圆桌讨论由企业网D1net CEO范脡主持，参与讨论的嘉宾包括：

万华化学数智化部总经理徐建光

安东石油集团CIO兼AI研究院院长 许晓男

王老吉药业CIO、AI实验室主任 单露

海大集团流程与信息中心总监胡水平

中国医药工业研究总院信息部主任邹晓涛

瑞幸咖啡高级技术总监黄强元

公牛集团CIO 李胜彬

晨光稀土内控质量信息总监陈燕

红豆集团CIO 奚峰

红豆集团奚峰: 当下数字化时代，我认为数据治理必须做，它是企业数字化的基础。企业缺数据时，可引入外部数据，但得先做好数据清洗，按场景构建数据集。

当下，要利用好内外部资源，先做好手头事，也为未来做规划。企业数据分散成“孤岛”，虽难彻底消除，但要想办法打通，整合成数据集，后续才能挖掘分析数据，助力决策。

未来，数据不断积累，模型会更成熟，为企业带来更高效率、更准决策和更大发展空间。数据治理要一步步来，让数据成企业发展动力。

晨光稀土陈燕：我们公司因行业限制，业务只能私有化部署，每天产生 1.5 - 2T 的业务数据。AI 还没有兴起时，我们虽然有数据中台等，但因为没有 AI 应用需求，缺乏危机感，所以没意识到数据治理的重要性。我认为数据需要从源头把控，推动标准化填写，避免影响后续运用。如今，如何解决数据管理问题、找到更好办法和工具，成了我们的困惑，希望能向同行取经。

目前我司数据治理已提上日程，我们开始行动并接触专家、第三方。

公牛集团李胜彬：AI没有兴起时，基础数据(主数据)治理很关键，目的是统一标准。物料等各类主数据和技术数据都得标准化，这是 IT 集成的基础，不然系统建不起来。

2017 - 2018 年兴起的数据中台属于应用数据，核心是业务指标即 KPI，体现在从集团到各层级的报表上，统一报表口径也是数据治理。很多人报表乱，就是数据没治理好。

数据治理并非做所有事都非得先做，但要是想在特定领域推进工作，比如搭建知识库这类涉及数据库的工作，相关数据治理肯定得跟上。

瑞幸咖啡黄强元：数据治理对 AI 应用效果最大化十分必要，其重要性不言而喻。不过，数据治理是否为前提条件，还得看具体场景，大致可分为两类。

第一类场景中，数据治理是必要条件。在零售业务里，像自动用户运营或活动运营场景，构建 AI 模型时，用户的消费习惯、画像、操作行为以及产品信息等数据至关重要。数据质量越高，模型效果就越好。同样，门店订货、选址等环节也高度依赖高质量数据。

但也有另一类场景，数据治理并非必选前提。比如，我们周一在小程序和 APP 上线了数字人，能为用户推荐商品、聊天，甚至协助完成订单交易全链路。在这个场景里，不需要大量数据治理，只要与流程相关的数据准确即可。类似地，数字人面试、招聘和导购等场景，对数据治理或大量数据治理的需求也不一定是必要前提。

中国医药工业研究总院邹晓涛：数据治理不仅是 AI 应用前提，更是企业数字化重要基础。

以旗下药厂为例，药厂有多条生产线。之前上线 ERP 系统，但因按无限产能设计，数据多用于财务，无法反馈实际生产。引入类似 APS 自动排产系统后，才发现之前数据治理问题多，排产与物料需求不符，经营部门得重新标定数据，可见数据治理需在使用中不断完善，此时的数据才准确。

在研发端的靶点选择上，我们和下属信息中心合作，已建成全国最全儿科药数据大典，并上报了工信部。药物早研方面，我们以项目形式建立数据体系，通过实验室电子实验记录本，让五大中心和 7 个 PI 按照一定规则和要求填写数据。不过，这项工作推进艰难，科学家们个性较强，难以强制要求，只能借助各中心负责人和 PI 协商，逐步实现数据标准化。目前，我们正在一两个中心进行试点，先推行电子实验记录本，对这部分数据进行标准化处理。

海大集团胡水平：数据治理是个宏大的话题，就像下水道工程，做了可能大家没太多直观感受。我的结论是“急用先行，以用促治”，只有业务因数据问题感到“痛”了，才会意识到数据的重要性，这样的治理才最具实际效果。

