企業(yè)正全力推進AI（人工智能）領域，但數(shù)據(jù)無法支撐AI。以下是表明你當前的數(shù)據(jù)管理可能需要系統(tǒng)性升級的關(guān)鍵警示信號。
圖源：Wesley Tingey / Unsplash
如果無法獲取豐富且準確的數(shù)據(jù)，AI將無法發(fā)揮價值。不幸的是，許多企業(yè)所存儲數(shù)據(jù)的方式，對于AI應用來說無法使用。
EY Americas（安永美洲：Ernst & Young Americas，業(yè)務咨詢公司）的稅務技術(shù)與轉(zhuǎn)型負責人Daren Campbell（達倫·坎貝爾）表示，AI數(shù)據(jù)適配不足是普遍問題，即使在那些積極投資AI的組織中也是如此。
他說：“生成式AI和agentic AI（代理型人工智能）的采用正在加速，但只有極少數(shù)組織具備有效擴展AI所需的數(shù)據(jù)治理成熟度。這有助于解釋為什么許多公司雖有AI活動，但卻沒有持續(xù)的業(yè)務影響，因為其戰(zhàn)略期望超前于數(shù)據(jù)底座能力?！?/span>
你的企業(yè)生產(chǎn)力是否正被不準確、有缺陷或過時的數(shù)據(jù)所束縛？以下是快速羅列的七個關(guān)鍵跡象，表明你的組織需要進行數(shù)據(jù)改造。
一、你的數(shù)據(jù)戰(zhàn)略偏向合規(guī)而非業(yè)務決策而設計的
與AI不兼容的數(shù)據(jù)通常是多年來數(shù)據(jù)孤島系統(tǒng)、不一致標準和薄弱數(shù)據(jù)治理的結(jié)果。
Campbell（坎貝爾）說：“如今的許多企業(yè)數(shù)據(jù)是為合規(guī)和靜態(tài)報告而設計的，并非為學習、自動化或?qū)崟r決策而設計。未管理的非結(jié)構(gòu)化數(shù)據(jù)、缺失的元數(shù)據(jù)、不明確的所有權(quán)以及有限的數(shù)據(jù)可溯源性，使問題更加復雜，所有這些都使得AI系統(tǒng)難以可靠地解釋數(shù)據(jù)?！?/span>
Campbell（坎貝爾）補充說，生成式AI和agentic AI都在迅速加速發(fā)展，但只有極少數(shù)組織具備有效擴展AI所需的數(shù)據(jù)治理成熟度。
二、你在數(shù)據(jù)管理方面薄弱
金融服務公司Capital One的高級杰出工程師David Harmony（大衛(wèi)·哈莫尼）表示，一個關(guān)鍵的數(shù)據(jù)管理問題是，團隊在當前環(huán)境中難以使用現(xiàn)有數(shù)據(jù)。
“數(shù)據(jù)治理是AI落地的前置關(guān)鍵，是能夠?qū)?shù)據(jù)用于AI的必要前提，”他說。
Harmony（哈莫尼）認為，企業(yè)領導者必須始終清楚他們的數(shù)據(jù)在哪里以及數(shù)據(jù)包含什么。“如果沒有良好管理的數(shù)據(jù)戰(zhàn)略，隨著AI的加速發(fā)展，很難充分利用數(shù)據(jù)，”他說。
Harmony（哈莫尼）表示，Capital One正在通過對其云數(shù)據(jù)生態(tài)系統(tǒng)進行現(xiàn)代化改造，并構(gòu)建支持數(shù)據(jù)發(fā)布、使用、治理和基礎設施管理的企業(yè)平臺來解決這個問題。目標是為AI計劃創(chuàng)建一個管理良好的基礎?！癆I建立在管理良好的數(shù)據(jù)的強大基礎上時，最為有效，”他說。
三、你的數(shù)據(jù)治理未能有效治理
University of Tennessee, Knoxville（田納西大學諾克斯維爾分校）的副校長助理兼AI主任Vasileios Maroulas（瓦西萊奧斯·馬魯拉斯）表示，如果IT和企業(yè)領導者無法清楚地解釋他們的數(shù)據(jù)存儲在哪里、誰擁有這些數(shù)據(jù)以及這些數(shù)據(jù)是否可靠，那么企業(yè)就沒有為AI做好準備?！叭绻看畏治龆夹枰謩雍藢Γ?/span>AI會放大數(shù)據(jù)不一致風險，”他警告說。
Maroulas（馬魯拉斯）說，系統(tǒng)的自然增長、部門的孤立、不一致的定義以及缺乏治理，都導致了數(shù)據(jù)的不可預測性。他指出，大多數(shù)企業(yè)構(gòu)建其基礎設施是為了運行業(yè)務運營，而不是為了實現(xiàn)預測或自動化?！?/span>AI暴露了這些結(jié)構(gòu)上的差距，”他指出。
為了提高數(shù)據(jù)的可預測性，Maroulas（馬魯拉斯）建議專注于治理和互操作性。“明確所有權(quán)，標準化術(shù)語，并有意地使數(shù)據(jù)管道現(xiàn)代化，”他說。
四、你的商業(yè)智能戰(zhàn)略用戶流失、使用率低
