導(dǎo)讀

介紹了人工智能與數(shù)據(jù)治理的發(fā)展現(xiàn)狀，分析了數(shù)據(jù)治理對人工智能的基礎(chǔ)性作用，并從多角度對人工智能在數(shù)據(jù)模型管理、元數(shù)據(jù)管理、主數(shù)據(jù)管理、數(shù)據(jù)質(zhì)量管理、數(shù)據(jù)安全管理等數(shù)據(jù)治理環(huán)節(jié)中的應(yīng)用進行了分析和研究。

一、引言

伴隨著大數(shù)據(jù)、云計算以及算法的發(fā)展，人工智能的浪潮從幾年前一直延續(xù)至今，并且廣泛應(yīng)用于多個行業(yè)和領(lǐng)域，成為下一次科技革命的一個領(lǐng)軍技術(shù)。同樣，伴隨著數(shù)據(jù)量與數(shù)據(jù)來源的猛增，數(shù)據(jù)治理也成為了企業(yè)在充分挖掘利用數(shù)據(jù)價值過程中必不可少的環(huán)節(jié)，并逐漸發(fā)展為企業(yè)的核心業(yè)務(wù)之一。

由于數(shù)據(jù)治理的輸出是人工智能的輸入，即經(jīng)過數(shù)據(jù)治理后的大數(shù)據(jù)，因此數(shù)據(jù)治理與人工智能的發(fā)展存在相輔相成的關(guān)系。一方面，數(shù)據(jù)治理為人工智能奠定基礎(chǔ)。通過數(shù)據(jù)治理，企業(yè)可以提升數(shù)據(jù)質(zhì)量、增強數(shù)據(jù)合規(guī)性，從而為人工智能的應(yīng)用提供高質(zhì)量的合規(guī)數(shù)據(jù)。另一方面，人工智能對數(shù)據(jù)治理存在諸多優(yōu)化作用。通過人工智能技術(shù)，數(shù)據(jù)治理工作中的數(shù)據(jù)模型管理、元數(shù)據(jù)管理、主數(shù)據(jù)管理、數(shù)據(jù)質(zhì)量管理、數(shù)據(jù)安全管理等方面智能化水平得到提升。

二、人工智能與數(shù)據(jù)治理的發(fā)展現(xiàn)狀

（一）人工智能的發(fā)展現(xiàn)狀

人工智能也稱為機器智能，其概念最初是在20世紀(jì)50年代中期Dartmouth學(xué)會上提出，研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。在目前的學(xué)科體系下，人工智能屬于計算機科學(xué)的一個分支。人工智能的目的是通過了解智能的實質(zhì)來提升機器的智能水平，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機器。人工智能的細(xì)分領(lǐng)域很多，例如機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。

（1）在技術(shù)方面

以智能語音語義、計算機視覺等為代表的技術(shù)不斷取得突破，為賦能各行業(yè)打下了堅實的基礎(chǔ)。以智能語音語義為例，語音識別應(yīng)用在純凈環(huán)境下表現(xiàn)趨近完美，機器翻譯聚焦神經(jīng)網(wǎng)絡(luò)技術(shù)也實現(xiàn)了系統(tǒng)錯誤率60%的降低，在詞嵌入及對話系統(tǒng)得到了長足進步；以計算機視覺為例，圖像分類已全面超越人類水平，在目標(biāo)檢測、語義分割、目標(biāo)跟蹤等領(lǐng)域也實現(xiàn)了性能及精度的極大提升。

（2）在產(chǎn)業(yè)方面

近年來，以深度神經(jīng)網(wǎng)絡(luò)為代表的人工智能技術(shù)及產(chǎn)業(yè)體系逐漸成型，正在深刻賦能各領(lǐng)域的應(yīng)用落地。如圖1所示，人工智能產(chǎn)業(yè)技術(shù)體系以包含算法及軟硬件實現(xiàn)的底層技術(shù)為根基，以軟件框架為核心，通過基礎(chǔ)應(yīng)用技術(shù)賦能上層應(yīng)用。

