Langkau ke kandungan utama
FromNine
Menu

AI dan data

Data yang boleh diharapkan oleh AI dan pembuat keputusan.

Kami membina platform data yang setiap set datanya mempunyai pemilik, kontrak dan kualiti yang diketahui, supaya analitik, operasi dan AI semuanya menggunakan angka yang sama dan dipercayai.

Untuk organisasi di Malaysia yang memerlukan satu gambaran data yang dipercayai merentas negara, entiti dan sistem lama.

Bincangkan projek andaPengetahuan organisasi
Data dan analitik: susunan keupayaanEmpat lapisan bertindan mengikut kedalaman. Dari atas ke bawah: analitik dan AI yang menggunakan data, produk data dengan pemilik dan kontrak, lapisan lakehouse yang membersihkan dan menyelaraskan data, dan tadbir urus yang merangkumi semuanya.01Penggunaan analitik dan AI02Produk data dan kontrak03Lapisan lakehouse04Tadbir urus dan asal usul data
  1. 01Produk data dengan pemilik yang dinamakan, kontrak dan semakan kualiti
  2. 02Tadbir urus yang mengekodkan had tujuan dan tempoh penyimpanan, bukan sekadar katalog
  3. 03Satu set definisi KPI yang diluluskan oleh perniagaan dan IT

01 Masalah

Masalah data yang biasa

Kebanyakan projek AI yang mengecewakan sebenarnya ialah projek data yang tersembunyi.

  1. 01

    Tiga laporan, tiga angka yang berbeza

    Bahagian kewangan, operasi dan lembaga pengarah masing-masing mengira hasil atau beban kes dengan cara sendiri. Mesyuarat bermula dengan menyelaraskan angka, bukan membuat keputusan.

  2. 02

    Tiada siapa memiliki data, jadi tiada siapa membetulkannya

    Ralat ditemui di hiliran, dibetulkan dalam hamparan dan berulang pada bulan berikutnya.

  3. 03

    Pasukan AI menghabiskan kebanyakan masa mencari data

    Setiap kes penggunaan bermula dengan berminggu-minggu permohonan akses, ekstrak dan pembersihan data yang akan diulang oleh pasukan seterusnya.

  4. 04

    Arkib tidak boleh digunakan untuk AI

    Dokumen imbasan dengan OCR yang lemah, pendua dan tiada metadata. Carian ke atasnya hanya memulangkan hingar.

02 Skop penyampaian

Apa yang kami sampaikan

  1. 01 Asas data bagi AI dan analitik

    Seni bina lakehouse dengan pemodelan berlapis, daripada data mentah kepada data yang diselaraskan hingga data sedia guna, dan produk data yang menerbitkan kandungannya, tahap kesegarannya dan siapa yang bertanggungjawab ke atasnya.

    Apa yang kami lakukan

    • Seni bina platform dan pilihan format storan
    • Konvensyen pemodelan berlapis
    • Reka bentuk produk data dengan kontrak
    • Pengambilan data berkelompok dan melalui tangkapan perubahan data

    Apa yang anda terima

    • Platform lakehouse yang ditakrifkan dalam kod
    • Produk data pertama dalam operasi
    • Templat kontrak data dan proses semakan

  2. 02 Kualiti, asal usul dan data induk

    Semakan kualiti automatik pada setiap lapisan, asal usul data daripada sumber hingga laporan, serta data induk dan data rujukan bagi entiti yang penting: rakyat, pelanggan, produk dan aset.

    Apa yang kami lakukan

    • Peraturan kualiti dengan ambang dan amaran
    • Rakaman asal usul data pada peringkat lajur
    • Pemadanan data induk dan peraturan rekod yang dikekalkan
    • Pengurusan data rujukan

    Apa yang anda terima

    • Papan pemuka kualiti bagi setiap produk data
    • Asal usul data yang boleh dibuat pertanyaan
    • Rekod induk bagi entiti keutamaan

  3. 03 Tadbir urus yang dikuatkuasakan

    Katalog, pengelasan dan dasar akses yang dilaksanakan secara automatik oleh platform. Had tujuan dan tempoh penyimpanan dikodkan mengikut prinsip PDPA dan, apabila terpakai, GDPR, dan perkongsian data mengikut peraturan pemindahan data peribadi ke luar Malaysia.

