如何逃离数据沼泽，将 AI 转化为商业价值
快速阅读: 据《数字日记》称，YYC数据大会探讨如何摆脱“数据泥潭”。专家建议从清理数据、建立信任到衡量ROI，逐步实现数据驱动决策。数据战略不仅是技术问题，更是业务价值体现。
YYC数据大会2025
——照片由宝拉·奥乔亚拍摄，数字记者
YYC数据大会2025
——照片由宝拉·奥乔亚拍摄，数字记者
YYC数据大会2025
——照片由宝拉·奥乔亚拍摄，数字记者
大多数公司并没有数据问题，而是数据无序的问题。人工智能承诺带来变革性的见解，但如果没有坚实的数据基础，企业可能会在混乱之上叠加自动化。真正的挑战不是收集更多数据，而是理解已经拥有的数据。这意味着清理数据、正确结构化数据，并确保人们真正信任它。在YYC数据大会2025上，Arcurve的三位专家分解了如何摆脱“数据泥潭”——这是一个日益严重的问题，有价值的信息在无序的混乱中丢失。
拥有几十年大数据和机器学习经验的技术主管埃里克·诺萨尔解释了为什么炫目的AI工具无法修复一个破碎的数据战略。软件开发人员泰勒·诺埃尔花了足够多的时间修复损坏的报告系统，以识别导致低效的模式。而专注于数据治理的交付合伙人陈东（音译）亲眼目睹了许多企业在没有建立正确的基础之前就匆忙进入AI领域。
直截了当地说，诺萨尔表示：“数据战略不是关于数据的，而是关于业务价值和计划。”以下是停止被数据淹没并开始让它为你工作的方法：
### 步骤1：识别并消除临时修补
许多组织会在现有的数据工作流程上添加快速修复，直到整个系统变得不可管理。诺埃尔分享了一个案例，客户的报告系统每月增长到10,000个视图，但充满了错误和低效。“总有一些错误出现，需要修复，还有新的需求需要解决，”她说。“这些需求是零散地处理的，所以他们有了层层叠叠的临时修补。”
为了从脆弱的系统过渡到可靠的系统，企业应该：
– 绘制工作流程图：找出错误和低效发生的地方。
– 与业务用户互动：与依赖报告的员工坐下来，了解什么实际出了问题。
– 标准化定义：避免关键指标（如“商品销售成本”）以多种方式计算的情况。
– 自动化重复性任务：在一个案例中，一名员工每天手动提取和上传数据，引入了错误和低效。诺埃尔的团队识别出这是一个可重复的过程并进行了自动化，节省了时间并提高了准确性。“通过识别这个作为可重复过程，我们能够自动化该过程本身，”她说。
### 步骤2：停止把所有东西都扔进数据湖（更糟的是数据泥潭）
一个常见的陷阱是认为将所有公司数据倒入中央存储库（如果你愿意的话，称为数据湖）会神奇地产生洞察力。诺萨尔警告说，如果没有结构，这很快就会变成“数据泥潭”。
在舞台上，诺萨尔描述了一种情况，公司的数据流入中央存储系统，但由于缺乏明确的组织，大部分数据是无序的，难以使用。一个常见的陷阱是认为将所有公司数据倒入中央存储库（如果你愿意的话，称为数据湖）会神奇地产生洞察力。诺萨尔警告说，如果没有结构，这很快就会变成“数据泥潭”。
“在这个特定情况下，我们没有数据泥潭。我们有的更像是一个数据湖，周围形成了类似泥潭的东西，”他解释道。其中最大的罪魁祸首之一是PDF文件。“对我们这些数据人来说，这是最大的噩梦之一，”诺萨尔说。为什么？因为PDF文件通常包含不一致的格式、图像和手写扫描件，几乎不可能提取干净、结构化的数据。
这个案例中的公司在PDF文件中锁定了大量信息，但由于缺乏适当的结构，数据仍然难以分析。为了解决这个问题，诺萨尔的团队实施了自动摄取管道来处理和结构化非结构化数据。这个过程包括：
– 使用AI和机器学习工具从PDF文件中提取文本和表格。
– 标准化格式以便可以查询和比较数据。
– 消除减缓数据访问的手工过程。