今年我们通过一系列举措，让业务一把手深刻感受到数据的价值，并借此建立相关机制。在数据责任方面，我们明确“谁录数谁负责”，让业务管理者认识到数据管理本就是业务分内之事。

在这个过程中，IT 部门也有其职责。对于数据，非结构化数据首先要实现“在线”，我们借助某个平台，将所有知识和文档归类，形成知识库，每个责任单元都要在线管理，不能再各自为政。这一工作首先落实到业务单位和责任人。

对于结构化数据，我们通过项目使用数据来倒逼数据治理。梳理清楚数据后，让业务管理者能及时查看数据，及时发现问题并推动解决。

王老吉药业单露：数据天然有缺陷，它是长期积累形成的，像我们公司有近 200 年历史数据，用当下标准衡量，历史数据瑕疵多很正常。

数据要不要治理?我认为可以先存着，等有需要时再治理。即先存储数据，出现对企业运营重要的应用场景时，再治理该场景所需数据。

数据治理方式多样：数据积累时严格收集要求;清洗规范现有数据;采购所需数据;必要时加工数据。所以，数据治理要围绕业务场景，以此驱动采取不同治理方式。

安东石油许晓男：从 AI 实验和经营管理实践看，数据对 AI 极为关键。去年我们上线 chat BI，它以问答形式让领导快速从海量报表找关键数据，上线一年使用量和准确率都高，为数据治理打好了基础。

但生产数据治理曾是短板，我们日产数据近 2T，前期缺乏有效治理。AI 时代到来，业务建设预算必须包含数据相关内容，立项预算要“以用促变”。

另外，应用建设前可提前规划，明确数据资产目录、管理体系及各类数据规则，即便数据未产生，也要按管理体系初步治理，避免应用建成后因数据混乱而影响使用。

万华化学徐建光：我认为在数据质量不佳、治理未完善时，也要坚定推进 AI 应用，借助其反向提升数据质量，以下有两个案例。

做材料大模型时，我们整理了大量产品知识。各事业部负责人原以为自家对产品归纳完善，可看到知识库后大感意外，这促使他们完善数据。

在研发场景中，不同课题组数据情况不同，有的需要外部文献数据，有的自身实验数据不规范。各课题组需求各异，通过 AI 应用牵引，我们能找准数据治理关键点，推动数据质量提升和整体数据治理工作。

第三个话题--算力自建还是租用

安东石油许晓男：判断项目用自持还是租用资源，需综合考量。先看项目性质与需求，若项目是长期投资且过了试错期，自持资源更稳;若项目具实验性、临时性或处于推理训练阶段，需求灵活，则租用资源更佳。

此外，资金来源影响投入方式，信息安全要求也至关重要。数据安全要求高的项目，自持在管控上有优势;要求宽松的，租用成本和灵活性更佳。综合多方面因素，才能合理决策。

海大集团胡水平：企业选资源自建还是租赁，可从三方面考量：

一是预算，预算不足就别想自建，租赁更实际。

二是信息安全要求，不同业务需求不同，决策时要考虑。

三是业务性质，若业务创新、临时或尝试阶段，租赁快捷高效;若业务稳定、需长期保密或运营，自建更合适。综合考虑，做出合理决策。

企业网D1net 范脡：如今，AI成了众人热议的焦点。不谈AI，仿佛都跟不上潮流，无论甲方乙方皆是如此。

今天我们探讨AI领域的“坑”，目的是帮大家避开陷阱，充分享受AIGC带来的美好世界。实际上，AI存在不少有价值的应用场景。比如：风电入网价格在不同时段有差异。以往发电入网比较随意，现在借助AI能精准计算何时进多少电效益最高，效果立竿见影。

再比如供应链行业，早期调度依赖人工的经验，后来有了数据支撑，优化效果显著提升。而有了AIGC，优化效率进一步提高，效益显著。

关于AI应用，没有标准答案。今天我们展开探讨，就是希望能为大家提供有益的探索思路，让大家少走弯路，少交学费。

关于企业网D1net(www.d1net.com)：

国内头部to B IT门户，同时在运营国内最大的甲方CIO专家库和智力输出及社交平台-信众智(www.cioall.com)。旗下运营19个IT行业公众号(微信搜索D1net即可关注)。

大中型CIO活动预告(详情请联系D1net相关同事)：

2025年央国企CIO及数科公司高管年会(夏) 8月9日 北京

2025汽车业数字化大会 9月12日 华东

2025制造业数字化大会 9月13日 华东

2025全国甲方IT选型大会 11月14日-15日 华东