數(shù)據(jù)來源：《人工智能發(fā)展白皮書技術(shù)架構(gòu)篇（2018年）》

圖1 人工智能產(chǎn)業(yè)體系架構(gòu)圖

（3）在應(yīng)用方面

隨著人工智能在我國移動互聯(lián)網(wǎng)、智能家居等領(lǐng)域的發(fā)展，我國人工智能的應(yīng)用持續(xù)高速成長。由于人工智能包含的環(huán)節(jié)較多，從基礎(chǔ)技術(shù)層的數(shù)據(jù)平臺、數(shù)據(jù)存儲以及數(shù)據(jù)挖掘等，人工智能技術(shù)層的語音識別、自然語言處理、圖像識別和生物識別等，到人工智能應(yīng)用層的工業(yè)4.0、無人駕駛汽車、智能家居、智能金融、智慧醫(yī)療、智能營銷、智能教育以及智能農(nóng)業(yè)等。隨著人機交互水平的不斷提升，智能音箱等新型人機交互產(chǎn)品迅速發(fā)展；隨著基礎(chǔ)應(yīng)用的不斷成熟，人工智能技術(shù)對如制造業(yè)、醫(yī)療、金融等垂直行業(yè)領(lǐng)域也在產(chǎn)生緩慢而深遠(yuǎn)的影響。

（二）數(shù)據(jù)治理的發(fā)展現(xiàn)狀

隨著大數(shù)據(jù)在各個行業(yè)領(lǐng)域應(yīng)用的不斷深入，數(shù)據(jù)作為基礎(chǔ)性戰(zhàn)略資源的地位日益凸顯，數(shù)據(jù)標(biāo)準(zhǔn)化、數(shù)據(jù)確權(quán)、數(shù)據(jù)質(zhì)量、數(shù)據(jù)安全、隱私保護、數(shù)據(jù)流通管控、數(shù)據(jù)共享開放等問題越來越受到國家、行業(yè)、企業(yè)各個層面的高度關(guān)注，這些內(nèi)容都屬于數(shù)據(jù)治理的范疇。因此，數(shù)據(jù)治理的概念就越來越多地受到關(guān)注，成為目前大數(shù)據(jù)產(chǎn)業(yè)生態(tài)系統(tǒng)中的新熱點。

在20世紀(jì)80年代，隨著數(shù)據(jù)隨機存儲和數(shù)據(jù)庫技術(shù)的應(yīng)用，產(chǎn)業(yè)界首次提出了數(shù)據(jù)管理的概念，這就是數(shù)據(jù)治理最早的起源。2009年，國際數(shù)據(jù)管理協(xié)會（DAMA）提出了DAMA數(shù)據(jù)管理理論框架模型，成為目前行業(yè)最權(quán)威的數(shù)據(jù)管理理論模型。DAMA數(shù)據(jù)管理理論框架模型包括10個活動職能，分別是數(shù)據(jù)治理、數(shù)據(jù)架構(gòu)管理、數(shù)據(jù)開發(fā)、數(shù)據(jù)操作管理、數(shù)據(jù)安全管理、參考數(shù)據(jù)和主數(shù)據(jù)管理、數(shù)據(jù)倉庫和商務(wù)智能管理、文檔和內(nèi)容管理、元數(shù)據(jù)管理和數(shù)據(jù)質(zhì)量管理。

目前，企業(yè)數(shù)據(jù)治理已經(jīng)形成了一套科學(xué)的管理范疇。從技術(shù)體系上來看，數(shù)據(jù)治理位于應(yīng)用和底層平臺中間。數(shù)據(jù)治理包括兩個重要方面：一是數(shù)據(jù)治理的核心活動職能；二是確保這些活動職能落地實施的保障措施，包括組織架構(gòu)、制度體系。數(shù)據(jù)治理在大數(shù)據(jù)應(yīng)用體系中，處于承上啟下的重要地位。對上支持以價值挖掘為導(dǎo)向的數(shù)據(jù)應(yīng)用開發(fā)，對下依托大數(shù)據(jù)平臺實現(xiàn)數(shù)據(jù)全生命周期的管理。

2018年5月，銀保監(jiān)會印發(fā)《銀行業(yè)金融機構(gòu)數(shù)據(jù)治理指引的通知》，開啟了行業(yè)數(shù)據(jù)治理的新趨勢，數(shù)據(jù)治理的概念從傳統(tǒng)的數(shù)據(jù)企業(yè)走向能源、金融、工業(yè)、政務(wù)等多種行業(yè)。近年來，國內(nèi)各行業(yè)大型企業(yè)紛紛發(fā)起企業(yè)內(nèi)部數(shù)據(jù)治理項目，制定數(shù)據(jù)治理規(guī)范，成立專業(yè)的數(shù)據(jù)管理實體團隊來開展企業(yè)數(shù)據(jù)治理工作。

