2022年中國面向人工智能的數(shù)據(jù)治理行業(yè)研究報告

2022年中國面向人工智能的數(shù)據(jù)治理行業(yè)研究報告核心摘要：治理需求熱潮：企業(yè)在數(shù)字化轉(zhuǎn)型過程中先建設(shè)后治理的常態(tài)，使得數(shù)據(jù)治理愈發(fā)受到企業(yè)重視，另一方面，新興技術(shù)與應(yīng)用場景的快速落地，也帶領(lǐng)數(shù)據(jù)治理需求在加速攀升。未來，隨著非結(jié)構(gòu)化數(shù)據(jù)的積累增加與AI應(yīng)用的數(shù)據(jù)需求推動，企業(yè)對非結(jié)構(gòu)化數(shù)據(jù)的價值化需求將加速釋放，而多源異構(gòu)數(shù)據(jù)基礎(chǔ)下的數(shù)據(jù)治理模塊也將獲得進一步的關(guān)注與優(yōu)化。治理體系升級：目前傳統(tǒng)數(shù)據(jù)治理體系多停留在結(jié)構(gòu)性數(shù)據(jù)化治理工作，尚難滿足AI應(yīng)用對數(shù)據(jù)的高質(zhì)量要求。企業(yè)可吸收傳統(tǒng)體系的智慧沉淀，以AI應(yīng)用數(shù)據(jù)需求為核心，優(yōu)化建設(shè)“面向人工智能的數(shù)據(jù)治理”體系，顯著提升AI應(yīng)用的規(guī)?；涞匦Ч?。依托于數(shù)據(jù)與AI模型的緊密關(guān)聯(lián)，數(shù)據(jù)治理與AI應(yīng)用產(chǎn)品已逐步開展交匯融合，廠商參與更加多元，咨詢公司、數(shù)據(jù)服務(wù)提供商和人工智能產(chǎn)品服務(wù)商三方陣營構(gòu)建行業(yè)競合格局。2021年面向人工智能的數(shù)據(jù)治理市場規(guī)模約為40億元，預(yù)計五年后規(guī)模將突破百億。治理實踐洞察：本篇報告選擇金融、零售、醫(yī)療和工業(yè)四大典型行業(yè)為切入點，分析呈現(xiàn)各行業(yè)的信息化建設(shè)階段與高頻高價值的AI應(yīng)用場景，并基于高頻高價值A(chǔ)I應(yīng)用引發(fā)的數(shù)據(jù)治理需求，對面向人工智能的數(shù)據(jù)治理體系搭建給到建設(shè)指導(dǎo)，同時對數(shù)據(jù)治理陷阱與發(fā)展趨勢給到洞察分析：1）企業(yè)需避免落入“數(shù)據(jù)埋點大而全”的治理陷阱；2）供需兩側(cè)需共同保證數(shù)據(jù)治理體系建設(shè)后的運營流轉(zhuǎn)；3）企業(yè)需建立符合管理現(xiàn)狀及發(fā)展需求的數(shù)據(jù)安全治理框架，確保數(shù)據(jù)全周期的安全與合規(guī)；4）聯(lián)邦學習技術(shù)可帶來數(shù)據(jù)安全合規(guī)線內(nèi)的共同富裕；5）數(shù)據(jù)的“自治與自我進化”成為未來數(shù)據(jù)處理發(fā)展的必由之路，為企業(yè)打造“治理+AI”體系的良性循環(huán)。數(shù)據(jù)：范圍界定信息經(jīng)濟的“貨幣”，早已不限于數(shù)字形式數(shù)據(jù)的價值被不斷認可，“數(shù)據(jù)資產(chǎn)化”已經(jīng)成為了企業(yè)發(fā)展的重要組成部分。長期以來，數(shù)據(jù)被理解為以數(shù)字形式存儲的信息，而目前技術(shù)可以測量更多的事件和活動，人們可以收集、存儲并分析這些不被視為傳統(tǒng)數(shù)據(jù)的各類信息，如郵件、圖片、音視頻等。