前几天跟做企业数字化的朋友老周吃饭，他一开口就吐槽。
说他们公司去年下半年花了小一百万接入ChatGPTAPI，还招了两个大模型算法工程师，连私有化部署的服务都买了。
本以为很快就能靠AI提效率，结果快半年了，AI项目连个像样的成果都没拿出来。
席间还有个做制造业的朋友，也跟着点头。
他说他们厂想搞设备故障预测的AI项目，投入了两百多万，最后卡在数据上，生产数据散在ERP、MES等六个系统里，根本串不起来。
AI模型喂不进能用的数据，最后只能放在那落灰。
说实话，现在身边搞企业AI的，十有八九都遇到过这种情况：模型、人才、钱都到位了，偏偏栽在数据上。
企业搞AI，好模型遇上“烂数据”，就像巧妇难为无米之炊
咱们先说说那些大模型为啥能成。
你看OpenAI搞GPT-4的时候，手里有近1.4万亿tokens的公开数据。
这些数据是公开互联网攒了几十年的，格式都统一，不是网页就是文本、图片，来源也连得通。
就像提前洗好切好的菜，厨师拿过来就能下锅。
可轮到企业自己搞AI的时候，情况就完全反过来了。
老周跟我说，他们公司的数据散在CRM、ERP、客服系统等十几个地方。
有的存在老服务器里，有的还在员工的个人Excel里，甚至还有纸质文件没录入系统的。这些数据不光放得乱，格式也五花八门——客户地址有的写“京市朝阳”，有的写“北京市朝阳区”，日期有的是“2024.5.1”，有的是“2024-05-01”。
本来想建议老周他们先把数据归拢到一块，后来发现他们连数据在哪都没完全摸清。
更别说让AI用这些数据了，就像想做饭，结果菜在厨房各个角落，有的没洗，有的没切，再好的厨师也没法下手。
如此看来，企业AI的核心麻烦根本不是模型不够强，而是连给AI“喂饭”的合格数据都凑不齐。
数据的三个“拦路虎”，找不着、用不了、拿不到
企业想把数据用起来，得先闯过三关，这三关就像三只拦路虎，少一个都不行。
第一只就是“数据找不着”
老周说，他们公司想分析高价值客户，销售部让AI查客户的消费记录，结果AI找了半天，发现客户数据一部分在CRM，一部分在客服的工单系统，还有一部分在市场部的活动登记表里。
找个数据得跨三个部门问人，光找数据就花了一周。
这种情况真不少见，很多企业没有统一的数据源，数据就像藏在百慕大三角，想找着全看运气。
就算运气好，把这些散着的数据找着了，新的麻烦又来了，“数据用不了”。
有个做金融的朋友跟我说，他们搞信贷风险评估AI项目，好不容易把客户数据凑齐，结果发现身份证号有的15位，有的18位，联系电话缺失了近四分之一。
他们组建了十个人的团队清洗数据，两个月才弄完六成，项目直接延期。
很显然，这种“脏数据”给AI用，最后出来的结果肯定不靠谱，这不就是“垃圾进，垃圾出”吗？
好不容易把前两关闯过了，第三只拦路虎又冒出来，“数据拿不到”。
我认识个做汽车供应链的，他们想搞供应链风险预警AI项目，需要采购部的供应商数据和生产部的物料数据。
AI模型训练时只能用部分数据，最后预警准确率才刚过五成，根本没法落地。
搞不清的是，很多企业把数据捂得太严，部门之间调个数据要走四五个审批流程，等批下来，机会早就过了。
破局，从“小场景”起步，让数据自己“转起来”。
既然数据有这么多麻烦，那企业就只能干等着吗？当然不是，有个办法能慢慢搞定，就是启动“数据飞轮”。
有个做SaaS的公司就很聪明，。他们没一开始就想建个完美的数据湖，而是从“客户流失预警”这个小场景切入
先只打通了CRM的客户行为数据和客服的工单数据，AI的预警准确率从六成升到了八成五，帮他们挽回了一成二的高价值客户。
后来用这个成果申请了预算，再去打通财务的回款数据，把预警维度从“行为+服务”扩展到“行为+服务+财务”，准确率又升了一成。
这种小步快跑的方式，比一上来就砸钱建数据湖靠谱多了，毕竟先看到价值，才能有动力接着做。
光有飞轮还不够，还得搭好“智能地基”，从根上解决数据问题。
比如搞数据治理，有个车企去年制定了数据规范，把数据分成客户、生产、研发三大类，统一了字段格式，还明确了每个数据的责任人。
这么一来，数据清洗效率提了四成，脏数据率从两成八降到了九成。
还有数据中台，就像个数据“中转站”，把各个系统的数据归拢过来，再封装成能用的接口
有个零售企业搭了中台后，AI项目调数据的时间从七天缩到了两小时，效率一下子就上来了。
另外，企业还得搞清楚数据准备的三个层次，首先得让数据能被访问，比如存在统一的数据湖里，能通过API调出来，其次得让AI能理解数据，比如给数据贴标签，说明每个字段是啥意思，最后得让数据能反复用，比如每次业务做完，自动把新数据加进去，形成闭环。
有个银行按这三层做了之后，AI模型的迭代周期从三个月缩到了一个月，效果很明显。
现在大家都在抢大模型，可说实话，等过两年，顶尖模型就像水电一样，谁都能用上。
到时候企业拼的，肯定是自己的数据——谁家的数据干净、能互通、能持续产生价值，谁就能在AI时代占到优势。
本来觉得企业搞AI，只要有钱有技术就行，后来发现根本不是这么回事。
数据才是最基础的东西，要是现在不把数据的麻烦搞定，就算买再好的模型，招再牛的工程师，也只能是白忙活，企业要是想在AI上不落后，怕是得从现在开始，好好琢磨自家的数据了。
