教育数字化知识图谱

失败主因有三个：一是跳过数据治理直接买分析工具，“垃圾进垃圾出”，报表数字没人敢用；二是部门各建小数仓，口径打架，同一指标多个版本，应校级统筹“数据中台+统一身份”骨架；三是只有平台没有运营，指标不维护、口径不评审，上线即僵化。正确路径是数据治理先行（建标准、主数据、质量规则），优先落地质量监控、学业预警、一表通等见效快的场景，再扩展驾驶舱与画像。关于大模型问数：它不会取代数据分析师——大模型擅长把自然语言转成查询初稿、降低使用门槛，但数据口径治理、指标定义、业务解读仍需要专业人员；且大模型生成结果须可溯源验证，人机协同才是正确姿势。