王偉玲：各位領導，各位專家，今天很榮幸有這個機會，來跟大家一起來交流數據這個話題，很多的專家還有鄔賀銓院士提到了數字經濟時代，數據是一個關鍵要素。我們企業在數字化轉型的這個過程中，從設計上就要開始去重視數據治理，數字化轉型戰略的落地，也是需要強化推動數據治理來釋放數據的價值，實現數據從資源化、資產化，資本化的一個轉變。這樣才有利于去推動數據為這個企業的業務來賦能，有利于去對這個企業加快數據開發利用，還有大數據產業的發展，以及激發數據要素市場的一個發展活力，意義是非常重要的。

    第一個問題就是每個嘉賓都講一個最關鍵的點，問題就是在以往企業信息化發展的過程中，系統的設計理念一般是以功能和流程為主，而如今的數字化轉型，數據非常重要，數據的架構，數據的標準，還有數據的質量，都非常重要。請問在座的企業，針對這個數據平臺的建設，目前的難點是在哪里？這個問題大家肯定都是有一些很深的體會，每家都分享一下我們在這個過程中遇到的一個最大的難點是什么，這樣我們有利于去形成一個比較好的共識。

    李寶東：我是太極股份的李寶東，太極股份是中國電科下屬的信息化和軟件服務業的龍頭企業，一直致力于從事于服務政府還有大型企業的信息化工作。剛才主持人也提到了這個問題，在建設數字化平臺當中遇到的最大的難點，這里面確實有很多。

    我就說一點，第一，我總結應該算是叫架構設計，架構設計里面包含的難點，光架構設計其實也很多，我簡單說里面幾個我個人認為比較重要的。第一個還是整個的組織保障機制，也就是說剛才上一場論壇五礦的謝總也提到了。就是你要做數據平臺的項目必須是一把手工程，就是整個組織保障是最重要的，關系到整個項目的成敗。如果一把手不重視數據平臺建設，這個項目基本上在后來建設都是失敗的。說實在的就是怎么取得一把手的支持，去推進這個項目。

    第二，針對我們企業的業務問題的分析，因為整個設計平臺其實還是為了解決企業的痛點問題，所以必須對企業需要解決的痛點問題，進行深入剖析，這個剖析過程當中，可能就會涉及到怎么去拉動企業內部各個部門去協同來解決，這個其實也是一個比較大的難點。

    第三，因為整個企業的數字化轉型，其實是一個長期過程。我們怎么能夠有節奏的，按照分步去制定每年的建設重點，建設任務，我覺得這個也是一個難點。

    王偉玲：按步驟和按計劃去推動，還是有一定的難度，因為數據治理這個工作也是比較新的一項工作，屬于開放性的工作。目前對它劃分的階段，還是比較不太容易去實現。

    第二位請劉總談一下。

    劉亦然：我是來自致遠互聯的劉亦然，我們公司是致力于通過協同云平臺，包括中國的政府和企業去實現數字化轉型的一家公司。

    主持人談到數據治理過程中碰到的一些問題，拋開企業規模和他所屬的行業，尤其是規模，或者是數字化階段去單純談比較困難，我覺得沒法全部涵蓋進去。五礦和中石油的老師代表著我們國家頭部的大型企業，信總談到了更多是面向中小企業進行服務的，我相信他們的難點肯定不完全一致。

    中小企業在數據治理過程中，遇到的難點和以前信息化的過程中，還真的是不太一樣，以前信息化的時候，更多的是照搬行業內的頭部企業信息化的經驗，我們直接去拷貝人家使用的情況，包括系統。現在我覺得對于中小企業，中小企業自己創新場景的服務商，這可能是一個核心的難點。

    第二，面向中大型企業，或者大型和超大型的頭部企業，如果說一個問題，最核心的是建管一體化的問題。就是建設者和管理者，甚至是供應商，他們三者怎么樣有機的去整合，有技術不懂管理，或者有管理的，不懂技術。尤其是說我們在高速行駛的過程當中，數字化一定是這樣一個過程。技術部門提出了技術設想，怎么樣保證現在業務部門自身業務不受影響的同時，快速的把它的傳統的生態習慣變成數字化的習慣。我們一體化的數據平臺，在于數據的高可靠性，高一致性，這是一個核心。創新性企業做了自己很多傳統的所謂信息化系統，也做了很多系統集成和場合，但是更多停留在一些頁面的統一，一些基礎數據的交互上。其實很多企業都沒有做到說我們真正要的數據一體統管，甚至整體的服務和整體的利用場景的一體化，這個我覺得對于我們大型企業來講，我覺得最核心的困難就是說怎么樣把我們的建設單位和我們的業務單位，讓它來進行有機的統一，然后在我們的技術面的選取，在后面的運維保障服務形成一體化的運作機制，我覺得這是非常大的難點。

