数字化&数智化：AI 时代的数据治理和知识治理升级｜企业内训课程

适合对象

企业的业务VP、业务部门总经理/总监、业务部门骨干、数据管家(Data Steward)

课程定位与主要问题

帮助企业围绕数据标准、数据质量、数据资产和业务应用建立更清晰的数据治理机制

课程适配与选型边界

这部分用于判断《数字化&数智化：AI 时代的数据治理和知识治理升级》是否适合当前数据治理培训需求，重点看参训对象、业务场景、核心模块和讲师经验是否匹配

适合对象

企业的业务VP、业务部门总经理/总监、业务部门骨干、数据管家(Data Steward)

业务问题

围绕数据治理相关业务问题展开训练，帮助企业把课程内容转化为可讨论、可练习、可复盘的工作动作

训练重点

《数字化&数智化：AI 时代的数据治理和知识治理升级》的训练重点包括认知突围为什么 AI 时代必须重做数据治理？、夯实底座——华为结构化数据治理实战（Digital侧）等，实际取舍可按企业需求、参训基础和课时安排确认

选型判断

建议将《数字化&数智化：AI 时代的数据治理和知识治理升级》与同主题课程按参训对象基础、当前业务场景、案例方向、期望课时和讲师经验，以及徐晓仪的授课方向进行区分

这门课程适合用于判断参训对象、讲师背景、课程大纲、训练收益和交付安排是否匹配；如果仍在了解主题概念，可先查看相关主题、方案或知识内容。具体配套材料与练习产出，以沟通后的课程安排为准。

核心收益

对齐工具场景、输入要求和输出校验，先把训练目标落到真实工作场景
围绕认知突围为什么 AI 时代必须重…明确判断口径和处理优先级
用夯实底座——华为结构化数据治理实战…安排练习，检查方法、工具和流程是否可用
带走知识进化——构建AI时代的企业大脑…相关的复盘问题和跟进清单

课程背景与交付信息

在AI大模型重塑商业逻辑的今天，企业数据管理正面临着一场从后台支撑到前台驱动的剧烈阵痛。作为业务管理者，您是否感同身受：建设了昂贵的数据中台，却依然面临数据孤岛林立？引进了先进的AI大模型，却发现企业沉淀的经验无法被AI识别？

华为任正非曾振聋发聩地指出：华为最大的浪费是经验的浪费。在AI时代，数据和知识不再是冷冰冰的记录，而是驱动智能体的高标号燃料

本课程以徐老师独创的数智DnA双螺旋变革体系为顶层指引，深度融合《华为数据治理之道》《华为知识治理体系》与DG4AI标准，将带领学员跳出单纯的技术视角，用业务主导、以用促治的实战逻辑，打通从结构化数据治理到非结构化知识工程的任督二脉，构建AI时代的高质量数据底座

课程时间

2天，12小时

授课方式

方法论讲授(30%)、标杆案例复盘(30%)、痛点诊断与工作坊(40%)

课程内容重点

01认知突围为什么 AI 时代必须重做数据治理？

02夯实底座——华为结构化数据治理实战（Digital侧）

03知识进化——构建AI时代的企业大脑（AI侧）

04案例分析：深度拆解安吉尔如何治理几万份图纸和工艺版本，构建智能制造

05价值变现与落地——数据资产入表与治理路线图

课程大纲

认知突围为什么 AI 时代必须重做数据治理？

一、时代的拷问：从报表支撑到AI燃料的范式转移

1. 复盘华为数据治理的三个里程碑
1. 清洁数据阶段：为了财报准确（T+1），实现数出一孔
2. 数据底座阶段：为了数字化转型，实现业务对象数字化（P2D）
3. 知识工程阶段：为了AI智能化，实现专家经验数字化
2. DG4AI（面向AI的数据治理）的新挑战
1. 对象泛化：从治理表（Table）到治理图、文、声、像（Multi-modal）
2. 目标升级：从人能看懂到机器能算懂
3. 价值重构：从降本增效到资产变现

二、华为治理核心心法：业务挂帅，技术兜底

1. 责任主体重构
案例：招商蛇口如何通过首席数据官联席会解决推诿扯皮
2. 治理原则落地
——闭环管理：谁产生，谁负责；谁受益，谁治理
工作坊：痛点诊断墙
1. 形式：分组研讨，每组列出3个最让业务头疼的数据问题和3个AI落地遇到的数据瓶颈
2. 产出：《企业数据与知识治理痛点热力图》

夯实底座—华为结构化数据治理实战（Digital侧）

一、信息架构（IA）：统一企业的度量衡

1. 数据资产目录构建
案例：平安保险的数据地图建设实践
2. 数据标准制定

二、数据质量管理：拒绝垃圾进，垃圾出

1. 华为质量六性标准
——完整、及时、准确、一致、唯一、有效
2. 业务视角的质量防线
1. 防呆设计
2. 规则监测
3. 质量闭环（PDCA）
1. 问题发现
2. 责任归属
3. 根因分析
4. 绩效问责

