Cloudera亞太地區(qū)高級副總裁 林萬發(fā)
機(jī)器學(xué)習(xí)（ML）和生成式AI在提升生產(chǎn)力和推動創(chuàng)新等方面的潛力已毋庸置疑。然而，一些還未解決的基礎(chǔ)數(shù)據(jù)問題正阻礙企業(yè)把握這一機(jī)遇。Gartner預(yù)測，由于數(shù)據(jù)質(zhì)量低下等因素，至少30%的生成式AI項(xiàng)目將被放棄。
隨著數(shù)據(jù)量激增，新的數(shù)據(jù)源不斷涌現(xiàn)，企業(yè)越來越難以從分散在云端、邊緣計(jì)算、數(shù)據(jù)中心、大型主機(jī)和終端設(shè)備的關(guān)鍵信息中挖掘價(jià)值。
IT領(lǐng)導(dǎo)者對此深有同感。Cloudera《2024年企業(yè)AI和現(xiàn)代數(shù)據(jù)架構(gòu)現(xiàn)狀》調(diào)查顯示，73%的受訪者承認(rèn)其企業(yè)內(nèi)部存在數(shù)據(jù)孤島，甚至有超過半數(shù)的受訪者十分抗拒訪問公司的所有數(shù)據(jù)。缺乏可信的數(shù)據(jù)，企業(yè)就無法及時(shí)獲得準(zhǔn)確的洞察。
事實(shí)上，受訪的其他部門領(lǐng)導(dǎo)者也證實(shí)了這一觀點(diǎn)。許多人表示，由于數(shù)據(jù)基礎(chǔ)薄弱，他們難以證明AI或生成式AI的投資回報(bào)率。根據(jù)埃森哲《2025中國企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)》調(diào)查顯示，盡管很多中國企業(yè)已開始全面擁抱AI，但只有21%的企業(yè)能夠以較快速度實(shí)現(xiàn)大規(guī)模AI落地，僅9%的企業(yè)通過生成式AI實(shí)現(xiàn)顯著價(jià)值轉(zhuǎn)化。與此相呼應(yīng)，Cloudera發(fā)布的《企業(yè)AI智能體的未來》報(bào)告顯示，不清晰的投資回報(bào)率（ROI）是阻礙AI智能體落地的主要障礙，其中67%的中國受訪者表示，業(yè)務(wù)價(jià)值和ROI不明確是其所在組織尚未采用AI智能體的首要原因。
為充分釋放AI的價(jià)值，企業(yè)首先需要夯實(shí)數(shù)據(jù)基礎(chǔ)，確保數(shù)據(jù)的質(zhì)量、可訪問性和可靠性，從而使AI投資轉(zhuǎn)化為可衡量的業(yè)務(wù)價(jià)值。
數(shù)據(jù)平臺應(yīng)以業(yè)務(wù)而非IT為中心
未被使用的數(shù)據(jù)通常質(zhì)量低下，且往往來自于舊系統(tǒng)和過時(shí)流程。大多數(shù)企業(yè)仍在使用傳統(tǒng)IT平臺和數(shù)據(jù)管理框架，它們的設(shè)計(jì)初衷是為了適應(yīng)模擬技術(shù)時(shí)代或云時(shí)代前的業(yè)務(wù)環(huán)境。這些陳舊系統(tǒng)既無法跟上當(dāng)前數(shù)據(jù)產(chǎn)生的驚人速度，也難以應(yīng)對日益復(fù)雜的數(shù)據(jù)集，更不具備實(shí)時(shí)分析和彈性擴(kuò)展的能力，最終可能導(dǎo)致關(guān)鍵決策的速度和靈活性大打折扣。
確保數(shù)據(jù)可靠性和AI就緒性的唯一途徑是采用現(xiàn)代化的混合數(shù)據(jù)架構(gòu)。這種架構(gòu)能夠幫助企業(yè)簡化數(shù)據(jù)訪問、實(shí)現(xiàn)數(shù)據(jù)結(jié)構(gòu)化，并提煉出可操作的業(yè)務(wù)洞察。
在部署強(qiáng)大的數(shù)據(jù)平臺時(shí)，應(yīng)以業(yè)務(wù)為中心，而非IT，因?yàn)槠脚_需要滿足數(shù)據(jù)訪問、安全性、成本效率等多項(xiàng)戰(zhàn)略企業(yè)需求。
