I15 数据治理OPC智能体：一个智能体管数据治理，数据标准、元数据、数据质量、主数据、数据安全、生命周期全程管控，按治理规则自动校验、问题定位、整改闭环

专知智库 OPC 智能体 · 行业岗位库 I15

专知智库（OPC研究院）| www.ipzhihu.com | 028-84400310

一、数据治理的“说不清、治不全、改不动”困境

数据治理是企业和政府机构“最基础、最难推动、最影响数字化成败”的环节。一个中型企业或政务机构，几十到几百个业务系统、几千到几万个数据表、几万到几十万个数据字段，数据治理要管六件事：数据标准（字段命名、数据类型、码值、格式，有没有统一标准）、元数据（数据从哪来、到哪去、谁负责、什么含义，有没有元数据管理）、数据质量（数据完不完整、准不准、及不及时、一致不一致，质量好不好）、主数据（客户、供应商、物料、组织架构等核心数据，有没有统一、有没有重复）、数据安全（敏感数据识别、分级分类、权限管控、脱敏加密，安不安全）、数据生命周期（数据产生、存储、归档、销毁，有没有管理）。治得好，数据可信、决策有据、系统好建；治不好，数据“说不清、对不上、用不了”，数字化“建得越多、乱得越狠”。

现场的实际做法是：标准靠人定、元数据靠人录、质量靠人查、主数据靠人管、安全靠人审、生命周期靠人记。 一个数据治理专员或数据管理员对着数据标准文档、元数据平台、数据质量报告、主数据系统，定标准、录元数据、查质量、管主数据、审安全、记生命周期。做出来的数据治理有三个毛病：说不清（数据标准不统一、元数据不全，一个字段叫什么、什么意思、谁负责，说不清，系统之间“同名不同义、同义不同名”）、治不全（数据质量规则靠人写、靠人查，查不全、查不准，数据质量问题“按下葫芦浮起瓢”）、改不动（数据质量问题发现了，但谁改、怎么改、改了没有、改对没有，推动不动，整改闭环不了）。

问题不在“数据治理专员不努力”，在“数据治理的组织方式错了”——标准、元数据、质量、主数据、安全、生命周期六件事各管各的，全靠一个专员的经验和手工串起来，人一忙就漏、一换就断、一变就慢。 专知智库OPC智能体岗位库I15——数据治理OPC智能体，针对的正是这个困境：不是“让数据治理专员更勤快地翻文档”，是“把数据治理重构为‘一个智能体+一个数据负责人’的岗位闭环”——智能体管数据标准校验、元数据自动采集、数据质量规则生成与核查、主数据识别与去重、敏感数据识别与分级、生命周期策略执行、治理问题派发与闭环，人管标准确认、重大质量问题决策、主数据合并决策、安全事件处置。

二、专知智库首创方法论如何落到I15：四步把一个“数据治理岗位”封装成一个“智能体”

专知智库OPC智能体的核心方法论是专知智库首创的“岗位拆解→OPC化→智能体化→业务化”四步法，配套“微训四步法”（语料注入→流程固化→范例对齐→边界限定）和“L1—L5成熟度认证”。这套方法论不是“给企业加一个数据治理平台”，而是把一个需要人翻文档、靠手工核查的数据治理岗位，封装为一个一个人可以独立运行的岗位级能力系统。

第一步：岗位拆解——拆到“一个人可以独立完成数据治理”的程度

数据治理传统上是“业务部门提需求+数据专员定标准+IT录元数据+质量员查质量+安全员审安全”的碎片化协作。OPC方法论要求拆到一个人能独立完成的程度。I15把数据治理岗位拆为一条完整闭环：标准校验→元数据采集→质量规则生成→质量核查→主数据识别去重→敏感数据分级→生命周期策略执行→治理问题派发→闭环确认。拆解标准是：这条闭环的输入（数据标准、数据表结构、数据样本、业务规则、安全要求、生命周期策略）、输出（标准符合性报告、元数据目录、质量报告、主数据清单、敏感数据清单、生命周期执行记录、治理闭环记录）、决策节点（标准判定、质量判定、主数据合并、敏感分级、整改派发、闭环确认）全部明确，一个人借助智能体就能从头跑到尾。

