介绍了数据资产入表的相关背景、数据资产入表路线框架以及入表前通过数据治理实现数据价值化的过程。本篇作为系列文章第四篇，继续沿着数据资产入表的实践路线，为大家介绍数据要素市场化、数据资产入表的核心环节——]]></description><category></category></item><item><title><![CDATA[百模大战与OpenAI破产危机，探索“大模型”的历史跃迁与商业应用畅想]]></title><link>https://blog.youkuaiyun.com/ccddtomato/article/details/143017783</link><guid>https://blog.youkuaiyun.com/ccddtomato/article/details/143017783</guid><author>ccddtomato</author><pubDate>Thu, 17 Oct 2024 14:29:57 +0800</pubDate><description><![CDATA[人工智能领域的发展日新月异，大模型（Large Model）作为其中的明星技术，近年来引起了全球的关注。从OpenAI的ChatGPT到国内各大科技巨头如百度、阿里和华为等公司的布局，大模型正逐步改变着我们的生活。本文将带你走进大模型的世界，回顾大模型的发展历程，透视中国在这一领域的勃勃生机，揭秘驱动大模型的关键技术，并展望其商业应用的无限可能。]]></description><category></category></item><item><title><![CDATA[数据资产入表（三）|数据资源入表治理路径与数据质量评价路径，数据资源化、数据产品化的必经之路]]></title><link>https://blog.youkuaiyun.com/ccddtomato/article/details/143004588</link><guid>https://blog.youkuaiyun.com/ccddtomato/article/details/143004588</guid><author>ccddtomato</author><pubDate>Thu, 17 Oct 2024 12:00:04 +0800</pubDate><description><![CDATA[本篇作为第三篇，沿着第二篇数据资产入表的实践路线，为大家介绍数据资产入表前的重要环节——数据治理。]]></description><category></category></item><item><title><![CDATA[数据建模无法满足复杂业务需求？别慌，数据开发平台可以完美互补！]]></title><link>https://blog.youkuaiyun.com/ccddtomato/article/details/142389082</link><guid>https://blog.youkuaiyun.com/ccddtomato/article/details/142389082</guid><author>ccddtomato</author><pubDate>Fri, 20 Sep 2024 16:33:40 +0800</pubDate><description><![CDATA[无论是数据建模平台产品还是数据开发平台产品，都有着非常清晰的定位和适用的场景：
数据建模面向业务专家，提供全流程可视化的低技术门槛数据建模的能力，可以满足80%以上的数据需求；
数据开发面向开发人员，提供灵活、高效的算子定制化开发能力，可以满足各种复杂的数据需求。]]></description><category></category></item><item><title><![CDATA[什么是大数据？一文讲清大数据的概念、演进、趋势、产业链及关键技术！]]></title><link>https://blog.youkuaiyun.com/ccddtomato/article/details/142388403</link><guid>https://blog.youkuaiyun.com/ccddtomato/article/details/142388403</guid><author>ccddtomato</author><pubDate>Fri, 20 Sep 2024 16:14:05 +0800</pubDate><description><![CDATA[大数据这个词，不管您是不是相关行业的从业者，也都听过无数遍了，但对于大多数人来说，并不能清楚的讲出什么是大数据。今天小兵尝试通过通俗的语言，结合贴近生活的例子，将大数据及相关的概念一次讲清楚。]]></description><category></category></item></channel></rss>