高质量的数据与知识治理，让 AI决策更靠谱！

2025年11月17日

2025 年，DeepSeek 带火 “大整治 + RAG” 玩法后，非常多优势的商家出现，尽管说就做出信息库综合环境净化，而且大部门商家的信息库的基础还并不会满足 AI的运用所系统阐述的新要，始终无法很好支撑力AI的高实用价值消费场景落子。因为，在面对AI用落子的市场需求，商家做信息库综合环境净化时，需用合成生活常识综合环境净化，为商家决策程序作为充分的很好的信息库与生活常识来而铺展开的，为AI作为“高各种营养成分摄入含水量的粮草”。

找出3 个 “拦路虎”

别让知识变 “废柴”

AI 建设方式的转变后对企业私域数据的治理要求也变了。去年的核心是 “为模型训练准备数据”：垂类模型依赖高质量的专属数据集，数据治理聚焦结构化数据的准确性、完整性、多样性。而今年转向了“为检索准备多样化的知识”。很多企业卡在三个痛点：

痛点 1：非结构化知识 “躺平”，大量隐性知识没被激活

的机构里大有些统计数据分析是表格、视頻、IoT 笔记这一非组成化统计数据分析，但许多的机构还在使用 “文书夹类别” 的老妙招处理。打比方开家制做的机构，不少机械处理工作手册散在的不同的机系统，只有 PDF 扫码件，只有 Word 草稿，AI 搜索时要不就 “读不懂得” 扫码件的笔写批注，要不就分不清楚的不同的安卓版本的对比。

更头疼的是，他们常识已经持续不断的上升：没月添加了合作合同、售后客服聊天沟通纪录等，却没得管 “哪一些该归档文件”“哪一些要标示重要的信心”。他们 “躺平” 的常识，然而是公司的 “隐型股权”，却而且没管控，成为了 AI 索引的 “依赖”。

痛点 2：知识切片 “乱切”，RAG 变成大海捞针

那怕非形式化统计数据梳理了，AI 搜素还是要不对，一些问题也许出在 “薄片” 和 “招回通知” 上。词有某互联网金融行业，把一组贷款新政策pdf文件 “刀刀切” 分为多段，的结果 AI 要找独特免责条款时，有关方式被拆在诸多薄片里，招回通知时只逮住区域，自然的给用不了确切改进措施。

这正是“不足条件化的薄片与通用召回通知管理机制”：有的薄片太粗，把各不相同主题风格混迹分着；有的薄片太细，被破坏了的知识基础基础的方法关系；通用召回通知汉明距离只认 “重要性词筛选”，并不会体谅 “同义词”—— 譬如 “违约合作方” 和 “欠佳个人信用合作方” 但是不是回事儿，AI 却做为两种什么概念。但是有的知识基础基础，AI 却 “并不要用到”，比没的知识基础基础更另人焦躁。

痛点 3：知识治理 “没规矩”，AI 输出不可信

只是与技能的水平审签没紧随，致使只是与技能的时间性、精确性性、专业性性無法检验。

无数商家不存在制定的规责：谁能提供的常识的 “更新换代耗时标示”？咋样认证的常识的 “精确性”？更新换代的的常识什么及早下市？最终结果那就是 AI 应用场景 “带着异常再次的常识” 传输小编建议，管控层如果用的不对，损毁将不易估量。

AI应用下的数据治理

三个 “转向” 很关键

在针对商家AI应运落子具体需求下的资料综合制理，并不会十分简简单单的 “换平台”那么好十分简简单单，然而是要 “换方法”。资料综合制理有八个关键转向系统：

转向 1：治理目标，从 “喂饱模型” 到 “帮人决策”

前年无数厂家做信息综合综合治理，是要想训炼垂类型号，重中之重是 “信息准不定”。但这些年，综合综合治理梦想会变成了 “让 AI 能提出可信度的管理程序可以”。打比方销售业务管理者问 “此玩家该绝不能推高客市场价类产品”，AI 要能尽快信息检索到 “玩家历史时间购物、信用度评分、产品报告” 等基本内容，提出有证据的可以。简略说，以往是 “为型号打算信息”，当今是 “为管理程序打算基本内容”。

转向 2：治理对象，从 “结构化数据” 到 “多模态知识”

去统计大数据源生态环境源头治理的体系化是 ERP、CRM 里的形式化统计大数据源（打个比方合作方名姓、质感合同书额），但2019务必涵盖 “全多种类型只是”：合同书、要求等文档文件；机械设备运营、平台操作使用等平台日志；道路施工照片头像、软件设计图纸等影像平台。生态环境源头治理的体系化也从 “的规范化的统计大数据源” 换成 “缴活只是”：把扫描器件里的文本 “读而来”，把短视频里的核心部骤 “标而来”，把分散化在区别平台的只是 “连了起来”，就如同把掉落的天然珍珠串成项链坠，AI 性能 “拎得动”。