三、數(shù)據(jù)治理為人工智能奠定基礎(chǔ)

大數(shù)據(jù)是不斷采集、沉淀、分類等的數(shù)據(jù)積累，而數(shù)據(jù)治理則為大數(shù)據(jù)的呈現(xiàn)提供了更為規(guī)范的模式。目前，大部分人工智能的形式需要通過大量的數(shù)據(jù)運算實現(xiàn)，因此離不開大數(shù)據(jù)和數(shù)據(jù)治理的支持。人工智能需要依賴大數(shù)據(jù)平臺和技術(shù)來幫助完成深度學(xué)習(xí)進化。

（1）數(shù)據(jù)治理為人工智能優(yōu)化數(shù)據(jù)質(zhì)量

以深度學(xué)習(xí)為代表的人工智能分為訓(xùn)練（Training）和推斷（Inference）兩個環(huán)節(jié)。深度學(xué)習(xí)訓(xùn)練算法的效果依賴于所輸入的數(shù)據(jù)質(zhì)量的優(yōu)劣，如果輸入的數(shù)據(jù)存在偏差，那么輸出的算法也將產(chǎn)生偏差，這可能將直接導(dǎo)致所得結(jié)果的不可用。數(shù)據(jù)治理在提升數(shù)據(jù)質(zhì)量方面具有重要作用。通過定義數(shù)據(jù)質(zhì)量需求、定義數(shù)據(jù)質(zhì)量測量指標(biāo)、定義數(shù)據(jù)質(zhì)量業(yè)務(wù)規(guī)則、制定數(shù)據(jù)質(zhì)量改善方案、設(shè)計并實施數(shù)據(jù)質(zhì)量管理工具、監(jiān)控數(shù)據(jù)質(zhì)量管理操作程序和績效等數(shù)據(jù)質(zhì)量管理環(huán)節(jié)，企業(yè)可以獲得干凈的、結(jié)構(gòu)清晰的數(shù)據(jù)，為深度學(xué)習(xí)等人工智能技術(shù)提供可信的數(shù)據(jù)輸入。

（2）數(shù)據(jù)治理為人工智能保障數(shù)據(jù)隱私

當(dāng)前人工智能發(fā)展中面臨的很大制約就是數(shù)據(jù)權(quán)屬和隱私保護問題。個人隱私數(shù)據(jù)之所以應(yīng)該受到保護，就是因為這些數(shù)據(jù)的濫用有可能對個人造成巨大的財產(chǎn)甚至人身傷害。所謂隱私保護，其實就是對隱私數(shù)據(jù)的保護。最理想的情況是能夠在產(chǎn)權(quán)層面確立相關(guān)個人作為隱私數(shù)據(jù)的合法的唯一擁有者，或至少對隱私數(shù)據(jù)實際控制者的行為嚴(yán)加管束，做到合法合規(guī)，這就離不開數(shù)據(jù)治理。數(shù)據(jù)治理工具從技術(shù)工具和保障措施等方面設(shè)計了保護隱私數(shù)據(jù)的諸多環(huán)節(jié)，可為企業(yè)個人數(shù)據(jù)保護奠定基礎(chǔ)，從而實現(xiàn)人工智能應(yīng)用的數(shù)據(jù)合規(guī)性。

四、人工智能在數(shù)據(jù)治理中的應(yīng)用

（一）數(shù)據(jù)模型管理

數(shù)據(jù)模型是數(shù)據(jù)治理的基礎(chǔ)，一個完整的、可擴展的、穩(wěn)定的數(shù)據(jù)模型可以清楚地表達(dá)企業(yè)內(nèi)部各種業(yè)務(wù)主體之間的數(shù)據(jù)相關(guān)性，使不同部門的業(yè)務(wù)人員、應(yīng)用開發(fā)人員和系統(tǒng)管理人員獲得關(guān)于企業(yè)業(yè)務(wù)數(shù)據(jù)的統(tǒng)一完整試圖。數(shù)據(jù)模型包括概念模型、邏輯模型和物理模型。其中，概念模型一定程度上等同于傳統(tǒng)數(shù)據(jù)庫理論中所涉及的ER圖（實體—聯(lián)系圖），反映了實體和實體之間的關(guān)系。

