数据治理

CDGA|AI时代，数据治理的位置下沉了吗？很多人问：大模型都来了，数据治理是不是该往后排一排？答案恰恰相反。AI没有让数据治理“下沉”，而是把它从后台的辅助角色，推到了智能应用的前线。过去数据治理做不好，最多是报表对不上、口径吵一架；现在AI一旦接入了混乱的数据，就会把错误规模化地扩散出去。

企业数据中台选型：高适配性怎么评估，从三个维度到五个确认项数据中台选型最容易走偏的地方，是把“功能完整”当成“适合自己”。一家企业如果在选型时只比较模块数量和数据库支持类型，最终往往会得到一个功能齐全但用不起来的平台。这篇文章把“高适配性”拆成可评估的维度、可核实的错配类型和可直接向服务商确认的问题，供技术负责人和架构师参考。

从 POC 到规模化：企业 AI 转型卡在哪一步AI 项目的失败，很少死在算法上。真正让项目停在 Demo 阶段的，是数据没法用、模型上线后没人管、以及出了事找不到谁负责。这三件事听起来都不新鲜，但它们决定了大多数企业能不能把 AI 做成常规业务。

中小企业知识管理的核心难点？企业知识管理的根基，是可信、统一的主数据。在主数据管理赛道，近两年 “AI+MDM” 热度持续走高，也是中小企业打通知识沉淀、落地知识管理的重要抓手。但不少企业在选型阶段极易踩坑：很多产品只是在传统 MDM 外层叠加一层大模型对话窗口，属于 AI 外挂，并非行业真正所说的 AI 原生 MDM。二者存在本质差异，也直接决定主数据治理能否真正落地、为企业知识管理降本增效。传统 MDM 以**规则驱动**为核心。查重、数据校验、标准匹配等工作，都需要数据治理专家人工编写海量固定规则。面对同义词、简称、非标描述

数据飞轮的企业版切入：四个环节先做哪个"场景牵引数据、数据驱动模型、模型赋能应用、应用创造价值"的数据飞轮写进了国家《实施方案》，但飞轮画在图上是闭环，落到企业里第一圈常常转不起来。本文把飞轮四段拆到企业对应角色，给出三种企业起点的判断方法、第一圈最小闭环的设计步骤，以及四个最常见的卡点与解法。

不剪发的Tony老师

Apache Atlas：一个企业级元数据管理和数据治理平台在现代企业数据平台中，通常会存在一些不同的数据源，例如 MySQL、Kafka、Spark、Hive、Data Lake 等。

数据资源科目第一次“缩表”：8.49 亿背后的新增、摊销与减值2026 年三季报是数据资源入表后第一次能用公开数据观察“净额下行”。中国移动无形资产—数据资源由年初 11.05 亿降至 8.49 亿元，开发支出—数据资源由 1.31 亿降至 0.24 亿元。本文给出净额公式的拆解方法、四种下行成因的判断矩阵、治理团队必须交得出的三张表（资产卡片台账、摊销明细、减值迹象清单），以及 GB/T 47950-2026 双轨登记下的季度对账办法。

基于 DAMA 数据治理体系的高校数据治理方案本方案针对高校"系统林立、口径不一、质量失控、认责不清、资产不明、合规承压"六类数据问题，以 DAMA-DMBOK2 为方法论主线，将数据治理从概念落到可执行的组织、流程与标尺，形成"有路径、有责任、有度量"的治理闭环。方案主干分两层。第一层是治理体系：按 DAMA 定义数据治理的五组过程（定义、执行、业务管理、运营管理、管理数据资产）逐组给出高校落地动作与交付物，并配套三层组织架构、十主题域数据认责体系、RACI 责任矩阵与学年节奏对齐表；同时给出十一个知识领域的分领域落地设计。第二层是评估标尺：

