株式会社日立制作所（以下简称日立）自2026年4月起，已开始一项支持日挥国际株式会社（以下简称日挥国际）的计划，旨在运营其数据品质管理（Data Quality Management，简称DQM）框架，以提升该公司在AI时代的数据管理水平。 AI回应的精确度在很大程度上取决于输入数据的品质，因此，在整个组织范围内推广AI应用的过程中，提升数据管理的重要性比以往任何时候都更加突显。特别是，创建能够持续维护和改善数据完整性、及时性、可靠性等的DQM，已成为AI应用的不可或缺的基础。 至今，两家公司以DMBOK*1、ISO8000*2等国际数据管理标准框架为基础，共同探讨了DQM的改善方针，包括找出日挥国际的现状课题、定义未来愿景（目标）、以及设计结合PDCA*3与OODA*4的改善流程。基于此方针，双方旨在创建并落实一套能够持续且灵活地管理、改善数据品质的DQM机制，借此促进AI的应用，并实现数据价值的最大化。 *1 DMBOK：数据管理知识体系指南 (Data Management Body of Knowledge) *2 ISO8000：关于数据品质的国际标准规格 *3 PDCA：重复运行计划（Plan）、运行（Do）、评估（Check）、改善（Action），以持续改善和提升业务效率的流程 *4 OODA：快速循环观察（Observe）、判断情况（Orient）、决策（Decide）、行动（Act），以根据情况变化迅速做出决策和行动的流程 为了应对人力短缺和技术传承等课题，AI的应用正迅速扩展，但与此同时，许多企业也面临着「无法达到预期精度」、「生成与事实不符的答案」等提升回应精确度的挑战。这些问题大多源于数据单位或格式等数据定义不一致、品质参差不齐等DQM未能充分运行的情况。 持续改善数据品质的基本理念，已在DMBOK及ISO 8000中被定义。然而，由于难以达成跨组织的共识，加上专业人才不足等原因，DQM在实务现场的导入进展缓慢。另一方面，为了最大化数据的价值，持续改善数据品质是不可或缺的，因此创建符合现场需求的机制已成为当务之急。 日挥集团正在其EPC*5事业的各个项目运行阶段，致力于利用AI、IoT等数字技术，实现大幅度的效率提升与业务变革。日立将活用其在制造、金融、社会基础设施等多样化产业中培养的数据管理专业知识，陪伴并支持日挥国际基于此战略，推动改善数据品质管理的相关措施。 具体而言，日立将全面支持创建DQM所需的机制，从设置数据品质标准、确立监控方法，到数据管理基础的整体运营设计，乃至于数据治理的建构。此外，在创建这些机制的过程中，将采用结合了PDCA的计划性稳健运行与OODA的快速状况掌握及应对的「PDCA×OODA」混合型改善流程。