在人工智能浪潮席卷全球的今天，所有AI應(yīng)用的基石——數(shù)據(jù)，其治理工作卻面臨著前所未有的挑戰(zhàn)。本文基于億信華辰總經(jīng)理毛大群在2025DAMA全球數(shù)據(jù)管理峰會上的演講分享，探討大模型如何為傳統(tǒng)數(shù)據(jù)治理注入新動能，以及高質(zhì)量的數(shù)據(jù)治理又如何反哺AI，共同開啟一個雙向賦能的螺旋式上升時代。

數(shù)據(jù)治理的老大難：為何投入巨大卻收效甚微

多年來，數(shù)據(jù)治理一直是企業(yè)數(shù)字化轉(zhuǎn)型中的核心議題，但其困境也同樣突出。無論是甲方企業(yè)還是乙方服務(wù)商，都普遍面臨著“周期長、成本高、價值不顯”的難題。

成本高昂：一個典型的數(shù)據(jù)治理項目中，超過50%的成本消耗在數(shù)據(jù)處理環(huán)節(jié)，而數(shù)據(jù)調(diào)研、制度建設(shè)等管理流程也占據(jù)了30%以上。
人力密集：從元數(shù)據(jù)梳理、數(shù)據(jù)標(biāo)準(zhǔn)制定到數(shù)據(jù)質(zhì)量規(guī)則落地，核心環(huán)節(jié)高度依賴專家經(jīng)驗和大量人工操作，本質(zhì)上仍是“人力密集型”產(chǎn)業(yè)。
價值難顯：巨大的投入之后，真正實現(xiàn)“知行合一”、數(shù)據(jù)價值充分釋放的案例仍是少數(shù)，導(dǎo)致許多企業(yè)對數(shù)據(jù)治理望而卻步。


AI for Data：大模型如何為數(shù)據(jù)治理降本增效
在AI時代，上述問題不僅沒有消失，反而更加凸顯。那么，被寄予厚望的大模型，能否成為破解數(shù)據(jù)治理困局的“金鑰匙”？答案是肯定的。大模型憑借其強大的底層能力，正在重塑數(shù)據(jù)治理的作業(yè)模式。從原理上看，大模型的四項核心能力與數(shù)據(jù)治理場景完美契合：


語言理解能力：大模型是天生的語言大師，能精準(zhǔn)理解和處理各類文本信息。
代碼轉(zhuǎn)換能力：其底層的Transformer架構(gòu)使其具備強大的映射和代碼生成能力，如我們熟知的NL2SQL（自然語言轉(zhuǎn)SQL）。
歸納總結(jié)能力：能快速從海量信息中提煉要點，生成會議紀(jì)要、文檔摘要等。
邏輯推理能力：在復(fù)雜關(guān)系中發(fā)現(xiàn)深層聯(lián)系，是未來發(fā)展的關(guān)鍵方向。
基于這些能力，大模型正在以下幾個方面顯著提升數(shù)據(jù)治理的效率和質(zhì)量。

1. 數(shù)據(jù)開發(fā)提效：讓大模型成為“金牌程序員”

數(shù)據(jù)處理是數(shù)據(jù)治理中最耗時耗力的環(huán)節(jié)。無論是編寫SQL、Python腳本，還是使用ETL工具，都離不開數(shù)據(jù)開發(fā)工程師的手工勞動。大模型天生就是優(yōu)秀的程序員，能夠根據(jù)指令自動編寫和優(yōu)化代碼，極大地解放了人力。根據(jù)億信華辰的工程實踐統(tǒng)計，引入大模型后，數(shù)據(jù)開發(fā)效率可提升約40%，成本降低30%。

2. 制度文檔生成：從“人找制度”到“AI生制度”
數(shù)據(jù)治理不僅是技術(shù)活，更是管理活，涉及大量規(guī)章制度、訪談紀(jì)要、需求文檔等非結(jié)構(gòu)化文本。利用大模型的歸納總結(jié)能力，可以構(gòu)建一個包含項目模板、歷史制度、訪談記錄的本地知識庫。通過簡單的提示詞，就能快速生成和迭代各類制度文檔，效率提升可達(dá)60%，成本降低超過50%。

3. 核心治理任務(wù)智能化：攻克元數(shù)據(jù)、主數(shù)據(jù)與數(shù)據(jù)質(zhì)量難題

在元數(shù)據(jù)管理中，大模型的推理能力可以幫助梳理復(fù)雜系統(tǒng)間的數(shù)據(jù)血緣關(guān)系。在數(shù)據(jù)建模時，它可以借鑒同類項目經(jīng)驗，通過自然語言交互方式輔助設(shè)計。在主數(shù)據(jù)編碼這一痛點上，大模型能通過文字描述找到相似編碼，并輔助完成分級分類。在數(shù)據(jù)質(zhì)量方面，通過學(xué)習(xí)歷史問題庫，大模型可以主動生成預(yù)防性的檢測規(guī)則，提升數(shù)據(jù)質(zhì)量和治理效率。

億信華辰的探索實踐
我們認(rèn)為所有數(shù)據(jù)類的工具平臺未來都會演變成智能體開發(fā)架構(gòu)，數(shù)據(jù)治理平臺的技術(shù)架構(gòu)也不例外。各家的數(shù)據(jù)架構(gòu)基本構(gòu)型完全一樣，都是數(shù)據(jù)管理的十大模塊疊加私域知識庫再外接大模型，而且要同時兼容多種大模型。

