中国企业在数智化转型中在数据治理领域遭遇多重挑战，包括在数据标准化、数据质量提升、数据分级分类，以及数据安全治理等。近几年，中电金信依托自主研发的智能数据底座“源启·数据资产平台”，助力企业实现数据驱动的业务经营和精益管理。该平台不断吸纳全球数据治理领域的前沿技术与理念，持续迭代升级。
2023年，“源启·数据资产平台”完成第一次升级，融合Data Fabric“数据编织”技术，将物理上支离破碎的数据，“编织”在统一的平台中。
NEWS
2024年，平台再度升级，推出三大创新点：
（一）DataOps体系建设，提升数据产品的研发效率和质量；
（二）Data4AI与AI4Data的数智融合，实现数据研发全流程的智能化；
（三）“管-察-防-监”数据安全闭环管理，构建全面的数据安全治理体系。
在2024年DAMA中国数据管理峰会上，中电金信研究院副院长杜啸争深入解读了“源启·数据资产平台”的创新实践。如何利用该平台实现智能化与安全化的数据治理？请观看视频获取详细解析，并阅读下文深入了解“源启·数据资产平台”的深层价值。
数字化做不好，智能化就做不了。
中国经历了30余年的信息时代，之后仅经历了7年左右的数字时代。实话实说，7年的数字时代实在太短，短到多数企业还处于数字化的深水区，就被裹挟着进入了水更深的智能时代。
不得已，他们现在还在“补课”——中国企业希望在数据产生的源头，就获得标准统一的高质量数据；也希望以更高效的方法完成数据分级分类；更希望将数据安全治理从运维层面推向生产环境。
姑且，将此称为数字时代的“遗留工程”。
其实在信息时代的中后期，中国企业已经意识到数据安全，更认识到数据是可以创造价值的生产资料，其重要性类似于过去的土地、石油。也正是在这段时期，业内出现了不同的数据管理流派。
金融机构推崇建设“数据驱动的数据平台”，他们先海纳百川再化云为雨，将所有系统中的数据吸纳集中，再经过数据治理后，反哺给各个业务系统。互联网公司反其道而行之，这些企业信奉小步快跑地建设“业务驱动的数据中台”，根据业务需求逐步吸纳相关数据，并快速完成数据中台的迭代。
此后，这两种思维不断碰撞、相互融合，“应用驱动+数据运营”就成为了业内共识。突出的变化是，越来越多的业务部门中，设立了“数据运营经理”的岗位。但这还不够好，没有行业属性的产品性数据平台，总感觉还差点意思。
“中电金信也应该研发自己的数据平台。”
说这句话时是2019年。中电金信大数据团队认为，通用性数据平台的短板是“纸上得来终觉浅”，而自己的长板是“绝知此事要躬行”。若将两者结合，可实施经验和应用场景，嵌入数据平台。当然，还要辅以数据咨询服务、数据运营服务等。
在此之后，中电金信逐步升级了数据管控、数据湖、数据集成等模块，并最终形成了完整的自研数据平台产品。截至目前，中电金信大数据团队集结了6000余名业内专家，已经为近300家客户提供数据服务，囊括国有大行、股份制银行、政策性银行、城商行、保险、证券等。
更进一步。2022年，中电金信正式发布“源启”金融级数字底座。中电金信的数据中台，成为源启平台的四大组件之一，即“源启·数据资产平台”。
延续这一思路。2023年，“源启·数据资产平台”完成第一次升级，其可以将物理上支离破碎的数据，“编织”在统一的平台中。又过一年，即2024年，“源启·数据资产平台”再次完成升级。平台升级的创新体现在三方面：一是DataOps；二是数据安全；三是Data 4 AI与AI 4 Data。
越来越清楚的事实是：数据驱动型企业都在努力维护和管理数据，以获得战略优势。在此过程中，他们首先想到的是提升数据质量，并以此获得业务洞察力。这就是典型的数字时代“遗留工程”。
但具体该怎么做呢？答案就是DataOps。
DataOps（数据研发运营一体化）是构建集设计、开发、治理、运营于一体的自动化数据流水线。
源启·数据资产平台则是基于对典型数据研发流程的已有支撑能力，全面完善和升级了数据研发工具体系，通过研发工艺管控和提升研发流程各个环节的研发质量，并通过运营维护从企业自身的研发实践中滚动改进研发工艺，实现自动化过程和规范化质量的双闭环。
中电金信研究院副院长、商业分析事业部总经理杜啸争将其称为“数据管理前置”，即从源头开始解决数据质量问题，在数据产生时就有明确的标准。
坦白讲，“数据管理前置”虽是趋势，但能做到的企业并不多。没关系，DataOps已经在为企业提供全新的思维模式——站在数据战略的角度，设计企业的组织架构、流程制度、数据标准的体系。
当然，中电金信对DataOps也有自己的理解。“中电金信的理念是‘需求设计一体化、设计开发自动化’。”杜啸争接着说：“更重要的是，中电金信将数年来积累的实施工艺，封装到产品体系中，以降低实施成本，并减少了对人员的依赖。”
翻译这句话，明显包括两层意思。
-
首先，企业接受DataOps理念，即意味着其已经在建立“数据战略”，中电金信可为此提供一系列咨询服务；
