数据治理行业有一个长期存在的矛盾：企业花大力气建设数据中台，数据质量报告各项指标看起来都不错，但业务人员使用数据时依然困难重重。查不准、看不懂、用不上——这三个词概括了技术侧与业务侧之间的鸿沟。
Gartner 2024年的数据显示，72%的AI项目止步于试点Demo，根源在于“数据很多，但机器读不懂业务”。业务语义缺失、系统孤岛林立、专家经验隐性化，成为AI落地生产环境的最大瓶颈。中翰软件是数据质量和知识专家，这家成立于2006年的厂商近日推出中翰业务智能盘点平台v2.0，试图从业务语义梳理的角度切入这一问题。
中翰软件的发展轨迹几乎映射了中国企业数据治理从萌芽到成熟的完整路径：2006年推出物资编码管理平台，2010年率先在国内推出主数据管理概念，2013年首创“静态数据中心”理念。但传统数据治理“重技术采集、轻业务梳理”的困局始终存在。正是瞄准这一断层，中翰软件在自研Navigate OS底座和业务梳理平台v1.0基础上，推出了业务智能盘点平台v2.0。
与以往面向IT和数据团队的专业工具不同，该平台的核心设计理念是“自助式、智能化”。平台零代码、向导式，业务骨干、产品经理、运营人员或FDE均可直接上手，无需建模基础，无需编写代码。AI以语义识别为核心抓手，自动萃取、归一、标准化全景业务信息。业务人员只需在向导引导下输入业务概念和场景描述，AI即可完成实体识别、关系抽取和规则建议，低置信项自动进入人工确认环节，形成人机协同。
平台的核心创新在于将传统分散的多项梳理工作整合为一次闭环作业。指标梳理方面，智能抽取自动识别业务指标及其口径定义，业务域管理将指标沉淀为可复用的目录体系。资源盘点方面，全域探查能力适配多源异构数据源，兼容各类中台数据接入规范。本体建模方面，盘点成果沉淀为本体模型，明确定义核心业务实体、属性及实体间语义关系，构建全组织统一的“业务词典”。
其方法论根基来自FDE式业务梳理工作法。FDE是Palantir开创的岗位，核心能力是将模糊的业务“翻译”给机器。平台将五步工作法沉淀为软件工具，AI负责预抽取，专家负责确认，人工确认的样本回流至抽取层，持续修正后续抽取结果。行业实践数据显示，单业务域建模周期可从数月压缩至一到两周。
在产品定位上，该平台选择了“轻量化、解耦式、标准化”路线，预留标准化接口，可无缝对接市面主流AI中台、知识中台、数据中台等，不做中台的“替代品”。中翰软件项目交付负责人表示：“数据治理的主导权应该从乙方交还给甲方，让业务人员成为真正的数据管理者。”在AI落地进入深水区的当下，这一产品试图为企业智能化转型铺设一条“语义先行”的务实路径。
国际数据治理协会（IDGA）
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/70051142/viewspace-3183016/ ，如需转载，请注明出处，否则将追究法律责任。
