“本体”这个源于哲学领域的词汇，终于在信息科学领域里引发了一场新的思考（炒作）和创新（机会）。本体能被计算机所识别、模拟和处理，就必须经过“数据本体”这个中间概念。作为一名数据管理人员，初听“数据本体”这个词感觉很抽象，看它的定义却又有“老酒装新瓶”之嫌，不就是数据管理里的元数据、数据架构、数据标准这几方面工作的整合吗？换个角度不就是主数据管理的扩展升级版吗？

本着事物都是螺旋上升，历史总是曲折前进这一基本原理，结合近一年人工智能技术的快速跃变，笔者认真对比和思考了数据本体与当下主流数据管理的范围和关系，认识到数据本体确实为数据管理这坛老酒带来了新的意义和任务，两者上下承接，相互成就，最终目标是使人工智能可以脱离人工干预，成为真正自主的智能。

一概念辨析

1.数据本体

数据本体源于哲学概念“本体”（Ontology），在信息科学中被定义为"对领域概念体系的规范化描述"，是对数据领域内概念、概念属性、概念间关系的规范化、形式化描述，强调数据的语义一致性、可理解性、可复用性和互操作性。

可以认为数据本体回答了“数据”的哲学三问：我是谁？我从哪里来？我到哪里去？从而使语义离散的数据聚合为了数据本体，就具备了一定意义上的能动性和智能决策的基础。

我是谁：数据的业务含义、语义、属性、规则；

我从哪里来：语境、上下关系、数据之间的语义关联，概念间的逻辑联系，

我到哪里去：实现机器对数据语义（含义）的理解和自动推理，实现语义搜索、知识图谱构建、自动决策等。

2.数据管理三个基础要素

上述数据本体的哲学三问，很容易与数据管理中的三个数据资源的管理工具和要素关联起来，即：元数据、数据标准、数据架构，本文内暂称它们为数据管理三要素。

3.数据本体与数据管理三要素

基于数据本体和数据管理中三个基础要素的概念解析，我们进一步对比两者的不同。数据本体不是现有数据管理的优化和简单升级，也不是元数据、数据架构、数据标准的简单相加，而是伴随智能技术质变的一种管理思路和方式的跃迁，面向的目标是最终实现机器或系统的自主决策和行为。

4.主数据与数据本体

数据本体与主数据两者虽不是同一层级和颗粒度的概念，但两者也有一些重叠和易混淆之处，有必要梳理一下，以便更好地理解数据本体的内涵，明晰两者的关系，在实践过程中更容易实行衔接与升级。

主数据是描述组织核心业务实体（事务对象）关键的、共享的、统一的、相对稳定的数据，是组织的核心业务实体（如客户、产品、供应商、员工）的唯一、准确、权威的数据源。

二数据本体与数据管理的联系

1.数据本体对数据管理三要素的"升维整合"

数据本体不是元数据、主数据、数据标准的简单组合拳，而是“增强升级、升维整合”，它从更高维度解决了传统数据管理流程难以解决的“语义鸿沟”问题。数据本体给予“语义依据”—— 没有本体的统领，数据管理的各环节很容易变成“各自为战”，出现“貌合神离”的治理痛点。

对于数据架构：数据本体给予语义层的关系网络，而非简单的实体间的有向图，如：客户与订单关系，从原来的关联变为“提交”，给实体间的连线赋予了具体的业务含义和动作。

对于元数据：数据本体将元数据转化为可推理的知识单元，将对数据的描述升级为对实体的业务属性和规则的全面透视扫描，不同组织的数据本体进行对接时，即使字段名称、规则不同，也可根据字段语义自动进行匹配。如：一个系统中是姓名字段，另一系统是姓和名两个字段，则两个系统数据对接时，可自动匹配，而不需要转换。

对于数据标准：数据本体实现标准的动态语义校验，如：检测采购单中的商品、型号、规格和兼容性是否满足物料需求，价格与数量是否满足成本要求，是否满足优惠条件等。

2.数据管理对数据本体的"基础支撑"

数据本体的构建不是从零开始，也不是凭空搭建，而是基于已有数据管理的基础。如果组织已具备了较成熟和较优质的数据管理基础，数据架构、元数据、数据标准的管理信息都是比较完整、真实、准确的，那么构建数据本体的基础框架、基础结点信息、实体范围、语义边界就基本具备了。

三面向数据本体的数据管理进阶

基于良好的数据管理基础，构建数据本体的管理，具体到数据架构、元数据、数据标准这三方面，还要做全面的升级和扩展。升级的核心逻辑是：以数据本体的“语义、规则、关联”为导向，重构三个要素的管理目标、方式和工具。

1.数据架构管理：从“技术架构”到“语义架构”

传统数据架构多聚焦存储架构、系统架构等技术设计，缺乏对数据语义的统筹。数据本体的架构需要完成数据语义的整合。

升级要求：以数据本体为实体，实现“语义驱动架构设计”，特别是对概念级数据架构进行升级或重构，定义组织全域数据的本体概念、业务区域和关系，作为架构设计的顶层设计。构建本体语义和行为导向的数据分层与流转架构；关注语义的一致性而非简单书面的一致性；顺利获得模块化、虚拟技术等方式增加架构的弹性扩展能力。

2.元数据管理：从“被动记录”到“主动赋义”

元数据是描述数据的数据。传统元数据管理做的是：数据是什么，元数据就记录成什么，且多为技术元数据采集，缺乏对业务语义的关联映射。

升级要求：拓展元数据覆盖范围，对齐本体概念的各维度，补全业务元数据（如业务术语、指标口径、业务规则），或增设语义元数据（如数据与本体概念的映射关系、概念间的语义关联），形成“管理－技术－业务－语义”四位一体的元数据体系。建立元数据到本体概念的映射规则库，顺利获得自动匹配+人工校准进行同步，本体发生变更时，触发联动更新，确保映射关系的时效性：基于自然语言处理（NLP）等技术，进行语义定义和标签；强化关联分析能力，增强本体关系的血缘分析、影响分析功能，挖掘数据间的隐性关联，补充数据本体的关系定义。

3.数据标准管理：从“规则固化”到“规则自适应”

传统数据标准多聚焦格式、编码、命名规范等技术规范，缺乏与业务语义的绑定，业务逻辑规则不足甚至缺失。

升级要求：以数据本体为单元，重构数据标准的层级体系，基于数据本体的概念层级制定数据本体的行为标准，建立行动层、语义层、技术层的不同层面的规则与标准，并随数据本体和业务逻辑的变化而动态调整。建立“本体－标准－本体”的标准制定与校验互证机制，构建自动化校验链路；将数据标准规则嵌入数据本体模型，有助于数据标准的动态迭代，适配本体的演进。

四总结

数据向数据本体转变的过程就像从“被动的有机算料”进化为“自驱的智能生物”的过程。数据管理也需要完成相应的向“数据本体管理”的转换。数据架构管理构建数据本体为单元的全域数据本体的多维地图；元数据管理完成数据本体的语义构建；数据标准管理负责数据本体的语义一致性和行为规则的构建。三者协同改进，满足数据本体管理的新目标和新任务。