數(shù)據(jù)可根據(jù)其特性及治理方法差異劃分為內(nèi)部數(shù)據(jù)與外部數(shù)據(jù)，結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)與半結(jié)構(gòu)化數(shù)據(jù)，元數(shù)據(jù)與主數(shù)據(jù)等。數(shù)據(jù)量：爆發(fā)式增長基礎(chǔ)設(shè)施“擴容”、IoT廣泛連接帶來的數(shù)據(jù)量暴漲數(shù)據(jù)時代來臨，數(shù)據(jù)量的暴漲為企業(yè)數(shù)字化提供了基礎(chǔ)支撐，大量的業(yè)務(wù)數(shù)據(jù)能夠被采集、存儲并最終創(chuàng)造經(jīng)濟效益。而很多企業(yè)在前期的信息化建設(shè)中，缺乏統(tǒng)籌規(guī)劃，為解決當下業(yè)務(wù)問題而按照垂直的、個性化的業(yè)務(wù)邏輯獨立采購與部署IT系統(tǒng)，導(dǎo)致企業(yè)內(nèi)部形成多個數(shù)據(jù)孤島。數(shù)據(jù)不規(guī)范、不一致、難以互聯(lián)互通成為普遍問題，阻礙企業(yè)去充分發(fā)揮數(shù)據(jù)價值。這種先建設(shè)后治理的常態(tài)，使得數(shù)據(jù)治理越來越受到企業(yè)的普遍重視，另一方面，新興技術(shù)與應(yīng)用場景的快速落地，也帶領(lǐng)數(shù)據(jù)治理需求在加速攀升。數(shù)據(jù)治理：需求釋放治理需求普遍存在，非結(jié)構(gòu)化數(shù)據(jù)成為價值挖掘的重難點企業(yè)歷經(jīng)數(shù)字化轉(zhuǎn)型不同階段時，需通過數(shù)據(jù)治理解決數(shù)據(jù)在生產(chǎn)、管理和使用中的問題，而數(shù)據(jù)治理的需求與復(fù)雜度也會隨著企業(yè)數(shù)字化程度提升而增加。從企業(yè)內(nèi)部的數(shù)據(jù)類型來看，非結(jié)構(gòu)化數(shù)據(jù)占企業(yè)內(nèi)數(shù)據(jù)總量的80%，卻僅占整體使用率的30%，長期以來其價值未得到充分有效利用。未來，隨著非結(jié)構(gòu)化數(shù)據(jù)的積累增加與AI應(yīng)用的數(shù)據(jù)需求推動，企業(yè)對非結(jié)構(gòu)化數(shù)據(jù)的價值化需求將加速釋放，而多源異構(gòu)數(shù)據(jù)基礎(chǔ)下的數(shù)據(jù)治理模塊也將獲得進一步的關(guān)注與優(yōu)化。數(shù)據(jù)治理：范圍界定數(shù)據(jù)治理為實現(xiàn)企業(yè)數(shù)據(jù)應(yīng)用服務(wù)的重要環(huán)節(jié)數(shù)據(jù)治理以數(shù)據(jù)源匯入為伊始，對數(shù)據(jù)進行清洗加工，并在數(shù)據(jù)存儲、數(shù)據(jù)計算、數(shù)據(jù)服務(wù)應(yīng)用等環(huán)節(jié)予以持續(xù)的治理服務(wù)，是企業(yè)實現(xiàn)數(shù)據(jù)服務(wù)與應(yīng)用的重要環(huán)節(jié)。從數(shù)據(jù)層面來看，數(shù)據(jù)本身存在著從生產(chǎn)到消亡的生命周期，而數(shù)據(jù)治理會在數(shù)據(jù)生命周期的各階段通過相應(yīng)工具與方法論進行規(guī)范與定義，在企業(yè)內(nèi)部構(gòu)建出切實有效的數(shù)據(jù)閉環(huán)，使數(shù)據(jù)發(fā)揮出更大的價值。