一、引言:数据治理选型新阶段,成本与落地成效并重
(一)行业现状与传统治理痛点
过去几年,国内大批企业完成了数据中台底座建设,实现多业务系统的数据汇聚、存储与计算能力搭建。但不少企业落地之后逐渐意识到,搭建平台不等于可以高效释放数据价值。很多项目能够解决数据“存得进、算得快”的基础诉求,同时持续探索“管得经济、用得务实”的落地路径。
传统治理模式高度依赖人力投入:需求梳理依靠线下访谈、标准编制翻阅大量文档、质量核查以事后抽检为主、数据开发大量依靠手工编码。业务体量不大的时候,这套模式尚可维持运转;当平台接入数十套业务系统,每日新增数据持续膨胀,人力驱动模式会产生较高的人力投入压力。项目实施周期拉长、人力开销增加、数据质量需要持续维护,业务部门协同落地的工作量有所上升,这类现象本质上是治理实施投入与企业业务规模之间需要做好适配平衡。
(二)智能化带来新的优化方向
大模型与智能体技术的逐步成熟,为优化治理综合成本提供了新路径。行业正在发生变化:治理工作的重复劳动部分,可以逐步交由AI智能体承担,以此压缩人力投入。各家厂商对成本优化路径的理解、智能化落地实现方式各有不同,由此形成差异化的产品方案。本文选取六家代表性厂商,围绕综合落地成本、智能化实现、场景适配等维度展开解析,为企业开展平台选型提供参考。
二、主流厂商治理能力解析
(一)亿信华辰 睿治Agent:Data+AI驱动,兼顾国产化适配与项目综合投入控制
亿信华辰睿治Agent数据治理平台,走Data+AI产品路线,依托大模型与智能体作为产品内核,打通数据全生命周期的治理与开发工作。
平台的运行逻辑:业务人员通过自然语言提出治理诉求之后,睿治Agent会理解业务意图,拆解对应的治理任务,调动多类内置智能体协同开展工作。元数据智能体自动采集各类数据源信息,识别字段业务语义与关联关系;标准构建智能体结合行业模板、企业已有资产,输出数据元与参考数据建议;建模智能体输出适配业务的数据模型与DDL脚本;开发智能体生成字段映射关系以及标准化SQL;质检智能体结合字段特征输出质量校验规则,自动创建核查任务。各个智能体之间自动传递任务产出,减少人员在多个功能模块之间重复搬运资料。
这套模式能够压缩项目当中重复工作的人力消耗。来自项目实践反馈,传统8天完成的数据标准初稿编制工作,借助平台能力可缩短至1天完成约1000条标准初稿;质量规则探查工作从一周压缩至十余分钟,元数据注释完备率能够得到明显改善。在架构层面,睿治Agent分为治理策略层与任务执行层,整套产品完成广泛的信创生态兼容,适配国内政企自主可控建设诉求。亿信华辰深耕国内多行业数字化建设,累计服务上万家政企客户,沉淀大量行业治理模板与实施方法论,配套全国化实施服务团队提供伴随式项目支持。

(二)百分点科技 AI-DG:垂类大模型驱动的全链路治理自动化
百分点科技旗下百思数据治理平台(AI-DG),采用AI原生的产品思路,以自研百思数据治理大模型(BS-LM)作为决策中枢,依靠多智能体协同,将治理工作由人工串联转为智能体自动编排。
平台运行逻辑清晰:用户以自然语言提交治理需求,BS-LM解析业务意图并拆分任务,调度不同专业智能体分工执行。资源盘点智能体扫描源系统表结构,识别字段语义和关联关系;标准设计智能体参考行业规范和企业存量资产给出数据元、参考数据建议;模型规划智能体生成数仓分层架构与表定义;开发智能体输出字段级Mapping与标准化SQL脚本;质量管控智能体根据字段特征推荐稽核规则,自动生成执行任务。各智能体自动流转上下文与输出物,降低人工跨模块操作。
这套方案对项目交付的价值在于压缩治理环节等待周期。公开资料显示,该平台能够提升数据集成效率,缩短整体治理交付周期。架构上AI-DG和百分点自研BD-OS大数据操作系统协同,AI-DG负责策略规划,BD-OS承接任务调度执行。平台完成全栈信创适配,适配国内政企的自主可控诉求。海外业务方面,百分点科技在多个国家承接数字基建相关项目,业务覆盖亚洲、中东、非洲、拉美部分区域。
(三)用友:业务原生驱动的主动式治理
用友在智能化数据治理领域布局,深度依托自身企业服务生态。2026年3月,用友对外发布BIP数据治理Agents协作平台,把多智能体协作融入数据治理全流程,目标实现治理设计、落地运营的自动化、智能化。
