在过去的十余年间，中国的大数据产业犹如一场技术革命，以惊人的速度蓬勃发展。十年前，金融、电信等行业构建数据仓库时，几乎无一例外地依赖于国际厂商的产品与服务，许多项目的成本动辄耗费千万乃至上亿元。

于是，大家对于数据建设、数据治理的印象都停留在又贵又重的阶段，高昂的建设成本成为不少企业的拦路虎；但这些企业对数据建设和治理一直都有着旺盛需求。

同时，狂飙猛进的技术演进对企业数据架构的可扩展性提出了新挑战。Gartner报告就指出，到2028年，50%构建于2023年之前的中国数据分析和AI平台，也将因为与生态系统脱钩而过时。

数据建设治理领域正呼唤一场革新。

日前，阿里巴巴集团副总裁、瓴羊CEO朋新宇在云栖大会瓴羊Data×AI专场论坛中指出，企业要拥抱AI时代，需要完成场景解构、业务重构。其中，数据治理领域也正在迎来一波重构浪潮。

瓴羊智能数据建设与治理产品Dataphin的诞生，直指企业在数字化转型过程中面临的首要挑战：数据「脏乱差」，通过标准化数据处理流程，统一数据口径，提供全面的数据资产管理，帮助企业建立起可靠、一致的数据基础，为数字化转型铺平道路。

Dataphin最初源于阿里这个「超级工厂」的实践经验，逐步进化为适用于各行各业规模企业的数据治理平台。

现在，针对行业里数据治理高成本和难扩展等建设难题，瓴羊智能数据建设与治理产品Datapin全面升级，可演进扩展的数据架构体系为企业数据治理预留发展空间，推出敏捷版用以解决企业数据量不大但需构建数据的场景问题，基于大模型打造的DataAgent更是为企业用好数据资产提供便利。

数据治理正当时，普惠低成本带来更多选择

瓴羊副总裁王赛在对接各类型的企业过程中，看到中小型企业有强烈的数据治理及数据资产建设的需求：企业的数据量相比龙头企业们可能不是很大，但有复杂度和多样性，这些企业需要把这些数据做一些轻度的治理。

但中小企业的数据治理之路面临不少问题：大数据相关的人才储备可能不足，也没有太多的预算投入，甚至对数据资产建设和数据治理的认知也有所欠缺。

基于这些痛点，瓴羊把基于阿里巴巴内部数据治理的经验，加之服务外部企业客户打造推出的智能数据建设与治理平台Dataphin，进行轻量化改造，推出Dataphin敏捷版。

Dataphin敏捷版的产品架构更轻量，企业最低只需要投入三台硬件设备，投资仅二三十万元就能低成本启动数据治理工作。这也意味着，相比于之前功能强大、架构复杂的Dataphin版本，广大中小企业现在多了一个选择。

数据治理，如何兼顾当前和长远

当企业在开启数据治理工作后，都会考虑一个问题，随着业务发展，数据量变得庞大，当前系统能否满足需求？难道又要重新评估数据架构？

比如，国内一家零售企业数据负责人，这些年遇到“成长的烦恼”，由于业务布局广泛，企业数据需求的复杂程度和处理难度变得越来越高，他察觉到数据治理的建设思路需要发生变化：“之前更重视产生了什么数据,哪些业务流程可以数字化,以及数据合规问题。”如果往后看5年，随着企业数据量越来越大，传统的数仓建设思路已经不能再支撑企业的存数、管数、用数的需求。

这也是不少企业在数据治理中的共性问题——数据架构如何为未来的发展预留出空间，从而满足未来更多更复杂的数据治理需求。基于这一行业普遍痛点，瓴羊的Datapin产品创新性升级数据系统架构：高扩展性，可持续演进升级。

如果起步期用敏捷版，发展期可以原地升级，扩展底层的算力引擎，自如地向上平滑演进，即可变身为一站式数据建设治理与运营平台。再进一步，如果部分企业监管合规要求高，不能上云或者只能部分上云，或者有些企业本地已经搞了一摊，有些利旧的小九九。不用慌，瓴羊Dataphin支持多云多引擎，允许多云部署或者本地化私有部署，并支持50+数据源，自由混搭，满足各种复杂场景。

“小型、中型和大型，我们都在一套部署结构之下，可以帮助企业无缝升级。”王赛说。考虑到企业数据治理的长期发展特性，企业可自如地基于自身数据规模和治理要求，选择合适的产品。瓴羊Dataphin带给客户的体验就是：不必一步到位，却可步步到位。