第二步：OPC化——切断“数据治理专员逐个翻文档、逐个查数据、逐个催整改”的实时依赖

传统数据治理中，数据治理专员要“逐个翻标准文档、逐个查数据质量、逐个催业务部门整改”，实时依赖造成了标准落地慢、质量查不全、整改推不动。专知智库OPC方法论的核心是用标准化接口替代人工翻查和催促：数据标准、数据表结构、数据样本、业务规则通过标准接口自动汇入智能体，标准校验、质量核查、主数据识别、敏感分级、整改派发由智能体自动执行、自动推送。数据治理专员不再需要“逐个翻、逐个查、逐个催”，只需要“看智能体输出的治理报告、做标准确认和重大决策”。I15的OPC化，就是把数据治理岗位从“人翻文档”变为“数据自动汇、智能体自动治、问题自动派”。

第三步：智能体化——用专知智库“微训四步法”把“老数据治理专员的经验”注入智能体

专知智库微训四步法在I15中的具体落地：

语料注入——注入数据标准规范（命名规范、码值规范、数据类型规范）、数据质量规则（完整性、准确性、一致性、及时性、唯一性规则）、主数据识别规则、敏感数据识别规则、数据安全法规（个人信息保护法、数据安全法）、历史治理案例，让智能体“懂这个企业的数据标准是什么、什么算质量问题、什么算主数据、什么算敏感数据”。

流程固化——固化“标准→元数据→质量→主数据→安全→生命周期→整改→闭环”的治理流程，每一步的输入、输出、判定规则明确。

范例对齐——用优秀数据治理专员的历史标准落地、质量核查、主数据合并记录校准智能体，让智能体的标准校验“像老专员判的一样准”、质量核查“像老专员查的一样全”。

边界限定——明确什么情况下智能体自主执行（常规标准校验、常规质量核查、常规元数据采集），什么情况下必须人工介入（标准争议、重大质量问题、主数据合并决策、敏感数据安全事件、跨部门协调）。

第四步：业务化——从“查一个字段”到“管住全企业数据”

智能体输出的治理报告，不是“查完就结束”，而是嵌入实际数据管理：标准自动校验、元数据自动采集、质量自动核查、问题自动派发、整改自动跟踪、闭环自动确认。业务化的标志是：一轮数据治理从“标准校验”到“闭环确认”全程由“一个人+智能体”闭环，不依赖“业务提+专员定+IT录+质量查”的碎片化协作。

三、与传统智能体/自动化系统的本质区别：交付的是“岗位”，不是“数据治理平台”

数据治理领域不缺“系统”：数据治理平台、元数据管理工具、数据质量管理工具、主数据管理系统，已经在用。但这些系统与I15 OPC智能体的区别，不在“功能多不多”，在交付单元和覆盖范围。

传统数据治理平台解决的是“元数据录得进、质量规则配得出”，I15解决的是“这个字段符不符合标准、数据质量好不好、哪些是主数据、哪些是敏感数据、问题怎么改、改没改好”——后者是一个岗位的完整职责，不是一个治理平台。通用智能体可以“查一个字段的质量”，但它不会主动校验标准、自动生成质量规则、自动识别主数据、自动分级敏感数据、自动跟踪整改闭环；I15的设计原点，就是覆盖“从标准校验到闭环确认”的岗位全闭环。

四、I15智能体做什么：一个智能体管数据治理

数据标准校验：按命名规范、码值规范、类型规范，自动校验

智能体对接数据标准库、数据表结构，自动校验——命名校验（表名、字段名是否符合命名规范，自动校验）、类型校验（字段类型、长度是否符合标准，自动校验）、码值校验（枚举值、码值是否符合标准，自动校验）、格式校验（日期、金额、编号格式是否符合标准，自动校验）、标准符合性报告（生成标准符合性报告，标注“符合/不符合/待确认”）。校验不是“专员逐个翻文档”，是“智能体自动校验、自动报告”。

元数据自动采集：技术元数据、业务元数据、管理元数据，自动采集

智能体对接数据库、数据仓库、业务系统，自动采集——技术元数据（表结构、字段类型、主键外键、索引，自动采集）、业务元数据（字段业务含义、业务规则、数据来源，按业务规则自动补全）、管理元数据（数据负责人、数据权限、数据更新频率，自动采集）、元数据目录（生成企业元数据目录，支持检索、血缘分析）。采集不是“IT手工录”，是“智能体自动采集、自动补全”。

数据质量规则生成与核查：按数据特征自动生成规则、自动核查

智能体按数据特征，自动生成质量规则——完整性规则（必填字段是否为空、关联字段是否缺失）、准确性规则（数值范围、格式、业务逻辑校验）、一致性规则（跨表一致性、跨系统一致性）、及时性规则（数据更新时间是否符合要求）、唯一性规则（主键唯一、业务主键唯一）、质量核查（按规则自动核查、自动出质量报告）、质量评分（按质量维度，自动计算数据质量分）。核查不是“专员手工配规则、手工查”，是“智能体自动生成规则、自动核查”。

