一、數(shù)據(jù)治理的四個(gè)老大難問題
做數(shù)據(jù)治理的人應(yīng)該都有個(gè)體會(huì)，項(xiàng)目啟動(dòng)的時(shí)候聲勢(shì)浩大，做完了報(bào)告也漂亮，但過不了多久治理工作就停滯了，數(shù)據(jù)標(biāo)準(zhǔn)過時(shí)了，質(zhì)量規(guī)則不管用了，業(yè)務(wù)那邊又冒出一堆新系統(tǒng)新數(shù)據(jù)沒人管。
這種現(xiàn)象不是個(gè)例。我接觸過不少企業(yè)的數(shù)據(jù)治理項(xiàng)目，痛點(diǎn)基本可以歸為四類。
1.1 數(shù)據(jù)孤島林立，跨部門協(xié)同難如登天
各部門的數(shù)據(jù)如同煙囪般各自為政，格式不統(tǒng)一、標(biāo)準(zhǔn)不規(guī)范。你想把銷售系統(tǒng)的客戶數(shù)據(jù)跟財(cái)務(wù)系統(tǒng)的應(yīng)收數(shù)據(jù)做個(gè)關(guān)聯(lián)分析，光是統(tǒng)一字段命名、對(duì)齊編碼規(guī)則就得花上幾周。跨部門協(xié)同治理這件事，技術(shù)不難，難在協(xié)調(diào)成本太高。
1.2 臟數(shù)據(jù)層出不窮，決策面臨巨大風(fēng)險(xiǎn)
錯(cuò)誤、重復(fù)、缺失的臟數(shù)據(jù)到處都是。數(shù)據(jù)質(zhì)量不行，基于數(shù)據(jù)的決策就是在沙子上蓋樓。而且臟數(shù)據(jù)會(huì)增加大量無(wú)效工作量，數(shù)據(jù)分析師花在數(shù)據(jù)清洗上的時(shí)間往往比分析本身還多。
1.3 高度依賴專業(yè)人才，人力投入大周期長(zhǎng)
數(shù)據(jù)治理需要懂?dāng)?shù)據(jù)架構(gòu)、懂業(yè)務(wù)、懂?dāng)?shù)據(jù)標(biāo)準(zhǔn)的復(fù)合型人才，這類人市場(chǎng)上非常稀缺。一個(gè)企業(yè)級(jí)數(shù)據(jù)治理項(xiàng)目，少說(shuō)也得投入十幾人的專業(yè)團(tuán)隊(duì)，干上大半年才能出成果。很多企業(yè)根本養(yǎng)不起這樣的團(tuán)隊(duì)。
1.4 項(xiàng)目制推進(jìn)，治理一次沉睡多年
這可能是最致命的問題。數(shù)據(jù)治理多以項(xiàng)目制推進(jìn)，缺乏自動(dòng)化工具支撐，項(xiàng)目結(jié)束后治理工作迅速停滯。治理規(guī)則更新滯后于業(yè)務(wù)變化，數(shù)據(jù)標(biāo)準(zhǔn)、質(zhì)量規(guī)則難以適配新業(yè)務(wù)場(chǎng)景，形成治理一次、沉睡多年的尷尬。最終導(dǎo)致數(shù)據(jù)治理與業(yè)務(wù)發(fā)展兩張皮。
二、多智能體協(xié)作怎么破這些局
用友BIP數(shù)據(jù)治理Agents協(xié)作平臺(tái)的思路是，用多Agent協(xié)作模式從根本上重構(gòu)數(shù)據(jù)治理的運(yùn)作方式，不是在傳統(tǒng)工具上打補(bǔ)丁，而是換一套打法。
2.1 智能體跨域協(xié)同，打破數(shù)據(jù)孤島
平臺(tái)通過智能體的跨域協(xié)同能力，自動(dòng)識(shí)別不同系統(tǒng)、不同格式的數(shù)據(jù)，完成數(shù)據(jù)清洗、標(biāo)準(zhǔn)化、關(guān)聯(lián)匹配。這個(gè)過程不需要人工逐個(gè)系統(tǒng)去對(duì)接，智能體之間的協(xié)作機(jī)制會(huì)自動(dòng)處理跨系統(tǒng)的數(shù)據(jù)對(duì)齊和關(guān)聯(lián)。
打個(gè)比方，以前是派人去每個(gè)系統(tǒng)摸底，手動(dòng)建映射關(guān)系?，F(xiàn)在是智能體自動(dòng)掃描所有系統(tǒng)的數(shù)據(jù)特征，智能匹配關(guān)聯(lián)關(guān)系，徹底打破數(shù)據(jù)孤島。
