|
近日，智数大会 2026「AI Ready·数据集成治理专场」举行。帆软软件有限公司副总裁周洪宝发表题为《可信数据，智能未来：帆软数据治理体系的重构与进化》的开场演讲，代表帆软集成治理团队分享了在数据集成与治理领域的新思考、新方法与新实践。
演讲中，周洪宝提出，数据治理正从后台工程走向经营与 AI 基础设施，企业治理的终点不是多了一套制度，而是让经营、AI 与组织协同都更可靠。
市场之变：
从政策驱动到AI Ready驱动
周洪宝指出，每一个做数据治理的人，都逃不开一个严肃的追问：集成治理到底在做什么？答案正在发生变化。数据治理市场正从政策与合规驱动，走向经营价值驱动，进而走向 AI Ready 驱动。行业数据显示，2023 年数据治理市场约 187 亿元，2030 年预计达到 492 亿至 500 亿元，年均增速约 18%。市场需求的重点，已经从「有没有治理」转向「治理能否产生经营价值」。
他表示，很多一号位都会直接发问：数据平台、指标中心做了五年、十年，价值在哪里？企业购买的从来不是治理本身，也不是工具与方法，而是治理之后的六种结果——看得清、管得住、问得准、用得快、合得规、协同高效。领导层能看清问题在哪，中层能知道指标从哪来，执行层能明确到哪里去解决。
投入与落地的鸿沟：81% 对 3.7%
与此同时，AI 正在把数据治理从「应该做」变成「必须做」。初步调研显示，81% 的企业计划加大 AI 投入，但真正实现全面 AI 应用的仅有 3.7%。周洪宝认为，投入意愿与全面落地之间隔着一层「数据就绪度」：数据质量要准确、完整、及时，指标与语义要口径统一、责任清晰，企业知识要沉淀到可被 AI 调用。没有可信数据，AI 只会更快地放大错误。
以用促治：
从场景出发的治理路径
在方法论层面，周洪宝提出「以用促治」：场景不是治理的终点，而是治理的起点；使用是治理持续迭代的动力。路径是先找到真实场景，再暴露数据问题，最后反推治理建设——经营场景、数据使用、暴露问题、治理建设四步环环相扣，治理建设由使用牵引，使用价值由治理保障。
针对业界长期存在的「推式治理」与「拉式治理」之争，他给出的答案是组合策略。推式治理立足组织、制度与标准，适合集团管控与政策要求，体系完整但价值感知较慢；拉式治理从业务问题与具体场景切入，快速见效、易成样板，但需要方法沉淀。以拉式场景打开入口，以推式体系保证复制——场景验证、方法沉淀、标准复制、全域推广滚动迭代，让今天的问题不再明天发生。
两域一体：让 IT 与业务说同一种语言
在体系设计上，帆软提出「两域一体」。IT 域解决数据可信：通过数据质量、规则管理、数据血缘与问题闭环，让领导相信数据、业务有底气；DT 域解决数据可用：通过指标中心、公共模型与数据资产目录，让业务看得懂、用得上。周洪宝强调，一定要让 IT 知道业务的问题出在哪，也让业务知道数据到底从哪里来，口径分歧才有共述的基础。
从真实问题出发：产品不是起点
周洪宝强调，企业不是先买产品，而是先解决一个具体问题：同一个 DAU 为什么有多个数字？数据中台建成了，业务为什么还在用 Excel？AI 已经上线，为什么回答仍然不准？针对不同问题，帆软分别组合指标中心与数据血缘、数据资产目录与资产地图、FDL 5.0 与实时任务、指标中心与 MCP 等能力予以承接。产品不是起点，真实业务问题才是起点。
三层体系与四阶段价值路线
在落地保障上，他介绍了「产品解决问题、方案连接场景、服务保证落地」的三层体系。上层通过高层培训、战略地图与组织共识回答「为什么治理」，旗下《数据治理领军者训练营》已办到第六期；中层以 FDL 5.0、指标中心、FineBI、Dora 与数据资产目录等产品承接具体场景；底层通过组织网络、循环运营与责任闭环，让治理在项目交付之后仍能持续运转。数据治理 + 场景方案 = 产品 + 治理标准体系 + 业务解决方案。
周洪宝表示，数据价值释放遵循四阶段演进路线：先让数据可信，再让数据被发现、被理解、被使用，进而让 AI 能够正确理解和调用企业数据，最终回到经营结果。这条路径已经获得市场验证：150 个机会中成功签单 50 个，转化率 75%，贡献销售额 1020 万元、客单价 20 万元。数据治理不是一次性建设，而是从可信开始、持续释放价值的长期能力。
结语
演讲最后，周洪宝为整场分论坛作了导引：接下来的分享中，赛力斯刘银、中冶武勘王力、南京东华智能转向陈从霜将分别回答数据质量如何变成确定性价值、数据治理如何驱动业务增长、实时数据如何支撑数智化转型；帆软张朋威与李昌鑫将回答 AI Ready 平台需要哪些数据基础、数据质量如何从发现走向持续改善。他希望与会者带着「客户为什么治理、产品如何承接、能力如何持续」三个问题贯穿全场，从哪里开始、如何落地、如何持续——带着问题来，带着答案走。
 
| 