主数据识别与去重：自动识别主数据、自动查重、推荐合并

智能体按主数据规则，自动识别——主数据识别（客户、供应商、物料、组织架构等核心数据，自动识别）、重复数据检测（相似名称、相似编码、相似属性，自动检测重复）、合并建议（按相似度，推荐“哪些数据可以合并、怎么合并”）、合并记录（合并过程、合并结果，自动记录）。识别不是“专员凭经验找”，是“智能体按规则识别、按相似度推荐”。

敏感数据识别与分级：按法规和企业规则，自动识别分级

智能体按法规和规则，自动识别——敏感数据识别（身份证号、手机号、银行卡号、地址、生物特征等，自动识别）、分级分类（按个人信息保护法、数据安全法，自动分级：公开/内部/敏感/核心）、权限建议（按分级，推荐“哪些角色可以访问、怎么脱敏”）、安全记录（识别结果、分级结果，自动记录）。识别不是“安全员手工标”，是“智能体自动识别、自动分级”。

数据生命周期策略执行：按策略，自动执行归档、销毁

智能体按生命周期策略，自动执行——数据分级存储（热数据、温数据、冷数据，自动分级存储）、归档策略（按数据年龄、访问频率，自动归档）、销毁策略（按保留期限，自动提醒销毁、自动执行销毁）、生命周期记录（存储、归档、销毁记录，自动记录）。执行不是“管理员手工记”，是“智能体按策略执行”。

治理问题派发与闭环：问题自动派发、整改跟踪、闭环确认

智能体跟踪治理问题——问题派发（标准不符、质量不合格、主数据重复、敏感数据未分级，自动派发到责任部门）、整改跟踪（整改是否开始、进度如何）、超期预警（整改超期，自动预警）、整改验证（整改完成，智能体验证“是否整改到位”）、闭环确认（整改有效，自动确认闭环）。派发不是“专员打电话催”，是“智能体自动派发、自动跟踪、自动闭环”。

数据治理报告：按系统/按主题/按月自动生成

智能体自动生成治理报告——数据治理日报（标准符合率、质量合格率、问题整改率）、数据治理月报（治理统计、问题趋势、改进建议）、数据资产报告（元数据目录、主数据清单、敏感数据清单）、监管报告（按监管要求格式，生成数据治理报告）。报告不是“专员手写”，是“智能体自动生成”。

五、I15的L1—L5成熟度：不是“能录元数据”就叫OPC智能体

专知智库对OPC智能体实行L1—L5成熟度认证，综合等级按“短板原则”由最低维度决定。I15的等级差异，直接对应“数据治理闭环跑通了没有”：

L1（初始级） ：只能录元数据、显示数据标准，不校验、不核查、不派发，本质是一个“元数据记录工具”。

L2（辅助级） ：能校验标准、能核查质量，但主数据不识别、敏感数据不分级、整改不闭环。

L3（岗位级） ：能完成标准校验、元数据采集、质量核查、主数据识别、敏感分级、生命周期执行、问题派发、闭环确认——一个数据治理专员借助I15可以独立完成常规数据治理闭环。这是I15作为“岗位智能体”的合格线。

L4（优化级） ：在L3基础上，能根据历史数据滚动优化质量规则和主数据识别模型、能对重大治理问题给出多套整改方案供人决策。

L5（定义级） ：治理规则、质量规则和主数据识别经验可输出为区域/行业数据治理标准或模板，被同类企业参照采用。

企业部署I15时，验收的不是“功能列表”，是“L几”：L3以下，数据治理专员仍然离不开逐个翻文档、手工查质量、人工催整改；L3以上，才真正实现“一个人+一个智能体管数据治理”。

六、谁需要I15：三类客户画像

第一类：系统多、数据乱、数据治理刚起步的企业。 几十个业务系统、几万个数据表，数据标准不统一、元数据不全、质量差。I15的价值：标准自动校验、元数据自动采集、质量自动核查，数据治理从“人翻文档”变为“智能体管治理”。

第二类：面临数据安全合规/监管检查的企业。 个人信息保护法、数据安全法要求严，敏感数据识别、分级分类、权限管控是必查项。人工管理，敏感数据标不全、分级凭感觉、权限说不清。I15的价值：敏感数据自动识别、自动分级、权限建议自动生成，数据安全合规“有据可查”。