特別強調(diào)，數(shù)據(jù)治理工作要針對實際的工作痛點切實降低成本、提升效率、提高質(zhì)量。我們不提倡把以往的數(shù)據(jù)工具全部推翻掉重來一遍，我們提倡用漸進式的抓痛點的方法來改進數(shù)據(jù)治理過程，切實解決核心痛點問題。

因為大模型落地不過一年左右的時間，確實有很多的項目還沒有結(jié)項，但是億信華辰通過相關(guān)的實踐已經(jīng)能夠窺得大模型賦能數(shù)據(jù)治理帶來的好處了。這里列舉三個應(yīng)用的例子：

第一個例子是一個大型金融機構(gòu)，他們早期做數(shù)據(jù)治理是比較保守的；立項論證的時候始終覺得投入大，見效小，遲遲沒有行動。今年運用大模型相關(guān)能力以后，進行了相關(guān)成本反復(fù)的評估和經(jīng)過半年左右的磨合，取得了非常好的效果。運用大模型技術(shù)去做的數(shù)據(jù)治理工作，使得在原有同等條件下面整體的成本降低25%，實施周期縮短30%。

第二個例子是一個國家級重點研究機構(gòu)，歷史積累了大量的非結(jié)構(gòu)化文本數(shù)據(jù)，通過運用大模型與RAG技術(shù)結(jié)合，構(gòu)建本地私域知識庫，并通過數(shù)據(jù)治理過程提升知識庫的數(shù)據(jù)質(zhì)量，很輕松就開發(fā)出了各種智能助手 Agent。大量應(yīng)用大模型技術(shù)使得非結(jié)構(gòu)化數(shù)據(jù)得充分的挖掘和應(yīng)用，智能助手Agnet顯著提升辦公效率，加速了業(yè)務(wù)流程。

第三個例子是政府類的重大投資項目的審批流程優(yōu)化。過去重大項目審批文檔繁瑣，依靠人工審核周期通常是3-6個月，里面浩如煙海的文檔資料完全是靠人工去進行審核。我們對審批角色的歷史審批動作和審批規(guī)則做了梳理，對文檔資料的前置審核工作做了提取和關(guān)鍵信息結(jié)構(gòu)化提取處理，將傳統(tǒng)結(jié)構(gòu)化數(shù)據(jù)治理與非結(jié)構(gòu)化數(shù)據(jù)處理相結(jié)合，形成了審批知識庫，使得審批角色在項目審核時不再需要海量閱卷，而通過關(guān)鍵信息提取、概要歸納總結(jié)、大綱展示等方法快速精準(zhǔn)的輔助審核人員獲取審核項。系統(tǒng)上線試運行期間項目文檔閱卷審核周期普遍縮短到一周以內(nèi)，整體審核速度提速一倍以上。

Data for AI：高質(zhì)量數(shù)據(jù)如何反哺大模型
如果說“AI for Data”是上半場，那么“Data for AI”則是這場變革的下半場，也是形成“螺旋上升”的關(guān)鍵。大模型的表現(xiàn)，尤其是其在垂直領(lǐng)域的應(yīng)用深度，直接取決于投喂給它的數(shù)據(jù)質(zhì)量。

經(jīng)過有效治理的高質(zhì)量數(shù)據(jù)集，是消除大模型“幻覺”、提升其專業(yè)能力和可靠性的根本。數(shù)據(jù)治理的目標(biāo)正在悄然轉(zhuǎn)變：未來，數(shù)據(jù)不僅是為人所用，更要為AI大模型提供高質(zhì)量的“食糧”。

這意味著，數(shù)據(jù)治理的核心目標(biāo)之一，就是面向人工智能，構(gòu)建高質(zhì)量的數(shù)據(jù)供給體系。特別是對非結(jié)構(gòu)化數(shù)據(jù)的治理和知識管理，將成為未來理論和實踐的重中之重。

冷靜看待：挑戰(zhàn)與未來展望
盡管前景光明，我們?nèi)孕枨逍训卣J(rèn)識到大模型在數(shù)據(jù)治理應(yīng)用中存在的局限：

數(shù)據(jù)質(zhì)量制約：“垃圾進，垃圾出”的原則依然適用。沒有高質(zhì)量的數(shù)據(jù)基礎(chǔ)，再強大的AI工具也難以發(fā)揮價值。
幻覺問題：大模型“一本正經(jīng)胡說八道”的特性短期內(nèi)無法根除，這意味著“人機協(xié)同”——機器做笨活，人類監(jiān)督檢查——將是長期常態(tài)。
領(lǐng)域深度不足：數(shù)據(jù)治理涉及千行百業(yè)的復(fù)雜邏輯和隱性知識，目前的大模型還遠(yuǎn)未達(dá)到各領(lǐng)域頂級專家的水平。

大模型與數(shù)據(jù)治理的每一次自激振蕩，都在重塑智能世界的DNA。

大模型的應(yīng)用，觸發(fā)了數(shù)據(jù)治理的大規(guī)模推廣；而數(shù)據(jù)治理的成果，又為大模型提供了加速進化的養(yǎng)料。這個正向反饋的循環(huán)，正在形成一個相互增強、不斷推高的“自激振蕩”局面。

未來3-5年，AI尚無法完全替代人類。正如《人類簡史》所言，不是人類馴化了小麥，而是小麥馴化了人類。今天，我們再次站在歷史的奇點上，需要以開放和務(wù)實的心態(tài)，擁抱人機協(xié)同的新范式，共同開創(chuàng)一個更加智能、高效的新時代。