数据质量满分，业务却用不起来——问题出在“语义”这一层

很多企业有过类似的经历：数据中台建设完成，数据质量报告各项指标达标，但业务人员使用数据时依然困难。查一个指标，需要层层追问口径；找一个客户，不同系统给出不同答案。技术侧和业务侧之间，似乎隔着一层看不见的墙。

Gartner 2024年的数据显示，72%的AI项目止步于试点Demo，根源在于“数据很多，但机器读不懂业务”。业务语义缺失、系统孤岛林立、专家经验隐性化，成为AI落地生产环境的最大瓶颈。中翰软件是数据质量和知识专家，这家深耕数据治理二十多年的厂商近日推出中翰业务智能盘点平台v2.0，试图在这层“语义墙”上打开一个缺口。

中翰软件成立于2006年，从物资编码管理平台起步，2010年率先在国内推出主数据管理概念，2013年首创“静态数据中心”理念。其发展轨迹几乎映射了中国企业数据治理从萌芽到成熟的完整路径。但传统数据治理“重技术采集、轻业务梳理”的行业性困局始终存在。中翰业务智能盘点平台的推出，正是瞄准这一断层。

平台定位为“让业务人员自己就能把业务理清楚”的一站式智能盘点与知识构建平台，融合AI智能解析能力与FDE式业务梳理方法论，实现指标梳理、资源盘点以及业务语义本体构建三位一体的快速盘点能力。与以往面向IT和数据团队的专业工具不同，其核心设计理念是“自助式、智能化”。平台零代码、向导式，业务骨干、产品经理、运营人员或FDE均可直接上手，无需建模基础，无需编写代码。

AI以语义识别为核心抓手，自动萃取、归一、标准化全景业务信息。业务人员只需在向导引导下输入业务概念和场景描述，AI即可完成实体识别、关系抽取和规则建议，低置信项自动进入人工确认环节。中翰软件产品负责人介绍：“AI先把口径和指标这些抽象工作做掉，业务人员在确认台把关即可，形成真正的人机协同。”

平台将传统分散的多项梳理工作整合为一次闭环作业。智能抽取自动识别业务指标及其口径定义，业务域管理将指标沉淀为可复用的目录体系。全域探查能力适配多源异构数据源，兼容各类中台数据接入规范，业务梳理过程中同步完成资源盘点与目录构建。盘点成果沉淀为本体模型，明确定义核心业务实体、属性及实体间语义关系，构建全组织统一的“业务词典”。来自不同系统的异构数据映射到统一语义框架下，业务人员搜索“华东区大客户的逾期订单”，系统自动翻译为底层查询，无需理解底层表结构。

其方法论根基来自FDE式业务梳理工作法。FDE是Palantir开创的岗位，核心能力是将模糊的业务“翻译”给机器。其五步工作法——业务调研与访谈、概念与实体识别、关系与规则梳理、本体模型构建、图谱落地与验证——被直接沉淀为软件工具。AI负责预抽取，专家负责确认，人工确认的样本回流至抽取层，持续修正后续抽取结果，工具“越用越准”。行业实践数据显示，单业务域建模周期可从数月压缩至一到两周。

在产品定位上，该平台选择了“轻量化、解耦式、标准化”路线，预留标准化接口，可无缝对接市面主流AI中台、知识中台、数据中台等，不做中台的“替代品”。中翰软件项目交付负责人表示：“我们的定位不是让客户推翻现有投资，而是帮助客户把已有的数据资产真正盘活。数据治理的主导权应该从乙方交还给甲方，让业务人员成为真正的数据管理者。”在AI落地进入深水区的当下，这一产品试图为企业智能化转型铺设一条“语义先行”的务实路径。

国际数据治理协会（IDGA）