在最新的一篇Databricks部落格中，克拉肯（Kraken）全球資料轉型主管Kristy Mayer-Mejia與作者Aly McGue深入探討了資料在AI戰略中的核心地位。克拉肯作為全球最大的公用事業AI作業系統，管理著27個國家超過9000萬個客戶賬戶，其客戶包括EDF、E.ON、國家電網和東京燃氣等。Mayer-Mejia的團隊負責幫助客戶理解、採用並從克拉肯提供的資料中提取價值。她的核心觀點是：AI的成功不僅僅依賴更先進的模型，更需要紮實的資料基礎。
Mayer-Mejia指出，低質量、孤立的資料是組織從投資中獲取價值的最大障礙。她的團隊經常看到客戶花費80%的時間清理資料，而不是從事有價值的工作。她強調，資料統一是“入門費”，只有將資料整合到一個平臺，自助分析、AI和快速決策才能成為可能。此外，缺乏對資料的信任會導致決策癱瘓。例如，在資料統一之前，像“我們有多少客戶”這樣的基本問題都難以準確回答，導致管理層花數週時間爭論數字的正確性。
有趣的是，AI本身正成為改善資料質量的“強制功能”。Mayer-Mejia解釋說，AI所需的資料輸入與人類相同：清晰的文件、列的含含義和表之間的關聯。當資料難以使用時，自助分析的價值觀很難量化，但AI使這種價值變得可見，並迫使組織將清潔資料和文件化作為非談判條件。同時，AI也提供了工具，如對話式介面，讓使用者無需編寫SQL即可查詢資料。
後設資料的重要性被低估了。傳統上，資料文件以PDF或網頁形式存在，對人類足夠，但對AI無效。Mayer-Mejia強調，客戶現在要求後設資料與資料本身一同共享，以便AI模型理解上下文。Databricks的Unity Catalog和Delta Sharing技術支援這種上下文共享，這是AI能否推理資料的關鍵。
在實踐中，資料統一帶來了巨大變化。例如，一家公用事業客戶從每月報告呼叫量，轉變為每兩小時更新一次的儀表板，併疊加預測模型。這使運營從月度回顧轉向近即時最佳化。在產品創新方面，清潔資料使客戶能快速測試和最佳化電價方案。
自然語言介面（如Databricks Genie）正在打破分析瓶頸。Mayer-Mejia觀察到，這些工具將客戶開始使用資料的時間從數週縮短到幾分鐘，而且降低了文化障礙。當資料訪問變得直觀時，資料驅動的文化就會自然形成。
她最常看到的高管錯誤是將資料視為IT平臺，交給IT部門去準備。她強調，資料是業務資產，需要深度的業務上下文——資料如何生成、使用和解釋。技術基礎打好後，最難的部分是業務上下文，而這大部分工作屬於業務部門，而非資料團隊。因此，為AI準備資料的路線圖應是業務和技術共同承擔的。
展望未來，Mayer-Mejia認為AI正在迅速提高客戶可能達到的高度。那些早期投資資料能力（包括技術、技能和文化）的組織現在行動最快，它們與後進者的差距只會越來越大。她建議客戶從統一資料開始，然後逐步嵌入業務上下文，並培養資料素養文化。
這篇文章為任何正在構建AI路線圖的組織提供了寶貴見解。要了解更多，Databricks建議下載其《AI代理狀態報告》以對標投資。