    王偉玲：數據是來源于業務，業務是無處不在的，現在萬事萬物也都是產生大量的數據，所以根據不同的業務，不同的企業，不同的行業，去設計相應的數據治理的方法論，它的方法也是可想而知的。

    接下來有請黨總來談一下您的高見。

    黨毅：我是久其軟件的黨毅，上臺的時候，主持人也說到了，我們幾個都是戰斗在一線的廠商，如果放到一個問題來談，我就說這一兩周在頻繁的跟合作伙伴，或者是用戶交流的時候，大家很突出問到的一個問題，就是隨著整個行業，或者各個用戶對于數據越來越重視之后，大家對于數據的（起始性）要求越來越高，領導今天說了什么東西，想看的東西能不能馬上看得到，除了職能和管理幅度的轉變，其實站在一線廠商來說，就是你到底給它搭建一個什么樣的技術平臺？包括我們和用友等這些傳統的軟件廠商的共識，就是低代碼平臺，不光解決了信創、復雜環境集成等一系列的問題，甚至有日處理型的軟件，他今天的這個需求產生一天，明天這個需求就沒有了，怎么給他做出一個日處理型的軟件出來，這是未來技術底座，除了云平臺和saas之外，低代碼的能力可能是對于未來不管是中小企業，還是大企業，都要面臨的一個很現實的問題。

    王偉玲：你的觀點很新穎，跟您請教一下低代碼平臺，大概是什么意思？就是很快速去建立一個相應的平臺嗎？

    黨毅：這個低代碼的概念并不新，實際上十年前就有，十年前很多傳統的軟件都在做低代碼，為什么不像現在這么火，因為十年前的開源沒有現在這么發達，一家公司把低代碼做完以后，他會做得很重。現在隨著互聯互通，知識共享的能力越來越強，大量的公司采用更多開源的東西，包括云，還有做技術組建的生態，讓技術能夠更容易去實現。

    低代碼的核心，就是我們希望有70%、80%，甚至有90%，自己在這個軟件中就能做出來，研發人員介入越來越少，日處理型一定不是軟件工程師做出來的，應該是用戶和業務人員就能做出一款這樣的軟件，那是未來數字化轉型一個很重要的技術底座。

    王偉玲：低代碼軟件相當于軟件也是模塊化的，根據不同的模塊，然后像小孩搭積木一樣，快速去設計功能。

    黨毅：現在國內主流軟件基因比較重的廠商的一個基本共識，用友ERP，大家都有低代碼的平臺，應該要滿足未來5-10年技術升級的需要，這是我們一個核心的業務。

    張梅甫：我是國聯股份的張梅甫，國聯股份主要是包括三大板塊業務，第一個是商品信息服務，第二板塊是網上商品交易服務，第三個是互聯網技術服務，所以公司也是秉持平臺科技數據的一個產業互聯網發展戰略，就是平臺服務，科技驅動，數據支撐。所以數據板塊，數據治理和數據建設，這個數據在戰略里面起到一個很重要的位置，所以公司的業務板塊比較多，然后在搭建過程中，會碰到很多的問題，主要我覺得是可以從他的數據采集，到它的傳輸，到存儲，以及到它的處理，還有它的利用分析，這幾個環節都會碰到各種各樣的一些問題。

    比如采集，我們會在平臺上做很多的買點，就是用戶什么時候進平臺了，然后進這個頁面，看這個商品，然后再去下單了，然后我們可以看到一個漏洞，就是用戶的流程，以及每層的步驟。在工廠側，我們現在也在做數字工廠，我們做數字采集的時候，它有一個什么特點？就是這種數據量小，但是它的頻率比較高，像我們的生產設備，每秒鐘都會產生N多個點位，比如說溫度值，壓力值，還有流速，還有車輛的定位數。那么這些數據的采集，我們就是要怎么樣更好把它采集過來。

    還有我們在采集過程中，比如說工廠，為什么要把我的數據讓你采，里面會有一些溝通的問題。傳輸過程中，還要考慮傳輸的穩定性和及時性，要保證傳輸過程中，不能堵塞，所以采取一種消息隊列的方式，把現在的一些技術手段，讓它的數據可以穩定的傳輸過來。

