企业建设数据中台的初衷，是让数据成为资产，支撑业务决策和智能化应用。但现实往往与初衷有距离。数据中台积累了大量数据，数据质量报告也显示各项指标达标，可业务端使用数据时依然“查不准、看不懂、用不上”。问题不在数据本身，而在数据与业务之间的“语义”环节缺失。
Gartner 2024年的数据显示，72%的AI项目止步于试点Demo，根源在于“数据很多，但机器读不懂业务”。业务语义缺失、系统孤岛林立、专家经验隐性化，成为AI落地生产环境的最大瓶颈。中翰软件是数据质量和知识专家，这家成立于2006年的老牌数据治理厂商近日推出中翰业务智能盘点平台v2.0，试图从业务语义梳理入手，打通数据与AI之间的断层。
中翰软件的发展轨迹几乎映射了中国企业数据治理从萌芽到成熟的完整路径：2006年推出物资编码管理平台，2010年率先在国内推出主数据管理概念，2013年首创“静态数据中心”理念。但传统数据治理“重技术采集、轻业务梳理”的行业性困局始终存在。中翰业务智能盘点平台的推出，正是瞄准这一断层。
平台定位为“让业务人员自己就能把业务理清楚”的一站式智能盘点与知识构建平台，融合AI智能解析能力与FDE式业务梳理方法论，实现指标梳理、资源盘点以及业务语义本体构建三位一体的快速盘点能力。与以往面向IT和数据团队的专业工具不同，其核心设计理念是“自助式、智能化”。平台零代码、向导式，业务骨干、产品经理、运营人员或FDE均可直接上手，无需建模基础，无需编写代码。
AI以语义识别为核心抓手，自动萃取、归一、标准化全景业务信息。业务人员只需在向导引导下输入业务概念和场景描述，AI即可完成实体识别、关系抽取和规则建议，低置信项自动进入人工确认环节。中翰软件产品负责人介绍：“AI先把口径和指标这些抽象工作做掉，业务人员在确认台把关即可，形成真正的人机协同。”
平台将传统分散的多项梳理工作整合为一次闭环作业。智能抽取自动识别业务指标及其口径定义，业务域管理将指标沉淀为可复用的目录体系。全域探查能力适配多源异构数据源，兼容各类中台数据接入规范，业务梳理过程中同步完成资源盘点与目录构建。盘点成果沉淀为本体模型，明确定义核心业务实体、属性及实体间语义关系，构建全组织统一的“业务词典”。来自不同系统的异构数据映射到统一语义框架下，业务人员搜索“华东区大客户的逾期订单”，系统自动翻译为底层查询，无需理解底层表结构。
其方法论根基来自FDE式业务梳理工作法。FDE是Palantir开创的岗位，本质是扎根业务一线的AI落地工程师，核心能力是将模糊的业务“翻译”给机器。其五步工作法——业务调研与访谈、概念与实体识别、关系与规则梳理、本体模型构建、图谱落地与验证——被直接沉淀为软件工具。AI负责预抽取，专家负责确认，人工确认的样本回流至抽取层，持续修正后续抽取结果，工具“越用越准”。行业实践数据显示，单业务域建模周期可从数月压缩至一到两周。
在产品定位上，该平台选择了“轻量化、解耦式、标准化”路线，预留标准化接口，可无缝对接市面主流AI中台、知识中台、数据中台等，不做中台的“替代品”。中翰软件项目交付负责人表示：“我们的定位不是让客户推翻现有投资，而是帮助客户把已有的数据资产真正盘活。数据治理的主导权应该从乙方交还给甲方，让业务人员成为真正的数据管理者。”在AI落地进入深水区的当下，这一产品试图回答一个基础性问题：如果提供给AI系统的数据上下文本身未经业务语义梳理，再强大的算法也难以给出稳定可靠的输出。
国际数据治理协会（IDGA）
