信息領(lǐng)域有一種說法是垃圾進(jìn)出，意思是用臟數(shù)據(jù)作為樣本，產(chǎn)生的研究成果毫無價值。數(shù)據(jù)污染可能發(fā)生在數(shù)據(jù)生成、采集、傳輸、流通、加工、存儲、提取、交換等環(huán)節(jié)。因此，為了保證數(shù)據(jù)治理目標(biāo)的實(shí)現(xiàn)，必須控制數(shù)據(jù)的全過程，在數(shù)據(jù)標(biāo)準(zhǔn)、數(shù)據(jù)質(zhì)量、數(shù)據(jù)文件交換、元數(shù)據(jù)、數(shù)據(jù)生命周期、主輔數(shù)據(jù)源、數(shù)據(jù)安全、數(shù)據(jù)責(zé)任等方面形成統(tǒng)一的數(shù)據(jù)治理規(guī)范。

數(shù)據(jù)管理的核心是數(shù)據(jù)模型管理。當(dāng)前，企業(yè)原始數(shù)據(jù)庫中有大量未注釋的字段和表格，含義模糊，同名，同名，冗余字段，枚舉值不一致。這將直接影響系統(tǒng)對數(shù)據(jù)的識別。數(shù)據(jù)建模使數(shù)據(jù)結(jié)構(gòu)更加豐富和清晰，便于統(tǒng)一數(shù)據(jù)口徑。企業(yè)沉淀大量數(shù)據(jù)模型后，應(yīng)及時保留或刪除管理，而不是控制數(shù)據(jù)模型。這些歷史問題會給新一代系統(tǒng)的改造帶來很多麻煩。

此外，數(shù)據(jù)標(biāo)簽是數(shù)據(jù)實(shí)體特征的符號，每個數(shù)據(jù)標(biāo)簽都是我們理解、觀察和描述數(shù)據(jù)實(shí)體的角度。因此，內(nèi)部統(tǒng)一標(biāo)簽也很重要。商品標(biāo)簽包含條形碼、規(guī)格、口味、圖片、包裝等信息?？蛻魳?biāo)簽包括性別、年齡、地區(qū)、愛好、產(chǎn)品偏好、購買力、忠誠度等。

在實(shí)際的數(shù)據(jù)治理中，數(shù)據(jù)資源目錄、數(shù)據(jù)分類和數(shù)據(jù)標(biāo)簽相互配合。建立良好的數(shù)據(jù)資源目錄的第一步是明確數(shù)據(jù)資源的分類，根據(jù)數(shù)據(jù)分類組織編目資源，然后對數(shù)據(jù)資源進(jìn)行標(biāo)簽，使數(shù)據(jù)資源更貼近用戶，更容易管理，從而充分發(fā)揮數(shù)據(jù)的價值。

Smartbi在收集和規(guī)范企業(yè)數(shù)據(jù)、控制和整理數(shù)據(jù)模型后，可以管理數(shù)據(jù)，并將相應(yīng)的算法和人工智能應(yīng)用于特定的業(yè)務(wù)場景。

以數(shù)據(jù)模型管理為例：人工智能可以幫助企業(yè)實(shí)現(xiàn)經(jīng)驗?zāi)Ｐ团c計算機(jī)模型的完美融合，構(gòu)建商品和會員的知識地圖。

以元數(shù)據(jù)管理為例：人工智能收集非結(jié)構(gòu)化數(shù)據(jù)，提取關(guān)鍵信息，維護(hù)和整理元數(shù)據(jù)。

以主數(shù)據(jù)管理為例：主數(shù)據(jù)是企業(yè)核心業(yè)務(wù)實(shí)體的數(shù)據(jù)，是在整個價值鏈中重復(fù)、共享應(yīng)用和多個業(yè)務(wù)流程的基礎(chǔ)數(shù)據(jù)，與各業(yè)務(wù)部門和系統(tǒng)共享。在復(fù)雜的數(shù)據(jù)主數(shù)據(jù)系統(tǒng)中，機(jī)器學(xué)習(xí)、自然語言處理等人工智能技術(shù)可以幫助定義和維護(hù)數(shù)據(jù)匹配規(guī)則，確定與主數(shù)據(jù)相關(guān)的記錄，建立交叉引用規(guī)則。