[解决方案] 爱立信如何借助 Dataplex 实现数据完整性与卓越治理

**发布时间:** 2025-11-08 **厂商:** GCP **类型:** BLOG **原始链接:** https://cloud.google.com/blog/topics/telecommunications/how-ericsson-achieves-data-integrity-and-superior-governance-with-dataplex --- <!-- AI_TASK_START: AI标题翻译 --> [解决方案] 爱立信如何借助 Dataplex 实现数据完整性与卓越治理 <!-- AI_TASK_END: AI标题翻译 --> <!-- AI_TASK_START: AI竞争分析 --> # 解决方案分析 ## 解决方案概述 该解决方案详细阐述了电信巨头**爱立信（Ericsson）**如何利用 **Google Cloud Dataplex** 构建一个先进、业务驱动的数据治理框架。其核心目标是支撑其**AI驱动的自主网络运营（Ericsson Operations Engine - EOE）**，将数据从简单的资源转变为战略性资产。该方案主要解决在管理全球超过71万个站点的复杂网络时，如何大规模落地企业数据战略，并应对建立数据信任、平衡合规与创新、确保数据完整性等核心挑战。技术上，该方案以 **Dataplex Universal Catalog** 为核心，构建了一个智能化的数据编织（Data Fabric）层，通过自动化元数据管理、数据质量监控、血缘追踪和策略实施，实现对分布式数据资产的集中式治理。 ## 实施步骤 1. **建立统一的业务词汇表** - 在Dataplex中创建并维护业务术语表（Business Glossary），以消除跨团队的术语歧义，并集中管理关键的隐性知识（Tribal Knowledge）。这是构建可信**数据产品**的基础。 2. **实现集中的数据发现与元数据丰富** - 利用Dataplex的**数据目录**作为数据资产的统一入口。通过其标签（Tagging）功能，为数据资产系统性地添加数据分类、所有权、保留策略和敏感度等级等关键元数据，从而为授权用户提供简单直观的数据发现体验。 3. **自动化数据血缘追踪与影响分析** - 运用Dataplex提供的自动化、精确到**列级别的数据血缘**可视化功能。这使得数据科学家、分析师等不同角色能够即时理解数据的来源、转换过程及其对下游应用的影响，极大地增强了数据信任度并缩短了问题排查时间。 4. **落地主动式数据质量监控** - 在数据管道中部署Dataplex的自动化**数据质量检查和分析（Profiling）**规则。当数据质量不符合预设标准时，系统会自动触发警报，并在爱立信的服务管理平台中创建事件，确保数据质量问题能像高优先级事故一样得到快速响应和解决。 5. **融入数据运营模型（DOM）** - 将上述技术能力全面整合到爱立信自有的**数据运营模型（Data Operating Model）**框架中。该模型系统性地定义了将数据战略转化为业务价值所需的策略、人员、流程和技术，确保治理实践与业务目标紧密对齐。 ## 方案客户价值 - **提升数据信任与可用性** - 通过统一目录、清晰血缘和自动化质量监控，为分析、AI及自动化团队提供了可发现、清洁、可靠且易于理解的数据，从根本上建立了组织对数据的信任。 - **平衡治理与创新** - 成功构建了一个既能满足合同与法规遵从性要求（**防御性治理**），又能赋能业务团队利用数据进行创新和价值创造（**进攻性治理**）的平衡框架。 - **加速业务价值实现** - 作为GCP原生解决方案，Dataplex提供了紧密集成的端到端生态系统，显著减少了不同工具间的集成开销，从而加快了数据驱动用例的上市时间（Time-to-Market）。 - **优化总拥有成本（TCO）** - 对于已深度使用GCP的爱立信而言，Dataplex是其现有云环境的自然延伸，为存储、计算及新增的治理能力提供了清晰且易于管理的成本模型。 - **支持敏捷与迭代文化** - 平台提供了一个务实的运营模型，支持“快速失败、学习和适应”的敏捷方法，使团队能够快速掌握新工具并实现数据治理的自给自足。 ## 涉及的相关产品 - **Dataplex Universal Catalog** - 解决方案的核心。提供统一的数据发现、元数据管理、数据质量、数据血缘和治理策略实施能力。 - **BigQuery** - 作为核心数据仓库，与Dataplex紧密集成。爱立信计划在未来利用其内置的生成式AI能力来进一步简化治理流程。 ## 技术评估 - **优势** - **原生集成性:** 作为GCP原生服务，与BigQuery等其他GCP产品无缝集成，极大地降低了技术栈的复杂度和集成成本。 - **自动化与智能化:** 提供自动化的数据质量检查、血缘追踪等能力，并规划引入AI驱动的术语推荐，显著提升了数据治理的效率和规模化能力。 - **全面的治理能力:** 功能覆盖了从元数据管理、数据质量到安全策略的端到端数据治理生命周期，为企业提供了一站式解决方案。 - **架构前瞻性:** 方案的设计理念与**数据网格（Data Mesh）**和**数据编织（Data Fabric）**等现代化数据架构范式高度一致，支持企业向分布式、自服务的数据消费模式演进。 - **未来方向与挑战** - 解决方案正积极探索融合**数据治理与AI治理**，特别是在生成式AI兴起的背景下，这是一个行业前沿但充满挑战的领域。 - 未来需要持续跟进技术发展，确保治理实践能够适应快速演进的AI技术，并有效解决AI模型的透明度、可解释性和公平性等新兴治理难题。 --- ## 其他信息 ### 爱立信总结的关键经验 1. **治理是价值的推动者，而非阻碍者:** 现代数据治理应首先关注业务赋能、驱动价值和鼓励创新，而非仅仅是制定规则和管理风险。 2. **治理是一个持续的旅程，而非终点:** 必须准备好在一个快速变化的环境中不断地学习、适应和迭代。 3. **关注业务成果，而非工具本身:** 技术是关键的促成因素，但沟通的重点应始终围绕其所创造的业务价值。 4. **文化是成功的基石:** 有效的治理需要强有力的领导层支持，以及在整个组织中根植“数据优先”的文化，使其成为每个人的责任。 <!-- AI_TASK_END: AI竞争分析 --> <!-- AI_TASK_START: AI全文翻译 --> # 爱立信如何借助 Dataplex 实现数据完整性与卓越治理 **原始链接:** [https://cloud.google.com/blog/topics/telecommunications/how-ericsson-achieves-data-integrity-and-superior-governance-with-dataplex](https://cloud.google.com/blog/topics/telecommunications/how-ericsson-achieves-data-integrity-and-superior-governance-with-dataplex) **发布时间:** 2025-11-08 **厂商:** GCP **类型:** BLOG --- 电信 # 爱立信如何借助 Dataplex 实现数据完整性与卓越治理 2025 年 11 月 8 日 ##### William McCann Murphy 爱立信数据管理局负责人 ##### Akanksha Bhagwanani Google Cloud EMEA 数据分析解决方案负责人 ##### 试用 Gemini 2.5 我们最智能的模型现已在 Vertex AI 上提供 [立即试用](https://console.cloud.google.com/vertex-ai/studio/freeform) 数据是现代电信业的引擎。对于运营着全球超过 71 万个站点的爱立信托管服务 (Managed Services) 而言，利用这些数据不仅是一种优势，更是业务增长和保持领先地位的基石。为了驱动其 [自主网络运营 (autonomous network operations)](https://www.ericsson.com/en/ai/autonomous-networks) 的未来并实现战略重点，爱立信一直在进行一场以治理为核心的变革性数据之旅。 爱立信利用 [Google Cloud 的 Dataplex 通用目录 (Universal Catalog)](https://cloud.google.com/dataplex) ，从基础实践转向了先进的、赋能业务的数据治理 (data governance) 框架，成功将数据从简单的资源转变为战略资产。 ### **从新运营模式到新数据思维** 爱立信的旅程始于 2019 年，当时推出了 [爱立信运营引擎 (Ericsson Operations Engine, EOE)](https://www.ericsson.com/en/managed-services/ericsson-operation-engine) ，这是一种开创性的、由 AI 驱动的运营模式，用于管理复杂的多厂商电信网络。EOE 明确了一点：要取得成功，**数据必须成为一切的核心**。 这一认识促使爱立信制定了其首个企业数据战略，确立了数据收集、管理和治理的核心原则。然而，制定战略是一回事，大规模地将其付诸实施则是另一回事。 为了从理论走向实践，应对现实世界的挑战，爱立信需要： - **建立信任：** 为部署分析、人工智能 (AI) 和自动化的团队提供可发现、干净、可靠且易于理解的数据。 - **平衡防御与进攻：** 确保遵守合同和法规 (防御性治理)，同时赋能团队从数据中创新和创造价值 (进攻性治理)。 - **确保数据完整性 (data integrity)：** 爱立信的用户将数据完整性视为有效数据管理的核心原则。数据质量 (data quality) 是衡量有效性的关键质量指标 (KQI)，对于确保数据在整个生命周期内的可靠性和可信度至关重要。任何质量偏差都必须像高优先级事件一样进行管理，并制定明确的服务水平协议 (SLA) 以进行恢复和解决。 为了实现这一愿景，爱立信寻求一个能够匹配其全球规模治理和创新雄心的平台——而 Dataplex 通用目录成为了理想之选。 爱立信的选择基于四个关键标准。 首先，其功能与爱立信对云原生转型 (cloud-native transformation)、业务原则和长期治理愿景的要求完美契合，并以爱立信与 Google Cloud 的战略合作伙伴关系为基础。其次，从技术角度看，Dataplex 作为一个原生的 Google Cloud 解决方案，提供了一个紧密集成的端到端生态系统，这意味着用例的上市时间更短，集成开销也更少。 