AI崛起暴露企业数据管理短板，63%技术领袖称公司难驱业务优先级

快速阅读: Salesforce报告显示，63%的商业领袖认为其组织非常依赖数据，但仅50%有信心及时提供洞察。AI加速数据应用，但数据信心不足限制决策。

63%的商业领袖表示他们的组织非常依赖数据，这一比例比2023年提高了10%。然而，只有一半的商业领袖对自己的能力有信心，能够及时提供业务洞察。目前，最有价值的洞察力被困在非结构化数据中。

商业领袖认识到数据的价值。根据Salesforce的《数据与分析现状报告》，该报告基于全球3,800名数据和分析领导者以及3,852名跨职能业务领导者的调查，63%的商业领袖认为他们的组织非常依赖数据，比2023年的53%有所增加。尽管如此，近三分之二（63%）的技术领导者承认，他们的公司在利用数据推动业务优先事项方面存在困难。

AI代理的迅速崛起给各行各业和地区的公司带来了紧迫感，它们正在寻找方法，重塑自己为“代理型企业”，以加速业务增长。Salesforce的研究显示，业务、数据和分析领导者正在努力改造其数据基础设施、管理和治理。

这种转变对于成功——甚至在某些情况下，为了生存——至关重要，因为各公司正在为代理型未来做准备。这一未来需要数据、AI和分析的民主化，使这些资源对组织内的每个人都是可访问的。

以下是Salesforce报告的四个关键发现：

1. **AI加速了新的数据范式**：绝大多数公司现在在其日常工作中至少使用一种形式的AI。随着这些革命性技术的普及，业务和技术领导者正在质疑其基础架构和文化的准备情况，尤其是在数据量和复杂性不断增加的情况下。63%的商业领袖表示他们的组织非常依赖数据。

2. **有限的数据信心阻碍了激活、决策和行动**：随着组织变得更加依赖数据，许多商业领袖在生成分析洞察的缓慢技术过程中感到迷茫。此外，许多人不确定他们所依赖的数据是否准确。50%的商业领袖不确定他们能否生成并提供及时的洞察。

3. **构建数据分析和AI的数据基础**：从技术角度来看，数据和分析领导者面临着来自业务线对数据驱动能力的需求增加和高管对代理创新的要求的压力。然而，数据管理实践不佳，包括集成和协调，以及非结构化格式的主导地位，构成了巨大的挑战。70%的数据和分析领导者认为，他们组织最有价值的洞察力被困在非结构化数据中。

4. **治理和保护代理型企业**：AI的兴起暴露了长期存在的数据安全、合规性和治理措施的不足。只有43%的数据和分析领导者建立了正式的数据治理框架和政策，88%的人认为AI需要新的方法。

以下是我从最重要的两个洞察中得出的关键结论：AI加速了新的数据范式，而有限的数据信心限制了决策和行动。

– **AI加速了新的数据范式**：90%的商业领袖认为，他们的职业生涯取决于是否具备数据素养。与此同时，86%的人认为，他们的职业生涯取决于是否能够依赖数据，我认为另外14%的人可能很快就会寻找新的工作机会。虽然企业报告称使用数据更多，但技术领导者对此持保留态度，近三分之二（63%）的人认为他们的公司在利用数据推动业务优先事项方面存在困难。数据和分析领导者估计，他们组织26%的数据是“不可信的”。42%的商业领袖表示，他们的数据战略没有完全与业务目标对齐。

– **所有AI项目都是数据项目**：几乎所有组织都认为AI的兴起使数据更加重要。根据Salesforce最新的《IT现状》调查，93%的组织在其技术堆栈中至少有一个AI实例。技术的快速演变，包括代理的出现，给数据和分析领导者带来了快速提升能力的压力。领导者将AI视为提高整体数据素养和文化的推动力，91%的商业领袖认为，AI的兴起使成为数据驱动型企业变得更加重要。

