近日，中國移動研究院發(fā)布文章，解說了數(shù)據(jù)治理和人工智能兩者之間各自發(fā)展歷程，論證了兩者在結(jié)構(gòu)功能上的相互作用，闡明了兩者共同發(fā)展的前景。

Part 1

數(shù)據(jù)治理：大數(shù)據(jù)產(chǎn)業(yè)生態(tài)系統(tǒng)中的新熱點

近些年來，隨著大數(shù)據(jù)在各個行業(yè)領域應用的不斷深入，數(shù)據(jù)作為基礎性戰(zhàn)略資源的地位日益凸顯，數(shù)據(jù)標準化、數(shù)據(jù)確權(quán)、數(shù)據(jù)質(zhì)量、數(shù)據(jù)安全、隱私保護、數(shù)據(jù)流通管控、數(shù)據(jù)共享開放這些問題越來越受到國家、行業(yè)、企業(yè)各個層面的高度關(guān)注。更多的人開始意識到，大數(shù)據(jù)一方面給現(xiàn)有信息技術(shù)體系帶來了大挑戰(zhàn)，需要更多的研發(fā)投入和創(chuàng)新；另一方面，也需要營造更有利于大數(shù)據(jù)產(chǎn)業(yè)健康有序發(fā)展的良好環(huán)境，這樣一來，數(shù)據(jù)治理的概念就越來越多受到了關(guān)注，成為目前大數(shù)據(jù)產(chǎn)業(yè)生態(tài)系統(tǒng)中的新熱點。

在上世紀80年代，隨著數(shù)據(jù)隨機存儲和數(shù)據(jù)庫技術(shù)應用，產(chǎn)業(yè)界首次提出了數(shù)據(jù)管理的概念，這就是數(shù)據(jù)治理最早的起源。2009年，國際數(shù)據(jù)管理協(xié)會（DAMA）發(fā)布了數(shù)據(jù)管理知識體系DMBOK1.0，提出DAMA數(shù)據(jù)管理理論框架模型，成為了目前行業(yè)最權(quán)威的數(shù)據(jù)管理理論模型，DAMA 數(shù)據(jù)管理模型包括10個活動職能，分別是數(shù)據(jù)治理、數(shù)據(jù)架構(gòu)管理、數(shù)據(jù)開發(fā)、數(shù)據(jù)操作管理、數(shù)據(jù)安全管理、參考數(shù)據(jù)和主數(shù)據(jù)管理、數(shù)據(jù)倉庫和商務智能管理、文檔和內(nèi)容管理、元數(shù)據(jù)管理和數(shù)據(jù)質(zhì)量管理。2015年，DAMA 新發(fā)布的DBMOK2.0知識領域中又將該模型擴展為11個活動職能。在2012年，另一個行業(yè)組織數(shù)據(jù)管控協(xié)會 (DGI，The Data Governance Institute)提出了DGI數(shù)據(jù)管控框架模型。2014年，軟件工程研究所(SEI)基于軟件能力成熟度集成模型(CMMI)，提出數(shù)據(jù)能力成熟度模型（DMM）。2015年，一個主要面向金融保險行業(yè)數(shù)據(jù)管理的公益性組織企業(yè)數(shù)據(jù)管理協(xié)會(EDM Council)，提出數(shù)據(jù)管理能力評價模型(DCAM)，另外還有像Gartner提出的企業(yè)信息能力成熟度模型（the EIM Maturity Model）、IBM企業(yè)數(shù)據(jù)管理能力成熟度模型以及一些咨詢公司如畢馬威、普華永道等發(fā)布的細分行業(yè)數(shù)據(jù)管理體系架構(gòu)等。、

在我國，2015年，工信部電子技術(shù)標準化研究院制定《數(shù)據(jù)治理白皮書》國際標準研究報告。2017年，工信部信息通信研究院發(fā)布《數(shù)據(jù)資產(chǎn)管理白皮書》。2018年4月，國家大數(shù)據(jù)標準化工作組發(fā)布了國家標準《數(shù)據(jù)管理能力成熟度評估模型GB/T 36073-2018》（簡稱《DCMM模型》）。2018年5月，銀保監(jiān)會印發(fā)《銀行業(yè)金融機構(gòu)數(shù)據(jù)治理指引的通知》。近年來，國內(nèi)各行業(yè)大型企業(yè)也紛紛發(fā)起企業(yè)內(nèi)部數(shù)據(jù)治理項目，制定數(shù)據(jù)治理規(guī)范，成立專業(yè)的數(shù)據(jù)管理實體團隊來開展企業(yè)數(shù)據(jù)治理工作。