數(shù)據(jù)治理：體系架構(gòu)結(jié)合企業(yè)的特點及需求，設(shè)計符合企業(yè)要求的數(shù)據(jù)治理架構(gòu)雖然業(yè)界對數(shù)據(jù)治理的定義不盡相同，但涉及的數(shù)據(jù)架構(gòu)模塊大體一致，核心包括數(shù)據(jù)標準管理、數(shù)據(jù)集成管理、元數(shù)據(jù)管理、主數(shù)據(jù)管理、數(shù)據(jù)資產(chǎn)管理、數(shù)據(jù)質(zhì)量管理、數(shù)據(jù)模型管理、數(shù)據(jù)服務(wù)與數(shù)據(jù)安全管理模塊。依托于企業(yè)對數(shù)據(jù)治理的側(cè)重點不同，數(shù)據(jù)治理體系與架構(gòu)也會根據(jù)企業(yè)所在的行業(yè)特點、經(jīng)營性質(zhì)及信息化程度的不同而有所差異。在實際設(shè)計時，一方面，企業(yè)可參考先進體系框架與行業(yè)最佳實踐，另一方面，企業(yè)也需從實際需求與發(fā)展需要出發(fā)，設(shè)計搭建適合自身情況的數(shù)據(jù)治理架構(gòu)。AI應(yīng)用規(guī)?；疉I技術(shù)創(chuàng)新應(yīng)用大規(guī)模落地，帶動大數(shù)據(jù)智能市場蓬勃發(fā)展近年來，隨著新技術(shù)模型出現(xiàn)、各行業(yè)應(yīng)用場景價值打磨與海量數(shù)據(jù)積累下的產(chǎn)品效果提升，人工智能應(yīng)用已從消費、互聯(lián)網(wǎng)等泛C端領(lǐng)域，向制造、能源、電力等傳統(tǒng)行業(yè)輻射。各行業(yè)企業(yè)在設(shè)計、采購、生產(chǎn)、管理、營銷等經(jīng)濟生產(chǎn)活動主要環(huán)節(jié)的人工智能技術(shù)與應(yīng)用成熟度在不斷提升，加速人工智能在各環(huán)節(jié)的落地覆蓋，逐漸將其與主營業(yè)務(wù)相結(jié)合，以實現(xiàn)產(chǎn)業(yè)地位提高或經(jīng)營效益優(yōu)化，進一步擴大自身優(yōu)勢。AI技術(shù)創(chuàng)新應(yīng)用的大規(guī)模落地，帶動了大數(shù)據(jù)智能市場的蓬勃發(fā)展，同樣也為底層的數(shù)據(jù)治理服務(wù)注入了市場活力。大數(shù)據(jù)智能市場的行業(yè)規(guī)模2021年市場規(guī)模約為553億元，金融數(shù)據(jù)率先得到價值釋放據(jù)艾瑞咨詢統(tǒng)計測算，2021年涵蓋大數(shù)據(jù)分析預(yù)測（機器學習/深度學習模型）、領(lǐng)域知識圖譜及NLP應(yīng)用的大數(shù)據(jù)智能市場規(guī)模約為553億元，預(yù)計2026年市場規(guī)模將達到1456億元，2021-2026CAGR=21.3%。隨著市場大數(shù)據(jù)基礎(chǔ)的完善與數(shù)據(jù)需求的喚醒推動，大數(shù)據(jù)智能市場的規(guī)模將持續(xù)走高，但未來在行業(yè)理性建設(shè)與增量市場逐步完善的大背景下，大數(shù)據(jù)智能市場增速會出現(xiàn)下降趨勢。從細分結(jié)構(gòu)來看中，金融領(lǐng)域的數(shù)據(jù)價值率先得到釋放，市場規(guī)模占比高達32%。大數(shù)據(jù)智能市場的投融資熱度融資規(guī)模穩(wěn)步提升，事件數(shù)量創(chuàng)歷史新高從2011-2021年的投資數(shù)量來看，資本市場對大數(shù)據(jù)智能市場的關(guān)注度不斷提高，融資事件逐年攀升，2021年大數(shù)據(jù)智能市場單年投融資數(shù)量已高達99起；從2011-2021年的融資輪次來看，C輪及早期投融資事件占比達到50%。