CDO 如何透过 7 个步骤优化企业资料以释放商业价值

如果企业的数据尚未准备好，那么企业就还没有准备好应用生成式AI。最新研究预测，63个AI用例中每年可以带来2.6万亿至4.4万亿美元的经济效益。七项行动建议将数据用于推动生成式AI实施，以帮助企业实现其生成式AI的规模化价值，包括注重价值、构建数据架构能力、关注数据生命周期关键节点、保护敏感数据、培养数据工程人才、利用生成式人工智能管理数据以及严格跟踪和快速干预。对于CDO和创新领导者来说，这些行动将帮助从试验阶段迈向规模化应用，实现生成式AI的最大商业价值。

企业如何利用数据红利推动生成式AI？

如果企业的数据还没有为生成式AI做好准备，那么企业也没有为生成式AI做好准备。

最新研究估计，生成式 AI 可以在 63 个业务场景用例中增加相当于 2.6 万亿至 4.4 万亿美元的年度经济效益。拉动每一个用例的机会，它将返回数据。企业的数据及其底座基础是生成式AI的决定性因素。

对于大多数首席数字官 (CDO) 来说，这是一个发人深省的命题，尤其是当 72% 的领先企业指出管理数据已经是阻止他们扩展 AI 用例的最大挑战之一时。当今的 CDO 和数据领导者面临的挑战是专注于能够使生成式 AI 为业务创造最大价值的变革。

情况仍在迅速变化，而且几乎没有确定的答案。但在我们与十几家客户就大型生成式 AI 项目进行的合作、与大公司约 25 名CDO的讨论以及我们自己重新配置数据以支持生成式 AI 解决方案的实验中，我们确定了CDO应该考虑的七项行动当他们从实验转向规模化时：

1. 让价值成为您的指引。CDO 需要清楚价值在哪里以及需要哪些数据来交付价值。
2. 将特定功能构建到数据架构中以支持最广泛的用例。将相关功能（例如矢量数据库和数据预处理和后处理管道）构建到现有数据架构中，特别是支持非结构化数据。
3. 聚焦数据生命周期关键点，确保高质量。对从源到消费的数据生命周期制定多种干预措施（包括人工干预和自动化干预），以确保所有材料数据（包括非结构化数据）的质量。
4. 保护敏感数据，并准备好在法规出现时迅速采取行动。专注于保护企业专有数据和个人信息，同时积极监控不断变化的监管环境。
5. 培养数据工程人才。专注于寻找对实施数据计划至关重要的少数人，并转向更多的数据工程师和更少的数据科学家。
6. 使用生成式AI来帮助管理数据。生成式人工智能可以加速现有任务，并改进从数据工程到数据治理和数据分析的整个数据价值链的完成方式。
7. 严格跟踪、快速干预。投资于绩效和财