AI 成功始於更好的資料

AI 的成功始於更優質的資料

人工智慧已經明確表明了一件事：結果的品質取決於資料的品質。

當 AI 給出意料之外的答案時，人們很容易認為這項技術出了問題。在許多情況下，真正的問題在於資料不準確或不完整。隨著各組織擴充 AI 的應用範圍，提高資料品質的重要性已與部署支援 AI 運作的基礎架構不相上下。

然而，這項責任並非只是 IT 部門的責任。

企業擁有資料——IT 實現信任

IT 部門建構並管理用於儲存、保護和交付資料的技術基礎。業務部門擁有資料本身的所有權，包括資料的含義、使用方式以及所需的品質層級。

這種區分很關鍵，因為沒有單一團隊能夠全面了解企業資料的各個層面。財務團隊掌握財務資訊。銷售團隊了解客戶關係。產品團隊定義產品資料。每個團隊都帶來 IT 部門本身無法提供的專業知識。

IT 部門的職責是建立一個卓越的資料管制中心，將各個利害關係人連結起來。我們提供流程、安全性、技術和可見度，使業務團隊能夠在整個企業範圍內以一致的方式管理資料。

從您最重要的資料開始

如果試圖一次解決所有問題，資料管制可能會讓人感到不知所措。最好的入手點是那些最重要的業務實體。

在 NetApp，我們先從客戶和產品等關鍵領域著手。這些領域支援核心業務流程，並且通常跨越多個組織，因此是在進一步擴充之前建立治理實踐的合適起點。

首先專注於高價值資料，可以讓組織建立勢頭，展示可衡量的進展，並創建一個可以隨著時間推移擴展到整個業務的架構。

了解您的資料來源

IT 部門最重要的職責之一是了解資料沿襲。

企業資料很少集中儲存在一個地方。例如，客戶資訊可能來自 ERP 系統、銷售應用程式、支援平台或產品遙測資料。當資料在系統間流動時，複製記錄、資料轉換或過時的副本都可能導致資料不一致。

這就是為什麼識別權威的來源系統至關重要。資訊距離其原始來源越遠，發生錯誤的機率就越大。

組織也可以透過簡化資料環境來加強治理。盡可能整合系統並減少不必要的交接環節，可以為分析與 AI 創造更可靠的基礎。

治理是一門後續的學科

許多組織將資料管制視為一個有終點的專案。但實際上，它是一項後續的營運管理工作。

業務重點不斷演變。應用程式不斷改變。引進了新的資料來源。AI 創造了全新的資訊消費方式。治理必須隨之演進。

高層領導的支持對於維持這項工作至關重要。NetApp 的領導層積極倡導資料管制，而業務部門則指派資料管理員與 IT 部門合作，明確所有權、設定預期並維護問責制。

我們也維護關鍵業務實體、其關鍵屬性、業務擁有者及資料管理員的目錄。保持該資訊的最新狀態需要持續的注意，而不是一次性的文件記錄工作。

為了支援這項工作，IT 部門提供了相關指南，以維護一個專用的資料組織，從而支援整個業務的治理活動。他們的職責並非擁有資料，而是幫助業務團隊在組織發展壯大的過程中保持資料的一致性。

共同衡量進展

關於資料品質，最大的誤解之一是 IT 部門應該定義「好」的標準。然而，這最終是一項業務決策。

每個組織都在追求準確性和實用性之間的平衡，不同的業務流程對不同的業務成果需要不同層級的精確度。業務領導者確定這些預期，而 IT 提供衡量效能所需的工具。

人工智慧正在加速這項工作，協助組織自動化分析，更快發現品質問題，並開發更好的資料品質工具。這些洞察使業務團隊能夠驗證結果，確定改進的優先順序，並持續提升資料品質。

建構更強大的 AI 始於更緊密的合作夥伴

組織無法在一夜之間提升資料品質。成功源自於辨識最有價值的機會、明確責任歸屬、衡量進展，並循序漸進地推動各項改善。

人工智慧提高了人們對資料的期望，但僅僅依靠更先進的技術並不能解決問題。它需要企業自主掌控、強而有力的管制，以及與 IT 部門的後續合作夥伴。

今天就建立起這種紀律的組織，明天將更有能力充分發揮人工智慧的潛力。