-
其次，中电金信将实施工艺封装到产品，即除交付产品型平台外，中电金信也在同时交付运维、运营等服务。
再延伸一步至数据加工环节。
数据战略承接着企业的业务战略，数据治理承接着数据战略的落地，数据安全治理又是数据治理的重要分支。“所以不能就安全谈安全。”杜啸争进一步解释：“数据安全治理不是一套工具就能解决问题，一定要将数据战略和业务目标相结合，更要辅以咨询服务。”
其实，前有《中华人民共和国数据安全法》，后有《网络数据安全管理条例》，随之一系列法律法规的出台，数据安全已经得到前所未有的重视。显著的变化就是“安全左移”。在此之前，数据安全由运维部或网络部负责，现在越来越多的金融机构已经在数据管理部下成立数据安全处，以专门推进数据安全工作。
这意味着什么？
意味着数据安全治理的重点，已经从运维层面转向生产环境。而在生产环境，金融机构处理大量客户信息和业务应用数据，面临更为严峻的安全风险。所以杜啸争才说：“不能就安全谈安全。”
换句话说，如果从安全的视角看数据安全，多半是这不能做，那也不能做，多数业务创新必是无法推进。“所以数据安全一定是以应用视角，在安全和业务之间寻找平衡。”杜啸争的意思是，说“不能做”很容易，说“能做”就很难。说“不能做”最安全，但此后的数据价值释放，就无从实现，而说“能做”就要既懂安全，又懂业务。
例如数据分级分类。
半年之内，多家企业发布或升级了安全大模型，并试图以此解决数据分级分类问题。而且初看效果还不错，数据分级分类的“纸面”准确度已达到80%。但问题是，80%的准确是否真的准确，剩下20%的数据该怎么办？
这种担心并非多余。
金融行业从2000年开始，已在推进数据大集中。2010年之后，更是开始了数据治理。但至今仍处于深水区。例如，甲系统中数据标签“1”代表男，“0”代表女；乙系统就是“A”代表男，“B”代表女。
类似的案例还有很多，例如同设置为“地址”的数据标签，有的是在存储家庭地址，有的是IP地址，还有的是应用目录。而这样的关键数据，只要在治理过程中出现一处错误，就会影响后续分析结果。
这又该如何解决？
目前，借助大模型技术，中电金信实现了对海量字段数据的自动化分类和精细分级，通过将字段数据转化为语义向量，并基于语义相似度进行匹配。“但中电金信更关注客户的核心诉求和业务目的。”杜啸争说。
其实，基于大模型的自动数据打标只是第一步。第二步，中电金信以数据治理咨询顾问辅助进行反向检查，同时对重要节点进行重新梳理，这也就是人工智能技术中“人在回路”的学习模式。
如果不明白什么是“人在回路”，建议再重温《流浪地球2》片尾彩蛋。源启·数据资产平台产品就像电影中的主演，永远站在“回路”上，以数据治理咨询顾问，帮助用户使用和迭代数据平台。
当前，在充沛的算力支撑和推动下，人工智能成为引领未来的战略性和基础性技术，在金融等重点行业大量应用。作为一项通用技术，相比本身作为产品存在，AI更应该作为基础设施在各个场景赋能应用。
这也非常体现中电金信对人工智能的理解：应用牵动、场景为王。因此，中电金信致力推动AI场景应用向深向实发展，在数据领域，率先将人工智能应用于数据安全治理。
但尽信书不如无书，现在被吹上天的人工智能，并非万能的，至少现在还不是万能的。
所以中电金信要站在“回路”上服务辅佐人工智能发挥更大的价值，要帮助用户找到更适合人工智能发挥价值的场景。“中电金信要基于数据加工链做智能化。”杜啸争说的是两个解决方案：
一是，AI to SQL。借助AI大模型实现自然语言到SQL的转换，以降低了业务人员掌握SQL语言的难度，这很体现中电金信的优势。在此之前，中电金信实施了数百个数据仓库、数据平台，积累了巨大的SQL语言脚本量；
二是，代码补全。这很类似于“智能输入法”。开发工程师只要敲出首字母，就能联想出关键字。经过数轮迭代，现在中电金信代码补全的推荐准确率，已经超过85%，员工效率提升30%以上。
不仅如此。
中电金信还已将人工智能，嵌入了数据应用场景，当然，同时嵌入平台的还有实施经验。例如“数据孪生”，可构建业务数据的线上“数字孪生”，实现业务场景数字化仿真；再例如“智能决策引擎”，其内嵌了中电金信积累的丰富模型，适用于零售、小微信贷业务场景的风险管理。
还有“智能驾驶舱”。通过自然语言生成指标和报表，通过RAG技术，“智能驾驶舱”实现外部资源查询挂接，实现全域搜索。例如，输入“提高信用卡发卡量”，系统就能自动将任务拆解，并根据历史数据生成业务表格，同时提出业务建议。
是不是感觉很实用？
产品型的平台，可能会说“NO”，但服务一定会对用户说“Yes”。中电金信的业务思路就是“咨询+产品+服务”——以内嵌实施经验和业务场景的“源启·数据资产平台”为底座，同时，辅以咨询服务保证企业数字战略能顺利落地，辅以运营服务护航数据平台丝滑运营、持续迭代。
有灵魂的数字平台，大抵就是这个样子。