一旦数据结构化，员工终于可以用它来推动真正的商业决策。虽然这仍然是行业中的一个挑战，但使用结构化摄取策略已经使以前无法使用的数据对商业洞察更加可用。
### 步骤3：通过自动化和准确性建立对数据的信任
即使是最先进的分析工具，如果员工不相信数据，也可能变得毫无用处。错误、不一致性和不可靠的报告会导致怀疑，使团队更难采用数据驱动的决策。Arcurve遇到的最大问题之一是手工过程引入错误的影响。
诺埃尔解释说，团队使用DBT（数据构建工具）实施了自动数据质量检查，通过应用验证规则和识别不一致性来帮助确保数据准确性。如果关键传感器数据缺失，系统会自动标记这些记录并返回源进行修正。通过自动化验证和标记缺失或错误的数据，他们提高了准确性，同时减少了员工手动纠正报告的需求。
Arcurve的软件开发人员泰勒·诺埃尔。——照片由宝拉·奥乔亚拍摄，数字记者
那么怎么做呢？
– 减少引入人为错误的手工工作。
– 识别并自动化重复的数据处理任务以确保一致性。
– 实施自动数据质量检查。
– 使用验证工具在源头标记缺失、重复或错误的数据。
– 确保数据流程的透明度。在员工完全信任数据之前，他们需要了解数据的结构和来源。
– 使报告易于访问且实时。团队越快访问准确的数据，就越有信心将其用于决策。
通过提前解决这些问题，组织可以增加对报告的信心，减少低效，并创造一种数据被视为可信资产而不是负债的文化。
### 步骤4：正确衡量投资回报率
对于高管提出的“我们如何证明我们的数据战略的投资回报？”陈东列出了三个层次的价值测量：
– **直接投资回报率**：最容易量化的。如果一家公司通过自动化报告每周节省20小时，成本节约是即时的。
– **推断节省**：自动化数据管道意味着报告可以更频繁地运行，从而加快决策速度。
– **风险降低**：糟糕数据的质量是什么？陈东解释说，不良数据质量可能导致代价高昂的错误——例如由于不正确的合规报告或运营效率低下而产生的罚款。
Arcuve的交付合伙人陈东。——照片由宝拉·奥乔亚拍摄，数字记者
如果您的组织难以看到AI的投资回报，请退一步。从数据开始。“对我们来说最简单的是自动化，”陈东说。“一些组织通过大量手工流程创建报告，因此这个投资回报非常简单，对吧？您自动化该流程并节省那个人的时间，所以无论您每周或每月花多少小时构建该报告，这都会转化为直接的投资回报节省。”
底线是：数据战略是对业务稳定性的投资。衡量效率、风险和决策方面的投资回报的组织将看到长期价值，而不仅仅是短期节省。
### 要点：数据转型是一段旅程，而不是开关
组织经常询问是否可以在几个月内达到AI驱动的见解。陈东的回答是？“嗯，是的，也不是，因为组织需要时间来理解数据，理解他们所拥有的见解，这样他们才能融入其中并提出问题。”
与其将AI采用视为快速胜利，小组强调公司应关注长期数据成熟度。“80%的人，20%的技术，”诺萨尔说。“这是我们努力遵循的原则。”那些花时间清理数据基础设施、自动化工作流程并建立对报告信任的公司将远远领先于盲目追逐AI趋势的公司。AI可以是一个强大的工具，但只有在其运行的数据得到组织、信任和访问的情况下才能如此。
数字记者是YYC数据大会2025的官方媒体合作伙伴。
本文作者：詹妮弗·弗里森
詹妮弗·弗里森是总部位于卡加立的数字记者副主编兼内容经理。
广告
订阅我们的新闻通讯
热门话题
社交媒体名人深陷深度伪造恶作剧：谁该负责？
科技与科学
健康研究：夏令时扰乱我们的生物钟
科技与科学
中国推出自主AI代理Manus：欢迎还是恐惧？
娱乐
评论：Jack Quaid和Amber Midthunder在《Novocaine》惊悚片中联手
商业
加拿大妇女创业战略已支持40万女性企业家
(以上内容均由Ai生成)
