资料治理今年又将再度成为企业CIO的重要课题和话题。AI技术的蓬勃发展，过去几年掀起了一股企业AI化的浪潮，一段时间後，企业往往发现，AI模型成功关键，不只是技术，还要有好的资料，尤其AI模型需要不断优化校正，需要有源源不绝的数据和资料来支撑。
许多企业看到了AI的威力，但也发现手上资料不敷使用的窘境。这两年许多大企业，在积极拥抱AI之後，反而过头来重新蹲马步，盘点和梳理手上的大数据，甚至乾脆重新建置资料搜集机制、整合更多资料管道和来源，重新设计资料工作流程，建置新一代的资料湖或云端资料仓储，都是为了储备AI武器需要的数据弹药库。
不过，企业手上的资料越多，越广，越多元，就会面临资料治理（Data Governance） 的新课题。
如玉山金控在2020年完成核心系统转换後，就成立了资料治理小组，由玉山金控科技长张智星担任小组召集人，成员横跨全金控，为了实践资料治理，甚至不惜推动大规模组织改造，就是解决AI高度内化後的资料治理需求。
不只是天生高度数据化的金融业为了AI而展开资料治理，就连制造业也都要拥抱资料治理。
像是友达光电，花了7年时间，一步一步，从自动化发展到智能化的智慧制造，早从2015年展开大数据蒐集工程开始，在工厂内部署了2万多个IoT感测器，蒐集机台及周围环境的大量数据，将生产流程全面数位化，来建置完整的资料商城，隔年完成大数据平台，累积够多资料後，在2017年进行AI概念验证。2018年，友达开始善用大数据和AI技术来强化制造和管理，也将智慧制造导入到研发、供应链智慧化管理等。
到了2021年10月，友达上线的AI模型数突破2,000支。友达内部甚至发展出了一个Al市集平台，上面有各厂团队自行开发的AI应用，从设备检测维修、AOI＋ AI缺陷检测、电脑视觉侦测、制程品质监控、异常侦测到智能节能等。
AI发展高度成熟後，友达在2021年订定下一个五年的数位转型计画，资料治理正是关键第一步。友达IT或数位部门为了推动资料治理，要重新盘点、梳理资料，确保各部门或工厂，甚至不同供应商资料定义一致性，包括资料型态与栏位等，就是要将以前每一个单点的数据流程全面打通，相互串连，来实现数位全流程的自动化或智慧化。
还有更多企业，都在这2年开始投入或资料治理，像中华电信在2022年中，公开了三层架构的资料治理战略，就是为了解决资料使用3大痛点，包括了巨量资料查询不易、资料品质不一，以及资料存取权限欠缺统一标准问题。这是很多企业AI扩大规模时常见的痛点。
而Line与雅虎日本整并後在首次联合技术大会中，公开了自家超大规模资料平台IU和搭配的机器学习平台MLU的最新变革，就是为了解决资料治理需求。
IU支援了Line内部超过200项服务，储存了400PB的HDFS资料，超过4万个Hive表格，每天要执行15万个任务，但是，这麽庞大又复杂的资料应用需求下，的资料流程越来越复杂，一旦发生问题，想要找出资料间的关系，越来越困难。Line的对策，就是打造资料血统机制，来落实资料治理。
「可以掌握资料间的关联，就可以很容易知道如何管理庞大资料，来提高再利用效率，更可以在安全和治理的角度下，来使用这些资料。」Line技术长Tomohiro Ikebe透露了，资料血统上线後最大的效益。这项功能已经成为Line内部79个服务和部门天天都要用的功能。
两大云端巨头也嗅到这股资料治理需求潮，Google和AWS先後在2022年各自的年会上，都不约而同都聚焦云端资料仓储和云端大数据分析领域，将资料治理视为主打特色之一。
从指标企业的经验可以看到AI高度发展後，资料治理需求也更加重要，技术厂商也看上这股需求抢推新工具，随着更多企业想要重用AI，整合各类型资料，势必得更加落实资料治理的实践。
相关报导