[论文解读] Knowledge-driven Data Ecosystems Towards Data Transparency

Sandra Geisler, María-Esther Vidal+10 more|arXiv (Cornell University)|May 19, 2021

Data Quality and Management参考文献 27被引用 4

一句话总结

本文提出了一种以知识为驱动的数据生态系统架构，旨在提升联盟驱动型数据生态系统中的数据透明度、可信度和治理能力。通过整合知识模型、元数据和可追溯的工作流，该框架能够验证性地满足数据质量、组织及法律伦理方面的要求——该方法在临床研究用例中得到验证，并通过对比分析三种不同类型的数据生态系统（DE）进行了实证检验。

ABSTRACT

A Data Ecosystem offers a keystone-player or alliance-driven infrastructure that enables the interaction of different stakeholders and the resolution of interoperability issues among shared data. However, despite years of research in data governance and management, trustability is still affected by the absence of transparent and traceable data-driven pipelines. In this work, we focus on requirements and challenges that data ecosystems face when ensuring data transparency. Requirements are derived from the data and organizational management, as well as from broader legal and ethical considerations. We propose a novel knowledge-driven data ecosystem architecture, providing the pillars for satisfying the analyzed requirements. We illustrate the potential of our proposal in a real-world scenario. Lastly, we discuss and rate the potential of the proposed architecture in the fulfillment of these requirements.

研究动机与目标

• 解决数据生态系统中持续存在的数据透明度与可信度挑战，特别是在联盟驱动型环境中的挑战。
• 识别多利益相关方数据环境中数据治理、数据质量及法律伦理合规性的关键需求。
• 设计一种架构，以实现跨异构数据源和利益相关方的可追溯性、可验证性和互操作性。
• 从需求满足角度，将所提出的架构与基线模型及以知识为驱动的数据生态系统模型进行对比评估。
• 提供一种可扩展的透明框架，以支持生物医学和B2B工程等领域的数据主权与公平数据共享。

提出的方法

• 从现实世界用例（特别是多中心临床研究）中推导需求，以识别数据管理、组织及法律伦理方面的需求。
• 设计一种以知识为驱动的数据生态系统架构，整合元数据、服务、商业模式和战略文档，以支持透明度。
• 提出一种以知识为驱动的数据生态系统网络化模型，以支持跨生态系统的协作、协商跟踪和政策对齐。
• 应用对比分析框架，评估三种DE类型：基线型（仅数据）、以知识为驱动型（含服务与模型）以及网络化以知识为驱动型DE。
• 利用可追溯性与可验证性指标，评估每种DE类型在支持需求满足方面的表现，特别是对数据质量与合规性的支持程度。
• 借鉴Dagstuhl研讨会19391的见解及现有数据质量模型，确保架构建立在既有研究与实践基础之上。

实验结果

研究问题

• RQ1 在联盟驱动型数据生态系统中，实现数据透明度的关键数据管理、组织及法律伦理需求是什么？
• RQ2 不同类型的DE（基线型、以知识为驱动型、网络化）在支持数据透明度需求的可追溯性与可验证性方面表现如何比较？
• RQ3 以知识为驱动的架构在多利益相关方数据环境中，能在多大程度上提升数据质量、治理能力与可信度？
• RQ4 为实现跨生态系统互操作性与政策对齐，数据生态系统中必要的架构组件有哪些？
• RQ5 在具有异构利益相关方的复杂分布式数据生态系统中，如何系统性地实现并验证数据透明度？

主要发现

• 基线型数据生态系统仅能满足部分数据管理需求（DMR1–DMR6），且在法律与伦理合规性方面缺乏可追溯性与可验证性。
• 以知识为驱动的数据生态系统虽能完全满足数据管理需求，但在可追溯性方面仍面临互操作性与法律监管约束的挑战。
• 仅网络化以知识为驱动的数据生态系统模型能够通过共享元数据、服务与协商记录，实现需求满足的完整可追溯性与可验证性。
• 所提出的架构通过嵌入知识模型（记录数据血缘、质量评估与利益相关方协议），实现了透明的数据治理。
• 表1中的对比分析表明，仅网络化以知识为驱动的DE能够支持数据质量、组织及法律伦理需求的完整谱系。
• 该框架为在生物医学等敏感领域实现数据透明度提供了切实可行的路径，其中数据主权与合规性至关重要。