行业研究公司研究宏观策略财报招股书会议纪要 Token 低空经济十五五 AIGC 大模型

通信行业人工智能数据治理实践指南2025：惟实励新

信息技术 2026-01-14 - 华为&中国信通院&中国移动测试专用号1普通版

通信运营商人工智能数据治理研报总结

一、人工智能与数据发展历程

人工智能与数据发展经历了从并行到融合的演进过程，经历了“三起两落”的发展历程：

符号主义时期：以规则驱动为核心，存在规则局限性、泛化局限性和需求响应局限性等问题，导致第一次人工智能“寒冬”。
联结主义时期：转向数据统计学习，但受算力和数据量限制，导致第二次人工智能“寒冬”。
大模型时期：数据、算力、算法协同发展，实现从“数据驱动”到“智能涌现”的跨越式发展，成为“颠覆性生产力”。

数据技术发展经历了三代变革：

DT1.0时代：以数据存储和查询为目标，数据进入“存得住、查得到”时代。
DT2.0时代：以数据资源开发利用为目标，数据进入“存得多、算得快”时代。
DT3.0时代：以数据要素价值释放为目标，数据进入“供得出、流得动、用得好”时代。

当前，数据与人工智能走向深度融合，形成“DataforAI”与“AIforData”的螺旋式发展格局。

二、人工智能需要什么样的数据

人工智能对数据的需求随着发展历程而变化：

符号主义时期：需要处理结构化、符号化的规则集和知识，包括事实数据、规则数据和概念数据。
联结主义时期：需要大规模数据集、特征数据、标签数据等，并发展出机器学习、强化学习-深度学习和大模型三个时期，数据需求和处理方式发生根本性变革。

三、数据需要怎样的治理，智能如何改变治理

数据治理工作模式和技术发展随人工智能发展呈现阶段性特点：

符号主义时期：人工主导、规则驱动、场景专用。
联结主义时期：规模化管控、全流程质量优化、动态安全防护。

智能化数据治理借助人工智能等技术，提升数据管理与应用效能，未来将从全链条“AI+数据治理”和“人机协同”两个方面重点发力。

四、通信高质量数据集建设指引

高质量数据集是人工智能发展的基础，通信运营商需面向人工智能的需求进行数据集建设：

人工智能典型业务场景：企业办公、市场营销、客户服务、网络运维、资源管理及安全合规。
人工智能典型智能应用：办公助手、营销智能体、智能客服、故障预测、财经助手等。
人工智能驱动业务转型价值：提升运营效率与降低成本、优化客户体验与满意度、数据驱动决策与业务创新、推动业务模式转型与增长、增强网络韧性和安全性、实现可持续发展与社会责任。
通信高质量数据集新需求：现有主要数据集基础包括业务运营、网络运维、管理决策、客户服务、外部行业数据集，但面临数据孤岛、数据标注成本高、数据标准缺乏等挑战。
通信高质量数据集建设要求：主题明确性、多维度质量属性、伸缩法则。
通信高质量数据集建设实践：河南移动通过数据治理、数智化转型工作实践，构建高质量数据治理与供给体系，实现全过程强数赋能。
通信高质量数据集评测：数据质量评测、数据可用性评估、人工智能应用导向评价、应用效果评估、成本效益分析、合规性与安全性。

五、通信智能化数据治理实践

人工智能技术可辅助数据标准、数据质量、元数据、数据资产管理等工作，提升数据管理智能化水平：

人工智能驱动数据标准智能化管理：自动化、智能化、实时监控与动态调整，提升效率、降低成本、增强数据质量、促进数据共享、增强业务决策支持能力、推动数据治理可持续发展。
人工智能协助提升数据质量管理效率：从规则驱动到“规则+智能”双驱动、从抽样检查到全量监控、智能数据血缘与影响分析、智能数据清洗与修复，提升效率、降低成本、增强数据信任、保障业务高质量发展。
人工智能赋能数据安全管理智慧化：从静态权限控制到动态智能风险识别、从关键字匹配到智能敏感识别与分类、敏感数据智能脱敏、模糊化与匿名化，提升主动防御能力、促进合规增效、推动数据共享、保护品牌及信任。
人工智能使能智能元数据管理转型：元数据自动化与智能化能力提升、元数据实时监控与动态管理、驱动数据标准化与统一化推进、增强跨部门协作与可追溯性，提升效率、增强数据合规性与安全性、支持数据驱动决策的优化、促进数据资产化与价值释放。
人工智能帮助提升数据资产管理能力：数据发现与分类的自动化、数据资产质量实时监测、数据资产管理流程优化，实现数据驱动决策的智能化、数据与人工智能的协同生态、数据资产的货币化、数据资产管理平台的智能化升级、数据湖与人工智能的深度融合。
福建移动人工智能数据治理业务实践：深入开展数据&AI现状问题分析，加强规划，建立多模态数据管理体系，数据治理驱动AI+应用工作举措，人工智能原生数据治理使能数智运营实践，实现从“经验驱动”向“数据驱动+AI智能”的运营模式升级。