受政策的高度支持與技術(shù)的成熟推動，大數(shù)據(jù)智能應(yīng)用在多行業(yè)的成功落地極大地增強了市場與投資者的信心，“大數(shù)據(jù)智能”標簽已成為市場創(chuàng)業(yè)與投資的熱點，具備市場想象空間與明確使用價值是企業(yè)早期吸引投資的關(guān)鍵。大數(shù)據(jù)智能產(chǎn)業(yè)生態(tài)圈面向人工智能的數(shù)據(jù)治理：需求傳導(dǎo)人工智能應(yīng)用引發(fā)的數(shù)據(jù)治理需求企業(yè)在部署AI應(yīng)用時，數(shù)據(jù)資源的優(yōu)劣極大程度決定了AI應(yīng)用的落地效果。因此，為推進AI應(yīng)用的高質(zhì)量落地，開展針對性的數(shù)據(jù)治理工作為首要且必要的環(huán)節(jié)。而對于企業(yè)本身已搭建的傳統(tǒng)數(shù)據(jù)治理體系，目前多停留在對于結(jié)構(gòu)性數(shù)據(jù)的治理優(yōu)化，在數(shù)據(jù)質(zhì)量、數(shù)據(jù)字段豐富度、數(shù)據(jù)分布和數(shù)據(jù)實時性等維度尚難滿足AI應(yīng)用對數(shù)據(jù)的高質(zhì)量要求。為保證AI應(yīng)用的高質(zhì)效落地，企業(yè)仍需進行面向人工智能應(yīng)用的二次數(shù)據(jù)治理工作。面向人工智能的數(shù)據(jù)治理：反復(fù)治理面對反復(fù)的治理工作，搭建針對性體系解決重復(fù)性環(huán)節(jié)數(shù)據(jù)治理在人工智能項目的實施中花費90%以上的精力，而面對企業(yè)的各人工智能項目，在AI數(shù)據(jù)層面多存在反復(fù)治理工作，極大拉低了AI應(yīng)用的規(guī)?；涞匦省＝柚行У姆椒ㄕ摵蛯嵱玫墓ぞ咛岣邤?shù)據(jù)治理的效率，是企業(yè)管理數(shù)據(jù)資產(chǎn)與實現(xiàn)AI規(guī)?；瘧?yīng)用的重要課題。搭建面向人工智能的數(shù)據(jù)治理體系，可將面向AI應(yīng)用的數(shù)據(jù)治理環(huán)節(jié)流程化、標準化和體系化，降低數(shù)據(jù)反復(fù)準備、特征篩選、模型調(diào)優(yōu)迭代的成本，縮短AI模型的開發(fā)構(gòu)建全流程周期，最終顯著提升AI應(yīng)用的規(guī)?；涞匦?。面向人工智能的數(shù)據(jù)治理：體系搭建吸收傳統(tǒng)體系智慧沉淀，以AI應(yīng)用數(shù)據(jù)需求為核心優(yōu)化建設(shè)面向人工智能的數(shù)據(jù)治理是傳統(tǒng)數(shù)據(jù)治理體系在以AI應(yīng)用落地為導(dǎo)向下的體系“升級”。從數(shù)據(jù)管理維度來看，面向人工智能的數(shù)據(jù)治理體系仍會根據(jù)數(shù)據(jù)結(jié)構(gòu)化流向、數(shù)據(jù)資產(chǎn)管理需要、數(shù)據(jù)安全需求等角度順應(yīng)搭建元數(shù)據(jù)管理、數(shù)據(jù)資產(chǎn)管理、主數(shù)據(jù)管理、數(shù)據(jù)生命周期管理和數(shù)據(jù)安全隱私管理等組件模塊。而在數(shù)據(jù)治理過程中，則會更強調(diào)底層實現(xiàn)多源數(shù)據(jù)融合、數(shù)據(jù)采集頻率、數(shù)據(jù)標準建立、數(shù)據(jù)質(zhì)量管理，滿足AI模型所需數(shù)據(jù)的規(guī)模、質(zhì)量和時效，以AI應(yīng)用的數(shù)據(jù)需求為核心，優(yōu)化對應(yīng)模塊的體系建設(shè)。