    Apa yang kami lakukan

    • Skim pengelasan dan penandaan
    • Dasar akses berasaskan atribut
    • Automasi penyimpanan dan pemadaman
    • Perjanjian perkongsian data dan kawalan teknikal

    Apa yang anda terima

    • Katalog yang diisi daripada platform
    • Dasar akses sebagai kod
    • Jadual penyimpanan yang beroperasi

  4. 04 Kandungan tidak berstruktur yang sedia untuk AI

    Penambahbaikan kualiti OCR, pengayaan metadata, penyahduaan dan pembersihan arkib, supaya sistem pemprosesan dokumen dan carian bermula dengan kandungan yang berbaloi untuk dicari.

    Apa yang kami lakukan

    • Inventori kandungan dan persampelan kualiti
    • Penambahbaikan OCR dan pengekstrakan susun atur
    • Pengesanan dokumen hampir pendua
    • Pengayaan dan pengelasan metadata

    Apa yang anda terima

    • Storan kandungan yang dibersihkan dan diperkaya
    • Laporan kualiti kandungan
    • Peraturan bagi kandungan yang ditambah mulai sekarang

  5. 05 Analitik dan BI yang digunakan

    Lapisan semantik dengan definisi KPI yang dipersetujui oleh perniagaan dan IT, layan diri yang ditadbir, dan analitik terbenam dalam produk SaaS dan portal.

    Apa yang kami lakukan

    • Bengkel definisi KPI
    • Model semantik dan lapisan metrik
    • Kawalan layan diri dan set data yang diperakui
    • Analitik terbenam bagi produk untuk pelanggan

    Apa yang anda terima

    • Glosari KPI dengan pemilik
    • Model semantik yang diperakui
    • Papan pemuka yang menggantikan hamparan

  6. 06 Penstriman bagi kegunaan operasi

    Tangkapan perubahan data dan strim peristiwa apabila keputusan tidak boleh menunggu muatan waktu malam: paras stok, status kes, isyarat penipuan.

    Apa yang kami lakukan

    • Keperluan kependaman bagi setiap kes penggunaan
    • CDC daripada pangkalan data operasi
    • Pemprosesan strim dan paparan yang dibentuk
    • Reka bentuk main semula dan pengisian semula data

    Apa yang anda terima

    • Saluran penstriman dalam operasi
    • Paparan operasi dengan sasaran kesegaran
    • Prosedur main semula

03 Seni bina

Seni bina rujukan ilustrasi

Data bergerak daripada sistem operasi dan dokumen melalui pengambilan ke dalam lakehouse berlapis: data mentah seperti yang diterima, kemudian data yang diselaraskan dan disemak kualitinya, kemudian produk data dengan pemilik dan kontrak. Pengguna produk data tidak sekali-kali membaca data mentah.

Daripada produk data, satu laluan menyalurkan lapisan semantik dan BI; laluan lain menyalurkan carian dan ciri AI, serta API data bagi sistem lain. Tadbir urus berada di bawah semuanya dan dilaksanakan oleh platform, bukan oleh dokumen dasar.

Contoh ilustrasi

  1. Sumber dan pengambilan

    • Sistem operasi
    • Dokumen selepas OCR dan pengayaan
    • Berkelompok dan tangkapan perubahan data

  2. Lakehouse

    • Lapisan mentah
    • Lapisan diselaraskan
    • Semakan kualiti dan asal usul data
    • Data induk dan data rujukan
    • Produk data dengan kontrak

  3. Penggunaan

    • Lapisan semantik dan BI
    • Carian dan ciri AI
    • API data dan perkongsian

  4. Tadbir urus

    • Tadbir urus: katalog, pengelasan, dasar akses, penyimpanan
Lapisan lakehouse kepada produk data yang ada pemilik

Seni bina ilustrasi, bukan sistem pelanggan.

Baca rajah dalam bentuk teks

Laluan utama bermula daripada sistem operasi, melalui pengambilan berkelompok dan tangkapan perubahan data, lapisan mentah, lapisan diselaraskan dan produk data, hingga ke lapisan semantik dengan BI yang ditadbir.

Dokumen tidak berstruktur juga masuk melalui pengambilan selepas OCR dan pengayaan. Semakan kualiti dan asal usul data meliputi lapisan mentah dan lapisan diselaraskan. Data induk dan data rujukan menyalurkan produk data. Produk data juga menyediakan carian dan ciri AI, serta API data untuk perkongsian.

Jalur tadbir urus dengan katalog, pengelasan, dasar akses dan tempoh penyimpanan merentasi seluruh platform.

