Gen AI重塑主数据管理：加速效率与智能化

主数据管理（MDM）作为组织运营的核心，致力于提供共享定义以支持运营、报告和分析。然而，实际实施中，MDM往往难以达到预期效果，受制于人工操作和高度依赖的专家团队。随着数据量的增长和业务变化的加速，这些模型逐渐失效。

生成式人工智能（Gen AI）的引入，将改变这一现状。它凭借上下文感知、模式识别和自动化，让匹配更智能、数据更丰富、管理决策更一致，且问题解决速度更快。MDM开始从控制功能转向更具适应性和可扩展性的模式。

本文探讨了传统MDM为何需要变革，以及Gen AI的真正价值所在。我们将介绍它如何融入现有的MDM架构，并通过具体案例展示其在实践中的应用。

为什么主数据管理需要演进

MDM一直是数据驱动型组织的核心能力，但面临数据量更大、数据源更多样化、变化速度更快的挑战。传统MDM难以跟上时代的步伐。

反复出现的挑战包括：

• 数据质量与一致性：确保数据的准确性、一致性和可靠性是MDM的基石，但在多元化数据源和大数据量的生态系统中，维护数据质量愈发困难。
• 手动工作量：数据管理、去重、规则调优和异常处理主要依赖人工，拖慢了工作速度，并将可扩展性直接与人力挂钩。
• 可扩展性：随着数据量增长，许多MDM平台难以在保持性能的同时有效执行治理和完整性。
• 主数据管理广泛化：主数据访问权限通常仅限于专家，限制了协作，使业务团队与数据保持距离。
• 数据丰富：利用第三方或外部来源丰富主数据可创造价值，但成本高昂、速度缓慢且难以大规模实施。
• 复杂的数据关系：现实世界中实体间存在深层次的联系，传统MDM模型难以清晰表示和维护这些关系。

若要保持MDM的相关性，必须从根本上解决这些局限性。这正是Gen AI的价值所在。

增强核心MDM功能

人工智能时代不会取代核心MDM功能，而是通过引入上下文关联、学习和自动化，改变这些功能的执行方式。目前这些功能主要依赖于人工操作和僵化的逻辑。

Gen AI可增强MDM的核心功能（如图2所示），具体如下：

• 智能管理：传统MDM需人工审核管理队列，而Gen AI通过自动排序、提出解决方案并解释建议操作原因来辅助。
• 基于上下文的标准化：传统标准化依赖固定规则、参考表和模式匹配。Gen AI使用大型语言模型和RAG技术添加上下文信息。
• 无需固定阈值的智能匹配：传统匹配依赖评分模型和阈值，难以应对数据变化和极端情况。Gen AI利用语言模型进行语义比较。
• 更智能的生存决策：传统MDM依赖静态源排名或属性级规则。Gen AI引入上下文评估，根据数据质量信号和上下文判断哪个值最可靠或最合适。
• 上下文感知数据质量管理：基于规则的检查侧重于格式和完整性，但会忽略语义错误。Gen AI能结合上下文评估数据。

AI在MDM的三个核心功能

Gen AI通过变革数据质量、数据管理和数据管控这三大基础组件，强化了主数据管理（MDM）。以下示例说明Gen AI如何在不改变MDM基本职责的前提下改进日常执行流程。