为推动数据治理软件、产品、工具和平台的发展，本届峰会增设了年度数据治理入围产品八分钟路演项目，经过本峰会数据质量、数据管理智库的专家评审委员会评定，最终选出五家入围产品。
龙石数据一直致力于数据质量管理体系、评价体系以及标准体系的研究，并且自主研发了涵盖数据质量探索、问题、管理、评价、考核的全生命周期数据质量管理平台。下面给大家带来数据质量智能管理平台的分享，以及我们多年来在政务、金融、教育等行业的落地实践经验。在当前数据资产管理应用的深化阶段，数据质量管理方面仍存在一些需要完善和进一步提升的空间，主要表现为以下三个方面乐：第一、从数据的提供方来看，源头数据质量意识薄弱，源头提供的数据质量有待进一步提高。第二、从数据建设方来看，在之前大数据发展的几个阶段，无论是政府还是企业，在数据中心基础建设方面做了大量的投入，但实际上数据的建设效果尚未达到预期的目标，尤其是在面对复杂业务和海量数据方面，缺少必要的手段来衡量数据建设的成效和水平。第三、从数据管理部门来看，目前各行业尚未形成完善的数据质量评价体系和管理手段，对数据质量管理缺少全局的指导和规划。那么在实际的数据资产管理过程中，数据流通的各个环节都会产生数据指南问题。
龙石数据发布的数据质量智能管理平台历经了1.0、2.0、3.0三个大版本以及数十个小版本的迭代和优化，在1.0中重点实现了数据质量管理的支撑工具，在2.0中融合了管理体系和闭环工作流程，3.0实现了数据质量管理的智能化和自动化。目前已形成技术突出、行业领先、经验丰富的数据质量管理平台。
平台在实际的建设过程中，遵循了我们提出的四步走解决方案，构建质量摸底、问题溯源、质量修复和考核评价的闭环工作流程，形成数据汇聚与质量提升的双循环，独立运转、相互监督、相互促进。平台采用了基于托普体系的大数据技术和机器学习算法，深度挖掘数据质量问题，并依据不同的行业、场景提供定制化的问题数据管理流程，将数据质量问题分派到责任人，实现数据质量问题的可控、可管和可追溯。平台采用了旁路检测的技术实现方式，在不影响现有数据共享、交换流程的基础上，将数据同步至大数据平台进行计算和分析，实现了千万级数据的分钟级监测，快速定位数据质量问题，实现数据质量的动态监测和实时感知。
数据质量智能管理平台在多年行业经验和实践经验的基础上，融合了12万个国家标准、行业标准、地方标准，形成覆盖国标36344的数据质量评价体系。在实践过程中积累了七千多个核心规则，建立了数据质量规则的共识机制和反馈机制。同时平台结合行业场景，采用人工智能算法，持续优化数据质量模型。在实际的使用过程中，只需一键接入评测数据源，就可以自动检测数据质量、发掘其中的问题，实现数据质量管理的智能化和自动化。
直观、一流的用户体验：以用户体验为中心确保所有域的所有用户都能获得一致、无缝的体验。卓越的导航和最先进的搜索技术提高了生产效率，使各级用户都能使用数据创造业务价值。 本地云：本地云 基于Cassandra和Kubernetes等技术的云原生SaaS产品。卓越的灵活性和可扩展性使IT部门能够自由地专注于推动业务，而不是担心基础设施、容量或升级。 开放式平台：开放式平台 包括新的GraphQL API和带扩展API的异步框架在内的增强功能使集成更加灵活，并使客户和生态系统合作伙伴能够推动收入驱动的创新，包括MDM驱动的数字业务中心。