人工智能幫助實現(xiàn)概念模型與計算機模型的完美融合。ER圖只能幫助我們理解客觀世界的事物，并非計算機可以實現(xiàn)的模型，因此在建立概念模型以后，還需將其轉(zhuǎn)換為計算機模型。知識圖譜作為人工智能的重要產(chǎn)物之一，是以圖形（Graph）的方式展現(xiàn)實體、實體屬性以及實體間的關(guān)系。目前，知識圖譜普遍采用了語義網(wǎng)絡(luò)架構(gòu)中RDF（Resource Description Framework，資源模式框架）模型表示數(shù)據(jù)，其基本數(shù)據(jù)模型包括資源（Resource）、謂詞（Predicate）和陳述（Statements）3個對象，用于構(gòu)建包含主體、屬性和客體的知識圖譜數(shù)據(jù)集。

（二）元數(shù)據(jù)管理

元數(shù)據(jù)是描述數(shù)據(jù)產(chǎn)品特征的任何信息，以及與企業(yè)認(rèn)為值得管理的其他數(shù)據(jù)產(chǎn)品的關(guān)系等。元數(shù)據(jù)也包含了許多主題領(lǐng)域，即業(yè)務(wù)分析（如報表、用戶、績效）、業(yè)務(wù)規(guī)則、數(shù)據(jù)整合（如數(shù)據(jù)源、數(shù)據(jù)轉(zhuǎn)換規(guī)則）等。

（1）人工智能實現(xiàn)對非結(jié)構(gòu)化數(shù)據(jù)的采集和關(guān)鍵信息的提取

在傳統(tǒng)的元數(shù)據(jù)管理中，對于非結(jié)構(gòu)化數(shù)據(jù)的元數(shù)據(jù)采集通常是通過創(chuàng)建非結(jié)構(gòu)化數(shù)據(jù)的搜索索引的方式。語音識別、圖像識別、文本分析等技術(shù)幫助實現(xiàn)元數(shù)據(jù)的最初業(yè)務(wù)詞庫的構(gòu)建，成為提取各類有價值的非結(jié)構(gòu)化元數(shù)據(jù)的資源池。

（2）人工智能幫助維護元數(shù)據(jù)

企業(yè)將元數(shù)據(jù)視為數(shù)據(jù)的索引，因此元數(shù)據(jù)的質(zhì)量至關(guān)重要。如果企業(yè)數(shù)據(jù)源存在不規(guī)則的數(shù)據(jù)并且這些不規(guī)則性可以利用元數(shù)據(jù)體現(xiàn)，那么元數(shù)據(jù)可以輔助用戶理解這些復(fù)雜的數(shù)據(jù)。同時，在元數(shù)據(jù)的遷移和整合過程中，管理好元數(shù)據(jù)的質(zhì)量也至關(guān)重要。人工智能在元數(shù)據(jù)質(zhì)量維護的過程中不是一個“管理者”的角色，而是一個輕量又關(guān)鍵的“技術(shù)者”的角色，它起到的作用同在數(shù)據(jù)治理中提升數(shù)據(jù)質(zhì)量的作用類似，最終將消除在元數(shù)據(jù)存儲或數(shù)據(jù)字典中重復(fù)、不一致的元數(shù)據(jù)，并通過元數(shù)據(jù)質(zhì)量規(guī)則設(shè)定，提出可靠的質(zhì)疑閾值。

（3）人工智能幫助實現(xiàn)元數(shù)據(jù)的整合

元數(shù)據(jù)的整合是在企業(yè)范圍或在企業(yè)外部，采集相關(guān)的技術(shù)元數(shù)據(jù)和業(yè)務(wù)元數(shù)據(jù)，并將其存儲進元數(shù)據(jù)存儲庫的過程。此過程在定義存儲方式和跟蹤機制的基礎(chǔ)上，如果通過自動化實現(xiàn)將節(jié)約更多的人力成本，而人工智能在自動化中承擔(dān)關(guān)鍵節(jié)點和優(yōu)化節(jié)點的作用，解決諸如質(zhì)量控制和語義篩選方面的問題。