滿足關(guān)鍵業(yè)務(wù)需求
大多數(shù)企業(yè)所處的多云、混合環(huán)境進(jìn)一步加劇了識別數(shù)據(jù)集的復(fù)雜性。數(shù)據(jù)和工作負(fù)載在本地與公有云中的分布動態(tài)變化，也使得實(shí)時(shí)訪問和識別數(shù)據(jù)的難度增加。僅過去一年，我們就觀察到許多企業(yè)出于安全或成本考慮，將工作負(fù)載回遷至私有云�；旌蠑�(shù)據(jù)平臺簡化了這一過程，使企業(yè)能夠輕松地將數(shù)據(jù)集跨環(huán)境遷移，同時(shí)不再需要重新編寫數(shù)據(jù)管理和分析應(yīng)用，大幅降低了運(yùn)營復(fù)雜度。
現(xiàn)代數(shù)據(jù)架構(gòu)的另一個(gè)關(guān)鍵特征是具備可解析非結(jié)構(gòu)化數(shù)據(jù)的分析工具。根據(jù)《Gartner 2022年存儲戰(zhàn)略路線圖》的預(yù)測，新形式的非結(jié)構(gòu)化數(shù)據(jù)每年將增長30%至60%，這些數(shù)據(jù)可轉(zhuǎn)化為實(shí)際業(yè)務(wù)價(jià)值。例如，零售商在社交媒體渠道、電商網(wǎng)站及合作伙伴渠道的海量用戶評價(jià)和反饋，經(jīng)過深度分析可以轉(zhuǎn)化為提升流量、提高評分和優(yōu)化客戶體驗(yàn)的寶貴洞察。
在成本效率方面，混合數(shù)據(jù)平臺賦予企業(yè)彈性擴(kuò)展的能力，既能支持業(yè)務(wù)擴(kuò)張和新市場開拓，又能確保在滿足增長需求的同時(shí)，避免性能損耗和成本浪費(fèi)。
此外，由于數(shù)據(jù)安全與合規(guī)性已成為影響業(yè)務(wù)成敗的關(guān)鍵因素，內(nèi)置安全治理機(jī)制的混合數(shù)據(jù)管理平臺已成為剛需。通過加密、訪問控制和審計(jì)等功能，企業(yè)能夠有效保護(hù)敏感數(shù)據(jù)，降低泄露風(fēng)險(xiǎn)，這對金融服務(wù)等強(qiáng)監(jiān)管行業(yè)尤為重要。
穩(wěn)固企業(yè)數(shù)據(jù)基礎(chǔ)
以印度尼西亞OCBC NISP銀行為例，這家上市公司面臨著數(shù)字化挑戰(zhàn)，需要在激烈的競爭環(huán)境中確立數(shù)字化優(yōu)勢。為充分挖掘生成式AI解決方案的巨大潛力，該行設(shè)計(jì)并落實(shí)了一項(xiàng)完美契合其數(shù)據(jù)湖的混合數(shù)據(jù)策略，使數(shù)據(jù)科學(xué)家和企業(yè)用戶能夠高效使用各種集成應(yīng)用。
印度尼西亞OCBC NISP銀行以該混合數(shù)據(jù)平臺為核心基礎(chǔ)，構(gòu)建了一個(gè)帶有生成式AI項(xiàng)目工具和框架的可擴(kuò)展基礎(chǔ)設(shè)施，能夠?yàn)榭蛻籼峁┗赥ransformer架構(gòu)的實(shí)時(shí)智能個(gè)性化推薦AI模型。憑借這一強(qiáng)大而靈活的基礎(chǔ)設(shè)施，該行實(shí)現(xiàn)了AI與企業(yè)的大規(guī)模整合，更好地推動了客戶創(chuàng)新并提高了監(jiān)管報(bào)告效率。
分析、機(jī)器學(xué)習(xí)、AI和生成式AI為企業(yè)提高創(chuàng)新力、生產(chǎn)力、成本效率且保持市場競爭力提供了更多可能。但要實(shí)現(xiàn)這些目標(biāo)，企業(yè)需要建立堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)，填補(bǔ)當(dāng)前數(shù)據(jù)管理方面的缺口。強(qiáng)大的數(shù)據(jù)治理不再只是IT部門的責(zé)任，而是需要管理層直接關(guān)注的戰(zhàn)略要?jiǎng)?wù)。
