一、傳統(tǒng)數(shù)據(jù)治理之痛

　　隨著數(shù)據(jù)治理2.0時(shí)代的來(lái)臨，傳統(tǒng)人工及半自動(dòng)化手段進(jìn)行的數(shù)據(jù)資源盤(pán)點(diǎn)，在日益復(fù)雜的數(shù)據(jù)環(huán)境中暴露出諸多痛點(diǎn)，嚴(yán)重制約了數(shù)據(jù)價(jià)值的釋放和治理效率的提高，同時(shí)也加劇了成本和風(fēng)險(xiǎn)的上升，具體表現(xiàn)為：

　　(1)效率低下、耗時(shí)費(fèi)力

　　高度依賴人工搜索、識(shí)別、記錄數(shù)據(jù)源和元數(shù)據(jù)，線下盤(pán)點(diǎn)的成果難以快速轉(zhuǎn)化為線上成果，過(guò)程繁瑣，一次全面盤(pán)點(diǎn)可能需要數(shù)月甚至更長(zhǎng)時(shí)間，難以頻繁進(jìn)行，資源消耗大。

　　(2)深度不足、洞察有限

　　元數(shù)據(jù)管理通常只記錄表名、字段名、數(shù)據(jù)類型等基礎(chǔ)技術(shù)元數(shù)據(jù)，缺乏對(duì)數(shù)據(jù)內(nèi)容、業(yè)務(wù)語(yǔ)義、敏感信息、數(shù)據(jù)質(zhì)量、價(jià)值的深入理解和記錄。

　　(3)準(zhǔn)確性差、質(zhì)量不高

　　數(shù)據(jù)環(huán)境(如數(shù)據(jù)結(jié)構(gòu)、含義)瞬息萬(wàn)變，人工盤(pán)點(diǎn)維護(hù)的元數(shù)據(jù)和目錄極易過(guò)時(shí)，失去參考價(jià)值，人工記錄元數(shù)據(jù)易出錯(cuò)或不一致。

　　二、智能體自動(dòng)駕駛之路

　　為突破傳統(tǒng)數(shù)據(jù)治理的能力局限，三維天地基于公司SunwayLink智能體開(kāi)發(fā)平臺(tái)，構(gòu)建了數(shù)據(jù)資源盤(pán)點(diǎn)智能體。該智能體能夠?qū)崿F(xiàn)數(shù)據(jù)目錄的自動(dòng)生成、數(shù)據(jù)內(nèi)容的智能洞察以及元數(shù)據(jù)的智能更新，有效推動(dòng)數(shù)據(jù)治理模式從“人治”向“智治”轉(zhuǎn)變，顯著提升了數(shù)據(jù)治理的自動(dòng)化和智能化水平。

　　(1)數(shù)據(jù)目錄自動(dòng)生成

　　基于采集的元數(shù)據(jù)和線下完成的數(shù)據(jù)資源盤(pán)點(diǎn)成果文件(如調(diào)研報(bào)告)，自動(dòng)從調(diào)研報(bào)告中自動(dòng)提取關(guān)鍵要素，快速生成數(shù)據(jù)資源目錄，從而顯著縮短盤(pán)點(diǎn)周期、降低人工成本，幫助企業(yè)精準(zhǔn)掌握數(shù)據(jù)資產(chǎn)現(xiàn)狀。

　　(2)數(shù)據(jù)內(nèi)容智能洞察

　　利用NLP和LLM技術(shù)自動(dòng)推斷字段的業(yè)務(wù)含義(語(yǔ)義標(biāo)簽)、識(shí)別敏感數(shù)據(jù)類型、識(shí)別數(shù)據(jù)域(客戶、產(chǎn)品、財(cái)務(wù)等)、發(fā)現(xiàn)潛在的數(shù)據(jù)質(zhì)量問(wèn)題(空值、異常值模式)，自動(dòng)生成或豐富業(yè)務(wù)術(shù)語(yǔ)描述，自動(dòng)解析數(shù)據(jù)結(jié)構(gòu)、業(yè)務(wù)含義、血緣關(guān)系，豐富了數(shù)據(jù)資源盤(pán)點(diǎn)的成果。