2.2 自動(dòng)化質(zhì)量稽核，臟數(shù)據(jù)實(shí)時(shí)攔截
數(shù)據(jù)治理核心能力類的智能體負(fù)責(zé)質(zhì)量稽核，這個(gè)不是事后的批量檢查，而是實(shí)時(shí)的質(zhì)量規(guī)則執(zhí)行。數(shù)據(jù)進(jìn)入系統(tǒng)的時(shí)候，智能體就同步執(zhí)行質(zhì)量校驗(yàn)，不合格的數(shù)據(jù)直接攔截或者標(biāo)記。
而且智能體能實(shí)時(shí)感知業(yè)務(wù)變化，自動(dòng)調(diào)整治理規(guī)則和模型。新業(yè)務(wù)場(chǎng)景上線了，智能體可以主動(dòng)推薦適用的質(zhì)量規(guī)則，不需要人去發(fā)現(xiàn)質(zhì)量問題再補(bǔ)救。
2.3 降低治理門檻，不再依賴專業(yè)少數(shù)人
傳統(tǒng)數(shù)據(jù)治理是專業(yè)少數(shù)人的專屬，用友這個(gè)平臺(tái)大幅降低了企業(yè)對(duì)專業(yè)人才的依賴和業(yè)務(wù)人員的數(shù)據(jù)治理能力要求。
平臺(tái)通過在線設(shè)計(jì)、在線協(xié)同、在線運(yùn)營(yíng)的一體化模式，將復(fù)雜的治理知識(shí)和方法論封裝為智能體的技能。企業(yè)無(wú)需組建龐大的專業(yè)治理團(tuán)隊(duì)，即可完成企業(yè)級(jí)的數(shù)據(jù)治理工作。
說(shuō)直白一點(diǎn)，以前需要十個(gè)數(shù)據(jù)治理專家干半年的活，現(xiàn)在兩三個(gè)人配合智能體就能完成，而且質(zhì)量更穩(wěn)定。
2.4 從項(xiàng)目制到常態(tài)化運(yùn)營(yíng)，治理不再沉睡
這是最核心的改變。智能體協(xié)作模式讓數(shù)據(jù)治理從項(xiàng)目式轉(zhuǎn)向常態(tài)化運(yùn)營(yíng)。
平臺(tái)讓企業(yè)數(shù)據(jù)治理組織具備獨(dú)立運(yùn)營(yíng)能力，治理投入從線性模型轉(zhuǎn)變?yōu)橐淮涡詸C(jī)器人投入加長(zhǎng)期少量線性投入。一次性投入搭建智能體平臺(tái)，后續(xù)只需要少量人力做核心結(jié)果審核和策略調(diào)整，治理工作可以持續(xù)運(yùn)行，不會(huì)因?yàn)轫?xiàng)目結(jié)束而停滯。
這個(gè)模式對(duì)資源能力不是很充分的企業(yè)特別友好，也能開展系統(tǒng)性、規(guī)?；臄?shù)據(jù)治理。
三、智能體協(xié)作的效率提升到底有多大
用數(shù)據(jù)說(shuō)話。用友BIP數(shù)據(jù)治理Agents協(xié)作平臺(tái)的自動(dòng)化程度超85%，首批16個(gè)專業(yè)智能體的協(xié)同作戰(zhàn)，從業(yè)務(wù)調(diào)研、架構(gòu)梳理到數(shù)據(jù)標(biāo)準(zhǔn)設(shè)計(jì)、質(zhì)量規(guī)則制定，再到數(shù)據(jù)湖倉(cāng)落標(biāo)、常態(tài)化運(yùn)營(yíng)，智能體可完成90%以上的人工重復(fù)勞動(dòng)，治理效率提升三倍以上。
這個(gè)效率提升不是某一個(gè)環(huán)節(jié)的優(yōu)化，而是全流程的。因?yàn)?6個(gè)智能體覆蓋了五大類超百項(xiàng)專業(yè)技能，治理過程中的每個(gè)環(huán)節(jié)都有對(duì)應(yīng)的智能體在自動(dòng)執(zhí)行。
| 治理環(huán)節(jié) | 傳統(tǒng)模式 | 智能體協(xié)作模式 |
