真心實意

2023-03-24

“無治理、不分析”，沒有高質量的數據，就不會有可信的AI。由于數據治理的輸出是人工智能的輸入，即經過數據治理后的大數據，因此數據治理與人工智能的發展存在相輔相成的關系。

（1）數據治理為人工智能奠定基礎
數據治理在提升數據質量方面具有重要作用。通過定義數據質量需求、定義數據質量測量指標、定義數據質量業務規則、制定數據質量改善方案、設計并實施數據質量管理工具、監控數據質量管理操作程序和績效等數據質量管理環節，企業可以獲得干凈的、結構清晰的數據，為深度學習等人工智能技術提供可信的數據輸入。

數據治理為人工智能保障數據隱私。所謂隱私保護，其實就是對隱私數據的保護。最理想的情況是能夠在產權層面確立相關個人作為隱私數據的合法的唯一擁有者，或至少對隱私數據實際控制者的行為嚴加管束，做到合法合規，這就離不開數據治理。數據治理工具從技術工具和保障措施等方面設計了保護隱私數據。

（2）人工智能對數據治理存在諸多優化作用
數據治理工作中，將大數據應用機器學習技術，作數據挖掘和分析，從而識別哪些是用戶隱私性數據、哪些數據可能有異常，一旦數據特征被確認，打上標簽，未來再做數據管理時，就可以使用元數據管理的方法機制，對外提供服務。比如當碰到涉及的某特殊標記數據，就會有相應的流程啟動，或在相關的數據對外服務提供過程中，自動識別數據涉及的個人隱私，避免引起政策方面的風險。通過AI技術的應用，可以增強數據安全管理和元數據管理的能力。