（三）主數(shù)據(jù)管理

主數(shù)據(jù)指企業(yè)核心業(yè)務(wù)實體的數(shù)據(jù)，是在整個價值鏈上被重復(fù)、共享應(yīng)用于多個業(yè)務(wù)流程的、各個業(yè)務(wù)部門與各個系統(tǒng)之間共享的基礎(chǔ)數(shù)據(jù)，是各業(yè)務(wù)應(yīng)用和各系統(tǒng)之間進行信息交互的基礎(chǔ)。但是在主數(shù)據(jù)管理的過程中，企業(yè)可能面臨如何在數(shù)量龐大的數(shù)據(jù)項中識別主數(shù)據(jù)、如何建立統(tǒng)一的主數(shù)據(jù)標(biāo)準(zhǔn)等問題。

（1）人工智能幫助企業(yè)識別主數(shù)據(jù)

確定主數(shù)據(jù)依賴于企業(yè)對于業(yè)務(wù)需求的理解和相應(yīng)“黃金數(shù)據(jù)”的定義。通常來說，每個主數(shù)據(jù)主題域都有自己專用的記錄系統(tǒng)，并且分散在各個業(yè)務(wù)系統(tǒng)中。人工智能相關(guān)技術(shù)可以幫助我們在所有數(shù)據(jù)中篩選出頻繁出現(xiàn)或流動的數(shù)據(jù)，同時快速確定主數(shù)據(jù)的可靠與可信數(shù)據(jù)來源，構(gòu)建完整的主數(shù)據(jù)試圖。

（2）人工智能幫助定義和維護數(shù)據(jù)匹配規(guī)則

主數(shù)據(jù)管理面臨的一個挑戰(zhàn)是在多個系統(tǒng)中對于同一數(shù)據(jù)項進行匹配和合并，解決該挑戰(zhàn)的一個方法是構(gòu)建數(shù)據(jù)匹配規(guī)則，包括不同置信水平的匹配接受度。有些匹配需要極高的信任度，可以基于跨多個字段的準(zhǔn)確數(shù)據(jù)匹配實現(xiàn)；有些匹配僅僅由于數(shù)據(jù)值的沖突，可以采用較低的信任度。機器學(xué)習(xí)、自然語言處理可幫助建立重復(fù)識別匹配規(guī)則和匹配鏈接規(guī)則，在識別字段重復(fù)的主數(shù)據(jù)之后不進行自動合并，并確定與主數(shù)據(jù)相關(guān)的記錄，建立交叉引用關(guān)系。

（四）數(shù)據(jù)質(zhì)量管理

數(shù)據(jù)質(zhì)量是保證數(shù)據(jù)應(yīng)用的基礎(chǔ)。衡量數(shù)據(jù)質(zhì)量的指標(biāo)體系包括完整性（數(shù)據(jù)是否缺失）、規(guī)范性（數(shù)據(jù)是否按照要求的規(guī)則存儲）、一致性（數(shù)據(jù)的值是否存在信息含義上的沖突）、準(zhǔn)確性（數(shù)據(jù)是否正確）、唯一性（數(shù)據(jù)是否是重復(fù)的）、時效性（數(shù)據(jù)是否及時反映客觀事實）。對于任何一個企業(yè)而言，在實施數(shù)據(jù)質(zhì)量提升方案之前，需要依據(jù)不同的業(yè)務(wù)規(guī)則和業(yè)務(wù)期望選擇合適的數(shù)據(jù)質(zhì)量指標(biāo)體系，并進行數(shù)據(jù)的清洗。

人工智能定義轉(zhuǎn)換規(guī)則，提取數(shù)據(jù)質(zhì)量評估維度。數(shù)據(jù)質(zhì)量改善最理想的模式是從數(shù)據(jù)源頭剔除臟數(shù)據(jù)，但是這在現(xiàn)實中并不可行，其一是因為數(shù)據(jù)源眾多且難以控制數(shù)據(jù)源的數(shù)據(jù)質(zhì)量，其二是直接從數(shù)據(jù)源頭達(dá)標(biāo)付出的成本過大。因此，根據(jù)業(yè)務(wù)期望，應(yīng)針對性地提升各個業(yè)務(wù)線上數(shù)據(jù)流的數(shù)據(jù)質(zhì)量。機器學(xué)習(xí)（如分類學(xué)習(xí)、函數(shù)學(xué)習(xí)、回歸）將通過提取有效的數(shù)據(jù)質(zhì)量評估指標(biāo)，最大化實現(xiàn)該指標(biāo)下的數(shù)據(jù)質(zhì)量的提升。

