课程背景BACKGROUND

在AI大模型重塑商业逻辑的今天，企业数据管理正面临着一场从“后台支撑”到“前台驱动”的剧烈阵痛。作为业务管理者，您是否感同身受：建设了昂贵的数据中台，却依然面临数据孤岛林立？引进了先进的AI大模型，却发现企业沉淀的经验无法被AI识别？

华为任正非曾振聋发聩地指出：“华为最大的浪费是经验的浪费。”在AI时代，数据和知识不再是冷冰冰的记录，而是驱动智能体的“高标号燃料”。

本课程以徐老师独创的“数智DnA双螺旋变革体系”为顶层指引，深度融合《华为数据治理之道》《华为知识治理体系》与DG4AI标准，将带领学员跳出单纯的技术视角，用“业务主导、以用促治”的实战逻辑，打通从“结构化数据治理”到“非结构化知识工程”的任督二脉，构建AI时代的高质量数据底座。

课程安排ARRANGEMENT

课程时长

2天，6小时/天

适用对象

企业CEO/COO、业务VP、CIO/CDO、数据管理部及核心业务部门骨干

授课方式

方法论讲授(30%)+标杆案例复盘(30%)+痛点诊断与工作坊(40%)

课程收益BENEFITS

1. 重塑治理认知：透过“数智DnA”视角，摒弃治理是IT责任的旧观念，确立“广义数据资产管理”的战略高度。

2. 构建治理体系：掌握华为“五大原则”与“三层架构”，输出符合企业现状的治理组织与制度框架。

3. 夯实数据底座：掌握结构化数据治理的“六大关键能力”，建立业务主导的数据标准与质量防线。

4. 掌握知识工程：习得华为“三阶九步”方法论，将老师傅的隐性经验转化为AI可用的“向量化知识”。

6. 输出落地方案：通过现场工作坊，共创输出一份《核心业务场景数据与知识治理 90 天行动计划》。

课程大纲OUTLINE

一、智能时代的治理挑战与DnA变革视角
1. “数智DnA双螺旋变革体系”核心解码
1）Digital（数字化骨架）
2）AI（智能化神经）
互动游戏：概念连连看——将“连接、记录、生成、概率性”等关键词贴在Digital或AI的对应区域
2. 企业级数据治理的历史演进
1）解决信息孤岛（T+1报表）
2）赋能数字化转型（P2D业务对象）
互动：痛点投票——现场展示10个典型痛点，扫码投票选出Top3。
二、AI时代数据治理重做的必要性
1. 治理对象泛化
2. 消费目标升级
互动：图灵测试——展示一段“脏数据”生成的AI回答与一段“治理后数据”生成的AI回答，辨别差异。
三、知识治理在AI时代的战略价值
1. 隐性资产显性化
2. 高质量知识库对抑制AI幻觉的决定性作用
互动：经验估值——选取企业一位“老师傅”的经验，分组估算其如果变成AI算法模型的经济价值。
四、数智化治理的新价值主张
1. 资产变现路径
——数据资本化入表与企业估值提升
2. 前台驱动模式
——高质量数据实时驱动智能体（Agent）的自动决策机制
深度工作坊：痛点诊断与场景对齐
1. 形式：小组竞赛+热力图绘制
2. 流程
1）分组扫描：利用《DnA痛点扫描卡》快速勾选企业现状
2）场景聚焦：每组筛选3个“最痛”且“最具AI潜力”的业务场景
3）上墙路演：各组组长1分钟阐述，全班利用贴纸进行热度投票
3. 产出：《企业数据与知识治理痛点热力图》《首批治理场景清单》

一、业界主流数据治理体系
1. DAMA数据管理框架
互动：拼图游戏——在空白的DAMA车轮图上，将“元数据”、“质量”、“安全”等模块归位。
2. DCMM 能力成熟度模型
3. IBM数据治理体系
二、华为数据治理体系实战架构
1. 华为数据治理全景图
——2个抓手、3层组织、4个目标、5大机制、6个能力
2. 华为治理核心理念
——“业务主导，以用促治”的落地机制
角色互换辩论：分组扮演“业务方”与“IT方”，辩论“数据质量差到底是谁的责任”。
3. 责任主体重构机制
1）数据Owner（业务）
2）Data Steward（管家）
互动：职责认领——展示5个具体治理动作，判断应由业务部门负责还是IT部门负责。
三、面向AI的数据治理（DG4AI）体系
1. “DG4AI”核心定义
2. DG4AI与传统治理的差异
四、知识治理体系框架
1. 业界主流知识管理标准
1）ISO 30401：2018 标准：知识管理系统的核心要素与实施路径
2）GB/T 44927-2024 国标：知识资产化与入表的合规要求
互动：标准找茬——展示一份不符合规范的企业知识管理制度，圈出违规点。
2. 华为知识治理体系架构
1）从KM到KE的进化路径
2）知识治理架构全景
模型：基于业务场景的“萃取-转译-进化”闭环模型
实操演练：治理组织设计模拟
1. 背景：模拟成立“公司级数据管理委员会”
2. 任务
1）任命：推选CDO、业务领域数据Owner、IT 数据架构师。
2）立法：起草第一号“数据问责红线”文件（列出3条必须遵守的铁律）。
3. 互动：各组互评“红线”的可执行性。

