在最新的一篇Databricks博客中，克拉肯（Kraken）全球数据转型主管Kristy Mayer-Mejia与作者Aly McGue深入探讨了数据在AI战略中的核心地位。克拉肯作为全球最大的公用事业AI操作系统，管理着27个国家超过9000万个客户账户，其客户包括EDF、E.ON、国家电网和东京燃气等。Mayer-Mejia的团队负责帮助客户理解、采用并从克拉肯提供的数据中提取价值。她的核心观点是：AI的成功不仅仅依赖更先进的模型，更需要扎实的数据基础。
Mayer-Mejia指出，低质量、孤立的数据是组织从投资中获取价值的最大障碍。她的团队经常看到客户花费80%的时间清理数据，而不是从事有价值的工作。她强调，数据统一是“入门费”，只有将数据整合到一个平台，自助分析、AI和快速决策才能成为可能。此外，缺乏对数据的信任会导致决策瘫痪。例如，在数据统一之前，像“我们有多少客户”这样的基本问题都难以准确回答，导致管理层花数周时间争论数字的正确性。
有趣的是，AI本身正成为改善数据质量的“强制功能”。Mayer-Mejia解释说，AI所需的数据输入与人类相同：清晰的文档、列的含含义和表之间的关联。当数据难以使用时，自助分析的价值观很难量化，但AI使这种价值变得可见，并迫使组织将清洁数据和文档化作为非谈判条件。同时，AI也提供了工具，如对话式接口，让用户无需编写SQL即可查询数据。
元数据的重要性被低估了。传统上，数据文档以PDF或网页形式存在，对人类足够，但对AI无效。Mayer-Mejia强调，客户现在要求元数据与数据本身一同共享，以便AI模型理解上下文。Databricks的Unity Catalog和Delta Sharing技术支持这种上下文共享，这是AI能否推理数据的关键。
在实践中，数据统一带来了巨大变化。例如，一家公用事业客户从每月报告呼叫量，转变为每两小时更新一次的仪表板，并叠加预测模型。这使运营从月度回顾转向近实时优化。在产品创新方面，清洁数据使客户能快速测试和优化电价方案。
自然语言接口（如Databricks Genie）正在打破分析瓶颈。Mayer-Mejia观察到，这些工具将客户开始使用数据的时间从数周缩短到几分钟，而且降低了文化障碍。当数据访问变得直观时，数据驱动的文化就会自然形成。
她最常看到的高管错误是将数据视为IT平台，交给IT部门去准备。她强调，数据是业务资产，需要深度的业务上下文——数据如何生成、使用和解释。技术基础打好后，最难的部分是业务上下文，而这大部分工作属于业务部门，而非数据团队。因此，为AI准备数据的路线图应是业务和技术共同承担的。
展望未来，Mayer-Mejia认为AI正在迅速提高客户可能达到的高度。那些早期投资数据能力（包括技术、技能和文化）的组织现在行动最快，它们与后进者的差距只会越来越大。她建议客户从统一数据开始，然后逐步嵌入业务上下文，并培养数据素养文化。
这篇文章为任何正在构建AI路线图的组织提供了宝贵见解。要了解更多，Databricks建议下载其《AI代理状态报告》以对标投资。