上面提到的這些種種數(shù)據(jù)管理模型，奠定了此后諸多行業(yè)化、定制化數(shù)據(jù)管理模型的基礎，各個企業(yè)紛紛在這些已有理論模型基礎上擴展、裁剪、引申、演化，可謂百花齊放。

企業(yè)開展數(shù)據(jù)管理類的工作，除了使用“數(shù)據(jù)治理”這個詞，業(yè)界也經(jīng)常使用“數(shù)據(jù)管理”、“數(shù)據(jù)管控”、“數(shù)據(jù)資產(chǎn)管理”等說法?？傊?，這幾個詞語，概念略有差異，內(nèi)涵基本一致，大家做的事，基本都跳不出DAMA數(shù)據(jù)管理模型的范圍。

Part 2

人工智能：大型科技企業(yè)爭奪未來的主戰(zhàn)場

提到人工智能，近年來可謂炙手可熱，產(chǎn)業(yè)界資本的積極布局，國家政府層面的大力宣傳，還有一些像自動駕駛、機器人、智能客服、語音識別等方面實際應用的涌現(xiàn)，使得人工智能方面的人才身價倍增，很多大型科技企業(yè)也緊隨趨勢，成立了AI研究院、人工智能研發(fā)中心等實體組織。百度李彥宏宣稱：“百度公司將不再是互聯(lián)網(wǎng)公司，而是一家人工智能公司”。中國移動也高度重視人工智能，于2017年發(fā)布了“九天”人工智能平臺，正努力將人工智能技術(shù)應用在 網(wǎng)絡、市場、服務、安全、管理和衍生業(yè)務等多個領域。”就如一句段子所說：現(xiàn)在混在科技圈的，如果不說自己搞人工智能，都不好意思跟人打招呼。

人工智能已經(jīng)成為了大型科技企業(yè)爭奪未來的主戰(zhàn)場，雖然尚不清楚，借助了更大的數(shù)據(jù)量（大數(shù)據(jù)）、更快的計算力（GPU）、更強的算法技術(shù)（深度學習等），過去數(shù)年間這個一度沉寂的領域，這一波的爆發(fā)能持續(xù)多久的時間，但技術(shù)發(fā)展一般都呈現(xiàn)波浪狀，大數(shù)據(jù)的一波未平，人工智能一波又起，隨著人工智能和社會各行業(yè)各領域不斷融合和創(chuàng)新，相信在這新一輪的科技革命和產(chǎn)業(yè)變革進程中，人工智能技術(shù)將扮演更加重要的角色。

人工智能的研究范疇包括自然語言處理，知識表現(xiàn)，智能搜索，機器學習，知識獲取，組合調(diào)度問題，感知問題，模式識別，神經(jīng)網(wǎng)絡等等，它的目標是希望計算機擁有像人一樣的智力能力，可以替代人類實現(xiàn)識別、認知、分類和決策等多種功能。

人工智能更是歷史悠久，1959年，計算機科學之父圖靈發(fā)表了一篇劃時代的論文《計算機器與智能》，文中提出了人工智能領域著名的圖靈測試：如果電腦能在5分鐘內(nèi)回答由人類測試者提出的一系列問題，且其超過30%的回答讓測試者誤認為是人類所答，則電腦就通過測試并可下結(jié)論為機器具有智能。1956年，達特茅斯會議推動了全球第一次人工智能浪潮的出現(xiàn)，當時樂觀的氣氛彌漫著整個學界，在算法方面出現(xiàn)了很多世界級的發(fā)明，其中包括一種叫做增強學習的雛形（即貝爾曼公式），增強學習就是谷歌AlphaGo算法核心思想內(nèi)容?，F(xiàn)在常聽到的深度學習模型，其雛形叫做感知器，也是在那幾年間發(fā)明的。第一次人工智能冬天出現(xiàn)在1974年到1980年,人們發(fā)現(xiàn)邏輯證明器、感知器、增強學習等等只能做很簡單、非常專業(yè)且使用場景很窄的任務，稍微超出范圍就無法應對。在80年代出現(xiàn)了人工智能數(shù)學模型方面的重大發(fā)明，其中包括著名的多層神經(jīng)網(wǎng)絡（1986）和BP反向傳播算法（1986）等，也出現(xiàn)了能與人類下象棋的高度智能機器（1989）。于是，大家又開始覺得人工智能可能還有戲。