转向 3：治理模式，从 “项目式突击” 到 “常态化运营”

收尾许多工业企业做资料分析综合防治，是 “搞该大型项目”：找大型项目团队汇集时候段收集资料分析，该大型项目收尾就停了。但这些年来，生活常识日常还在汇总、的变化，举个例子来说新的该行业实验室管理标准颁布了、客人需求量更换，综合防治须得 “跟随着金融产品走”。

这就需要 “自动化工具 + 长期组织”。用友建议可以用 DataOps 工具自动同步新数据，用智能体定期检查知识质量，再成立专门的 “知识治理小组” 负责规则制定、问题整改。

用友BIP企业AI

为AI应用搭起 “高速路”

的资料信息与技巧是数智化的核心内容种植因素，工厂是须得勾勒规范的的资料信息APP，整理分离在工厂各点的的资料信息与技巧，依据清理、提示、绘制以及图谱化、向数量化等环节，产生要求化、优质化量的的资料信息资源与技巧，为优质战略决策、自动化推广打造支持软件，处于AI打造优质化量的的资料信息与技巧的供求平衡。那些都是须得工厂进一步加强与更强地深入推进的资料信息制理与技巧制理。

1、破 “非结构化空白”：用平台激活隐性知识

而对非架构化相关知识 “躺平”，用友的层面是 “先优势互补，再打造”：

全类型知识接入：用友 BIP 的 “企业数据云”，作为底层支撑，汇聚了企业业务大数据、企业知识资产数据以及用户行为数据，为上层模型和应用提供丰富且关键的数据源。

YonGPT 模型矩阵支撑：YonGPT2.0 升级的模型矩阵里，有专门的多模态大模型，可以低成本的选择适合企业场景的模型。友智库基于YonGPT构建的企业级数智化搜索平台，聚焦企业知识管理与智能搜索场景，可支持非结构化数据的搜、问、推、创等知识库场景。提供“沉浸式”对话交互体验，助力企业快速获取行业、领域及内部知识资产。

友智能厨卫让知识基础没处不

2、破 “切片召回不匹配”：让检索结果准确

采取薄片乱、通用召回难，用友的 RAG 方框进行 “专项计划优化调整”：内容储备储备薄片不算 “1刀切”，然而按 “内容储备储备道理” 切。诸如一件装修合同协议，会按 “装修合同协议法律主体、知情权必要、拖欠职责” 对半分相对应薄片，ex表格统计资料另外做 “节构化净化处理”，禁止关键所在个人短信被拆；因为中小型制造业品牌私域的内容储备储备库、内容储备储备图谱，将内容储备储备置入国际销售部。中小型制造业公司级统计资料与内容储备储备库的层次合并，将中小型制造业品牌内部组织的国际销售部统计资料和用友网络科技经验值流量转化为内容储备储备状态，利用工厂、之间关系和属性的确定，利用内容储备储备图谱搭配这样节构化的内容储备储备网洛。在这样网洛中，中小型制造业品牌的设备个人短信、用户统计资料、国际销售部步骤等要素之间关联性，为 AI 建模打造了这样全面性且语义多的内容储备储备理论知识。

3、破 “治理没规矩”：需要专业组织来保障

针对于生活常识基础点质量水平没有效基本保障了，用友、感觉必需有相关的团队来常年全权负责的的数据报告与生活常识基础点的标准化管理，从作业规范、方案已经内层与人沟通的很卡性因素有效基本保障了的的数据报告与生活常识基础点综合治理作业。这一项团队指标体系应明确责任部门标准化管理职责来划分、加速部门协同合作标准化管理协同合作、要具备职业技术实力，并持续性寻找合作伙伴问题解决，以支撑点中小型企业的的的数据报告与生活常识基础点标准化管理营销活动。

因为保证质量基础小基础基本常识点话题讨论的精准性，用友RAG框架图在word表格文件介绍、word表格文件AI数据检索召回通知原则上当了淬硬层改进，能够选择各种不同非结构类型化word表格文件开展加快检索，选择销售保险业务基础小基础基本常识点库规定搭建销售保险业务标签设计，通过基础小基础基本常识点图谱推动基础小基础基本常识点的相关联化和组织体制化，最好可能的大幅提升基础小基础基本常识点话题讨论的精准性，以有效确保能在顶目商用机时候中应用为潜在客户万物互联。

公司企业公司AI 使用，如果的知识基础是不是乱的、搜素是不是难的，再高级的大实体模型也未能利用出来社会价值量。用友BIP公司企业公司AI让 AI 能迅速的启用的知识基础，如下好点的管理意见建议，让AI真正意义利用出来社会价值量。

的企业AI落子方向

電子书安装