摘要：8月9日，09:00-12:00在DataFun主办的「DataFunSummit2025：面向Data+AI的数据治理峰会」中的「数据治理的坑点与方法论总结」论坛，将邀请国际数据管理协会、信安数据、百分点科技的三位嘉宾，就相关主题进行深度分享

8月9日，09:00-12:00在DataFun主办的「DataFunSummit2025：面向Data+AI的数据治理峰会」中的「数据治理的坑点与方法论总结」论坛，将邀请国际数据管理协会、信安数据、百分点科技的三位嘉宾，就相关主题进行深度分享

：

出品人：代国辉 国际数据管理协会大中华区 副主席

个人介绍：代国辉，国际数据管理协会大中华区副主席，曾在华为、蚂蚁集团等多家500强企业总部负责非结构化数据管理工作，曾被聘为中国人民大学电子文件管理研究中心研究员、河北大学硕士生导师、杭州市档案工作专家咨询委员会委员。

演讲题目：企业级非结构化数据管理实践及思考

演讲介绍：当前，非结构化数据已占据数据总量的80%以上。然而，过往的行业实践往往侧重于平台层面的技术实现，缺乏系统化的最佳实践指导。随着人工智能技术的快速发展，非结构化数据管理的重要性愈发突出。企业亟需一套体系化的参考框架，以指导企业级的非结构化数据管理工作，从而全面提升非结构化数据的治理能力和水平。

演讲提纲：

1. 非结构化数据管理的发展历史

2. 华为、蚂蚁等企业非结构化数据管理实践案例介绍

3. 非结构化数据管理参考框架介绍

4. 对非结构化数据管理的未来思考

听众收益：

1. 理解非结构化数据管理的发展历程与未来趋势。

2. 借鉴华为、蚂蚁等企业的实际管理经验。

3. 掌握体系化的非结构化数据管理参考框架。

落地挑战和方案重点：

1. 非结构化数据来源多样，格式繁杂，缺乏统一标准，导致数据归集与治理难度大

2. 非结构化数据管理在很多单位还处于分散管理的状态，缺乏总体架构设计

陈韩霏 信安数据 数研部总经理

个人介绍：陈韩霏，DAMA大中华区数据治理专家（CDGP）、认证首席数据官（CCDO）、认证讲师，TC601大数据技术标准推进委员会成员，深度参与能源、通信、交通、政务等行业央国企多个数据管理项目，具备10多年数据资产管理理论和实战经验。

演讲题目：AI高质量数据集的建设和治理模式探索

演讲介绍：在大模型应用迅猛发展的背景下，AI数据集的质量逐渐成为决定数智化转型与业务创新的决定性因素，本次演讲将分析AI数据集与传统数据分析应用的数据集的典型差异变化，总结企业在开展AI数据集建设过程中遇到的通用性问题与痛点，介绍一个创新性的高质量数据集建设与治理的方法模式，对标准化的数据集建设流程，以及数据集治理的核心治理内容进行阐述，分享探索该创新方法的过程和实践，并对未来深化实践的过程中面对的挑战与应对思路进行展望。

演讲提纲：

1. 背景概况

2. 总体思路

3. 模式介绍

4. 未来挑战

听众收益：

1. 提升对AI数据集的内涵及关键特征的认知

2. 数据集建设与治理相关的理论、标准和先进实践

3. 如何构建高质量的AI数据集，以及如何建立数据集的治理机制

落地挑战和方案重点：

1. 解决数据集的质量持续保障的问题

2. 解决数据集建设和治理缺乏方法参考的问题

申镇百分点科技咨询总监

个人介绍：申镇，百分点科技咨询总监，主要负责央国企数字化+AI解决方案领域，曾负责中国国新、中国融通、中免股份、中投保等多个大型央企总部和二级公司的数字化项目整体咨询交付工作，对数据治理、主数据、数据分析、AI工作流及智能体领域等领域有丰富的实战经验。厦门大学校企联盟-大数据专家，畅销书《数据治理：概念、方法与实践》、《数据治理概论》作者，正在编制《智能数据治理：AI重塑企业数据管理未来图景》，预计年内上市销售。

演讲题目：降本增效，智启未来：央国企Data+AI数据治理实践与探索

演讲介绍：在央国企数字化转型背景下，传统数据治理面临成本高、效率低、价值难衡量的困境。本次分享将聚焦于我们如何以“成熟大语言模型 + 开源智能体平台”为核心技术选型，构建低成本、高效率的智能化数据治理解决方案。我们将直面AI输出内容可信度和与存量系统融合两大核心挑战，重点阐述如何通过“提示词工程、知识库与人机协同”机制确保AI输出的可靠性，并以“爬行-行走-奔跑”三阶段策略实现与现有工具的无缝集成。实践证明，该方案能将核心治理任务效率提升超过60%，总体成本降低50%以上，为央国企数据要素价值释放提供了一条可行的实践路径。

演讲提纲：

1. 业务背景：时代之召与治理之痛

2.方案选型：AI驱动的全新范式

3. 落地挑战：理论与现实的鸿沟

4. 解决思路：AI赋能的四阶演练

5. 未来规划与总结

听众收益：

1. 获得一套高性价比的AI数据治理落地方法论： 听众将了解到如何利用“成熟大语言模型+开源智能体平台”的模式，以最小化成本启动并推进数据治理的智能化升级，尤其适合预算敏感但追求高效率的大型企业。

2. 掌握一个贯穿全生命周期的AI应用框架： 听众能系统性地学习到AI在数据治理的规划、设计、实施、运营四大阶段中，分别可以扮演什么角色、解决什么具体问题，并能获得可直接借鉴的案例和场景启发。

3. 学到解决AI落地核心挑战的实战经验： 听众将理解如何通过“人机协同”、“知识库投喂”、“分阶段集成”等具体策略，有效解决AI在企业环境中“不敢用、不能用、不好用”的关键难题，增强推动类似项目的信心。

落地挑战和方案重点：

亟待解决的痛点一：知识瓶颈——AI的智能上限取决于企业知识库的质量。本方案的核心是让AI学习企业的“专家知识”。但在许多企业，这些知识（如数据标准、业务规则、历史案例）是零散的、过时的，甚至是只存在于专家脑海中的“隐性知识”。因此，项目落地最大的挑战并非AI技术本身，而是如何系统性地梳理、盘点、并数字化企业自身的治理知识资产，为AI提供高质量的“精神食粮”。没有这个基础，再强大的AI也只是一个“说外行话”的空壳。

亟待解决的痛点二：组织惯性——从“规则执行者”到“流程设计者”的心智模式转变。本方案将催生“AI工作流工程师”等新角色，要求数据团队从过去繁琐的手工操作者，转变为设计、优化和维护自动化工作流的“流程设计师”。这是一个巨大的心智模式转变。如何推动组织架构的适配、建立新的人才培养体系、并克服传统IT团队对新工作模式的惯性甚至抵触情绪，是确保方案能够长期发挥价值、持续进化的关键软实力挑战。

峰会日程：

来源：云阳好先生做实事