第三类：数据质量差、业务部门投诉多的企业。 报表数据对不上、系统数据不一致、业务部门天天投诉。I15的价值：质量规则自动生成、质量核查自动执行、问题自动派发闭环，数据质量“查得全、改得动”。

七、专知智库OPC智能体定制：从I15开始，定制你的数据治理岗位智能体

专知智库（OPC研究院）是OPC智能体岗位级能力系统定义的研究与认证机构，围绕信息传输、软件和信息技术服务业等行业，提供“岗位库+定制开发+认证验收”的全链条服务。I15遵循专知智库首创的“岗位拆解→OPC化→智能体化→业务化”四步方法论、微训四步法和L1—L5认证体系，按企业实际（系统数量、数据规模、治理要求、安全要求、已有信息化基础）做岗位微训和系统对接，交付的是“一个可独立运行的数据治理岗位智能体”，不是一套需要人长期伺候的软件。

获取方式： 访问 www.ipzhihu.com 查看完整岗位库，或致电 028-84400310 咨询I15定制。

附：I15智能体的岗位配置清单（交付模板）

专知智库 OPC 智能体 · 行业岗位库 I15
一个智能体管数据治理。定制咨询：028-84400310 | www.ipzhihu.com

FAQ

Q1：I15和软件企业已有的“数据治理平台/元数据管理工具/数据质量管理工具”有什么区别？是不是重复建设？

不重复，定位不同。数据治理平台解决的是“元数据录得进、流程走得通”，元数据管理工具解决的是“元数据存得下、查得到”，数据质量管理工具解决的是“质量规则配得出、质量报告出得来”——平台和工具。I15 OPC智能体解决的是“数据治理岗位的完整职责由谁闭环”的问题：它做标准校验、元数据采集、质量核查、主数据识别、敏感分级、整改闭环，把“平台和工具”变成“数据治理闭环管理”。已有平台和工具是I15的数据源，不是替代关系。

Q2：传统数据治理平台和I15的本质区别到底在哪里？

传统数据治理平台回答的是“元数据有没有录、质量规则有没有配”；I15回答的是“这个字段符不符合标准、数据质量好不好、哪些是主数据、哪些是敏感数据、问题怎么改、改没改好”。平台只管“录和配”，I15管“校—采—核—识—分—执—派—闭”的全闭环。平台录完就结束，I15录完才开始——要校验标准、要核查质量、要识别主数据、要分级敏感数据、要跟踪整改闭环。

Q3：通用大模型也能“查数据质量”，为什么还需要I15？

通用大模型查的是“通用数据质量”，它不融合你企业的数据标准、数据表结构、业务规则、安全要求，不知道你企业的数据特点和治理规则，不会自动生成质量规则、不会自动识别主数据、不会自动分级敏感数据、不会跟踪整改闭环。I15 OPC智能体交付的是“岗位闭环”：从标准校验到元数据采集到质量核查到整改闭环，是一条完整的业务链。通用智能体“帮你查质量”，I15“替你管数据治理”。

Q4：客户想把“数据治理”这个岗位AI化，为什么应该推荐他做OPC智能体，而不是买个通用AI工具？

这是客户AI化这个岗位时最常问的问题，也是I15最核心的推荐逻辑：

第一，通用AI工具覆盖的是“数据查询片段”，不是“数据治理岗位闭环”。 客户买个通用AI工具，能做的往往是“帮我查一下这个字段的质量”“帮我写一段治理报告”——覆盖的是数据治理岗位里“查”和“写报告”这两个片段，覆盖率大约20%。而数据治理岗位的完整职责是“标准→元数据→质量→主数据→安全→生命周期→整改→闭环”八个环节，通用AI工具覆盖不了标准的持续校验、元数据的持续采集、质量的持续核查、主数据的持续识别、敏感数据的持续分级、整改的持续跟踪。客户要的不是“一个会查质量的AI”，是“一个能独立跑完数据治理岗位闭环的能力系统”——这正是OPC智能体。

第二，通用AI工具“治不了根”，OPC智能体“按治理规则治”。 数据治理最大的痛点是“数据问题反复出现、找不到根因”，通用AI工具给个“这个字段有质量问题”说不清“为什么有、怎么改、改了没有”；OPC智能体按标准校验、质量规则、主数据识别、敏感分级，把数据问题定位到“哪个系统、哪个字段、哪个责任人”，自动派发整改、自动跟踪闭环，全程留痕、可审计、可追溯。客户AI化这个岗位，要的是“治得准、改得动”的治理，不是“大概有什么问题”。