    在存儲的時候，要根據不同的數據類型，比如說用戶注冊，訂單數據和關系數據庫，還有一些工廠數據，還有定位數據，以及視頻和圖片，還有文件，可以用不同的數據去進行存儲。數據怎么合并，ERP系統，生產系統和物流系統，都要把數據采過來，還有數據怎么去統計，這里面也會用到工業互聯網賦碼的功能，把數據進行統一化。

    分析過程中，會涉及到大量的算法，還有模型，我們怎么把它匯集起來，及時的供給我們的老板，或者是客戶，去看我們實時生產數據的一個結果和分析。后端涉及到很大的算力，怎么去存儲和計算，我們現在做的推薦算法，購買了之后，我們會給他進行推薦。還有風控模型，比如說賬戶賬期的問題，還有內部員工有沒有信息泄露，或者一些其他的違規操作。這些都是碰到的一些問題，不能說是一個問題，它是每個環節都會碰到很多的問題。

    王偉玲：簡單給大家分享一下數據前期和中期會存在的一些問題。還有一個跟您交流的，就是多元異構數據，你提到了一些視頻數據，文本數據等不同類型的數據，數據集成有一定的難度，你們在這一方面有沒有一些探索？

    張梅甫：我們現在實際上搭了一些數據庫，在和清華大學做一些大數據的研究，還有網上的日志和文件的存儲，也是用阿里和騰訊提供的CDN的加速服務。

    周英瑜：我是漢王科技的周英瑜，漢王科技是中國最早從事人工智能的科技型公司，在數字化經濟當中，數字經濟是離不開人工智能的。本身也有很強的大數據的屬性，我們現在探討的一個路徑，是如何將AI和大數據良好的結合在一起，運用到各個行業的運用場景當中，有可能是一個大的場景，也有可能是一個細微的，只是解決工作當中某個工作流程當中的一個細小問題。如果AI技術嵌入到大數據之后，能夠讓大數據活化起來，能夠讓以前所看到的一些呆板的數據，只是字面上的，或者一些不可移動，或者非結構性的數據，把它結構化。在結構化的基礎上，我們在上面可以做很多的工作，我要把這些數據，如何能挖掘它的價值，我首先就要把這些數據能夠理解它，理解之后，我可能就能夠說發現它更多的意義，它的數據就跟人的表情和人的思想情感一樣，需要有各種標簽，我們用AI技術去賦能到一些大數據和活化應用的領域當中，幫助人們提高工作效率，幫助政府更好的去服務大眾。

    漢王科技有20多年的歷史，20多年中形成的視覺圖象，還有手寫的多模態的識別，可能大家生活中接觸不太多，但是它是人工智能的底層技術，而且我們是有核心算法的。我們現在跟檔案館和圖書館，這些人文領域，還有司法和金融合作得比較多，因為我們的文本大數據處理能力特別強，我們可以處理各種的文字，我們可以處理十幾種，中國人的文字是各種書，簡體和繁體，你只要把這些東西給到我們，我們就能把它識別出來。

    然后就可以把它提煉出來，提煉出來就可以形成知識化，就能夠形成架構，形成架構之后，各種研究員，或者可能需要使用數據的人，就可以非常便捷的把這些知識鏈接起來，大大提升效率。我們也希望通過我們的這種大數據的服務能力，去為司法、金融、醫療這種民生領域，去提供更多的服務。現在我們遇到的一個相對的難點，是在于我們現在的場景里面，有很多的場景是不能具像的，很多時候大家也不知道，我這個業務流程里面能夠用什么東西，來讓它串起來，我們要給它想一想，我們要把技術嫁接到流程中去，改造傳統的流程。因為原來多集中在技術上，我們是20多年的技術型公司，我們積淀了這么多的技術，這些技術就像一顆顆珍珠一樣，如何能夠串聯到這些場景當中，如果我們能跟品牌廠商，還是跟行業型的公司密切的結合，我想數字化應該真的是一個價值無限想象的空間。

    王偉玲：剛才您提到的數據可以說是人工智能的基礎。我們針對不同的應用場景去構建相應的模型，相應的算法，我們這邊是針對一些醫療，還有金融，還有一些法律相關的應用領域，其他的場景，你們這邊是不是也開展相應的業務？現在工信部對數據應用場景非常重視，數據的價值最終肯定體現在場景應用這個環節。

