多年来，数据治理一直痴迷于一种感觉更像会计而非战略决策的指标：覆盖。数据治理工具供应商教育了一代治理专业人员，让他们勤奋地跟踪记录数据的百分比，追求经常错过大局的完成复选框。
问题？覆盖范围没有达到目标。它假设精心记录的数据会自动转换为可理解、可用的信息。但如果最终用户只需要问题的答案怎么办？当目标只是快速有效地获取正确的信息时，为什么要让他们浏览迷宫般的表格、列和描述呢？
数豆子并不能回答问题。虽然文档很有价值，但它只是达到目的的一种手段。真正的目标？使用户能够找到做出明智决策所需的信息。追求覆盖率指标常常会错过这一点，造成文档负担，同时忽视用户体验。
GenAI 让我们得以一睹数据治理未来的风采，数据治理的重点是结果，而不仅仅是输出。想象一个能够理解上下文的系统，将来自不同来源（文档、Slack 对话，甚至表格/列描述）的相关信息拼凑在一起，为用户问题提供有意义的答案，无论其位置或格式如何。
突然之间，治理从数豆子转向以结果为导向。我们不会追求任意的文档目标，而是专注于让用户能够直观地访问他们所需的信息。
其工作原理如下：
- 情境理解：GenAI 分析用户问题和周围情境，识别记录表格之外的相关数据源。
- 信息融合：GenAI 不再是孤立的数据，而是无缝地组合来自文档、对话和其他来源的信息，创建统一的知识库。
- 无障碍访问：用户无需知道所需信息的确切位置或格式。 GenAI 将处理搜索和检索，以清晰、可操作的格式提供答案。
这种重构释放了新的可能性：
- 减少文档负担：团队专注于创建高质量信息，而不是完成配额。
- 改善用户体验：用户可以在需要的地方找到所需的答案，而无需查找数据字典。
- 更智能的数据利用：GenAI 提取隐藏的见解，从而改进决策和创新。
- 动态知识管理：信息保持相关性，自动适应不断变化的环境和假设。
采用 GenAI 支持的数据治理并不是要抛弃现有实践，而是要对其进行改进，以专注于真正重要的事情：为用户提供发展所需的信息。现在是时候超越数豆子的范畴，拥抱这样一个未来：数据治理通过推动有意义的结果（而不仅仅是清单）来提供真正的价值。