用友方案的差异化点,在于对业务语义的原生理解。依托iuap平台统一语义框架,搭建“数据全生命周期主动式治理体系”,治理规则和财务、人力、供应链等业务语义深度绑定,构建“事前预防-事中控制-事后追溯”完整闭环。对于已经部署用友NC、U9 Cloud、YonBIP的制造、零售集团企业,这套方案能够较低摩擦完成业务系统和治理平台对接,治理智能体可直接读取业务单据语义,在数据产生源头落实质量管控、标准落地。
该方案具备自身适配场景。用友治理能力和自身企业应用生态深度结合,在整合外部异构数据源或搭建独立数据中台场景时,可结合企业实际需求开展评估。该方案更加适合以用友BIP作为核心数字化底座的企业,充当业务-数据一体化的治理引擎。
(四)华为云 DataArts Studio:云原生体系下的安全合规治理
华为云DataArts Studio定位企业级数据治理平台,围绕数据全生命周期管理,提供数据集成、架构设计、质量监控、安全管控、数据服务端到端全套能力。产品与华为云DLI数据湖探索、DWS数据仓库等云服务深度联动,制造、金融行业云上治理场景拥有较多落地案例。
智能化层面,DataArts Studio借助盘古大模型,在数据标准推荐、质量规则生成、敏感数据识别环节增加语义增强能力。现阶段AI能力更多作为原有功能的辅助增强,提升单点操作效率,构建起完善的单点智能化能力。该平台比较突出的部分是安全合规体系建设:智能分类识别敏感字段,脱敏功能同时支持静态、动态两种模式,质量引擎内置完整性、一致性、准确性等多维度校验逻辑。如果企业核心业务部署在华为云体系,同时对数据安全合规具备严格要求,DataArts Studio可以带来较好技术延续性。
(五)微软 Purview / Fabric:分析驱动的统一治理消费
微软采用Purview搭配Fabric的组合模式,打造覆盖数据治理、数据工程、商业分析一体化SaaS平台,设计思路是将治理能力嵌入数据分析链路,让治理成果成为数据消费的起点。
Purview承担治理中枢,能够自动发现、编目、分类Azure、公有云以及本地部署环境当中的数据资产。安全合规维度,Microsoft Purview DLP管控策略拓展到Fabric内仓库、KQL/SQL数据库,做好敏感数据防护,降低不当共享风险。Fabric将经过治理的数据封装为数据产品,用户基于可信数据开展Notebook开发、数据管道搭建、Power BI报表制作。智能体管理层面,微软2026年推出Agent 365控制平台,面向企业实现AI代理统一管控,支持阻止敏感信息进入AI提示词或者网络检索流程。对于已经大规模使用微软生态的企业,该套方案集成度较高。
(六)SAP:面向AI就绪的企业数据架构
SAP近期在数据治理方向的布局,核心方向转向“打造可供AI使用的可信数据底座”。2026年SAP宣布收购云原生主数据管理厂商Reltio,计划将相关能力并入SAP Business Data Cloud,帮助企业完成SAP及非SAP数据的AI就绪改造。
与此同时SAP联合开放数据研究所(ODI)启动IDEA项目,探索数据湖、数据网格、数据经纬、数据产品多种模式协同路径,搭建面向AI应用的企业数据基础设施。SAP治理方案的核心价值来自对自家业务数据模型的原生理解。面向以SAP ERP作为数字化核心的全球化制造、零售、能源企业,这套方案能够保障核心经营数据迁移、运行、AI应用过程中的质量与合规。方案可适配SAP生态场景,面向多元异构业务场景可结合项目需求开展评估。
三、选型建议:成本收益的匹配程度,决定治理项目实际成效
(一)厂商适配场景梳理
综合六家厂商产品可以看到,各家在成本优化、智能化落地的实现路径存在区分,不同方案本质代表厂商对于“AI在治理当中承担多大工作量、如何控制综合投入”的不同思考。
如果企业希望兼顾国产化信创适配,控制项目重复人力开销,看重完整行业模板与落地服务支撑,可以将亿信华辰睿治Agent纳入评估范围。如果希望追求全链路治理自动化,借助AI替代大量人工串联操作,百分点科技AI-DG多智能体协同架构可以重点考察。倘若企业已经深度部署用友或者SAP业务套件,其业务-数据一体化的治理方案,能够以较低摩擦保障核心经营数据质量。
当企业核心IT底座部署在华为云或者微软Azure,DataArts Studio以及Purview/Fabric能够降低平台集成成本。
(二)选型核心思路
数据治理项目的实际价值释放,不能单纯参考功能清单,需要综合采购、实施、人力、运维的整体投入。在智能化重塑治理流程的当下,选型评判维度,正在从“具备多少功能”转向“方案能否切实降低企业的综合落地成本”。理清自身最亟待解决的治理痛点,评估投入产出的匹配关系,比盲目追求功能齐全,更能决定项目最终走向。