04 Pertimbangan dan had

Pertimbangan kejuruteraan dan had

  • Pemilikan sebelum alat

    Cara kami mengendalikannya

    Setiap produk data mempunyai pemilik perniagaan yang menentukan maksudnya dan pemilik teknikal yang memastikan ia terus berjalan. Kami membantu mentakrifkan kedua-dua peranan dan kontrak antara pengeluar dan pengguna produk data.

    Had dan kebergantungan

    Platform tidak boleh mewujudkan pemilikan. Jika organisasi tidak melantik pemilik, masalah kualiti akan kembali, walau apa pun alatnya.

  • Had tujuan dalam amalan

    Cara kami mengendalikannya

    Data peribadi ditanda dengan tujuan yang dibenarkan baginya, dan dasar akses serta tempoh penyimpanan mengikut tanda itu secara automatik.

    Had dan kebergantungan

    Tujuan mana yang sah ialah keputusan pegawai perlindungan data (DPO) dan penasihat undang-undang anda. Kami melaksanakannya; kami tidak memutuskannya.

  • Data untuk AI mempunyai tahap kualiti tersendiri

    Cara kami mengendalikannya

    Bagi kes penggunaan AI, kami mengukur apa yang diperlukan oleh carian dan model: liputan, kesegaran, pendua dan kualiti pengekstrakan teks.

    Had dan kebergantungan

    Sesetengah arkib tidak berbaloi untuk dibaiki. Penilaian berasaskan sampel akan memberitahu anda, dan kadangkala jawapan yang betul ialah mengecualikannya.

05 Cara kami bekerja

Cara kami bekerja

Kami membina platform di sekeliling produk data pertama yang penting, bukan sebaliknya.

  1. 01

    Pilih keputusan, bukan set data

    Mulakan dengan dua atau tiga keputusan atau kes penggunaan AI dan data yang diperlukannya, dengan pemilik dinamakan.

    HasilSenarai produk data dengan pemilik

  2. 02

    Bina asas di sekelilingnya

    Platform, pengambilan data, semakan kualiti dan tadbir urus, sekadar cukup untuk menyokong produk itu dengan betul.

    HasilProduk data pertama dalam operasi

  3. 03

    Berkembang mengikut produk

    Setiap produk baharu menggunakan semula asas yang sama; katalog dan glosari KPI berkembang bersamanya.

    HasilPelan hala tuju produk dan ukuran penggunaan

06 Kawalan manusia

Di mana manusia kekal memegang kawalan

Platform data mengautomasikan pergerakan dan semakan. Manusia memutuskan maksud, akses dan tujuan.

  • Pemilik meluluskan definisi

    Maksud sesuatu KPI atau produk data hanya berubah apabila pemilik perniagaannya meluluskan, dan perubahan itu diversikan.

  • Akses diberikan oleh pemilik dasar

    Pemilik data memutuskan siapa boleh menggunakan data mana bagi tujuan apa; platform menguatkuasakannya dan merekodkan setiap kebenaran.

  • Pelanggaran kualiti menghentikan aliran

    Apabila semakan kontrak gagal, pengguna produk data dimaklumkan dan pemilik memutuskan sama ada untuk menerbitkan, menahan atau membetulkan.

07 Teknologi

Teknologi yang kami gunakan

Platform
  • Databricks
  • Microsoft Fabric
  • Snowflake
  • Lakehouse terbuka di atas Apache Iceberg atau Delta Lake
Saluran data
  • dbt
  • Apache Spark
  • Kafka dan Debezium
  • Orkestrasi asli awan
Tadbir urus
  • Unity Catalog dan Purview
  • Katalog sumber terbuka
  • Rangka kerja kualiti data
  • Kawalan akses berasaskan dasar
Analitik
  • Power BI
  • Lapisan semantik dan metrik
  • Analitik terbenam
  • Analitik SAP (landskap sedia ada)

Penyenaraian sesuatu teknologi menggambarkan pengalaman kejuruteraan kami. Ia tidak membayangkan perkongsian dengan, atau sokongan daripada, pembekalnya.

