MDM（主數(shù)據(jù)管理）并不吸引人，但隨著組織越來越依賴人工智能和數(shù)據(jù)分析，它已經(jīng)成為一種絕對的必要。CIO（首席信息官）們需要迎接這一挑戰(zhàn)。CIO必須將MDM提升至戰(zhàn)略高度，構(gòu)建起由專家驅(qū)動的、治理良好的數(shù)據(jù)基礎，為自主運行的AI系統(tǒng)提供持續(xù)、干凈、可信數(shù)據(jù)“養(yǎng)料”，從而真正釋放其潛力。
圖源：Zoonar GmbH via Alamy Stock
MDM一直很重要，坦白說，經(jīng)過三十年的反復提及，我們都已經(jīng)厭倦了聽到它。由于這個以及其他原因，一些企業(yè)無法整理好他們的數(shù)據(jù)，這在如今人工智能和數(shù)據(jù)分析廣泛使用的情況下是至關(guān)重要的。簡而言之，想要保持競爭力的企業(yè)最好盡早將MDM放在優(yōu)先位置。
客戶服務、內(nèi)部效率和自動化仍然很重要，但人工智能引入了一個新的維度，并為這一領域帶來了新的緊迫感。據(jù)人工智能驅(qū)動的企業(yè)云數(shù)據(jù)管理解決方案供應商Informatica（英福曼）的首席信息官Graeme Thompson（格雷姆·湯普森）說：“錯過自動化內(nèi)部流程的機會是一回事，而錯過能夠擁有人工智能輔助的客戶體驗或欺詐檢測流程的能力則完全是另一回事，而且要嚴重得多。”
MDM的一個挑戰(zhàn)是它不像應用層的東西那么吸引人，因此很難分配必要的資源來實現(xiàn)它。雖然MDM工具可以提供幫助，但還需要進行流程變革，這需要一種不同的思維方式。
Thompson（湯普森）表示，必須有一種思維模式的轉(zhuǎn)變，讓人們接受管理和維護數(shù)據(jù)的成本和開銷，以便數(shù)據(jù)能夠以可用的方式被使用。他說：“這涉及到如何將技術(shù)與一套業(yè)務流程、內(nèi)部文化、做好事情的承諾以及與合理的業(yè)務成果聯(lián)系起來。一些好公司的成熟度水平很差，他們在管理數(shù)據(jù)資產(chǎn)方面就是不行。”
一些企業(yè)，例如郵輪公司，由于他們的數(shù)據(jù)仍然處于孤立狀態(tài)，所以無法跨郵輪線路識別客戶，從而錯過了大量的財務機會。與此同時，保險公司通過優(yōu)先考慮數(shù)據(jù)質(zhì)量來簡化理賠流程。
Thompson（湯普森）說：“MDM有著非常現(xiàn)實的商業(yè)影響，我認為我們都可以做得更好的部分是開始談論業(yè)務成果。因為這些業(yè)務成果既嚴重又容易理解，讓業(yè)務領導者支持它應該不難，但如果你想讓業(yè)務領導者支持MDM，聽起來就像是想在他們的幫助下開展一個科學項目。這并不是關(guān)于MDM本身，而是關(guān)于你在MDM方面做得出色就可以獲得的業(yè)務成果。”
CIO（首席信息官）們還必須確保利益相關(guān)者明白不采取行動的成本，比如在行業(yè)中跟隨而不是領先、提供次級的客戶體驗以及面臨合規(guī)審計和法律行動的風險。
一、延遲MDM是災難的根源
一些CIO（首席信息官）在MDM方面面臨著嚴重的技術(shù)債務。
商業(yè)和數(shù)字轉(zhuǎn)型服務及解決方案提供商Sutherland Global（蘇瑟蘭全球）的首席信息官兼首席數(shù)字官Doug Gilbert（道格·吉爾伯特）說：“每個人都想跳過MDM階段，但只要為這個項目正確獲取數(shù)據(jù)，就會不可避免地導致其他問題。你已經(jīng)獲得了上下文理解，現(xiàn)在你正在做人工智能，盲目地跟隨這些數(shù)據(jù)和為你提供的建議。以前，你可以圍繞一兩個項目進行一種準MDM，而不必全面考慮它。”
到2026年，Gartner（高德納）預計60%的未得到人工智能就緒數(shù)據(jù)支持的人工智能項目將被企業(yè)放棄。未能認識到人工智能就緒數(shù)據(jù)需求與傳統(tǒng)數(shù)據(jù)管理之間的巨大差異，將危及企業(yè)人工智能努力的成功。
這使得數(shù)據(jù)治理和MDM的重要性凸顯出來。
Gilbert（吉爾伯特）說：“我認為，未來在實施MDM戰(zhàn)略和結(jié)構(gòu)方面存在兩個挑戰(zhàn)。因為人工智能系統(tǒng)的本質(zhì)應該是自主的，你必須確保為其提供數(shù)據(jù)始終是干凈的。我做MDM是因為我們經(jīng)歷了如此多不同的審計，這很痛苦，但我遇到的故障更少，我的系統(tǒng)需要的維護也更少。當我進行分析時，我得到了正確的人工智能輸出和正確的預測。更重要的是，由于我們有適當?shù)目刂拼胧业目蓪徲嬓苑浅Ｈ菀鬃C明。”
云和分析數(shù)據(jù)平臺提供商Teradata的首席技術(shù)官Louis Landry（路易斯·蘭德里）表示，在過去五到六年中，組織已經(jīng)放棄了嚴格的數(shù)據(jù)治理實踐和自動化一切的渴望。相反，他們讓人工智能代理對數(shù)據(jù)做出反應，而沒有嚴格的治理。