然而，1987年到1993年現(xiàn)代PC的出現(xiàn)，讓人工智能的寒冬再次降臨。當時蘋果、IBM開始推廣第一代臺式機，計算機開始走入個人家庭，其費用遠遠低于專家系統(tǒng)所使用的Symbolics和Lisp等機器。相比于現(xiàn)代PC，專家系統(tǒng)被認為古老陳舊而非常難以維護。于是，政府經(jīng)費開始下降，寒冬又一次來臨。人們開始思考人工智能到底往何處走，到底要實現(xiàn)什么樣的人工智能。之后，出現(xiàn)了新的數(shù)學工具、新的理論和摩爾定律。人工智能也在確定自己的方向，其中一個選擇就是要做實用性、功能性的人工智能，這導致了一個新的人工智能路徑。由于對于人工智能任務的明確和簡化，帶來了新的繁榮。標志性事件就是1997年IBM深藍戰(zhàn)勝國際象棋大師。2011年，“深藍”的同門師弟“沃森”在美國老牌智力問答節(jié)目《危險邊緣》中挑戰(zhàn)兩位人類冠軍，又使人工智能更上了一層臺階。2016年3月15日，谷歌研發(fā)的AlphaGo挑戰(zhàn)圍棋九段高手李世石，最后AlphaGo以4:1擊敗李世石，完爆人類，由此將人工智能推向了高潮。人們開始意識到機器智能已經(jīng)在很多領域超越人類，甚至有人擔心，未來機器人會控制人類，人工智能的發(fā)展已經(jīng)到了前所未有的高度。

數(shù)據(jù)治理和人工智能，看似不相關(guān)的兩個詞，他們兩者放一起，會發(fā)生什么故事呢。

Part 3

確保數(shù)據(jù)質(zhì)量和安全是發(fā)展人工智能的第一需求

如今，企業(yè)對于全面數(shù)據(jù)治理的需求從未如此強烈。監(jiān)管機構(gòu)希望企業(yè)能更加清晰地了解數(shù)據(jù)，對它進行有效的管控；企業(yè)管理層希望理清數(shù)據(jù)資產(chǎn)，降低數(shù)據(jù)應用的復雜性，對企業(yè)進行更高效的管理；企業(yè)員工也開始認識到數(shù)據(jù)的重要性，更多地采用數(shù)據(jù)驅(qū)動的方式來開展工作。數(shù)據(jù)治理正迅速發(fā)展成一種企業(yè)核心策略，只有做好數(shù)據(jù)治理，讓數(shù)據(jù)更加準確完整，并且安全合規(guī)，才能釋放出數(shù)據(jù)的無限潛能，挖掘出更多有價值的數(shù)據(jù)應用。

而人工智能技術(shù)在應用和實踐中，確保數(shù)據(jù)質(zhì)量和數(shù)據(jù)安全是最基礎的底層保障。由于人工智能的落地應用效果會受到數(shù)據(jù)質(zhì)量和安全的影響，更多的企業(yè)開始反思并轉(zhuǎn)而去推動數(shù)據(jù)質(zhì)量和安全的提升，提供數(shù)據(jù)質(zhì)量和安全評測工具，建立好的數(shù)據(jù)環(huán)境，再進行人工智能應用的同步研發(fā)。

大數(shù)據(jù)是人工智能技術(shù)研發(fā)、訓練的關(guān)鍵，是人工智能長期發(fā)展的重要保障。只有當人工智能系統(tǒng)能夠獲取更為準確、及時、一致的高質(zhì)量數(shù)據(jù)，才能提供更有效、有用、精準性高的智能化服務。根據(jù)埃森哲在2018年4月的一份調(diào)研發(fā)現(xiàn)，中國制造企業(yè)在運用人工智能技術(shù)時面臨一系列挑戰(zhàn)。其中，52%的受訪中國企業(yè)將數(shù)據(jù)質(zhì)量列為突出挑戰(zhàn)，數(shù)據(jù)安全與網(wǎng)絡安全緊隨其后（47%）。在2017年4月的一次研討會上，圍繞人工智能話題，華為任正非提出：“高質(zhì)量的數(shù)據(jù)是人工智能的前提和基礎”。當前，不管是人工智能技術(shù)的研發(fā)，還是人工智能應用領域的發(fā)展，“數(shù)據(jù)質(zhì)量”都是一個不可或缺、位于重中之重的要素。