半托管，兼具个性化和性价比

另外，在数据领域，企业还面临另一大问题：个性化和和性价比之间的矛盾。大企业基于自身的业务需求，往往追求私有化部署，但这也意味着更高成本。而标准化的云产品更便宜，却失去部分个性化配置的能力。

针对这类问题，瓴羊Dataphin的解题思路是提供灵活的部署模式：全托管、半托管、独立部署，满足各种部署诉求。

企业可以像租公寓一样，直接订阅公共云多租户SaaS版本，按需付费；也可以采用半托管模式，快速拥有自己的独立云别墅；更可以完全独立部署，自己“盖楼”，完全自主。

这其中，云上半托管模式，是当下主流客户最爱的一种部署方式。这种模式，既能独享可控的环境，又能享受公共云的弹性调度。相当于用户在云上租“别墅”，1小时立等可取，获得别墅级独立部署产品服务。

比如，一些集团型企业，不同的业务模块或者子业务的数据处理要求不一样：财务类、会员类的数据要求本地运行计算；另外一些安全敏感性不高的数据可以上云，与云上业务联动及数据处理。这类企业需求就适合半托管模式，既有个性化定制需求，又能考量经济性需求。

总体而言，在数据建设、治理、消费领域，Dataphin正基于阿里巴巴集团多年数据治理的系统化建设经验，为大中小不同规模的企业，提供横跨多类引擎，适应多种环境要求的，可扩展可升级的数据治理产品。

数据治理领域，企业正迎来按需采购、自如升级的新阶段。

AI时代，如何让数据资产快速用起来

王赛发现很多数据治理平台的项目都具有一个规律：如果对方是一个纯IT团队，没有数据资产运营的理念，这类项目的成功率往往不会很高。

数据如果只存储在数据库里，只会成为成本和负担。王赛提到：“我们刻在骨子里的理念就是数据构建好之后，一定要把数据用起来。” 所以瓴羊非常强调数据资产的治理和运营，光把数据聚合在一起还不够，还要让数据更好地用起来。

要让企业用好数据，客观存在着一个巨大的鸿沟。对业务人员而言，理解业务和理解数据是两码事。很多时候业务人员缺乏数据思维，数据获取依然要求助于数据专家，这面临着大量的沟通和时间成本。而在具体的获取数据环节，数据团队压力也很大。他们经常会面临大量的关于数据在哪里、该数据含义、如何使用、在哪里使用的咨询。并且，要在海量的数据资产中快速找到、找对、找准想要的数据并不容易。

这反映出，企业用数需求，不止是从Chatbot中获得一个具体的数据结果，还涉及到基于业务需求如何去找到和使用好内部的数据。

举个例子，王赛经常碰到企业用户提这样的问题：企业的商机转化率低，有什么样的数据能解决问题？解决问题的核心在业务流程里，先回到业务中，问题涉及哪些人员和组织，涉及哪些流程，这样才有可能给用户有价值的指导，而不是就数据返回一个数据结果。

从这一痛点出发，瓴羊推出业内首个数据资产智能体——Dataphin·DataAgent，在大模型的加持下，企业能自定义自己专属的Agent，业务人员能更便捷实现从问题到思路、数据、用法的全链路自助化操作。

“未来每个人都有一个专属的数据助手。”王赛说，它不只是工具层面帮用户取数，还能帮助连接业务，输入问题后直接给到数据视角的内容。

如某一家头部乳业品牌的数据中台已经建设多年，形成超过20个数据域，上千指标，几百用户标签和近百个应用。目前一部分业务的需求仍需要通过数据工程师人工满足，业务人员觉得响应慢，而工程师又被需求压得喘不过气。现在通过Dataphin的智能DataAgent，每次都能快速找到资产进行快速研发，让研发效率翻倍。

这个过程里，Dataphin·DataAgent三大能力也展露无遗。首先是基于全域的数据资产，可以快速便捷帮助企业构建向量数据库，完成知识库的搭建；其次是，基于对知识库的理解，提供诸多辅助工具和元素化的交互能力，加速智能体的设计和编排；再次，数据智能体一键发布，能帮助企业更方便去消费数据。

从降低中小企业启动数据治理的门槛，到降低企业数据系统架构升级的门槛，到降低企业兼具个性化和性价比的部署门槛，到基于DataAgent智能体降低数据消费和使用的门槛，瓴羊Dataphin正在重构企业数据治理，重构企业数据服务的价值。