第三，该平台提供了一个实用的运营模式，能够实现快速学习、适应和自给自足，支持一种敏捷方法，让爱立信可以快速失败和迭代。最后，作为 Google Cloud 的现有客户，Dataplex 展现了清晰可控的总体拥有成本 (TCO)，成为爱立信现有环境的自然延伸，并为存储和计算的扩展以及治理能力的增强提供了清晰可控的成本模型。 ### **将治理付诸实践：关键能力实战** 以 Dataplex 通用目录为治理基础，爱立信开始实施其治理计划的核心支柱，从手动流程转向自动化的智能数据编织 (data fabric)。 更具体地说，爱立信在 Dataplex 内建立了一个统一的业务词汇表 (business vocabulary)。这变革性的第一步消除了模糊性，确保了从数据科学家到数据分析师的各个团队都在使用同一种语言。这些术语表还沉淀了“部落知识”，并成为创建可信数据产品 (data products) 的基础。 此外，Dataplex 的目录是数据治理解决方案的核心，让授权用户的数据发现变得简单直观。爱立信利用其标记 (tagging) 功能，用关键的元数据 (metadata) 丰富数据资产，包括数据分类、所有权、保留策略和敏感度标签。Dataplex 能够自动可视化数据血缘 (data lineage)，精确到列级别，这是另一项颠覆性的功能。不同的数据角色 (data personas) 可以即时了解数据集的来源及其下游影响，从而极大地增加了信任度并缩短了调查时间。此外，可信的 AI 模型建立在高质量数据之上。为了实现主动数据质量管理，爱立信使用 Dataplex 在其数据管道上运行自动化的质量检查和分析。当质量规则被违反时，会自动触发警报，在其服务管理平台中创建一个事件，以确保数据问题得到应有的紧急处理。 这些能力都以爱立信的**数据运营模型 (Data Operating Model, DOM)** 为基础，该框架定义了将数据战略转化为实际价值所需的策略、人员、流程和技术，涵盖了数据工作的多个方面。  1. **企业数据架构：** 管理从数据收集到消费的数据流、企业数据建模和最佳实践 2. **技术与工具：** 业务术语表，主数据、参考数据和元数据管理，数据建模以及数据质量管理 3. **角色与职责：** 管理和治理数据的角色 (即端到端数据生命周期和监管) 4. **数据与模型保障：** 数据管道监控、数据可观测性 (data observability) 和数据质量监控 5. **治理：** 管理数据合规性、风险和安全管理，管理运营级别协议、目标和关键结果以及审计管理 6. **流程：** 数据治理、数据质量、数据管理和数据同意相关流程 ### **展望未来：集成化与智能化的新篇章** 作为全球技术领导者，爱立信致力于塑造 AI 驱动的数据治理的未来。技术，尤其是在 AI 领域，正以惊人的速度发展，数据和 AI 治理实践都必须跟上步伐。 这些发展正在指引爱立信未来的优先事项，其中包括弥合数据与 AI 治理之间的差距，尤其是在生成式 (generative) 和代理式 (agentic) AI 兴起的背景下。这些计划包括评估在 BigQuery 和 Dataplex 中使用生成式 AI 功能以简化治理，并寻求确保 AI 模型部署中的透明性、可解释性 (explainability)、公平性 (fairness) 和风险管理的解决方案。 除了利用 AI 的力量进行规模化治理外，爱立信还将应用治理工作流、由术语表驱动的数据质量策略、对资产进行规模化术语分配、批量导入和导出术语表、AI 驱动的术语表推荐以及数据质量可复用性功能。爱立信还正在将其架构与数据编织和数据网格 (data mesh) 原则对齐，为团队提供对高质量、可信数据产品的自助式访问。最后，爱立信将评估使用更精细的、基于策略的访问控制来补充现有的基于角色的访问，从而进一步加强其数据安全、保护和隐私。 对于任何走上类似道路的组织，爱立信的经验提供了几个关键教训： 1. **治理是价值的助推器，而非绊脚石：** 现代数据治理计划首先关注的是业务赋能，驱动价值和创新，以补充策略、规则和风险管理。 2. **这是一段旅程，而非终点：** 准备好快速失败、学习和适应。行业格局正以惊人的速度不断变化。 3. **关注业务成果，而非工具：** 技术是一个关键的赋能因素，但对话的核心是你正在创造的业务价值。简化故事，用业务的语言沟通，并揭开炒作的面纱。 4. **文化决定一切：** 要使治理有效，每个人都有责任。这需要强大的领导力、赞助以及在整个组织中根植“数据优先”的思维模式。 通过与 Google Cloud 合作并利用 Dataplex 通用目录的力量，爱立信正在构建一个不仅合规、安全，而且敏捷、智能的数据基础——为下一代自主网络提供动力。 发布于 - [电信](https://cloud.google.com/blog/topics/telecommunications) - [数据库](https://cloud.google.com/blog/products/databases) - [网络](https://cloud.google.com/blog/products/networking) - [客户案例](https://cloud.google.com/blog/topics/customers) <!-- AI_TASK_END: AI全文翻译 -->