-
数据治理 KPI 设计：如何衡量治理成效而非流程工作量
导语 数据治理项目最容易陷入的困境，不是没人做，而是"做了很多，却说不清有没有用"。元数据填了一堆、审批走了一轮又一轮、会议纪要攒了厚厚一摞，但业务侧依然觉得数据不可信、不好找、不敢用。问题往往出在 KPI 的设计上：它衡量的是治理动作有没有发生，而不是治理有没有产生效果。 本文讨论如何把数据治理 KPI 从"流程工作量"转向"治理成效"。 一、为什么流程型 KPI 会失效 流程型 KPI 的典型形态是：完成了多少次数据盘点、录入了多少张表的元数据、发起了多少次质量工单、开了多少次治理例会。这类指标有一个共同特点—— 它们衡量的是投入，而不是产出 。 它带来的副作用通常有三层： 指标可被"刷" ：只要持续发起动作，数字就会好看，与数据是否真的变好无关。 激励方向错位 ：团队把精力放在"完成流程"上，而不是"解决
-
AI 时代的数据治理变革：从“管住数据”到“让数据可用”
导语：过去十余年，数据治理的核心命题是“把数据管起来”——建标准、做血缘、定口径、控权限。但当大模型与 AI 应用成为数据的主要消费者和生产者的双重角色时，这套以静态资产为中心的治理逻辑正在失效。数据治理正在经历一次范式迁移
-
DataWorks Data Agent 实战课堂（七）：数据治理 Agent——AI 驱动的自动化治理
DataWorks 数据治理 Agent 将这些原本分散在多个页面、依赖人工衔接的工作，收敛为自然语言驱动的治理流程。本课程通过 5 个典型场景，带你体验从一次治理到持续治理的完整过程。
-
从 IT 决策者视角看门店主数据治理：一店多档背后的架构与 ROI 命题
1. 为什么 CIO/CTO 要关心"一店多档"我在主导企业渠道数字化规划时，越来越清晰地认识到一个事实：门店主数据是整个 RTM（通路行销）体系的地基。当地基出现"一店多档"——同一家真实门店在系统里被录成多条重复档案——上层所有基于门店的统计与决策都在沙地上搭建。作为 IT 决策者，我关心的不是某个炫目的看板，而是三个硬问题：数据是否可信、架构是否可扩展
-
基于 OceanBase Lakebase 的 DataStudio：湖库一体架构下的数据治理
解决大模型数据生产割裂痛点，OceanBase DataStudio 基于 Lakebase 提供一体化工作台，实现高效数据治理与服务。
-
面向AI场景的数据库演进：OceanBase多模表的数据治理架构
OceanBase发布湖库一体AI数据库，推出多模表功能。该特性实现多模态数据统一管理，提供事务一致性与混合搜索能力，解决AI Agent数据治理难题。
-
6月28日，NineData将在AWS Community Day分享多云数据治理实践
6 月 28 日，亚马逊云科技年度技术盛会 Community Day 2026 中国站将在杭州西湖区智汇众创中心 1 号楼举办。NineData 合伙人兼首席产品经理蔡冬者受邀参会，将围绕 AI 与出海背景下的企业级多云数据安全管理与高效同步方案展开主题分享。
-
“模数共振”开启产业AI新阶段，重新定义数据治理
2026年国家“模数共振”行动正式开启产业AI新阶段，数据治理正从传统“数据管理”转向“知识工程”。百分点科技依托AI-DG智能数据治理平台，推动数据治理AI化，打通数据、模型与场景的协同链路，帮助政企构建面向AI时代的高质量数据体系，让数据真正转化为AI生产力。
-
百分点科技AI-DG：不换平台，也能升级智能数据治理
AI-DG将持续推进开放生态建设，百分点科技期待与更多第三方数据平台携手，共同为客户提供AI驱动的数据治理能力。