人工智能發(fā)展的另一個重點保障就是數(shù)據(jù)安全，人工智能系統(tǒng)的基礎是大數(shù)據(jù)，要對外提供服務，就會涉及數(shù)據(jù)的安全保護，在這個過程中，一系列的數(shù)據(jù)安全防護手段是必不可少的，如數(shù)據(jù)脫敏管理，對敏感信息的風險評估、使用監(jiān)控，對數(shù)據(jù)的泄露檢測，數(shù)據(jù)庫保密檢查等。人工智能需要海量的數(shù)據(jù)，人工智能技術(shù)的進步取決于各種來源數(shù)據(jù)的可用性，如何確保這些數(shù)據(jù)的安全性與保證用戶數(shù)據(jù)的隱私性是數(shù)據(jù)質(zhì)量之外又一個重要問題。同時，通過對業(yè)務數(shù)據(jù)應用語義計算、數(shù)據(jù)挖掘、機器學習、知識圖譜、認知計算等人工智能技術(shù)，也可以促進企業(yè)數(shù)據(jù)安全保障體系完善。因此，數(shù)據(jù)安全和人工智能兩種技術(shù)起到了相互促進、相互完善的作用。

Part 4

搭借AI東風 傳統(tǒng)數(shù)據(jù)治理悄然向“智能化”升級

經(jīng)過多年的理論更新、技術(shù)演進和應用實踐，與前些年前相比，如今的數(shù)據(jù)治理從概念到技術(shù)已經(jīng)發(fā)生了很多變化。特別是隨著這一波人工智能浪潮的重新興起，數(shù)據(jù)治理技術(shù)和人工智能技術(shù)在一些方面也開始有了結(jié)合使用，應用了人工智能技術(shù)的新一代數(shù)據(jù)治理可以稱之為“智能化數(shù)據(jù)治理”。

數(shù)據(jù)治理工作中，可以通過對大數(shù)據(jù)應用機器學習技術(shù)，作數(shù)據(jù)挖掘和分析，來識別哪些可能是用戶隱私性數(shù)據(jù)、哪些數(shù)據(jù)可能有異常，一旦數(shù)據(jù)特征被確認，打上標簽，未來再做數(shù)據(jù)管理時，就可以使用元數(shù)據(jù)管理的方法機制，對外提供服務。比如當碰到涉及的某特殊標記數(shù)據(jù)，就會有相應的流程啟動，或在相關(guān)的數(shù)據(jù)對外服務提供過程中，一旦數(shù)據(jù)涉及個人隱私，則一定要小心處理，以避免引起政策方面的風險。通過上述應用，可以增強大數(shù)據(jù)系統(tǒng)數(shù)據(jù)安全管理和元數(shù)據(jù)管理的能力。

另外，也可以在針對大數(shù)據(jù)開展數(shù)據(jù)質(zhì)量核查過程中，配合傳統(tǒng)根據(jù)預置的質(zhì)量核查規(guī)則進行核查的方式，僅針對少量核心核查規(guī)則，從大數(shù)據(jù)中選取訓練數(shù)據(jù)樣本，經(jīng)過預處理，利用機器學習算法進行深度分析，提取公共特征和模型，可以用來定位數(shù)據(jù)質(zhì)量原因，做數(shù)據(jù)質(zhì)量問題的預測，并進一步形成知識庫。這樣就可以更進一步增強大數(shù)據(jù)系統(tǒng)數(shù)據(jù)質(zhì)量管理的能力。

對于數(shù)據(jù)模型的管理，機器學習技術(shù)可用來分析數(shù)據(jù)庫中數(shù)據(jù)實體的引用熱度，通過聚類算法自動識別數(shù)據(jù)模型間的內(nèi)在關(guān)系，還可以用于數(shù)據(jù)模型質(zhì)量的檢測和評估。對于非結(jié)構(gòu)化數(shù)據(jù)的管理，像文檔內(nèi)容，圖像，音頻，視頻，更是可以充分利用人工智能中的自然語言處理、圖像識別、語音識別、視頻處理等技術(shù)。