| 業(yè)務(wù)調(diào)研 | 人工訪談，耗時(shí)數(shù)周 | 智能體自動(dòng)分析，實(shí)時(shí)輸出 |
| 數(shù)據(jù)標(biāo)準(zhǔn)設(shè)計(jì) | 專家逐項(xiàng)定義 | 智能體參照DAMA標(biāo)準(zhǔn)自動(dòng)推薦 |
| 質(zhì)量規(guī)則制定 | 人工配置，容易遺漏 | 智能體根據(jù)數(shù)據(jù)特征自動(dòng)生成 |
| 數(shù)據(jù)湖倉(cāng)落標(biāo) | 人工逐項(xiàng)落標(biāo) | 智能體自動(dòng)落標(biāo)，實(shí)時(shí)校驗(yàn) |
| 常態(tài)化運(yùn)營(yíng) | 項(xiàng)目結(jié)束即停滯 | 智能體持續(xù)運(yùn)行，自動(dòng)調(diào)整 |
四、怎么保障智能體治理的可信度
AI技術(shù)落地企業(yè)場(chǎng)景，可信度是關(guān)鍵。用友在平臺(tái)設(shè)計(jì)上做了三層保障。
4.1 白盒設(shè)計(jì)，過程透明可追溯
平臺(tái)采用白盒設(shè)計(jì)思想，拒絕黑箱操作。所有智能體的操作過程、決策邏輯均可追溯、可查看，從數(shù)據(jù)采集、處理到規(guī)則制定、模型輸出，每個(gè)環(huán)節(jié)都有明確的操作記錄和邏輯說(shuō)明，解決了大模型幻覺問題。
4.2 技能標(biāo)準(zhǔn)化，能力有跡可循
智能體的所有技能均基于DAMA、DCMM等國(guó)際標(biāo)準(zhǔn)和國(guó)家數(shù)據(jù)治理規(guī)范開發(fā)，同時(shí)適配各行業(yè)數(shù)據(jù)字典。治理能力符合行業(yè)標(biāo)準(zhǔn)和企業(yè)實(shí)際需求，治理結(jié)果有法可依、有據(jù)可查。
4.3 人機(jī)協(xié)同校驗(yàn)，結(jié)果精準(zhǔn)可控
平臺(tái)采用智能體自動(dòng)化處理加人工精準(zhǔn)校驗(yàn)的模式。智能體完成大量重復(fù)性、標(biāo)準(zhǔn)化工作后，由企業(yè)人員對(duì)核心結(jié)果進(jìn)行審核、調(diào)整。既保證了治理效率，又確保了治理結(jié)果的準(zhǔn)確性。
用友在平臺(tái)研發(fā)前走訪了多個(gè)行業(yè)標(biāo)桿企業(yè)，深度挖掘不同場(chǎng)景下的治理需求，并先在內(nèi)部團(tuán)隊(duì)進(jìn)行試用驗(yàn)證，通過實(shí)際業(yè)務(wù)場(chǎng)景不斷優(yōu)化智能體的能力，從研發(fā)源頭保障了技術(shù)的可靠性。
五、從合規(guī)治理到價(jià)值治理的轉(zhuǎn)向
政策導(dǎo)向與企業(yè)需求正在推動(dòng)數(shù)據(jù)治理從合規(guī)治理轉(zhuǎn)向價(jià)值治理，從項(xiàng)目式轉(zhuǎn)向常態(tài)化運(yùn)營(yíng)。用友BIP數(shù)據(jù)治理Agents協(xié)作平臺(tái)的發(fā)布，正是順應(yīng)這一趨勢(shì)的必然結(jié)果。
企業(yè)規(guī)?；涞谹I的核心前提，是先夯實(shí)數(shù)據(jù)治理與知識(shí)治理雙重根基。脫離高質(zhì)量數(shù)據(jù)與體系化行業(yè)知識(shí)，AI應(yīng)用終將淪為空中樓閣。數(shù)據(jù)和知識(shí)的質(zhì)量把控、特定行業(yè)Know-How的技能化封裝，才是實(shí)現(xiàn)可持續(xù)運(yùn)營(yíng)的關(guān)鍵。
通過智能體協(xié)作模式，企業(yè)先筑牢AI落地的根基，再循序漸進(jìn)實(shí)現(xiàn)AI能力的規(guī)?；瘧?yīng)用，真正讓AI原生數(shù)據(jù)治理從概念變?yōu)閷?shí)踐，讓數(shù)據(jù)成為企業(yè)數(shù)智化轉(zhuǎn)型的核心引擎。