企业如何调整投资策略以支持人工智能项目，包括代理型人工智能？好消息是，利用AI代理可以无限提高效率、创新能力和生产力。Salesforce的IT状态研究报告显示，84%的首席信息官认为AI对其业务的影响将如同互联网一样重要。

即使是最佳的AI代理也会受到某些协议的阻碍——对此有何解决办法？

此外，84%的数据和分析领导者认为，AI的输出质量完全取决于其输入数据的质量。另一个关键发现是，首席信息官在数据基础设施上的预算投入是AI的四倍。这可能是因为估计有80%到90%的企业数据是非结构化的，而70%的数据和分析领导者认为，对他们组织最有价值的洞察力被埋藏在这些非结构化数据中。

尽管数据海洋浩瀚，但我们仍渴望获得洞察。据数据和分析领导者估计，他们所在组织的数据量每年增长30%，高于2023年的23%。企业平均使用的应用程序数量为897个，其中只有29%相互连接。商业领导者普遍对其数据的信任度不高，主要问题在于准确性、可靠性和相关性。超过一半（54%）的领导者不确定所需数据是否可获取。数据和分析领导者估计，公司约19%的数据处于封闭状态。

首要的数据优先事项包括：建立AI能力、提供实时数据访问、提高全公司数据素养、改善数据质量和加强安全合规。面临的主要数据挑战包括：缺乏实时数据、数据不统一、安全威胁、确保数据准确性和质量以及数据孤立或封闭。

实时数据作为首要数据挑战显著上升，超过了长期存在的痛点，如数据统一、安全威胁及总体准确性和质量。随着AI强调从非结构化数据中提取价值的重要性，封闭和孤立的数据源成为前五大数据障碍之一，从两年前的所有关注点中排名最后迅速攀升至前列。

数据信心有限

无论是在支持AI预测、由代理驱动的客户互动还是突出关键指标的报告中，数据只有在其基于有助于“可信数据”的业务背景时才有价值。93%的商业领导者认为，洞见只有在基于业务背景时才具有相关性。以下是阻碍数据驱动组织发展的主要因素：

– 数据不完整、过时或质量低劣。

– 缺乏访问、分析和解读数据的工具。

– 缺乏访问、分析和解读数据的专业知识和培训。

– 获取洞见耗时过长。

– 无法访问所需数据。

上述挑战导致员工难以及时采取行动，49%的数据和分析领导者表示，他们的公司偶尔或频繁地因忽略或误解业务背景而从数据中得出错误结论。

AI的更大范围采用正在加速企业访问和利用数据的方式。大多数分析和数据领导者（91%）表示，技术查询限制了大规模分析的使用，92%的人提到员工缺乏数据素养。因此，AI越来越多地用于增强分析过程，64%的商业领导者使用AI来查找、分析和解读数据，而只有54%依赖技术资源的帮助。

随着AI的广泛应用，买家对AI解决方案的期望也在提高。分析解决方案买家重视AI和实时数据，包括AI驱动的操作——88%的数据和分析领导者表示，AI的进步正在改变他们评估分析软件和实施的方式。分析和数据领导者寻求的是实时数据、AI辅助的工作流程、AI驱动的操作、可组合分析和大规模洞见。报告显示，94%的商业领导者表示，如果能在最常用的应用程序中直接访问数据，他们的表现会更好。

此外，Indeed的研究发现，AI更有可能改变而非取代工作。

数据分析和数据领导者积极采纳人工智能代理，以协助并推动其利益相关者的结果。能够理解、回应并基于自然语言的用户查询采取行动的人工智能代理尤其具有吸引力和潜力。特别是，代理型分析使得数据消费和交互变得高度直观和对话式。领导者希望与他们的数据平台进行对话。据调查，多达63%的数据和分析领导者表示，将业务问题转化为技术查询容易出错，而93%的商业领导者认为，如果他们能用自然语言询问数据问题，表现会更好。欲了解有关《数据和分析现状》报告的更多信息，请访问此处。

(以上内容均由Ai生成)