袋鼠云数栈

让 SQL 解析不再重复造轮子：SqlParserX 正式开源一个纯 Druid 实现的多方言 SQL 解析引擎与工具包：表解析、表/字段血缘、函数解析、SQL 切分、行级权限改写，配套标准文档站与开箱即用的可视化解析平台

预测性维护数据的 ownership 之争：设备部还是IT部？先讲个真事。今年3月，我在浙江一家做注塑机的工厂驻场，他们上预测性维护平台已经半年，卡在了一个听起来特别离谱的问题上：设备数据归谁管？

得帆低代码PaaS

消费品企业主数据平台选型：业务适配、平台能力、集成分发、交付运营消费品企业评估主数据管理平台，可以按业务适配、平台能力、集成分发、交付运营四个维度展开，并用企业自己的数据做场景化验证。国内的厂商大致可以分成三种类型。

得帆低代码PaaS

主数据平台选型的 8 个技术验证问题：现场验证方法与通过判据消费品企业选主数据平台，可以先问八个问题：能不能同时管款色码和一品多规格，能不能开一家店就一次建档，能不能支撑多品牌多组织，能不能和 ERP、POS、电商、仓储实时分发。

得帆低代码PaaS

化工物料主数据建模：分类加关键特征项判重，危化属性与批次拆分化工企业的物料主数据，难点集中在同一种物料有多种纯度、规格、包装和危化属性，再叠上名称不统一、分类偏粗。可行的思路是用分类加关键特征项来定义唯一性，并把危化、批次这些属性一并纳入模型。

政务数据中台建设怎么做？数据治理痛点、平台适配能力与分步落地路径国内政务数字化转型进入深水区，绝大多数区县及以上政务单位都完成了基础业务系统的搭建。但各委办局长期独立立项、分散建设的模式，催生了大量数据孤岛问题：不同系统数据口径不统一，核心数据重复录入，跨部门数据共享申请流程繁琐，直接影响政务服务的响应效率。

得帆低代码PaaS

鞋服商品主数据建模：款色码三层结构、编码规则与字段源头表鞋服企业的商品主数据，绕不开两个问题：款、色、码三层编码怎么定，每个字段的源头归谁。把编码收在主数据平台里产生，各业务系统只取不改，订货、库存、对账才算得准。

iPaaS集成平台如何打通ERP、CRM、OA等异构系统企业数字化建设过程中，ERP、CRM、OA、MES、WMS等系统往往来自不同厂商，采用不同技术架构和数据模型。iPaaS并不是简单提供“系统连接器”，而是通过协议适配、数据转换、API编排、消息机制和统一治理，将分散的业务系统组织成可持续运行的集成体系。本文从技术架构和实际业务流程出发，分析iPaaS如何解决异构系统互联问题，并进一步讨论AI与企业集成能力融合后的新模式。

真上帝的左手

27. 数据产品-数据治理-11.完整岗位体系系列文章完整串联业务系统→数据集成→数据仓库→BI→RAG 知识库→AI Agent整条企业数字化实战链路。

真上帝的左手

27. 数据产品-数据治理-13.企业全套制度体系系列文章完整串联业务系统→数据集成→数据仓库→BI→RAG 知识库→AI Agent整条企业数字化实战链路。

橙时数据 FineInsight

指标、规则和业务本体分别解决什么问题：从数据计算到可解释判断摘要：指标、规则和业务本体经常出现在同一套企业数据体系中，但三者并不能相互替代。本文结合订单交付场景，说明指标如何量化状态、规则如何形成判断、本体如何补充对象与业务语境，并给出从原始数据到可解释待办的完整链路。

数据中台建设的人力成本测算：全周期岗位配置、三种建设模式对比与隐性成本很多企事业单位启动数据中台建设时，普遍存在成本核算偏差问题。大多项目立项阶段仅统计软件采购、硬件部署等显性支出，对占总成本比重最高的人力投入预估不足，最终超支、延期的情况时有发生。