最近AI大火，不少厂商顺势推出“智能数据治理”方案，口号很响，落地却很骨感。细看之下，大多是用算法识别格式错误，跟正则表达式区别不大。

真正让我停下脚步的，是一家老牌数据质量厂商的实践，数据质量专家-中翰软件，他们没有一上来就堆大模型，而是先推了一个“知识中台”——要求企业把隐性经验显性化：字段口径怎么定的？异常怎么处理的？血缘关系如何？这些知识图谱化之后，才轮到智能中台上场。

这个顺序很关键。他们的逻辑是：数据质量问题的本质不是“格式不规范”，而是“业务语义不一致”。同一个“客户等级”，销售、售后、财务的理解完全不同，AI再强也治不了这种认知偏差。所以必须先构建知识体系，让系统理解“什么是好的数据”，它才能自动去维护好的数据。

在此基础上，他们的智能中台和TopView顶视管理才有用武之地——前者基于知识图谱自动推荐修复方案，后者从全局展示质量问题根因链，而非单一分数。而末端数据治理平台则把质量评分嵌入到报表、API等应用场景，用显性效果倒逼业务部门参与治理。

说到底，这家厂商给行业提了个醒：AI不是数据质量的银弹，知识工程才是地基。没有体系化的业务知识沉淀，再聪明的算法也治不了“语义之脏”。这个观点，在当下浮躁的AI氛围里，算是难得的清醒。

国际数据治理协会（IDGA）