面向人工智能的數(shù)據(jù)治理：數(shù)據(jù)準備基于AI模型需求明確數(shù)據(jù)的特征準備、實時與否和閉環(huán)流通從搭建流程來看，AI模型可大致分為離線訓練和上線推理兩個階段。離線訓練時，需基于AI模型運行目的確認數(shù)據(jù)采集來源，選擇數(shù)據(jù)對應(yīng)的時間間隔和時間節(jié)點，讓AI能夠在離線建模及上線運行后獲取真實業(yè)務(wù)數(shù)據(jù)，模型訓練效果能夠保質(zhì)保量落地。如果模型需要AI數(shù)據(jù)的實時接入，還需打造批流一體式的產(chǎn)品體系?；趯崟r數(shù)據(jù)處理、實時特征開發(fā)和實時應(yīng)用開發(fā)等數(shù)據(jù)架構(gòu)搭建批流一體的數(shù)據(jù)產(chǎn)品，將流式數(shù)據(jù)的接入實時反饋到模型運行輸出，使模型結(jié)果更加及時準確。另外，AI模型上線后，需達到AI數(shù)據(jù)的閉環(huán)流通，通過打造數(shù)據(jù)采集和回饋分析的閉環(huán)式自學習體系，達到AI模型上線后的持續(xù)迭代優(yōu)化。面向人工智能的數(shù)據(jù)治理：數(shù)據(jù)質(zhì)量對應(yīng)AI應(yīng)用的高質(zhì)量要求，喚醒沉睡數(shù)據(jù)，挖掘核心價值多源異構(gòu)數(shù)據(jù)的質(zhì)量管理體系可從數(shù)據(jù)有效性、數(shù)據(jù)一致性、數(shù)據(jù)唯一性、數(shù)據(jù)時序性、數(shù)據(jù)完備性、數(shù)據(jù)完整性、數(shù)據(jù)合理性和數(shù)據(jù)準確性六個維度建立。其中，傳統(tǒng)數(shù)據(jù)治理體系同樣會高度關(guān)注數(shù)據(jù)的有效性、一致性和唯一性，但當數(shù)據(jù)治理范圍擴大到多源異構(gòu)數(shù)據(jù)時，需在數(shù)據(jù)融合過程中對這三個維度進行重新判斷。數(shù)據(jù)時序性是對數(shù)據(jù)時間維度的質(zhì)量要求，考慮數(shù)據(jù)接入的實時性和如何選擇數(shù)據(jù)的時間間隔；數(shù)據(jù)完備性要求數(shù)據(jù)需符合多維度字段特征以滿足建模，數(shù)據(jù)完整性則對數(shù)據(jù)從歷史到上線反饋的完整性接入以達到優(yōu)質(zhì)閉環(huán)；數(shù)據(jù)合理性和數(shù)據(jù)準確性則是對數(shù)據(jù)本身表達的更高質(zhì)量要求。傳統(tǒng)數(shù)據(jù)治理體系為做數(shù)據(jù)可視化和數(shù)據(jù)基本分析應(yīng)用服務(wù)時，不會過多考慮到數(shù)據(jù)分布是否合理及表達內(nèi)容是否準確等問題。然而在AI模型開發(fā)訓練時，數(shù)據(jù)的合理分布和準確表達極大程度上決定了AI模型的分析決策效果，因此在面向人工智能的數(shù)據(jù)治理體系中，數(shù)據(jù)合理性和數(shù)據(jù)準確性的質(zhì)量評估是體系需重點關(guān)注提升的維度模塊。面向人工智能的數(shù)據(jù)治理：數(shù)據(jù)標準為AI模型開發(fā)提供“一致的數(shù)據(jù)語言”，實現(xiàn)數(shù)據(jù)復(fù)用共享數(shù)據(jù)標準是數(shù)據(jù)治理工作的開展基礎(chǔ)，為AI模型開發(fā)及應(yīng)用提供“一致的數(shù)據(jù)語言”。