　　(3)元數(shù)據(jù)智能更新

　　監(jiān)控元數(shù)據(jù)變更、數(shù)據(jù)分布變化，自動(dòng)檢測(cè)元數(shù)據(jù)缺失、不一致、過(guò)時(shí)等問(wèn)題，并能根據(jù)AI建議自動(dòng)更新元數(shù)據(jù)或觸發(fā)告警，保障技術(shù)元數(shù)據(jù)和業(yè)務(wù)元數(shù)據(jù)的一致性，提升元數(shù)據(jù)的準(zhǔn)確性和鮮活度。

　　三、智能體實(shí)現(xiàn)之路

　　(1)文本解析與內(nèi)容生成

　　提取非結(jié)構(gòu)化文檔內(nèi)容信息，識(shí)別文字、圖片、表格，進(jìn)行文本內(nèi)容解析，基于自然語(yǔ)言指令，按照特定模板和格式，進(jìn)行內(nèi)容總結(jié)和提煉，自動(dòng)生成數(shù)據(jù)資源目錄結(jié)構(gòu)。

　　(2)語(yǔ)義理解和關(guān)系解析

　　利用NLP自動(dòng)識(shí)別數(shù)據(jù)結(jié)構(gòu)、理解代碼邏輯以提取更豐富的技術(shù)元數(shù)據(jù)(表、列、視圖、存儲(chǔ)過(guò)程、作業(yè)依賴)和初步的業(yè)務(wù)上下文(如注釋)，進(jìn)行內(nèi)容解析，補(bǔ)全業(yè)務(wù)元數(shù)據(jù)信息，自動(dòng)生成數(shù)據(jù)血緣關(guān)系。

　　(3)異常檢測(cè)和動(dòng)態(tài)更新

　　監(jiān)聽(tīng)數(shù)據(jù)源元數(shù)據(jù)信息，基于LLM對(duì)元數(shù)據(jù)結(jié)構(gòu)變更、配置變更、語(yǔ)義變更進(jìn)行異常掃描，識(shí)別元數(shù)據(jù)變更點(diǎn)，對(duì)變更的元數(shù)據(jù)進(jìn)行自動(dòng)更新并觸發(fā)預(yù)警。

　　四、智能體的應(yīng)用價(jià)值

　　以某軍工單位為例，在落地該智能體后：

　　(1)盤(pán)點(diǎn)周期縮短 ：將單個(gè)業(yè)務(wù)域的數(shù)據(jù)資源盤(pán)點(diǎn)時(shí)間縮短60%以上，減少數(shù)據(jù)工程師、業(yè)務(wù)專家手動(dòng)收集、清洗、記錄元數(shù)據(jù)的工作量，人工參與小時(shí)數(shù)下降70%。

　　(2)元數(shù)據(jù)豐富度提升 ：字段級(jí)業(yè)務(wù)語(yǔ)義標(biāo)簽、敏感數(shù)據(jù)標(biāo)識(shí)、質(zhì)量規(guī)則的自動(dòng)填充率從20%上升到85%。

　　(3)數(shù)據(jù)發(fā)現(xiàn)效率提升 ：業(yè)務(wù)用戶找到所需數(shù)據(jù)的平均耗時(shí)大幅下降。

　　(4)血緣覆蓋率提升 ：自動(dòng)構(gòu)建的血緣鏈路覆蓋關(guān)鍵數(shù)據(jù)鏈路的比例從10%提升到75%。

　　(5)自動(dòng)化覆蓋率提升 ：智能體自動(dòng)完成的任務(wù)步驟占比(發(fā)現(xiàn)、采集、解析、分類、血緣追蹤等)占比提升至80%以上。

　　數(shù)據(jù)資源盤(pán)點(diǎn)是數(shù)據(jù)治理中至關(guān)重要的一環(huán)。智能體不僅是技術(shù)能力的升級(jí)，更是企業(yè)管理范式的深刻變革?；赟unwayLink構(gòu)建的數(shù)據(jù)資源盤(pán)點(diǎn)智能體，正通過(guò)端到端的自動(dòng)化和智能化水平提升，加速企業(yè)數(shù)據(jù)治理進(jìn)程，有力助推企業(yè)數(shù)字化轉(zhuǎn)型成功。