08 Contoh

Contoh ilustrasi

Contoh ilustrasi

Satu set KPI bagi konglomerat dengan anak syarikat di beberapa negara

01Situasi
Sebuah konglomerat milik keluarga mempunyai anak syarikat di beberapa negara ASEAN dan di Kesatuan Eropah. Setiap anak syarikat melaporkan jualan, margin dan tunggakan daripada sistem sendiri dengan definisi sendiri, dan pengurusan kumpulan membandingkan angka yang tidak membawa maksud yang sama.
02Apa yang akan kami bina
Produk data yang diselaraskan bagi setiap anak syarikat, yang menyalurkan satu lapisan semantik dengan definisi KPI yang dipersetujui di peringkat kumpulan sambil mengekalkan butiran tempatan.
03Di mana manusia memutuskan
Pengawal kewangan setiap anak syarikat meluluskan pemetaan data mereka; pemilik KPI kumpulan meluluskan definisi dan perubahannya.
04Apa yang akan kami ukur
Masa untuk menyediakan laporan bulanan, bilangan pembetulan penyelarasan dan penggunaan papan pemuka yang diperakui.

09 Sektor

Dalam sektor anda

  • Penjagaan kesihatan dan sains hayat

    Data penyelidikan dan operasi yang ditadbir dengan had tujuan yang ketat, pseudonimisasi dan log akses, kerana data kesihatan ialah data peribadi sensitif di bawah PDPA.

  • Pembuatan

    Data induk produk dan aset, data kualiti dan data pengeluaran yang disatukan bagi perancangan, kebolehkesanan dan AI.

  • Sektor awam

    Sumber data yang berautoriti, penggunaan semula data yang sudah ada dan pelaporan yang boleh dikesan kembali kepada rekod oleh pembuat dasar dan juruaudit.

Malaysia

Data yang merentas sempadan

Kumpulan di Malaysia dengan anak syarikat di negara ASEAN lain dan di Kesatuan Eropah berkongsi data di bawah peraturan yang kelihatan serupa tetapi tidak sama. Sejak 1 April 2025, pemindahan data peribadi ke luar Malaysia tertakluk kepada seksyen 129 Akta Perlindungan Data Peribadi 2010 (PDPA) yang dipinda, dan garis panduan pemindahan merentas sempadan bertarikh 29 April 2025 menerangkan penilaian impak pemindahan serta mekanisme seperti klausa kontrak. Sejak 1 Jun 2025, pegawai perlindungan data (DPO) diwajibkan apabila ambang tertentu dicapai, dan subjek data berhak meminta kemudahalihan data. Di EU, GDPR dan Akta Data Kesatuan Eropah menetapkan peraturan tersendiri.

Kami mereka bentuk produk data yang kontraknya menyatakan di mana data boleh diproses, bagi tujuan apa dan untuk berapa lama, supaya platform dapat menggunakan peraturan yang betul bagi setiap negara tanpa salinan data yang berasingan.

Soalan tentang data dan analitik

Adakah kami memerlukan data mesh?

Yang anda perlukan ialah bahagian yang berguna daripadanya: produk data dengan pemilik dan kontrak. Desentralisasi penuh berbaloi dalam organisasi besar dengan pasukan domain yang matang. Banyak organisasi lebih berjaya dengan pasukan platform pusat dan pemilikan produk oleh domain.

Adakah data kami sedia untuk AI?

Penilaian ringkas berasaskan sampel ke atas sumber yang diperlukan oleh sesuatu kes penggunaan akan memberitahu anda: liputan, kualiti, hak akses dan asas undang-undang. Jawapannya biasanya “sebahagiannya”, dengan senarai jelas tentang apa yang perlu dibaiki dahulu. Pasukan kejuruteraan AI kami menggunakan penilaian yang sama.

Kami sudah mempunyai gudang data. Adakah kami perlu bermula semula?

Jarang sekali. Gudang data yang menyediakan laporan yang dipercayai ialah aset. Kami biasanya memperluasnya dengan keupayaan lakehouse bagi data tidak berstruktur dan bervolum tinggi, dan hanya memindahkan apabila kos atau had sistem mewajarkannya.

Bagaimanakah anda mengendalikan perkongsian data dengan rakan kongsi atau agensi lain?

Melalui produk data yang didedahkan melalui API yang ditadbir, dengan perjanjian, had tujuan dan pengelogan. Apabila data peribadi dipindahkan ke luar Malaysia, kami mereka bentuk kawalan teknikal bagi mekanisme yang dipilih oleh organisasi anda di bawah seksyen 129 PDPA; apabila GDPR atau Akta Data Kesatuan Eropah terpakai, kami mereka bentuk kawalan yang sepadan.

Namakan keputusan yang tidak dapat dibuat dengan data hari ini

Kami akan mengesan keperluannya kembali kepada sumber dan menunjukkan apa yang diperlukan bagi produk data yang pertama.

Bincangkan projek andaPemprosesan dokumen