Part 5

大數(shù)據(jù)治理如何全面擁抱AI

大數(shù)據(jù)治理，顧名思義，即基于大數(shù)據(jù)的數(shù)據(jù)治理。大數(shù)據(jù)，一般指符合4V特征的數(shù)據(jù)，包括社交數(shù)據(jù)，機器數(shù)據(jù)等，大數(shù)據(jù)對傳統(tǒng)數(shù)據(jù)治理工作帶來很多的擴展。在政策和流程上，大數(shù)據(jù)治理應覆蓋大數(shù)據(jù)的獲取、處理、存儲、安全等環(huán)節(jié)；在數(shù)據(jù)生命周期管理各階段，如數(shù)據(jù)存儲、保留、歸檔、處置時，要考慮大數(shù)據(jù)保存時間與存儲空間的平衡；大數(shù)據(jù)量大，因此應識別對業(yè)務有關(guān)鍵影響的數(shù)據(jù)元素，檢查和保證數(shù)據(jù)質(zhì)量；大數(shù)據(jù)還需要定義與其內(nèi)容相關(guān)的元數(shù)據(jù)，需與傳統(tǒng)數(shù)據(jù)定義標準保持一致，術(shù)語字典應包含大數(shù)據(jù)的術(shù)語，需要為非結(jié)構(gòu)化數(shù)據(jù)提供分類、語義支持，Hadoop、NoSQL數(shù)據(jù)庫的技術(shù)元數(shù)據(jù)也同樣需要納入元數(shù)據(jù)存儲庫管理；此外，在隱私方面，應考慮社交數(shù)據(jù)的隱私保護需求，制定相應政策，還要將大數(shù)據(jù)治理與企業(yè)內(nèi)外部風險管控需求建立聯(lián)系。

數(shù)字化時代，大數(shù)據(jù)治理應該如何和人工智能技術(shù)深度結(jié)合，人工智能技術(shù)在大數(shù)據(jù)治理領域能有哪些應用，下面提供一些簡單的思路。

數(shù)據(jù)安全管理

當前已經(jīng)有許多行業(yè)信息安全解決方案都開始使用機器學習算法來識別潛在的系統(tǒng)攻擊，通過機器學習可以建立用于檢測異常情況的“正常”行為的基線，一切不符合基線標準的異常情況都能及時預警和處理。

元數(shù)據(jù)管理

互聯(lián)網(wǎng)企業(yè)使用機器學習，分析用戶點擊過哪些鏈接，為用戶生成畫像，打上特定的標簽，來做商品、內(nèi)容的推薦和優(yōu)化用戶搜索結(jié)果。這些描述用戶消費形為、興趣偏好特征的元數(shù)據(jù)信息，已經(jīng)成為互聯(lián)網(wǎng)企業(yè)得以生存發(fā)展的核心數(shù)據(jù)資產(chǎn)。

數(shù)據(jù)質(zhì)量管理

在金融行業(yè)，銀行信用卡發(fā)卡部門很早就開始利用機器學習技術(shù)，來識別不合規(guī)的申請人、虛假申請信息以及可能存在欺詐性的交易行為。此外，既然機器學習可以識別信息系統(tǒng)中的異常數(shù)據(jù)，那它也可以檢測制成品或食品中的異常情況。企業(yè)可以通過將實體物品生產(chǎn)過程數(shù)字化，然后使用經(jīng)過訓練的機器學習系統(tǒng)來識別不符合標準或規(guī)格的產(chǎn)品數(shù)據(jù)，挑出異常數(shù)據(jù)，從而部分替代人類檢測員的工作。

非結(jié)構(gòu)化數(shù)據(jù)管理

近年來，利用機器學習的人臉識別系統(tǒng)能力一直在提高，已經(jīng)大量應用在識別已知的犯罪分子、員工上班考勤、或者識別公共場所中超出規(guī)范或違反法律的行為或活動。而醫(yī)療行業(yè)，則可以利用機器學習工具，通過對大量紙質(zhì)和圖像病例資料的訓練學習，構(gòu)建醫(yī)療知識庫，輔助專業(yè)醫(yī)護人員，診斷疾病并提出最有效的治療策略。

各類社交網(wǎng)站每天都在產(chǎn)生著大量非結(jié)構(gòu)化數(shù)據(jù)，企業(yè)可以利用機器學習技術(shù)來實時發(fā)現(xiàn)和識別潛在的問題，手寫識別、語音轉(zhuǎn)寫、自然語言處理技術(shù)也在不同場景中大量應用，可以提高人們識別、理解和處理非結(jié)構(gòu)化數(shù)據(jù)的能力。