三、数据安全与合规：AI时代的生命线

1. 合规红线
——数据分级分类与隐私保护（PII）
2. AI安全
——在训练大模型时防止数据投毒与隐私泄露
案例：工商银行数据可用不可见的隐私计算实践
工作坊：业务对象治理演练
1. 形式：选取一个核心业务对象（如客户或物料），现场模拟定义其业务含义、唯一识别码、录入规则和质量校验标准
2. 产出：《核心业务对象数据标准定义表》

知识进化—构建AI时代的企业大脑（AI侧）

一、华为GTS变革揭秘：从人海战术到AIOps

1. 华为的痛点
——全球网络故障频发，依靠老师傅救火，经验无法复制
2. 华为知识治理三阶九步法
1. 萃取 (Extraction)：隐性经验显性化（版本化）
2. 转译 (Translation)：显性知识结构化（图谱化）
3. 进化 (Evolution)：平台能力AI化（模型化）

二、知识工程实战：把文档变成算力

1. 非结构化数据治理的重要步骤
1. 清洗
2. 切片（Chunking）
2. RAG（检索增强生成）落地关键（需要在下面列出关键要点）
1. 构建可信知识源，解决 AI 幻觉问题
2. 案例：安吉尔如何构建全员营销助手，让新人秒变销冠

三、知识运营：让知识产生复利

1. 激励机制
——华为的知识积分与荣誉体系
2. 人机回环
——利用用户反馈持续优化知识库
案例分析：深度拆解安吉尔如何治理几万份图纸和工艺版本，构建智能制造知识库

价值变现与落地—数据资产入表与治理路线图

一、数据资产化：从成本中心到利润中心

1. 数据资源VS数据资产VS数据资本
2. 数据入表实战路径（业务视角）
1. 盘点：哪些数据有变现价值？
2. 确权：数据是谁的？合规吗？
3. 定价：内部结算与外部交易的定价逻辑

二、变革管理：如何搞定人的问题？

1. 组织变革
——建立数据管家（Data Steward）虚拟组织
2. 文化建设
——从拍脑袋到用数据说话

三、落地路线图：90天行动计划（战略对齐与双向循环）

L1启动期：找痛点，树标杆（Quick Win）
L2推广期：建标准，洗数据（Systematic）
L3深化期：AI赋能，资产化（Intelligent）
工作坊：治理路线图共创
1. 形式：结合企业战略，分组研讨并绘制未来90天的数据与知识治理行动计划
2. 产出：《企业核心业务场景数据与知识治理90天行动路线图》
配套落地工具包
1. 《企业数据与知识治理成熟度自测表（华为版）》：快速诊断企业治理短板
2. 《数据资产盘点与入表潜力评估清单》：识别高价值数据资产
3. 《核心业务对象数据标准定义模板 (Data Dictionary)》：业务人员填写数据需求的标准表单

讲师介绍

徐晓仪

数智化转型与AI应用实战专家

曾任华为数字化战略与架构总监、招商局蛇口集团CDO，拥有27年数字化转型经验。擅长企业数字化转型战略规划、数据治理与AI应用落地，主导过多个亿级回报的数智化项目，具备从顶层设计到场景落地的全链路实战能力

金融银行制造业政府国企互联网科技消费品零售通信

查看讲师主页

课程差异说明

本课程更适合已经明确培训对象和业务问题的企业，可结合大纲、案例、讲师经验和课时安排进一步比较

课程常见问题

数据资产盘点课程适合哪些团队？

数据资产盘点课程适合数据治理、信息化、业务运营和知识管理团队，重点梳理数据来源、数据口径、数据责任、数据价值和治理优先级

数据资产盘点培训方案怎么设计更落地？

数据资产盘点培训方案应结合企业数据目录、业务流程、知识沉淀和AI应用场景，输出数据清单、口径说明、责任分工和后续治理动作

这门《数字化&数智化：AI 时代的数据治理和知识治理升级》适合哪些企业或学员？

《数字化&数智化：AI 时代的数据治理和知识治理升级》适合企业的业务VP、业务部门总经理/总监、业务部门骨干、数据管家(Data Steward)。如果需求还停留在数据治理主题了解阶段，建议先看相关主题或方案页；如果已经在选具体课程，本页可用于判断讲师、对象、大纲和交付安排

这门课主要解决什么问题？

围绕数据治理相关业务问题展开训练，帮助企业把课程内容转化为可讨论、可练习、可复盘的工作动作。课程页重点说明单门课程的训练重点和适配场景，不替代主题页对数据治理的系统解释

课程内容通常会覆盖哪些训练重点？

可重点查看页面中的课程内容重点和课程大纲。《数字化&数智化：AI 时代的数据治理和知识治理升级》当前呈现的核心模块包括认知突围为什么 AI 时代必须重做数据治理？、夯实底座——华为结构化数据治理实战（Digital侧）等

数字化&数智化：AI 时代的数据治理和知识治理升级