Landry（蘭德里）說：“確實讓人感覺我們不一定想談論MDM，但這是非常重要的，也是我們計劃生活的未來所必需的。在過去幾年中我所看到的是，當談到數(shù)據(jù)質(zhì)量和數(shù)據(jù)治理時，人們可能愿意在技術(shù)工具上花錢，但不愿意在與之相關(guān)的流程和人員上花錢，而很多問題實際上是人的問題。”
在較老的組織中，MDM成熟度往往分布不均。核心數(shù)據(jù)通常管理得相當不錯，其余的則不然。長期以來的數(shù)據(jù)所有權(quán)問題以及不愿共享數(shù)據(jù)的情況并沒有幫助。
Landry（蘭德里）說：“數(shù)據(jù)網(wǎng)格的概念是，我管理這一部分，你管理那一部分。我們是獨立的，但我們可以連接，你可以使用它，但不要碰它，那是我的。我們幾十年來都知道，當你整合所有內(nèi)容時，價值加速就會發(fā)生，你可以看到庫存與客戶數(shù)據(jù)、銷售數(shù)據(jù)與收入數(shù)據(jù)之間的關(guān)系——當你將所有這些內(nèi)容整合在一起時，魔法就開始發(fā)生了。最先進的組織有特定領域的專家，這確實提高了信息的整體質(zhì)量和可訪問性，并使數(shù)據(jù)能夠轉(zhuǎn)化為知識。”
二、其他阻礙MDM努力的因素
在科技領域，無論是網(wǎng)絡還是MDM，都會出現(xiàn)一些相互對立的趨勢，其中最突出的是集中化和分散化。
Landry（蘭德里）說：“治理、控制和準確性與自主性和敏捷性之間總是存在這種來回搖擺，我認為我們已經(jīng)明顯傾向于自主性和敏捷性。隨著像生成式人工智能和智能體這樣的技術(shù)出現(xiàn)，我們似乎有機會同時滿足這兩種主要需求。因為你可以將數(shù)據(jù)管理部分分離出來，并提供正確的治理和控制，而這些控制與消費和分析層所需的自主性和敏捷性是解耦的。”
他認為，鑒于每個應用程序似乎都有自己的數(shù)據(jù)庫和“真相”的獨特版本，數(shù)據(jù)問題正變得愈發(fā)嚴重。
Landry（蘭德里）說：“我們將面臨一場難以想象的復雜性危機，我認為這種碎片化是我們所有人都必須應對的問題，而MDM的實踐將在應對這一問題上發(fā)揮極其重要的作用。”
業(yè)務變革和人工智能創(chuàng)新的步伐已經(jīng)遠遠超過了眾多組織的管理水平，人們需要和希望消費數(shù)據(jù)的多樣化方式正在產(chǎn)生大量的技術(shù)債務。
Landry（蘭德里）說：“在過去一年里，我們甚至還沒有開始真正理解這些人工智能應用程序、智能體是什么樣子。企業(yè)正在努力弄清楚如何將他們的數(shù)據(jù)資產(chǎn)貨幣化，同時保持足夠的治理和控制，這是一項極具挑戰(zhàn)性的事情。但我認為我們常常忘記，并非所有這些問題都是技術(shù)問題。我交談過的最被束縛的首席信息官和首席技術(shù)官們，絕對在考慮人員和流程方面投入真正的精力，以及在哪里應用技術(shù)。”
Landry（蘭德里）建議從數(shù)據(jù)領域而不是應用程序入手，從流程自動化而不是工具開始。
Landry（蘭德里）說：“先把那些事情理順，然后盡快去尋找與你需要的流程相匹配的合適工具。我會投資于對你真正重要的數(shù)據(jù)領域的專業(yè)知識，這些專家真正理解這些事情，以便幫助和指導所有將在你的數(shù)據(jù)基礎上構(gòu)建應用程序、智能體和工具的人。”
作者：Lisa Morgan（麗莎·摩根）
譯者：木青
睿觀：
隨著AI（人工智能）應用的普及，過去那個枯燥乏味且常被忽視的MDM（主數(shù)據(jù)管理），已從一個“最好要有”的選項，演變?yōu)闆Q定AI項目成敗的絕對必需品。CIO（首席信息官）面臨的核心挑戰(zhàn)在于，MDM因其“不性感”而難以獲得資源，且許多企業(yè)不愿在必要的人員和流程上投入。成功的關(guān)鍵在于改變溝通方式：CIO必須停止談論MDM技術(shù)本身，轉(zhuǎn)而強調(diào)其帶來的具體業(yè)務成果（如改善客戶體驗、簡化理賠流程）和不作為的巨大風險（如合規(guī)風險、喪失競爭優(yōu)勢），從而獲得業(yè)務領導的支持。因此，在AI時代，跳過MDM直接追求AI應用，無異于在沙上建塔。CIO必須將MDM提升至戰(zhàn)略高度，構(gòu)建起由專家驅(qū)動的、治理良好的數(shù)據(jù)基礎，為自主運行的AI系統(tǒng)提供持續(xù)、干凈、可信的數(shù)據(jù)“養(yǎng)料”，從而真正釋放其潛力。
在AI的盛宴上，MDM就是那個雖然乏味，但不可或缺的“洗菜”環(huán)節(jié)；跳過它，再昂貴的“食材”（AI模型）最終也只會做出一盤無法下咽的“菜肴”。
