近期，随着人工智能（AI）技术的迅速发展，数据管理的重要性愈发凸显。尽管 AI 热潮尚未带来大量实际成功案例，但多项研究显示，良好的数据管理和高质量的数据是实现 AI 目标的基础。

大数据

NetApp 发布的《2024年数据复杂性报告》显示，全球1300名技术和数据高管的调查结果令人关注。调查发现，投资于数据统一的公司在实现 AI 目标方面更具备优势，接近80% 的受访者认识到统一数据对达到理想 AI 结果的重要性。

报告还指出，约三分之二的公司表示，他们的数据 “完全或基本上优化用于 AI”，意味着这些数据可访问、准确且经过良好文档记录。然而，40% 的高管认为，未来两年在 AI 和数据管理上的投资将会大幅增加。

另一份由数据管理与分析提供商 Qlik 发布的报告则揭示了阻碍 AI 进展的一些原因。在接受调查的4200名高管中，缺乏 AI 技能和数据治理挑战被认为是主要障碍，均占23%。此外，AI 开发后部署和预算不足及缺乏可信数据的比例也相对较高。Qlik 的报告强调，建立信任对于实现广泛的 AI 成功至关重要，37% 的高管对 AI 缺乏信任，61% 认为这种信任缺失正在削减他们的 AI 投资。

最后，Ataccama 公司的《数据信任报告》也强调了数据管理在 AI 实践中的重要性。该公司与 Hanover Research 合作，对来自美国、加拿大和英国的300名高管进行了调查。调查结果显示，51% 的高管认为改善数据质量和准确性是当务之急，30% 的高管面临着管理大量数据的挑战。

拥有高质量和可信赖的数据管理系统对于成功实施 AI 至关重要。此外，技能、部署、信任和预算等问题也是不容忽视的挑战。在 AI 的未来，数据的作用不可小觑。

划重点:

🔑80% 的高管意识到统一数据对实现 AI 目标的重要性。  

📊37% 的高管对 AI 缺乏信任，信任缺失影响 AI 投资。  

📈51% 的高管认为改善数据质量是当前首要任务。