数据就绪度：正确却让人头疼的答案

数字化与 AI2025-10-17阅读需时 7 分钟Atlas Strategy Group

去问AI服务商公司的企业数据是否已经准备就绪，得到的往往是一页写着“演进之旅（journey）”的幻灯片。若开诚布公地评估，答案通常是“尚未就绪”——正是这个答案，将那些AI能够不断赋能增效的企业与那些只能做出Demo（演示版）的企业区分开来。数据就绪度是该领域最不引人注目却最具预测性的话题：几乎所有令人失望的AI项目，根源都不在于模型本身，而在于喂给模型的数据质量。

“就绪”的真正含义

• 可查找： 数据不仅存在，而且能被找到——它存储在有名称的系统中、由专人负责，而不是躺在离职经理的笔记本电脑里。在讨论任何技术之前，大多数中型企业都在这一测试中折戟。
• 前后一致： 系统之间对同一事物的称呼保持统一；客户拥有唯一的身份标识；状态定义准确无误。一家对“活跃客户”拥有四种定义的公司，其实尚无真正的数据——它不过是给四种习惯披上了数据库的外衣。
• 完整度达标： 并非追求“宏大”，而是求“够用”。针对要自动化的流程，拥有十个月清晰的历史记录，远胜过十年毫无价值的噪音。准备工作的范围取决于具体的使用场景，这也是为什么审计工作在选型之后进行，而不是之前。
• 权属与合规清晰： 确保项目目的的使用权限齐备——在项目启动前就已核实，而不是等到律师在上线审查时才发现。

为什么没有人愿意听实话

坦诚的审计结果往往令人难以接受，因为它会拖慢节奏：预算已经批下，战略已经宣布，而这份文件却指出基础工作还需要两个季度。图省事的做法——先干起来，在过程中“边走边修”数据——正是项目内部在不知不觉中将两个季度变成两年、且按项目成本付费的根源。成功的企业会将“时机未到”视为项目的首个交付成果：针对所选定的具体应用场景，进行范围明确、限期完成的清理工作——评估报告的精选入围名单而非整个公司的发展历程；做好了就绪准备，就换来了跳过其余一切繁琐步骤的资格。

数据就绪性是 AI 战略中唯一一个选择“以后再改”必然比现在修复花费更多代价的环节。

务实的版本

务实的审计工作与宏伟目标相匹配：针对每个候选应用场景，在几周内通过四大测试——可查找、一致、充分、干净——并产出一份标明成本的整改清单作为成果。它是以下内容的准入门槛：机会评估提供了支撑，作为 P&L question 的幕后推手，也是the P&L question，同时也是the AI practice的标准启动阶段——因为模型选择、供应商选择和架构选择的重要性都不及它所依托的基础，而且“再等等”只有在被忽视时才是一个糟糕的答案。