AI苍穹 数据治理解决方案.docxVIP

金蝶AI苍穹

数据治理解决方案

2025.11

2

企业数据治理背景洞察

到2028年全球数据量将达到393.8ZB，相比2018年增长9.8倍，而大量数据价值尚未被挖掘，企业认为有60%的业务数据是有价值的，而这些数据中仅有56%被实际分析，占所有企业数据的三分之一。

2026年，GenerativeAI将通过利用非结构化数据，将组织可用数据量增加50%，同时，半数中国500强企业的数据团队将使用AIAgent来自动化数据准备和分析工作。

数据作为核心资产的价值已成共识，但Gartner指出：89%的CIO认为数据与分析

（DA）治理是技术创新的基石，仅有46%的企业建立了战略导向的DAKPI体系。

生成式AI的爆发式发展推动企业加大技术投入，但70%的生成式AI试点项目因数据缺陷、治理缺失或价值证明失败而夭折，仅有20%能成功投入生产。

金蝶AI苍穹数据治理体系顶层规划：四横一纵

以企业数据资源规划（一纵）为核心，全面评估数据现状，确立数据资源架构，确保数据资产的有效管理。在数据治理具体执行层面，通过数据层、数据采集、数据开发治理及数据资产运营（四横）四个方面，构建企业数据资产存、通、治、用的全流程管理体系。

经营分析客户标签数据服务数据资产入表AI问数数据资产运营

经营分析客户标签数据服务数据资产入表AI问数

数据

资产运营

数据治理：元数据/数据建模/数据标准/数据质量/数据安全

数据入湖建仓：ODS/DWD/DWS/ADS

数据开发：实时开发/离线开发/任务编排

任务

调度

运维

监控

数据

开发治理

实时采集

增量采集

数据湖

国产信创

离线采集

全量采集

大数据

数据仓库

数据采集

数据层

内部数据外部数据结构化数据半结构化数据非结构化数据

数据资源规划

现状评估

资源

评估（DCMM）

数据资源架构

数据架构

流程保障

组织保障

人才保障

资源

评估（DAMA）

资源

盘点

业务架构

技术架构

应用架构

3

全域数据治理：覆盖企业数据存、通、治、用的全链路治理图

基于金蝶AI苍穹数据治理的“四横一纵”顶层架构，我们提炼出数据治理的“七步两库”高效策略，通过“接入-预处理-规范-清洗加工-指标化-维度化-服务化”七个步骤，由此构建指标库和专题库，为企业提供精准、高效的数据分析决策支持。

经营管理指标计划管理指标供应链管理指标

指标库

财务管理指标采购管理指标人力管理指标

营销管理指标生产管理指标

……

研发管理专题库存管理专题舆情分析专题

专题库

生产管理专题采购管理专题能源消耗专题

经营分析专题

全面质量专题

供应链管理专题

规则转换质量规则数据集数据元代码集技术标签库业务标签库主题库专题库关系实体事件

数据知识库

数据规则库数据标准库数据标签库数据模型库知识图谱库

数据资产数据治理②预处理③数据规范数据汇聚①接入数据接入

数据资产

数据治理

②预处理③数据规范

数据汇聚①接入

数据接入

数据采集

数据接入

⑤指标化

原子指标派生指标

标签化

文档处理）

④清洗加工

属性错误清洗

缺失数据处理

数据去重

清洗

⑥维度化

人/物/组