    周英瑜：我們這些技術有很多是屬于通用性的技術，還有可以定制開發的技術。我們有一個視頻分析技術，視頻分析技術比如說中石油就用到過，他們通常在很寬闊的地方去采油，或者布置管線，沿途需要安全的，以前是由人去巡檢，人在荒郊野外，巡檢是非常困難的，如果有視頻分析技術，我們可以架在高空，對采集回來的數據，在本地進行簡單化處理之后，就能夠去分析出這里有沒有一些異常的情況出現，有沒有人進來。視頻分析就可以做到，它是動態的，并且有一部分是本地處理，也有傳到后臺繼續處理，就減輕了人的壓力。我把這個場景給它用數字的方式提取出來，還有這次疫情，也可以用到我們的技術。像人臉識別技術，我們在防疫當中，它是要鎖定個人的，精準防疫就要鎖定個人。現在的人臉識別加上身份證識別，再加上健康碼，如果把所有的碼都打通，那么在這個設備上就知道所有的狀況，我們現在就有這樣的設備。所以可以落地到具體的場景當中的。

    我們當時在2020年防疫的前期，我們有人臉識別的核心算法，所以我們在疫情出來一個月的時間，我們就推出了戴口罩也能識別，你去各個地方，怎么認出你來，但是它能識別，我們就把戴口罩識別的技術推出到市場。

    它因為有底層技術，底層技術和平臺還有點不太一樣，我們是為大家服務的，為各種場景，各位平臺提供服務的，我們自己也可以搭建一些小平臺，也可以把我們的技術嵌入到他們的業務流當中，對他們進行業務改造。我們給高檢和高法提供標桿項目的時候，讓他們的案卷生成率提高了百分之百，因為大大減輕了重復性工作，和一些繁瑣性的動作，把大家從這些工作中解脫出來，他只需要掃一下，想要的東西都能從里面提取出來，因為我們有識別技術，我們是多模態的識別公司，我們能識別非常復雜的表格和文字，在大量的文本當中，目前我們是國內非常領先的一個企業，服務的場景真的很多。

    王偉玲：我們是在文本分析領域非常擅長，其實您剛才的介紹，我覺得在圖象分析，還有視頻分析等各個方面，都是有一定的探索。

    周英瑜：我們有很多第一，因為是技術型公司，不太方便說。我們在市場上可能比較低調一點，但是實際上我們在技術領域，尤其是小場景應用上，我們真的創了很多第一名。比如說我們是最早第一家的車牌識別，2002年的時候，20年前，我們就已經給廣東的交通局提供過車牌識別的技術，幫他們去做這種車牌的鑒定。還有2008年的時候，我們就推出了全球第一款嵌入式的人臉識別。那個時候大家對人臉技術，一個是很陌生，而且國外的人臉識別技術都是用在服務器上跑的，沒法做到小設備上，我們能夠把我們的技術做成嵌入式的。久其軟件說到現在的軟件，應該是短代碼，實際上我們追求的是低功耗，對這個設備的要求是低功耗，我們的核心算法要適應的是低功耗的設備，要適應的是算力不足的設備。算力不足的情況下，我也能夠讓我的算法跑出來，所以當時做成嵌入式的時候，大家都是很震撼的。人家以為我們后面跟著一臺服務器，實際上我們就這么一個小的設備，到國際展會上去展覽的時候，人家都非常驚訝，說中國還有這樣的企業。我們一直以來還是蠻低調的，所以我們也希望我們積淀這么久的技術，能夠趁著數字經濟的浪潮更好的服務大家。

    王偉玲：進入下一個議題，傳統的企業在數字化轉型過程中，我想各位都是大專家，也都了解，系統在設計的時候，傳統企業的數字化轉型存在著大量的痛點和難點，是否為這個企業業務來持續的賦能？企業如果在數據方面對他的數據沒有實際的產出，就很難去確保驅動他去做數據治理工作，。

    面對傳統企業如何在各個階段，將實際的業務需求融入到數據平臺的建設與治理當中。張總介紹了數據從全生命周期的意義，您從實際業務開展當中，開展了相關業務的數據治理工作，你給什么樣的企業做服務，在為一些行業做服務的過程中，你們是怎么去把這個需求和數據相關的結合在一起的？

    張梅甫：現在的用戶主要是生產企業為主，國聯股份主要是四個產業化的實踐，第一個是數字工廠，我們三年打造百家云工廠的策略，去年大家是有20家，今年有50家左右的工廠。主要是基于核心供應商和深度供應鏈的策略，和工廠建立更多的黏性。因為我們是B2B電子商務平臺，會涉及到很多產銷的工作。云工廠，會將它的原材料的一站式采銷進行數字化改造，我們會跟他聯合去改造這種數字工廠。