數(shù)據(jù)共享開放

企業(yè)可以充分利用人工智能技術(shù)，以信息化、自動化方式，共享和開放一部分數(shù)據(jù)或數(shù)據(jù)加工結(jié)果，對外提供服務，提升企業(yè)競爭力。最典型的就是現(xiàn)在各種客戶服務機器人，可以使用自然語言處理技術(shù)處理回答客戶提出的常見問題，并隨著時間的推移提高答案的質(zhì)量。據(jù)悉，中國移動客戶服務系統(tǒng)中機器服務的比例已經(jīng)提升到了20%。

另外一個常見的應用領域就是營銷推薦，在許多行業(yè)中，將適合的產(chǎn)品投放到正確的位置對于商業(yè)成功至關(guān)重要。機器學習系統(tǒng)可以使用企業(yè)收集的用戶數(shù)據(jù)，根據(jù)用戶過去的購物習慣預測可能喜歡的物品，再將預測結(jié)果數(shù)據(jù)向企業(yè)電商系統(tǒng)或銷售決策系統(tǒng)開放。Facebook前科學家Jeffrey Hammerbacher曾感嘆道：“我們這一代最聰明的大腦，沒有花多少精力思考如何利用人工智能改善人們的生活，而是思考怎么讓人們點擊更多廣告…”。

數(shù)據(jù)資產(chǎn)分析

物聯(lián)網(wǎng)（IOT）的大發(fā)展提供了許多潛在的機器學習使用場景，其中就包括預測性維護，企業(yè)可以使用歷史設備數(shù)據(jù)開展預測分析，推斷機器可能發(fā)生故障的時間，使其能夠在影響業(yè)務運行之前主動進行維修或安裝更換部件。對于物流企業(yè)來說，設置時間表和路線是一件復雜而費時的工作，機器學習系統(tǒng)可以通過對交通數(shù)據(jù)的分析和監(jiān)控，幫助企業(yè)規(guī)劃貨物運輸路線及計劃，提出最有效和最具成本效益的方法。

另外，在金融市場交易中，每個交易者都希望在市場上找到能讓他們低買高賣的模式，大的金融機構(gòu)更是花費重金，使用人工智能技術(shù)針對金融交易數(shù)據(jù)做深度的分析挖掘，打造自己的量化交易系統(tǒng)，以期望能在變幻莫測的市場風云中更早一步識別潛在的風險和機會。

Part 6

讓懂數(shù)據(jù)治理的人來做人工智能

2018年5月，中國國際大數(shù)據(jù)博覽會上，中國科學院院士梅宏發(fā)表演講中表示，大數(shù)據(jù)治理體系建設是我們國家實施大數(shù)據(jù)戰(zhàn)略的重要保障，是發(fā)揮大數(shù)據(jù)作用，做大做強大數(shù)據(jù)產(chǎn)業(yè)的重要因素，也是關(guān)鍵基礎。當下，做人工智能的企業(yè)很多，人工智能的基礎就是大數(shù)據(jù)，數(shù)據(jù)首先要能互通、共享，如果數(shù)據(jù)不通，標準不一致，質(zhì)量不高，就很難做分析、建模，更談不上預測的準確性。開展數(shù)據(jù)治理則能為企業(yè)提供一個高質(zhì)量的數(shù)據(jù)工作環(huán)境，促進人工智能技術(shù)的研究和實踐?？傊?，數(shù)據(jù)治理是人工智能的基礎，想做人工智能，需要先把數(shù)據(jù)治理這個基礎打好。

對大型科技企業(yè)來說，面對日益激烈的競爭環(huán)境，企業(yè)亟需進行數(shù)字化轉(zhuǎn)型，一方面要做好數(shù)據(jù)治理，另一方面，數(shù)據(jù)治理政策也對人工智能發(fā)展發(fā)揮著重要的影響。

作為歐盟“史上最嚴”的數(shù)據(jù)保護法規(guī)，備受關(guān)注的《通用數(shù)據(jù)保護條例》（General Data Protection Regulation，GDPR）于2018年5月25日正式生效，相關(guān)組織機構(gòu)需于該生效日起遵照新規(guī)行事。一方面，GDPR適用的地域范圍不僅限于歐盟境內(nèi)，也適用于提供業(yè)務給歐盟境內(nèi)個人的境外組織機構(gòu)；另一方面，GDPR在全面加強個人信息保護、強調(diào)用戶知情權(quán)、訪問權(quán)和被遺忘權(quán)的同時，對相關(guān)組織機構(gòu)提出更為嚴格的合規(guī)要求，并以最高罰沒其全球營業(yè)額的4%或2千萬歐元（以金額較高者為準）為條例的施行保駕護航。

