杨毓慧，苏州龙石信息科技有限公司创新总监，长期从事数据治理咨询、方案规划与项目实施，工作涉及数据标准、数据质量、元数据管理及数据治理体系建设，入选2026全球数据管理峰会“数据管理与人工智能创新技术开放交流”活动数据治理特聘专家。
从具体项目实施到治理体系建设，再到行业方法论的总结与传播，杨毓慧持续探索如何将数据治理要求融入业务流程，推动治理工作从阶段性整改走向常态化运营。
一、从信息化项目实施走向数据治理实践
杨毓慧拥有工程管理研究生学历，并具备信息安全、会计学等专业背景，持有 CDGA、PMP、信息系统项目管理师等相关资格。
职业生涯早期，她参与大型集团企业 ERP、连锁企业信息化及矿产资源大数据等项目，积累了需求调研、方案设计、项目实施和交付管理经验。这些经历使其在开展数据治理工作时，不仅关注技术实现，也重视业务流程、管理机制和项目落地条件。
2020年加入龙石数据后，杨毓慧持续参与政府、高校、能源、医疗和制造业等行业的数据治理项目，工作范围涵盖数据治理整体规划、数据标准建设、数据质量管理、元数据管理及相关专项服务。
在项目实践中，她逐步将工作重点从单项技术问题的解决，延伸至治理制度、实施流程和协同机制的建设。面对数据标准不统一、质量问题反复出现、跨部门整改推进困难等问题，除了设计评测规则和治理方案，还需要明确各方职责、建立问题处理流程，并推动治理要求进入日常管理。
这种从项目交付走向体系化治理的实践路径，也构成了她参与后续城市级公共数据治理和企业数据管理项目的工作基础。
二、以项目实践推动数据质量持续改善
数据治理的成效，需要通过具体业务场景和可验证的项目成果体现。在长期项目实践中，杨毓慧参与并主导了多个数据标准与数据质量治理项目，围绕标准统一、质量监测、问题修复和常态化运营开展工作。
1. 数字市场监管数据质量运营：建立常态化监测与修复机制
在数字市场监管数据质量运营监测门户及服务项目中，杨毓慧担任项目经理，主导市场主体、食品等主题的数据质量治理工作。
项目围绕数字市场监管的数据管理需求，梳理数据标准体系，设计数据质量监测模型与评测规则，并建立问题数据发现、派发、追溯和修复机制，推动数据质量管理从事后抽查向常态化运营转变。
项目建设了市局统筹共建、区局共用的“1+10”数据质量运营监测门户，为数据质量问题修复、质量概览和标准查询提供统一渠道。项目梳理数据标准339项，设计实施数据质量监测模型109个，覆盖101项数据资源，并推动修复6700余个问题。
通过统一监测渠道、完善标准体系和建立闭环修复机制，项目将分散的数据质量问题纳入持续管理，为后续问题分析和源头治理提供了基础。
2. 城市级政务数据质量协同治理：推动问题从发现走向源头修复
在某大数据平台核心资源数据质量协同服务项目中，杨毓慧担任项目经理，主导政务数据质量治理与动态提升机制建设。
项目采用旁路监测方式，在不影响现有业务运行的前提下开展独立评测，并将模型设计、规则共识、数据评测、工单派发、问题分析、源头修复和问题复评纳入统一流程，推动数据质量管理形成持续改进机制。
项目将30余个部门、150余个数据资源纳入质量评测，累计评测数据6178万余笔，发现问题622万余个，推动修复615万余个，整体问题修复率达到98.87%。
这一实践表明，数据质量提升不仅依赖检测工具，也需要将业务部门、数据治理团队和系统供应商纳入协同流程。通过明确问题处理责任、跟踪整改进度并复核修复结果，治理工作才能从一次性整改逐步转向持续运营。
3. 某地热力公司数据中台建设：让数据治理服务生产运营
数据治理的价值不仅体现在数据本身，也体现在其对业务运行和管理决策的支撑作用。
在某地热力公司数据中台建设项目中，杨毓慧担任项目经理，主导数据中台整体建设，结合 DCMM、DAMA 知识体系及“理采存管用”方法论，构建覆盖数据规划、数据集成、数据治理、数据共享、数据应用和数据资产的全流程数据管理能力。
项目整合 SCADA、DCS、三网平衡、设备、GIS、供热收费等多源异构数据，建设贴源层、治理层和应用层数据资源中心，并同步推进数据管理组织架构、制度框架和数据标准建设。
项目建成“全站一屏看”数据驾驶舱，将生产、能耗、收费和设备等数据整合展示。原先依赖人工跨系统对账汇总的月报，实现了实时展示，决策周期缩短70%以上。
此外，项目围绕“总站—区块—换热站—小区—单元—户”建立贯通的数据管理链路，推进用户地址标准化和数据断点治理，使管理人员能够更细致地掌握供热运行情况。
这一项目体现了数据治理与实际业务的结合：数据标准、质量管理和多源集成并非孤立建设，而是共同服务于生产运营、基层减负和管理决策。
三、从项目经验到方法论沉淀：《数据治理实战指南》