    在數字工廠的改造過程中，我們也是積累了大概9項數字化，包含了管理的數字化，比如說ERP，還有生產的數字化，將來在生產數據進行采集，對生產進行優化，還有生產過程的控制系統的操作規范的數據化，還有物流的數字化，能耗的數字化，人員定位，還有AI的一些安全識別的可視化。

    但是這些工作，我們是在搭底座，里面很多的服務商都是來自于現在市場上各種服務商，我們一起在集成。這三年我們也是一個實驗，一個是實驗一下我們的商業模式，現在主要是國聯股份先付錢，幫助工廠去改造，工廠一分錢也不用出，不怕不回款的問題，因為我們跟工廠是深度的合作，他的原材料采購和產成品的銷售，都是我們全負責，我們會在他每噸的交易上面，相對于是扣5元，這個成本相對是比較低的。工廠年度的產能是在5萬噸到10萬噸的量，大概每噸收5-10元的費用，一個工廠每年可以提供100萬-500萬的費用，類似于我們是先幫他實施，后收費的模式。

    然后在實施過程中，我們會幫著工廠去打造數據中臺，這個數據還是相對保密的，是放在工廠側。我們會放在平臺側，第二個就是我們的產業互聯網的實驗，就是工業互聯網平臺，我們也在搭。將工廠側相關的數據，進行收集，當然也會跟工廠簽訂保密協議，工廠會把某一些數據上傳過來，比如說生產的一些關鍵數據，還有物流的成本倉庫的數據生產過來，這個時候在我們平臺上通過第三方的服務，類似于現在用的釘釘，或者企業微信，我們也在搭這個平臺。第三方的服務進來以后，可以讓工廠進行授權，授權這個數據給你用，去搭建更加全面的一些數字化的操作。甚至我們會把數據上來以后，搭建一個數據平臺來操作。

    王偉玲：張總介紹了工廠如何去開展數據治理相關的工作和業務如何去融合。也想問一下太極股份，太極也是在數字政府的國家隊，開展了數字政府相關的一些建設工作。我們能不能結合政府領域的特點，然后談一下我們在去做數字政府相關項目的時候，如何把政府相關的業務和數據治理相關的事情，有效的跟它緊密結合在一起？

    李寶東：其實我認為業務需求和數據治理，在做數據治理的時候，必須還是以業務需求為引導，業務需求還是切入點，我們必須是有客戶的需求。根據需求去推導我們到底需要什么樣的數據，這樣的話才能夠去推動我們從政府各個部門，首先你要根據業務去拿到這些數據，所以必須要有業務為導向的。不是說先把平臺建好了，所有的數據放在那，然后才去找需求，這個次序不是這樣的，必須是政府端有急需解決的事情，有急需要做的事情。

    舉幾個例子，拿北京市的小客車搖號，這也是一個實際的需求，這些數據分散在九個委辦局，我們首先跟交通部門梳理這個業務的流程，需要哪些部門拿哪些數據，經過什么樣的審批，才能完成搖號。根據這個業務引導，就很容易得到大家要拿什么樣的數據，這個過程中有沒有部門數據的標準不統一，我們需要做數據治理，最后我們把這些數據拿上來，在數據平臺里做好治理，通過治理好的數據，我們把數據平臺進行打通，然后讓居民通過搖號系統去完成這個業務。

    王偉玲：政務數據共享一直是一個挺大的難題，我們國家最近幾年一直在出臺政務數據相關的一些文件，去年出了一個六號文，已經到了司法的層面，法律層面會去做一些推動。

    你們在實踐過程當中，去協調各個部門的一些數據，有沒有一些比較好的經驗跟大家分享。

    李寶東：因為對于政府部門來講，政府部門履職是按照自己部門的規定來履職的，所以我們做政府部門數據治理的時候，第一是以業務為引導，通過業務引導，找到這一項工作，是屬于他部門的職責，這是你需要履職的，必須通過從業務給映射到行政，通過行政去推動政府部門去執行行政的職責，只要能映射到行政職責，那這個事情是沒有辦法推到別的部門的。

