对于青少年来说，智能手机是必备商品，标志着成熟和对未来的拥抱。但要更好地用好一部手机，青少年应该表现出一定程度的技术能力。同样，如今大多数企业都渴望采用现代人工智能技术，例如大型语言模型。但是，根据其数据管理实践的成熟度，他们可能已经准备好或可能还没有准备好实施此类技术。
现在，我们要定期为企业提供建议，帮助他们确定是否具备充分利用人工智能所需的数据管理策略。
为什么现代人工智能的时机已来
我们知道，人工智能是目前最热门的趋势之一。特别是生成式人工智能技术的日益成熟，使企业敏锐地意识到现代人工智能解决方案带来了更多更大的潜力，将会为企业带来更好地竞争优势。当然， 这取决于企业管理者接受人工智能技术的程度。
事实上，即使有些企业尚未开始尝试大型语言模型等技术，现在也需要开始布局了。我们认为，在下一代人工智能的帮助下，获得竞争优势的窗口已然敞开，但是也并不会永远保持这种状态。因此，不尽快采取行动的企业，将会被抛在队伍后面。
您的数据管理策略是否为 AI 做好了准备？ 实际上，仅仅因为企业想要人工智能，并不意味着他们已经准备好了。在加入 AI 之前，企业需要评估其数据管理策略，并评估该策略在部署和使用下一代 AI 技术方面的优势。
要做好数据管理策略，必须考虑以下五个最重要的因素
1、数据质量
数据质量对于应用人工智能技术至关重要。如果使用低质量数据训练 AI 模型，则模型将做出低质量或不一致的决策。因此，能够评估和优化数据质量是利用人工智能的关键要求。
数据质量首先要定义反映数据准确性、完整性和一致性的指标，然后定期（或最好连续）衡量这些指标。此外，企业应该有适当的工具和流程来提高数据质量，例如，从数据集中删除冗余信息或删除可能代表不准确数据点的异常值。
2、数据可访问性
如果 AI 算法和模型难以访问企业中的数据，那么在 AI 方面不会走得太远。因此，企业需要一种数据管理策略来确保数据的可访问性，这意味着企业拥有的所有数据都可以轻松连接到想要使用它的应用程序（包括 AI 应用程序）或与之集成的其它应用程序。
在处理“普通”类型的数据（如数据库）时，数据可访问性的重要性通常是显而易见的。但请记住，数据可访问性对于其他类型的数据也至关重要，例如半结构化、非结构化和“暗”数据，所有这些数据也可能在 AI 用例中发挥作用。
3、数据灵活性
只能以一种形式提供且无法重组的数据对 AI 来说并不是很有用，只能在小规模或特定配置下访问的数据也不是。
为了充分利用 AI，企业需要尽可能灵活的数据。无论处理的数据量、结构或存储位置如何，数据管理工具和流程都应允许将数据应用于任何 AI 用例。有时，这样做需要进行更改，例如将数据迁移到新的存储平台或将其转换为其他格式。
4、数据治理
与现代 AI 相关的一个关键挑战是，企业并不总是知道 AI 模型如何处理数据，尤其是在使用第三方 AI 服务时。
因此，数据治理是负责任地使用 AI 的关键支柱。数据治理允许企业建立有关不同数据资产的使用位置和方式的规则。例如，企业可能对一些数据过于敏感，无法向第三方 AI 服务公开。借助数据治理策略，可以制定明确的策略来定义 AI 模型如何使用数据。
5、数据管理
建立数据治理规则是一回事，执行它们是另一回事，这就是数据管理的用武之地。
数据管理允许企业制定实施流程，以确保团队在处理数据时遵循数据治理和质量规则。适当的数据管理可以防范 AI 模型带来的风险，以及其他挑战。
在 AI 时代充分利用数据
长期以来，数据一直是业务成功的关键因素。但是，下一代人工智能技术使得企业充分利用其掌握的数据变得更加重要。
然而，正如我们每天在帮助公司实现数据管理战略现代化时所提醒的那样，一些企业比其他企业更愿意利用人工智能，因为有些企业比其他企业拥有更成熟的数据管理实践。在尝试采用 AI 技术之前，发现您的数据管理策略还不够成熟，无法支持它，请评估您如何管理数据，然后在开始实施 AI 之前识别并解决问题。
原文Is Your Data Management Strategy Ready for AI? 5 Ways to Tell
原文作者：Daniel Zagales