研究咨詢公司ISG（Information Services Group，IT和業(yè)務流程服務的全球咨詢公司）的AI和數(shù)據(jù)工程技術(shù)總監(jiān)Olga Kupriyanova（奧爾加·庫普里揚諾娃）表示，商業(yè)智能的低采用率是一個關(guān)鍵指標，表明一個組織的數(shù)據(jù)根本沒有為AI做好準備。商業(yè)智能與AI有什么關(guān)系呢？ 她說：“息息相關(guān)。BI（商業(yè)智能）是企業(yè)數(shù)據(jù)的試驗場?！?/span>
Kupriyanova（庫普里揚諾娃）說，當BI表現(xiàn)不佳時，業(yè)務用戶不會等待——他們會繞過它?！八麄儠С鰯?shù)據(jù)、自建本地模型，創(chuàng)建本地定義，并將自己的業(yè)務邏輯硬編碼到電子表格或自定義分析中?！彪S著時間的推移，這種非官方的業(yè)務語義層會不斷增加?！八鼈兌疾粫亓鞯狡髽I(yè)數(shù)據(jù)倉庫中，而這正是真正的危險所在，會產(chǎn)生一種虛假的健康感，”她說。
Kupriyanova（庫普里揚諾娃）解釋說，從外部看，組織似乎沒有重大的數(shù)據(jù)問題，因為仍在生成報告并做出決策?！叭欢?，實際上，用戶已經(jīng)悄悄地不再依賴核心數(shù)據(jù)平臺，也不再向IT部門尋求幫助。”
五、你的數(shù)據(jù)與AI可影響的業(yè)務成果不一致
技術(shù)咨詢公司Concentrix的智能體解決方案負責人Guy Bourgault（蓋伊·布爾戈）警告說，當AI系統(tǒng)突然開始給出不一致、過時或與預期體驗不同步的答案時，這是數(shù)據(jù)不兼容的明顯跡象。“這類失誤通常指向缺乏持續(xù)治理的底層知識庫，”他說。
Bourgault（布爾戈）指出，當領導者很難在他們可用的數(shù)據(jù)和AI預期影響的業(yè)務成果之間建立直接聯(lián)系時，往往會看到數(shù)據(jù)不兼容的警告信號。“當這種清晰度缺失時，這表明數(shù)據(jù)基礎還沒有準備好大規(guī)模支持AI?！?/span>
Bourgault（布爾戈）說，與AI不兼容的數(shù)據(jù)通常源于最初是為人類解釋而編寫的信息，而不是為機器處理而編寫的。
他指出：“許多知識庫都屬于這一類，因為它們依賴人類直覺來填補缺失的上下文或?qū)Ш紸I無法可靠遵循的決策樹。隨著權(quán)限老化或權(quán)限過寬，AI可能會訪問它從未打算查看的內(nèi)容，從而導致不準確或潛在有風險的回復?！彼J為，隨著時間的推移，過時的內(nèi)容、不明確的結(jié)構(gòu)和寬松的治理的混合，創(chuàng)造了一個脆弱的數(shù)據(jù)環(huán)境，AI難以正確解釋。
六、你被數(shù)據(jù)負債（遺留問題）壓得喘不過氣
City University of New York’s School of Professional Studies（紐約城市大學專業(yè)研究學院）的數(shù)據(jù)科學學術(shù)主任Arthur O’Connor（亞瑟·奧康納）觀察到，數(shù)據(jù)質(zhì)量是大多數(shù)人寧愿抱怨也不愿修復的問題。
他說：“這需要解決過去積累的問題，包括不一致的數(shù)據(jù)格式、缺失的值、相互沖突的業(yè)務規(guī)則以及不同的接口和協(xié)議。這是關(guān)于糾正走捷徑的遺留問題?！?他觀察到，很少有組織有時間、精力和意愿去做這件事。
O’Connor（奧康納）說，這個數(shù)據(jù)負債（遺留問題）問題不僅是一個技術(shù)挑戰(zhàn)；它也是一個組織問題。他說：“企業(yè)內(nèi)部數(shù)據(jù)集在整個企業(yè)中難以被發(fā)現(xiàn)或管理不善的主要原因是，使用數(shù)據(jù)的IT人員和業(yè)務團隊都沒有資源或動力去實現(xiàn)數(shù)據(jù)的全部價值。雖然數(shù)據(jù)用戶想要完全準確、干凈且管理良好的數(shù)據(jù)，但單個數(shù)據(jù)所有者通常沒有預算、財務激勵或組織權(quán)力來確保高水平的質(zhì)量和透明度?！?/span>
O’Connor（奧康納）說，基本問題是，雖然AI很有吸引力、令人興奮且有趣，但數(shù)據(jù)治理往往是乏味、枯燥且痛苦的。
七、基礎分析難以高效輸出
商業(yè)與稅務咨詢公司Eisner Advisory Group的AI咨詢服務總監(jiān)Jen Clark（珍·克拉克）表示，一個可靠的警示信號是，你所在組織的團隊獲取基本洞察的難易程度。
她警告道：“如果標準報告和分析都很困難，如果要整合出清晰的圖景需要跨團隊和資源付出努力，那么AI將會放大這一挑戰(zhàn)，而非解決它。同樣地，如果數(shù)據(jù)相互脫節(jié)或孤立，且沒有明確的整合路徑，這通常意味著在AI能夠帶來真正價值之前，需要先開展基礎工作?！?/span>
Clark（克拉克）觀察到，數(shù)據(jù)代表著現(xiàn)實世界，而現(xiàn)實世界是高度碎片化的。她指出，數(shù)據(jù)幾乎從未（如果有過的話）為理想的AI場景做好完美準備，而且總是存在權(quán)衡取舍?！皢栴}不在于不兼容性是否存在，而在于你如何圍繞它劃定范圍，以創(chuàng)造實際價值。”
