AI 的成功始于更好的数据

AI 的成功始于更好的数据

人工智能明确了一件事：结果的质量取决于数据的质量。

当 AI 产生意想不到的答案时，人们很容易认为是技术出现了故障。在许多情况下，不准确或不完整的数据才是真正的问题。随着组织扩大对 AI 的使用，提高数据质量已经变得与部署为其提供支持的基础设施同样重要。

但是，这一责任不仅仅属于 IT 部门。

企业拥有数据——IT 使信任成为可能

IT 部门构建和管理存储、保护和提供数据的技术基础。业务部门拥有数据本身；即数据的含义、使用方式以及所需的质量水平。

这种区别至关重要，因为没有一个团队了解企业数据的各个方面。财务部门拥有财务信息。销售人员了解客户关系。产品团队定义产品数据。每个团队都带来了 IT 无法单独提供的专业知识。

IT 的角色是为连接这些利益相关者的数据治理建立卓越中心。我们提供流程、安全性、技术和可见性，使业务团队能够一致地管理整个企业的数据。

从您最重要的数据开始

如果您尝试一次解决所有问题，数据治理可能会让人感到不知所措。最好的起点是从最重要的业务实体开始。

在 NetApp，我们从客户和产品等关键领域开始。这些领域支持核心业务流程，通常跨越多个组织，使其成为在进一步扩展之前建立治理实践的合适切入点。

首先关注高价值数据使组织能够建立势头，展示可衡量的进展，并创建一个可以随着时间的推移扩展到整个业务的框架。

了解您的数据来源

IT 最重要的职责之一是了解数据沿袭。

企业数据很少存储在同一个地方。例如，客户信息可能源于 ERP 系统、销售应用程序、支持平台或产品遥测。当数据在系统之间移动时，可能会通过重复的记录、转换或过时的副本引入不一致性。

这就是为什么识别权威源系统至关重要。信息传播得离其原始来源越远，发生错误的可能性就越大。

组织还可以通过简化其数据环境来加强治理。尽可能整合系统并减少不必要的交接，为分析和 AI 创造更可靠的基础。

治理是一门持续不断的学科

许多组织将数据治理视为一个有终点的项目。在实践中，这是一项持续的运营规范。

业务优先级不断变化。应用程序不断变化。引入了新的数据源。AI 创造了全新的信息消费方式。治理必须与之并进。

高管的支持对于维持这一工作至关重要。NetApp 的领导层支持数据治理，而业务部门则指派数据专员与 IT 部门协同工作，以定义所有权、设定预期并保持问责制。

我们还维护关键业务实体、其关键属性、业务所有者和数据管理员的目录。保持信息最新需要持续关注，而不是一次性的文档工作。

为了支持这项工作，IT 部门提供了指导方针，以维护支持整个业务治理活动的专用数据组织。他们的责任不是拥有数据，而是帮助业务团队在组织发展过程中保持一致性。

共同衡量进度

关于数据质量的最大误解之一是，IT 部门应该定义什么是“好”。然而，这最终是一项业务决策。

每个组织都要平衡准确性和实用性，不同的业务流程对不同业务成果要求不同的精度水平。企业领导者确定这些期望，而 IT 则提供衡量绩效所需的工具。

人工智能正在通过帮助组织自动化分析、更快地发现质量问题以及开发更好的数据质量工具来加速这项工作。这些见解使业务团队能够验证结果，确定改进的优先顺序，并不断提高数据质量。

构建更好的 AI 始于更好的合作伙伴关系

组织不会在一夜之间提高数据质量。成功源于识别最高价值的机会，建立明确的所有权，衡量进度，并逐步积累动力，一次实现一项改进。

人工智能提高了人们对数据的期望，但解决方案不仅仅是更好的技术。它需要企业所有权、强有力的治理以及与 IT 部门的持续合作关系。

今天建立这种规范的组织将能够更好地在未来实现 AI 的全部潜力。