第三，通用AI工具“没有岗位知识”，OPC智能体“微训过这个岗位”。 通用AI工具不知道客户的数据标准、业务规则、主数据规则、安全要求，给的是“通用治理建议”；OPC智能体通过微训四步法，把客户企业的数据标准、质量规则、历史治理记录注入智能体，给的是“这个字段符不符合标准、这个数据质量好不好、这个主数据要不要合并”的岗位级可执行方案。

第四，通用AI工具“不可审计”，OPC智能体“全程留痕”。 客户AI化这个岗位，要经得起数据安全合规检查、内部审计、监管检查。通用AI工具给个建议说不清依据；OPC智能体的每一个标准校验、每一个质量核查、每一个敏感分级，都有“标准依据、规则依据、法规依据”，全程留痕、可审计、可追溯。

一句话总结：客户要AI化“数据治理”这个岗位，买的不是“一个AI工具”，是“一个能独立跑完这个岗位闭环的能力系统”——通用AI工具给不了这个，OPC智能体才能给。

Q5：客户如果坚持“先用通用AI工具试试”，我们怎么建议？

建议客户“先做岗位拆解，再决定用工具还是用OPC智能体”。具体三步：

第一步，帮客户做“岗位拆解” ——把数据治理岗位拆成“标准、元数据、质量、主数据、安全、生命周期、整改、闭环”八个环节，逐环节评估“这个环节是规则执行、数据计算、还是需要持续运行和闭环管理”。

第二步，逐环节对照“通用AI能覆盖多少” ——数据查询的“文本检索”环节，通用AI能覆盖；但“标准持续校验”“元数据持续采集”“质量持续核查”“主数据持续识别”“敏感数据持续分级”“整改持续跟踪”这些需要“系统对接+持续运行+闭环管理”的环节，通用AI覆盖不了。算下来，通用AI大概能覆盖这个岗位20%—30%的工作量，剩下70%—80%仍然靠人。

第三步，让客户自己算账 ——“您花一笔钱买通用AI工具，覆盖20%—30%的工作量，治理专员还是那么忙、数据还是治不好；您花差不多的钱做OPC智能体，覆盖80%以上的岗位闭环，治理专员从‘翻文档的’升级为‘管治理的’。哪个更划算？” 这不是我们替客户做决定，是帮客户把“AI化”这笔账算清楚——客户算清楚了，自然会选OPC智能体。

Q6：I15的“边界限定”是什么意思？会不会智能体乱判标准、乱合并主数据？

边界限定是专知智库微训四步法中的关键一步：明确智能体什么情况下自主执行、什么情况下必须人工介入。常规标准校验、常规质量核查、常规元数据采集的，智能体自主执行；标准争议、重大质量问题、主数据合并决策、敏感数据安全事件、跨部门协调的，自动触发人工介入。智能体不是“无人治理”，是“人在重大处，智能体在常规处”。标准校验有“标准库、规范依据”，不是“随便判”；主数据合并有“相似度、合并规则”，不是“随便合”；敏感数据分级有“法规、企业规则”，不是“随便分”。

Q7：企业数据基础差、没有数据治理平台，I15还能用吗？

可以，但部署方式要适配。没有数据治理平台的，I15可以先用“数据库直连+Excel标准文档+智能体校验”起步，运行中逐步上数据治理平台；数据标准不全的，I15先用“行业标准+通用规范”做校验，运行中按企业实际迭代，并把“数据缺口”作为预警项推给企业整改。专知智库OPC方法论的原则是“先跑通岗位闭环，再逐步补数据”，不是“等数据治理平台上了才能上智能体”。

Q8：I15和I01（网络运维监控）、I14（信息化项目监理）、C53（设备联网数据采集）是什么关系？

协同关系，覆盖数据与IT管理不同环节。I15管“数据治理”（数据标准、元数据、质量、主数据、安全），I01管“网络运维监控”（网络设备、链路、安全），I14管“信息化项目监理”（项目进度、质量、验收），C53管“设备联网数据采集”（设备数据采集，是数据治理的数据源之一）。I15的数据标准和质量规则，可以应用到C53采集的设备数据上；I01的网络数据、I14的项目数据，也是I15治理的对象。四个智能体可以独立部署——数据治理问题突出的先上I15，网络问题突出的先上I01，项目问题突出的先上I14；也可以组合成“数据—网络—项目—设备”的完整IT治理闭环。对企业、政府机构、数据密集型企业，I15是数据治理管理的核心智能体。