同時，監(jiān)督學(xué)習(xí)、深度學(xué)習(xí)也將實現(xiàn)對數(shù)據(jù)清洗和數(shù)據(jù)質(zhì)量的效果評估，進而改善轉(zhuǎn)換規(guī)則和數(shù)據(jù)質(zhì)量評估維度，并隨著數(shù)據(jù)量和業(yè)務(wù)期望的逐漸變化，使數(shù)據(jù)質(zhì)量提升方案動態(tài)更新。

（五）數(shù)據(jù)安全

數(shù)據(jù)安全是指讓信息或信息系統(tǒng)免受未經(jīng)授權(quán)的訪問、使用、披露、破壞、修改、銷毀的過程或狀態(tài)。而數(shù)據(jù)安全治理不僅僅是安全工具或解決方案，而是基于戰(zhàn)略、業(yè)務(wù)、應(yīng)用、安全和風(fēng)險管理的有機整體，從管理制度到工具支撐，從上層管理架構(gòu)到下層技術(shù)實現(xiàn)，采取的一系列合適的措施。數(shù)據(jù)安全治理是人工智能在數(shù)據(jù)治理全過程中的重要應(yīng)用環(huán)節(jié)。

人工智能促進安全保障體系完善。依托人工智能引擎，通過對業(yè)務(wù)數(shù)據(jù)的獲取、清洗、語義計算、數(shù)據(jù)挖掘、機器學(xué)習(xí)、知識圖譜、認(rèn)知計算等技術(shù)，將快速促進數(shù)據(jù)安全保障體系完善。

人工智能推進數(shù)據(jù)分類分級。應(yīng)用機器學(xué)習(xí)、自然語言處理和文本聚類分類技術(shù)，能對數(shù)據(jù)進行基于內(nèi)容的實時精準(zhǔn)分類分級，而數(shù)據(jù)的分類分級是數(shù)據(jù)安全治理的核心環(huán)節(jié)。例如，利用數(shù)據(jù)分類引擎在郵件內(nèi)容過濾、保密文件管理、情報分析、反欺詐、數(shù)據(jù)防泄露等領(lǐng)域明顯提升了安全性。

（六）其他方面

當(dāng)前數(shù)據(jù)治理成熟度模型是定性模型，人工智能可以從兩個方面實現(xiàn)對數(shù)據(jù)治理成熟度模型的改進，其一是結(jié)合企業(yè)自身的數(shù)據(jù)治理發(fā)展現(xiàn)狀與數(shù)據(jù)治理理論框架，其二是通過自定義的多維度評估規(guī)則，實現(xiàn)成熟度模型的量化，在更細(xì)的顆粒度上提供切實可行的改進實施方案。

五、結(jié)束語

人工智能對于提升數(shù)據(jù)治理的智能化水平具有關(guān)鍵作用，因此也成為數(shù)據(jù)治理發(fā)展的重要趨勢。未來，通過人工智能技術(shù)降低數(shù)據(jù)治理的門檻將成為數(shù)據(jù)治理發(fā)展的重要方向。人工智能與數(shù)據(jù)治理看起來是兩項必須專業(yè)人士才可以操作的技術(shù)，但是如若將它們的使用受限于懂技術(shù)的專家，缺少其他管理人員或業(yè)務(wù)人員的參與，將是一種對資源的浪費。因此，需要通過智能化嵌入手段不斷提升數(shù)據(jù)治理工具的易用性，使得數(shù)據(jù)治理的參與人員可以更為便捷地使用數(shù)據(jù)治理工具。自然語言問答、自然語言搜索、語音控制等人工智能技術(shù)的嵌入，將極大改善目前數(shù)據(jù)治理工作操作難的現(xiàn)狀。

隨著數(shù)據(jù)治理和人工智能兩個領(lǐng)域的各自快速發(fā)展，未來二者的融合將會有更多場景和商業(yè)模式。