人工智能与人类一样，需要优质“营养”才能发挥效能。错误的数据类型与欠佳的数据卫生状况，足以在项目启动前便瓦解企业的AI雄心。

当CIO及其高管同僚感受到推进举措的迫切压力时，他们首先需要评估数据战略的韧性与强度。

“你可以使用生成式AI的通用版本，也可以训练自己的大语言模型，”Gartner高级总监分析师Roxane Edjlali对CIO Dive表示，“但在所有情形下，你唯一的差异化优势就是数据。要想最大化这种差异化，就必须确保数据处于就绪状态。”

技术领导者与市场分析师建议，CIO及其企业应在启动AI项目前，向自身提出一系列问题，以确保战略能够产出预期成果：

  1. 你希望实现什么目标？该目标如何与业务战略对齐？
  2. 你对自身数据的分布情况了解有多深？
  3. 企业希望以何种开放程度共享其数据？
  4. 数据应通过何种方式被访问？
  5. 当前数据的组织架构是怎样的？
  6. 数据的来源在哪里？
  7. 如何确保隐私与安全？
  8. 数据质量如何被量化衡量？
  9. 谁将负责数据清洗工作？
  10. 成功将如何被持续监控？

对企业而言，让数据战略达到合格水准的代价极高。

薄弱的数据框架将直接导致性能与业务成果的低劣。根据SoftServe的一份报告，约三分之二的决策者认为，其组织内部无人真正理解数据收集或访问的机制。近五分之三（3/5）的企业领导者表示，不准确或不一致的数据正在影响关键决策的制定。

糟糕的数据管理不仅阻碍了企业雄心，这些缺陷性实践还在侵蚀信任并推高成本，Semarchy的一份报告揭示了这一趋势。那些在未解决数据顽疾前便贸然推进的企业，只是在延长自身的痛苦周期。

供应商正积极定位自身，以帮助企业理顺数据战略。早期风险投资公司Sierra Ventures的管理合伙人Tim Guleri指出，成熟供应商正寻求与AI初创公司建立合作，以此吸引企业客户。

大型供应商拥有分销渠道与现成的客户基础，但在创新速度上往往落后于初创公司。与此同时，初创公司通常走在创新前沿，却需要付出更多努力才能赢得企业级客户的信任。两者之间的联盟预计将愈发普遍。

“这正是大型企业所寻求的风险缓释方式，”Guleri表示。

然而，无论由谁协助，让数据战略步入正轨都是一项艰巨任务。

“在维护数据质量、夯实数据基础与保障数据连接性方面，几乎没有捷径可走，”Expedia Group数据与AI高级副总裁Shiyi Pickrell对CIO Dive表示。这家运营着Vrbo、Orbitz和Travelocity等品牌的旅游企业，投入了大量精力来整合不同品牌的数据湖与数据资产。

“我们经历了一段非常艰难的阶段来汇聚数据，”Pickrell说，“我们确实先完成了那些艰苦的、不那么光鲜的工作——先让数据连通，再提升数据质量与可用性——这样我们才能真正利用生成式AI和大语言模型等最新技术。”