浅谈数治 - 博客园

2026年11月

摘要：某制造企业的CIO最近很郁闷。系统投了上千万，数据中台也建了，大模型接进去之后，他试着问了一个再简单不过的问题：“三车间A线上个月的设备综合效率是多少？”结果大模型给出了三个不同的答案——MES里叫“OEE”，生产月报里叫“设备稼动率”，设备管理系统里只有“计划停机时间”和“实际运行时间”两个原始字阅读全文

posted @ 2026-11-03 15:29 浅谈数治阅读(2) 评论(0) 推荐(0)

业务经验的知识化与数据化，是中小企业保持竞争力的关键

摘要：企业建设数据中台的初衷，是让数据成为资产、支撑决策与智能化应用。但现实中，数据中台积累了大量数据，质量报告各项指标达标，业务端使用时却依然 "查不准、看不懂、用不上"。问题不在数据本身，而在数据与业务之间 "语义" 环节的缺失。 Gartner 2024 年数据显示，72% 的 AI 项目止步于试点阅读全文

posted @ 2026-11-03 15:28 浅谈数治阅读(2) 评论(0) 推荐(0)

源端与末端怎么分工，数据质量才能不“治了又乱”

摘要：数据治理项目有个挺尴尬的常见结局：上线验收那天，标准统一、编码规范，指标漂亮得能直接进汇报材料；一两年后回访，客商重复、一物多码又悄悄冒出来了。平台还在，规则也在，可质量曲线就是重新往下走。预算花了，清洗做了，问题却像割韭菜，割一茬长一茬。这事儿真不能全怪执行不力。更值得追问的是分工逻辑：源端和末阅读全文

posted @ 2026-11-02 14:30 浅谈数治阅读(3) 评论(0) 推荐(0)

告别数据孤岛：AI时代中小企业的轻量化主数据管理指南

摘要：不少企业 AI 项目陷入相似困境：IT 团队耗费精力搭建链路、清洗数据、打磨模型，业务侧却反馈不好用。瓶颈往往不在算法，而是缺少统一的业务语义：系统孤岛割裂、业务口径模糊、经验难以沉淀，AI 很难落地到真实生产场景。国内主数据、数据治理第一梯队、头部企业，数据质量与知识专家 -- 中翰软件，深耕数阅读全文

posted @ 2026-11-02 14:30 浅谈数治阅读(2) 评论(0) 推荐(0)

2026年10月

不建大中台，先跑通一个闭环：中小企业进入AI时代的三件“小事”

摘要：很多中小企业一提AI，第一反应是算法难、算力贵。真做起来才发现，最先绊住脚的往往是数据：系统里同一个物料能冒出好几种叫法，销售嘴里的“大客户”和财务表里的“大客户”也不是同一拨人。数据乱成这样，预测、智能查询都很难落地。这时候再去问方案，很容易听到一套“标准答案”：先建数据中台，先请咨询做体系，先阅读全文

posted @ 2026-10-30 16:54 浅谈数治阅读(3) 评论(0) 推荐(0)

知识管理如何与主数据结合，打造中小企业的“数据+知识”双引擎？

摘要：企业建数据中台，本想让数据成为资产、支撑决策与智能化，现实却常 "查不准、看不懂、用不上"。问题不在数据本身，而在数据与业务之间的 "语义" 环节缺失。Gartner 2024 年数据显示，72% 的 AI 项目止步于试点 Demo，根源正是 "数据很多，但机器读不懂业务"；业务语义缺失、系统孤岛林阅读全文

posted @ 2026-10-30 16:54 浅谈数治阅读(3) 评论(0) 推荐(0)

只有干净数据，喂不出一个懂业务的AI：知识治理缺位的三个后果

摘要：很多企业都有类似的困惑：数据清洗做完了，报表看起来干净了，AI项目还是推不动。问题往往不在数据脏，而在数据“干净却没有意义”。Gartner 2024年的数据也印证了这一点：72%的AI项目止步于试点Demo，根源是“数据很多，但机器读不懂业务”。干净数据解决的是“可信”，知识治理解决的是“可理解、阅读全文

posted @ 2026-10-29 14:53 浅谈数治阅读(2) 评论(0) 推荐(0)

中小企业该怎样做好知识管理和主数据管理？

摘要：不少人误以为，给 MDM 加上对话窗口，就实现了 AI 升级，这其实还只是浅层的 AI 辅助。真正决定治理效果的核心差异，在于平台是否拥有主动服务能力，这一点对资源有限、缺少专职数据团队的中小企业尤为关键。国内主数据、数据治理第一梯队、头部企业，数据质量与知识专家 —— 中翰软件，在 AI 原生阅读全文

posted @ 2026-10-29 14:53 浅谈数治阅读(2) 评论(0) 推荐(0)

FDE太贵，AI落地就得卡住？聊聊把“五步法”塞进工具里这条路

摘要：先说结论：AI落地最稀缺的，可能不是模型，也不是数据，而是能把业务语言翻译成机器规则的FDE。问题在于，这个角色太贵、太稀缺，企业如果全靠少数FDE去啃业务知识图谱，节奏大概率又慢又烧钱。 Palantir带火的FDE岗位，本质上是扎在业务一线的AI落地工程师。2026年硅谷FDE起薪已经到17万美阅读全文

posted @ 2026-10-28 15:47 浅谈数治阅读(3) 评论(0) 推荐(0)

如何建立适合中小企业的数据质量标准与评估体系？

摘要：数字化落地当下，数据已成为企业核心生产要素，但多数企业深陷质量痛点：重复冗余、字段错乱、跨系统不一致、报表失真、分析偏差、数据无法复用。其治理误区也高度统一 —— 只做末端清洗、依赖人工纠错，成本极高，脏数据仍持续流转、反复反弹。真正成熟的数据质量治理，绝非单点修补，而是 "源端前置防控＋末端闭环阅读全文

posted @ 2026-10-28 15:47 浅谈数治阅读(2) 评论(0) 推荐(0)

公告