长期参与一线项目，让杨毓慧持续接触不同组织在数据治理过程中面临的实际问题。从数据资源底数不清、业务标准不一致，到质量问题反复出现、治理责任难以落实，这些问题往往相互关联，需要从方法、流程和组织协同等多个层面共同解决。
在项目实践之外，杨毓慧也是《数据治理实战指南》的作者之一，参与数据治理实践经验的总结与沉淀。
数据治理既涉及技术平台和工具，也涉及业务理解、标准体系、管理制度与实施路径。如何将这些要素组织起来，让治理工作能够落地执行并持续运行，是项目实践中需要不断回答的问题。
《数据治理实战指南》以数据治理实践为出发点，旨在为相关工作提供方法参考。参与该书编写，也是杨毓慧将项目经验转化为可供行业交流的知识成果的一部分。
从项目中的问题分析与流程设计，到对治理方法的梳理和总结，实践经验的沉淀有助于进一步明确数据治理工作的实施路径，也为不同组织结合自身情况开展数据治理提供参考。
四、近期实践：探索公共数据治理与智能化质量管理
在近期的某园区强化数据汇聚数据治理项目中，杨毓慧担任项目经理，围绕数字政府建设中的数据标准、数据质量和长效治理机制开展工作。
项目涉及经济大脑、一网通办、一网统管等重点业务场景。针对业务系统数据资产底数不清、数据标准不统一、源头质量不高以及问题缺乏闭环管理等情况，项目结合 DAMA 数据管理知识体系与 DCMM 数据管理能力成熟度模型，以“制度＋平台＋专员”为抓手，推动治理要求落实到具体流程和责任主体。
在标准建设方面，项目收集解构数据标准1000余项，构建覆盖通识、行业通识和行业专识三个层级的公共数据元标准体系，推进“一数一源一标准”建设，为跨部门数据共享提供统一的语义基础。
在质量管理方面，项目设计并部署1000余项质量评测规则，将质量监测延伸至数据入仓、加工融合和数据供给等关键环节，并通过多源联合监测识别跨表、跨系统的数据关联问题。项目累计评测数据超过20亿笔，问题修复率达到97.44%，核心资源数据正常更新率超过95%。
与此同时，项目探索将大模型技术应用于数据质量管理，建设业务系统数据质量 AI 自评助手。该助手基于数据标准与质量规则，支持数据质量评测、报告生成和整改建议等工作，并结合常态化巡检与邮件预警，帮助业务部门参与日常数据质量管理。
在这一实践中，技术工具与管理机制相互配合：标准为质量评测提供依据，质量监测发现问题，整改流程推动问题处理，常态化运营机制则帮助治理成果持续巩固。
五、让数据治理从项目建设走向持续运营
从数据质量治理到数据中台建设，杨毓慧持续将一线项目经验沉淀为系统化的数据治理方法，推动数据治理从项目建设走向常态化运营。这也是龙石数据长期坚持的方向：不仅帮助客户完成数据治理项目，更注重培养客户自身的数据治理能力。
围绕这一目标，龙石数据形成了“产品+培训+陪跑”全方位数据治理赋能体系，将平台工具、知识培训与项目实践相结合，赋能客户成为数据治理实战专家。
在产品方面，龙石数据以自主研发的数据中台等产品为技术支撑，提供覆盖数据集成、数据存储、数据管理、数据共享与应用的数据治理工具，支持客户开展全流程数据治理工作。
在培训方面，龙石数据构建了涵盖实战培训、理论培训、实施培训和认证培训的课程体系。其中，实战培训以业务场景为切入点，结合数据中台开展全流程实践；理论培训以 DAMA 数据管理知识体系和 DCMM 数据管理能力成熟度模型为基础，帮助学员理解数据治理的理论与方法；实施培训围绕“理采存管用”方法论，指导项目规划与实施；认证培训则围绕相关知识体系，帮助学员学习和准备专业认证考试。
在陪跑方面，龙石数据通过数据治理咨询与项目实施指导，协助客户梳理治理需求、建立实施路径、培养内部团队，并通过样板实践逐步形成适合自身业务的治理方法，推动数据治理能力在组织内部持续积累。
在长期项目实践基础上，龙石数据总结形成了“理采存管用”五阶八步数据治理方法论，并将其系统梳理于《数据治理实战指南》一书中。
该方法论融合 DAMA 数据管理知识体系与 DCMM 国家标准，将数据治理划分为“理、采、存、管、用”五个阶段，并进一步细化为八个实施步骤：
理（定战略、建体系、摸家底）： 明确治理目标，建立组织、制度与技术体系，梳理数据资源和业务需求。
采（聚数据）： 开展多源数据归集、清洗与融合，打通数据孤岛。
存（绘模型）： 规划数据仓库与数据模型，实现数据有序存储和管理。
管（管数据）： 围绕元数据、数据标准、数据质量、主数据及数据安全开展持续治理。
用（促共享、重应用）： 推动数据共享与业务应用，支撑数据分析、高质量数据集和 AI 智能体等应用场景。
这一方法论也被系统梳理于龙石数据编著的《数据治理实战指南》中。全书共15个章节，配套实施步骤、工作模板与成果物示例，并通过六个典型场景进行实战演练，帮助数据治理人员将理论转化为具体实践。
从产品工具到人才培养，从项目实施到方法论沉淀，龙石数据持续践行“赋能客户成为数据治理实战专家”