一、面向“业务交易”的信息架构（IA）构建策略
1. 数据资产目录建设
互动：寻宝竞赛——模拟在杂乱的文件夹中找数据VS在资产目录中找数据，对比效率。
2. 业务对象数字化，统一业务语言
二、面向“联接共享”的数据底座构建策略
1. 物理汇聚与逻辑拉通
——打破ERP、CRM、MES系统孤岛的实施路径
2. 湖仓一体架构建设
——实现全域数据入湖与逻辑数据仓库（LDW）的协同
三、面向“自助消费”的数据服务构建策略
1. 服务化封装
——将数据包装成API，实现“数据即服务（DaaS）”
2. 敏捷响应机制建立
——缩短从数据产生到业务应用的时间周期
四、“数字孪生”的数据全量感知能力构建
1. 全量感知体系
2. 实时计算能力
五、“清洁数据”的质量综合管理能力构建
1. 华为质量“六性”标准应用
——完整性、及时性、准确性、一致性、唯一性、有效性
互动：质量诊断——展示一组有问题的客户数据，快速识别违背了“六性”中的哪几条。
2. 业务视角的质量防线设计
1）防呆设计
2）规则监测
3）PDCA闭环
六、“安全合规”的数据可控共享能力构建
1. 合规红线管理
1）数据分级分类
2）PII（个人隐私信息）保护
2. AI安全前置机制
1）入湖阶段的脱敏处理
2）防投毒
互动：红线演练——判断5个数据使用场景是否违规。
深度工作坊：核心业务对象标准化演练
1. 目标：掌握数据标准定义的实战技能。
2. 任务：选取“客户”、“订单”或“物料”作为对象。
1）定义含义：用无歧义的语言描述对象。
2）设计标识：制定唯一主键规则。
3）梳理属性：列出关键字段及其录入规则（必填/枚举）。
4）设定校验：设计2条系统自动校验逻辑。
3. 产出：《核心业务对象数据标准定义表（Data Dictionary）》。

一、面向AI的数据治理（DG4AI）实施方法
1. DG4AI核心建设重点
1）语料治理
2）标注治理
互动：标注大比拼——给出一组客户评价，进行情感标签（正面/负面/中性）标注，对比一致性。
3）“Prompt（提示词）治理”
2. DG4AI五步工作法
1）场景定义
2）数据探查
3）策略制定
4）模型适配
5）持续运营（RLHF闭环）
二、华为知识治理“三阶九步”应用实战
阶段一：萃取（Extraction）——隐性经验显性化
模型：STAR模型
互动：故事重构——听一段零散的录音，用STAR结构将其改写为标准案例。
阶段二：转译（Translation）——显性知识结构化
1）清洗与降噪
2）切片（Chunking）策略
3）图谱化构建
互动：切片练习——将一份500字的操作手册切分为3个独立的知识原子。
阶段三：进化（Evolution）——平台能力AI化
1）“RAG”落地与防幻觉
2）知识运营机制
3）人机回环优化

一、变革管理与文化建设
1. 组织变革路径
——建立“数据管家虚拟组织”与跨部门协同机制
2. 数据文化建设
——从“经验主义”到“数据主义”的转型
互动：承诺仪式——写下一句“数据承诺”，贴在行动墙上。
二、90天落地行动计划 (Roadmap)
L1——启动期（第1月）：找痛点，树标杆（Quick Win）
L2——推广期（第2月）：建标准，洗数据（Systematic）
L3——深化期（第3月）：AI赋能，资产化（Intelligent）
深度工作坊：治理路线图共创
1. 目标：输出可落地的90天行动方案。
2. 流程
1）复盘对齐：回顾第一讲的痛点热力图。
2）任务选择：从工具包中选取3-5个关键治理动作。
3）排期定责：明确T+30/60/90的交付物与责任人。
3. 产出：《企业核心业务场景数据与知识治理 90 天行动路线图》。

AI时代的数据和知识治理升级

课程背景BACKGROUND

课程安排ARRANGEMENT

课程收益BENEFITS

课程大纲OUTLINE

预约徐晓仪老师讲授《AI时代的数据和知识治理升级》

徐晓仪老师其他主讲课程