新闻详情

新闻详情

首页 / 资讯中心 / 详情

二十年数据治理厂商转向语义层,推出业务智能盘点平台v2.0

发布时间:2026/11/4 22:07:29来源:尧图网络
二十年数据治理厂商转向语义层,推出业务智能盘点平台v2.0
中翰软件近日宣布基于自研Navigate OS底座和业务梳理平台v1.0正式推出中翰业务智能盘点平台v2.0。该平台定位为“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、资源盘点与业务语义本体构建三位一体的快速盘点能力。中翰软件成立于2006年是国内较早专注于企业数据治理的软件厂商之一。从2006年推出物资编码管理平台到2010年在国内推出主数据管理概念再到2013年提出“静态数据中心”理念其发展轨迹与中国企业数据治理的演进基本同步。中翰软件是数据质量和知识专家。不过传统数据治理长期存在“重技术采集、轻业务梳理”的问题企业投入资源建设数据中台数据质量报告看似达标业务端却依然“查不准、看不懂、用不上”。Gartner 2024年数据显示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落地生产环境的主要瓶颈。中翰业务智能盘点平台的核心设计理念是“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语义识别作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。平台将传统分散的多项梳理工作整合为一次闭环作业。指标梳理方面平台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目录体系报告一键导出。资源盘点方面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。本体建模方面平台将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”。平台的方法论根基来自FDE式业务梳理工作法。中翰将这套方法论沉淀为软件工具AI负责预抽取专家负责确认人工确认样本回流至抽取层持续修正后续抽取结果。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。在产品定位上中翰业务智能盘点平台选择“轻量化、解耦式、标准化”路线预留标准化接口可对接主流AI中台、知识中台、数据中台、大数据平台及数据治理平台等无需深度定制开发即可完成能力嵌入、数据互通和功能联动。其前身业务梳理平台已在多个大型企业项目中验证核心逻辑v2.0的关键跃升在于AI能力的全面注入——从“工具辅助人工”升级为“AI主导、人工确认”。在AI落地进入深水区的当下该平台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
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/4 15:56:54

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/3 12:09:35

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/4 17:01:23

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/4 12:33:12

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/4 1:25:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/4 3:51:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