在面向人工智能的數(shù)據(jù)治理體系中，數(shù)據(jù)標準的建立仍是數(shù)據(jù)實現(xiàn)共享流通、價值挖掘的核心環(huán)節(jié)。企業(yè)根據(jù)對應(yīng)的國家標準、行業(yè)標準、地方標準等規(guī)范，結(jié)合自身情況和業(yè)務(wù)術(shù)語參考，以AI應(yīng)用需求圈定的數(shù)據(jù)范圍為治理導(dǎo)向，構(gòu)建相關(guān)基礎(chǔ)數(shù)據(jù)標準、指標數(shù)據(jù)標準和數(shù)據(jù)模型標準，形成全局統(tǒng)一的數(shù)據(jù)定義與價值體系。面向人工智能的數(shù)據(jù)治理：特征管理將多源異構(gòu)數(shù)據(jù)源轉(zhuǎn)化為機器可理解的“結(jié)構(gòu)化數(shù)據(jù)”在圈定AI數(shù)據(jù)源范圍并接入相應(yīng)數(shù)據(jù)后，特征管理中臺會對數(shù)據(jù)進行預(yù)處理，基于AI應(yīng)用的數(shù)據(jù)要求處理缺失值、異常值、重復(fù)值和數(shù)據(jù)格式等問題，而后經(jīng)過特征工程轉(zhuǎn)化為人工智能模型可理解的結(jié)構(gòu)化數(shù)據(jù)。在特征化工程環(huán)節(jié)中，面向人工智能的數(shù)據(jù)治理體系可濃縮沉淀業(yè)務(wù)場景中的數(shù)據(jù)治理和模型開發(fā)經(jīng)驗，對AI數(shù)據(jù)形式進行標準定義，搭建特征管理中臺，將特征工程環(huán)節(jié)標準化、自動化、智能化，快速對接得到可被機器理解的優(yōu)質(zhì)結(jié)構(gòu)化數(shù)據(jù)，投喂給AI模型。面向人工智能的數(shù)據(jù)治理：效果優(yōu)化顯著提升AI應(yīng)用的規(guī)?；涞匦Ч麛?shù)智融合產(chǎn)業(yè)帶來多元廠商參與數(shù)據(jù)治理與AI應(yīng)用開展交匯融合，廠商參與更加豐富多元依托于數(shù)據(jù)與AI模型的緊密關(guān)聯(lián)，數(shù)據(jù)治理與AI應(yīng)用產(chǎn)品已逐步開展交匯融合，展現(xiàn)“由數(shù)據(jù)治理到開發(fā)AI應(yīng)用平臺/產(chǎn)品”與“AI應(yīng)用平臺/產(chǎn)品開發(fā)到面向AI的數(shù)據(jù)治理”的兩路發(fā)展方向：1）數(shù)據(jù)治理廠商在積累數(shù)據(jù)經(jīng)驗與AI模型理解后，為實現(xiàn)業(yè)務(wù)拓展而將領(lǐng)域從數(shù)據(jù)層延伸至AI應(yīng)用及平臺開發(fā)層；2）從事AI應(yīng)用及平臺開發(fā)的AI廠商，也會在數(shù)據(jù)治理經(jīng)驗不斷豐富的背景下，著手向底層開展面向AI的數(shù)據(jù)治理業(yè)務(wù)，依托于自身AI技術(shù)與業(yè)務(wù)理解，讓面向AI的數(shù)據(jù)源更加契合AI應(yīng)用模型要求以提升模型擬合效果。因此，面向AI的數(shù)據(jù)治理從業(yè)者不僅僅為數(shù)據(jù)治理廠商，更包括眾多AI企業(yè)，參與者更加豐富多元。數(shù)智產(chǎn)業(yè)生態(tài)圈的受益節(jié)奏三方陣營廠商構(gòu)建行業(yè)競合格局AI應(yīng)用的加速落地帶來的大量數(shù)據(jù)治理需求，吸引眾多廠商參與其中。從行業(yè)廠商類型來看，主要包括咨詢公司、數(shù)據(jù)服務(wù)相關(guān)提供商和人工智能產(chǎn)品提供商三類。