GDPR的制定者認為，在大數(shù)據(jù)時代，隱私權(quán)就是人權(quán)。根據(jù)這一條例，個人消費者可以享有更多權(quán)力，并通過對違規(guī)行為的嚴厲處罰，更好地保護消費者的數(shù)據(jù)資產(chǎn)和個人隱私。但同時， GDPR將會對國內(nèi)互聯(lián)網(wǎng)及商業(yè)科技公司會產(chǎn)生長遠的影響。有業(yè)內(nèi)人士表示：“如果歐盟對GDPR的執(zhí)行力度非常嚴，中國企業(yè)會“中槍”99%的條款。”對以消費者數(shù)據(jù)應用為主要業(yè)務的國內(nèi)科技公司來說，更不可能成為例外。GDPR是一部重整全球數(shù)據(jù)秩序的法令，將成為未來全球網(wǎng)絡空間規(guī)則的基石。GDPR對基于個人信息搜集和隱私驅(qū)動的中國互聯(lián)網(wǎng)產(chǎn)業(yè)收入模式將產(chǎn)生重大影響，甚至可能是顛覆性的影響。

此外，我國對個人信息保護方面，《信息安全技術(shù)個人信息安全規(guī)范》于2018年5月1日的正式實施，已經(jīng)對我國科技公司產(chǎn)生了實質(zhì)性的影響。過去幾年，隨著我國大型科技企業(yè)在人工智能領域突飛猛進的發(fā)展，從支付領域的身份識別（人臉、指紋、虹膜、語音識別）到信貸領域的大數(shù)據(jù)風控，我國科技企業(yè)通過使用消費者數(shù)據(jù)，提供了智能化服務便利性的同時，由于法律制度和文化環(huán)境等因素，在保護消費者隱私的合規(guī)性方面做得還不到位。

未來，以歐盟為代表的監(jiān)管者，拿著“GDPR”大棒，隨時對違規(guī)企業(yè)進行處罰。在這種內(nèi)外多重因素的推動下，開展數(shù)據(jù)治理，以及對數(shù)據(jù)治理的政策研究和應對，將成為企業(yè)人工智能技術(shù)應用過程中亟待解決的重大問題。

Part 7

管理數(shù)據(jù)資產(chǎn)，決勝智能時代

隨著數(shù)字時代的到來，企業(yè)在開展數(shù)據(jù)治理和人工智能研究研發(fā)工作中，兩者的結(jié)合必不可少，近年來一些互聯(lián)網(wǎng)企業(yè)在享受人工智能技術(shù)紅利的同時，存在數(shù)據(jù)認知不清、數(shù)據(jù)治理不當、客戶隱私數(shù)據(jù)使用不合規(guī)等現(xiàn)象，出現(xiàn)了不少負面事件。要防止大數(shù)據(jù)和人工智能的濫用和失控，應該從人工智能的源頭 – 大數(shù)據(jù)上開始建立科學的數(shù)據(jù)治理體系，包括數(shù)據(jù)的質(zhì)量規(guī)范、制度政策、管理流程、職責定位和技術(shù)管控工具。數(shù)據(jù)治理體系是對商業(yè)價值和用戶隱私，以及企業(yè)長期利益和短期利益選擇的基礎，建立數(shù)據(jù)治理體系是一個長期的過程，對于大型科技企業(yè)，都應當在數(shù)據(jù)治理的規(guī)范和約束下應用大數(shù)據(jù)，挖掘數(shù)據(jù)資產(chǎn)價值，提供人工智能服務。

結(jié)語

數(shù)據(jù)治理是人工智能的基礎，數(shù)據(jù)治理的目的是在業(yè)務價值驅(qū)動下提供高質(zhì)量的大數(shù)據(jù)，而人工智能本身是大數(shù)據(jù)應用的一種商業(yè)模式，數(shù)據(jù)治理和人工智能就好比一枚硬幣的正反面一樣密不可分，數(shù)據(jù)治理強調(diào)修煉內(nèi)功，人工智能側(cè)重預測未來。