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(huì)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(dòng)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(gè)雙向賦能的螺旋式上升時(shí)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(zhǎng)、成本高、價(jià)值不顯”的難題。

成本高昂：一個(gè)典型的數(shù)據(jù)治理項(xiàng)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(yàn)和大量人工操作，本質(zhì)上仍是“人力密集型”產(chǎn)業(yè)。
價(jià)值難顯：巨大的投入之后，真正實(shí)現(xiàn)“知行合一”、數(shù)據(jù)價(jià)值充分釋放的案例仍是少數(shù)，導(dǎo)致許多企業(yè)對(duì)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(shí)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(qiáng)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(xiàng)核心能力與數(shù)據(jù)治理場(chǎng)景完美契合：


語(yǔ)言理解能力：大模型是天生的語(yǔ)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(qiáng)大的映射和代碼生成能力，如我們熟知的NL2SQL（自然語(yǔ)言轉(zhuǎn)SQL）。
歸納總結(jié)能力：能快速?gòu)暮Ａ啃畔⒅刑釤捯c(diǎn)，生成會(huì)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(gè)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(shí)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(dòng)。大模型天生就是優(yōu)秀的程序員，能夠根據(jù)指令自動(dòng)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(shí)踐統(tǒng)計(jì)，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(gè)包含項(xiàng)目模板、歷史制度、訪談?dòng)涗浀谋镜刂R(shí)庫(kù)。通過簡(jiǎn)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(shí)，它可以借鑒同類項(xiàng)目經(jīng)驗(yàn)，通過自然語(yǔ)言交互方式輔助設(shè)計(jì)。在主數(shù)據(jù)編碼這一痛點(diǎn)上，大模型能通過文字描述找到相似編碼，并輔助完成分級(jí)分類。在數(shù)據(jù)質(zhì)量方面，通過學(xué)習(xí)歷史問題庫(kù)，大模型可以主動(dòng)生成預(yù)防性的檢測(cè)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(shí)踐
我們認(rèn)為所有數(shù)據(jù)類的工具平臺(tái)未來都會(huì)演變成智能體開發(fā)架構(gòu)，數(shù)據(jù)治理平臺(tái)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(shí)庫(kù)再外接大模型，而且要同時(shí)兼容多種大模型。

特別強(qiáng)調(diào)，數(shù)據(jù)治理工作要針對(duì)實(shí)際的工作痛點(diǎn)切實(shí)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(jìn)式的抓痛點(diǎn)的方法來改進(jìn)數(shù)據(jù)治理過程，切實(shí)解決核心痛點(diǎn)問題。

因?yàn)榇竽Ｐ吐涞夭贿^一年左右的時(shí)間，確實(shí)有很多的項(xiàng)目還沒有結(jié)項(xiàng)，但是億信華辰通過相關(guān)的實(shí)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(gè)應(yīng)用的例子：

第一個(gè)例子是一個(gè)大型金融機(jī)構(gòu)，他們?cè)缙谧鰯?shù)據(jù)治理是比較保守的；立項(xiàng)論證的時(shí)候始終覺得投入大，見效小，遲遲沒有行動(dòng)。今年運(yùn)用大模型相關(guān)能力以后，進(jìn)行了相關(guān)成本反復(fù)的評(píng)估和經(jīng)過半年左右的磨合，取得了非常好的效果。運(yùn)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(shí)施周期縮短30%。

第二個(gè)例子是一個(gè)國(guó)家級(jí)重點(diǎn)研究機(jī)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(yùn)用大模型與RAG技術(shù)結(jié)合，構(gòu)建本地私域知識(shí)庫(kù)，并通過數(shù)據(jù)治理過程提升知識(shí)庫(kù)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(gè)例子是政府類的重大投資項(xiàng)目的審批流程優(yōu)化。過去重大項(xiàng)目審批文檔繁瑣，依靠人工審核周期通常是3-6個(gè)月，里面浩如煙海的文檔資料完全是靠人工去進(jìn)行審核。我們對(duì)審批角色的歷史審批動(dòng)作和審批規(guī)則做了梳理，對(duì)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(shí)庫(kù)，使得審批角色在項(xiàng)目審核時(shí)不再需要海量閱卷，而通過關(guān)鍵信息提取、概要?dú)w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(xiàng)。系統(tǒng)上線試運(yùn)行期間項(xiàng)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(chǎng)，那么“Data for AI”則是這場(chǎng)變革的下半場(chǎng)，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(duì)非結(jié)構(gòu)化數(shù)據(jù)的治理和知識(shí)管理，將成為未來理論和實(shí)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(shí)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(jìn)，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?gòu)?qiáng)大的AI工具也難以發(fā)揮價(jià)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(jī)協(xié)同”——機(jī)器做笨活，人類監(jiān)督檢查——將是長(zhǎng)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(shí)，目前的大模型還遠(yuǎn)未達(dá)到各領(lǐng)域頂級(jí)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(jìn)化的養(yǎng)料。這個(gè)正向反饋的循環(huán)，正在形成一個(gè)相互增強(qiáng)、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(jiǎn)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?cè)俅握驹跉v史的奇點(diǎn)上，需要以開放和務(wù)實(shí)的心態(tài)，擁抱人機(jī)協(xié)同的新范式，共同開創(chuàng)一個(gè)更加智能、高效的新時(shí)代。