各類廠商根據(jù)自身業(yè)務(wù)特點和切入方式獲得差異化的競爭優(yōu)勢，而由于面向人工智能的數(shù)據(jù)治理服務(wù)的參與立足點豐富，廠商之間可能基于同類業(yè)務(wù)展開競爭，同時在差異化領(lǐng)域進行合作，形成競爭與合作高度共存的行業(yè)格局。數(shù)智產(chǎn)業(yè)生態(tài)圈的參與立足點“智”為面向人工智能的數(shù)據(jù)治理服務(wù)的核心立足點面向人工智能的數(shù)據(jù)治理服務(wù)常包含于數(shù)據(jù)服務(wù)、平臺能力和數(shù)據(jù)產(chǎn)品三類采購形式中。第一類，數(shù)據(jù)服務(wù)即以單獨的數(shù)據(jù)治理產(chǎn)品形式出現(xiàn)；第二類，數(shù)據(jù)平臺，主要包括大數(shù)據(jù)平臺、數(shù)據(jù)中臺、數(shù)據(jù)倉庫和AI能力平臺等項目；第三類，數(shù)據(jù)產(chǎn)品，范圍限定在應(yīng)用AI算法的數(shù)據(jù)產(chǎn)品，可劃分為機器學習產(chǎn)品、自然語言理解產(chǎn)品和知識圖譜三類AI產(chǎn)品。為保證AI算法模型的優(yōu)質(zhì)運行效果，更好地提供預(yù)測、決策、推薦和風控等產(chǎn)品功能，需要對算法模型的訓練原料，即支持AI應(yīng)用的底層數(shù)據(jù)，進行針對性優(yōu)化治理。如今AI產(chǎn)品需求旺盛，AI開發(fā)平臺陸續(xù)推進AI產(chǎn)品的規(guī)?；涞兀褹I數(shù)據(jù)治理效果與最終平臺產(chǎn)品交付效果緊密相連，AI應(yīng)用驅(qū)動成為面向人工智能的數(shù)據(jù)治理服務(wù)的核心立足點。面向人工智能的數(shù)據(jù)治理：市場規(guī)模2021年市場規(guī)模約為40億元，預(yù)計五年后規(guī)模突破百億2021年中國面向人工智能的數(shù)據(jù)治理市場規(guī)模約為40億元。受數(shù)據(jù)平臺服務(wù)、數(shù)據(jù)治理服務(wù)和AI應(yīng)用建設(shè)的需求推動影響，面向人工智能的數(shù)據(jù)治理市場規(guī)模將持續(xù)上升，2026年突破百億，達105億元，2021-2026CAGR=21.3%。2021年，中國數(shù)據(jù)治理市場規(guī)模約為121億元。作為數(shù)據(jù)服務(wù)的基礎(chǔ)工作，中國數(shù)據(jù)治理市場規(guī)模將保持上揚態(tài)勢，預(yù)計2026年市場規(guī)模達到294億元，2021-2026CAGR=19.5%。從發(fā)展曲線來看，中國數(shù)據(jù)治理與面向人工智能的數(shù)據(jù)治理市場規(guī)模增長均處于良性區(qū)間，共同鞏固相關(guān)治理產(chǎn)業(yè)生態(tài)圈的向好形勢。面向人工智能的數(shù)據(jù)治理：時機路徑契合客戶的數(shù)據(jù)基礎(chǔ)和AI應(yīng)用需求的多元化選擇從數(shù)據(jù)基礎(chǔ)的維度劃分，可將企業(yè)分為數(shù)據(jù)原生企業(yè)與非數(shù)據(jù)原生企業(yè)。數(shù)據(jù)原生企業(yè)往往不需要信息化、數(shù)字化轉(zhuǎn)型，所要做的即為讓數(shù)據(jù)共享流通的規(guī)范式管理。