    通過這種方式，去推動整個政府部門一起協同配合，把整個數據按照規定好的流程，去整合起來，去提供應用。

    王偉玲：數據是資源，有效的數據資產，數據重要性在要素市場的政策效應的推動下越來越重要了，我們在數字化轉型過程中，特別是業態創新和跨界融合的這個過程中，數據治理作為一個比較新的新興事物，在推動過程中應該注意哪些問題，先請久其軟件的黨總給大家做分享。

    黨毅：問到了企業數字化轉型，不管是久其軟件本身，還是我們的用戶，一說這個數字化轉型，大家很容易把這個事想得很大，通過這些年的經驗，我覺得轉型的過程中，不追求面面俱到。其實我很認同太極的做法，把幾個最核心的場景，或者說對于企業過去這么多年沒有辦法解決的核心矛盾，要直面，把這些根本的問題要抓住。

    這個主體存在的價值就是經營和發展，你就面向經營和發展，解決最核心的問題，拿大數據和數據治理來解決你解決不了的事，至于數據是不是能產生新的管理工具，通過管理工具的改變，產生新的變化。還是要回到企業經營的本質，就是經營和發展。

    我們一做數據和中臺，搞一點大屏，覺得特別有成績，實際上往往好看歸好看，好用歸好用，還是要回歸到企業發展和經營的本質，抓住最核心經營發展中產生的場景，把這個場景做實，不停去做迭代，把每個場景摳細了，這個企業的數字化轉型就成功了。

    還是要給予數據產生新的生產效率，這是數字化轉型的關鍵。

    王偉玲：接下來想請致遠互聯的劉總，做一個分享。

    劉亦然：主持人說的在座的這幾個老師都是一線的，如果說數據治理最核心的，就是抓住核心的應用場景。致遠互聯是做協同運營平臺的，我們也通過低代碼技術、微服務技術等不同的技術構成協同運營的平臺。在工業互聯網行業中，實際上致遠在里面提供的是底層的平臺，在上面構建實際用戶應用的，包括數字政府應用的，他們可能更了解客戶核心應用場景的合作伙伴，大家發揮自己的優勢，我覺得這個是挺關鍵的。

    我們也可以跟漢王科技合作，包括人工智能我們這個核心的業務去做國資、央企和政府的工作，對于錯字的識別，包括我想寫什么樣的文本的文字，自動撰寫會把這個文字寫出來，包括還有在四川地區的常用錯別字有哪些，或者有哪些他獨特的使用習慣，都可以自動加載進來，這個可能是未來做數據治理第一個核心要點。

    第二個要點，它不是一個一蹴而就的過程，可能不能想得太龐大和龐雜的。實際上我們給這些用戶做數字化的轉型，我們一直有一個低代碼的平臺，這個低代碼的平臺用了12年，我們有一個云端的低代碼交易的商城，每年用戶自身，包括比我們更了解業務應用的合作伙伴，他們每年提供上萬個和業務場景貼切和自己搭建的數字化運用場景，其他的用戶，或者類似于業態的企業，碰到這種應用場景，可以用一個很低廉的價格，把這個應用場景直接下載下來。用簡單的方式把自己的場景進行優化和構建，這個可能是一個對于中小企業來講，他們進行數字化轉型一個相對便捷的過程。

    王偉玲：應用場景是數字化轉型的王道。還是想請教一下周總，除了剛才兩位的一些觀點和想法，您能不能談一下數據治理，其他方面應該注意的一些問題。

    周英瑜：我們實際上算是數據采集過程當中的一個數字化和智能化的公司，數據做了這么多的事情，都是為了讓大家提高效率，讓大家少跑路。其實要做到這一點，除了平臺的作用，真是要用各種技術，AI技術，短代碼技術，或者更前沿一些通用技術，還有一些底層的交互技術，用這些技術去給各種數據的經濟，提供更多的能源和力量。

    我個人的一個看法，就是擁抱它，不要害怕它。先不說數字經濟當中，或者應用場景當中我們所遇到的困難，就是說我們現在自己了解的人工智能技術，我們認為也是處于前期，還早著呢，并不像外面描繪的，我們還是在一些解決實際問題當中去做事，可能才是最有效的，而不是我展示一個，展示一個什么有時候不一定那么實，不一定抓得那么牢，如果我們能抓牢的東西，先要抓牢。

    王偉玲：數據治理和人工智能相關技術的研發，還是像一個剛剛出生的小孩一樣，還是需要我們一代代人去不斷的奮斗，然后才有一個美好的未來。數據是無處不在的，可以永久保存的，價值永流傳，聽了大家的交流非常有收獲，非常感謝。

（編輯 才山丹）