非數(shù)據(jù)原生企業(yè)天然缺乏以軟件和數(shù)據(jù)平臺為核心的數(shù)字世界入口，往往要進行企業(yè)的數(shù)字化轉(zhuǎn)型，需通過數(shù)字化轉(zhuǎn)型程度與數(shù)據(jù)治理階段判斷非數(shù)據(jù)原生企業(yè)的數(shù)據(jù)基礎(chǔ)優(yōu)劣。面對不同企業(yè)類型，可結(jié)合企業(yè)數(shù)據(jù)基礎(chǔ)與AI應(yīng)用需求，為面向人工智能的數(shù)據(jù)治理的體系搭建提供契合路徑，完成企業(yè)數(shù)據(jù)體系的進一步升級。數(shù)據(jù)埋點的大而全陷阱抓大放小，從核心數(shù)據(jù)著手數(shù)據(jù)埋點是指針對特定用戶行為或事件進行捕獲，處理和發(fā)送的相關(guān)技術(shù)及其實施過程，是數(shù)據(jù)治理中范圍圈定的一環(huán)。出于對投資回報的考慮，客戶往往傾向于做一個覆蓋全業(yè)務(wù)和技術(shù)域的、大而全的數(shù)據(jù)治理項目，將每個數(shù)據(jù)都納入到數(shù)據(jù)治理的范圍中，這就導(dǎo)致進行數(shù)據(jù)埋點時放縱提需，埋點需求爆炸，給后續(xù)的數(shù)據(jù)治理和數(shù)據(jù)分析帶來隱患。為避免數(shù)據(jù)埋點的大而全陷阱，企業(yè)應(yīng)該做到抓大放小，謹記2/8原則——80%的問題產(chǎn)生于20%的系統(tǒng)和數(shù)據(jù)——從最核心的系統(tǒng)、最重要的數(shù)據(jù)、最容易產(chǎn)生問題的地方開始著手做數(shù)據(jù)治理。數(shù)據(jù)治理體系的流轉(zhuǎn)運營溝通、組織、聚焦、文化為能充分發(fā)揮數(shù)據(jù)治理的價值、避免一次性數(shù)據(jù)治理，供需兩側(cè)要齊心協(xié)力，共同、持續(xù)、優(yōu)質(zhì)地運營數(shù)據(jù)治理體系。數(shù)據(jù)治理是系統(tǒng)性工程，是由上至下指導(dǎo)，由下而上推進的體系工作。因此，供給側(cè)企業(yè)與需求側(cè)廠商，在體系運營和建設(shè)方面需形成共識，具備明確的目標、合理的組織、嚴格的監(jiān)管、完善的系統(tǒng)，這樣才能使數(shù)據(jù)治理工作得到保障，達到體系的流轉(zhuǎn)運營。關(guān)注數(shù)據(jù)治理中的安全合規(guī)性完善數(shù)據(jù)安全治理框架，確保數(shù)據(jù)安全合規(guī)數(shù)據(jù)泄露事件在大數(shù)據(jù)時代層出不窮，隨著行業(yè)新網(wǎng)絡(luò)形態(tài)、新技術(shù)以及新應(yīng)用場景的發(fā)展，新的數(shù)據(jù)類型、數(shù)據(jù)生產(chǎn)方式、數(shù)據(jù)處理方式和終端形式不斷涌現(xiàn)，數(shù)據(jù)安全挑戰(zhàn)也隨之加劇。國家已出臺各級各行業(yè)的法律法規(guī)及配套文件，不斷加大數(shù)據(jù)安全與隱私保護的監(jiān)管力度。對此，企業(yè)需建立符合企業(yè)管理現(xiàn)狀及發(fā)展需求的數(shù)據(jù)安全治理框架，數(shù)據(jù)在采集、存儲、傳輸、處理上均有對應(yīng)的執(zhí)行管理依據(jù)，做到挖掘數(shù)據(jù)資產(chǎn)、發(fā)揮數(shù)據(jù)價值的同時，確保數(shù)據(jù)全周期的安全與合規(guī)。聯(lián)邦學習帶來數(shù)據(jù)治理升華治理升華，數(shù)據(jù)安全合規(guī)線內(nèi)的共同富裕在數(shù)據(jù)治理及準備過程中，企業(yè)一方面需要盡可能全面的獲取數(shù)據(jù)以擴充訓練樣本規(guī)