AI 时代的数据困局：一场无声的荒诞剧

一个让全员失语的清晨

周一晨会，老板发问："上月营收多少？"

七双手同时举起。

财务答："980 万。"

运营称："1020 万。"

销售言："1150 万。"

BI 回应："诸位皆有理，但我系统显示 960 万。"

老板静默三分钟。

最终他道：散会。

荒诞一幕：同一指标，七种说法

"今日新增用户"这指标，我见过最离谱的企业竟有七种定义：

财务：当日注册且绑卡者

运营：当日登录者

渠道：当日点击广告者

销售：当日填表者

客服：当日咨询者

产品：当日使用核心功能者

BI：剔除异常后的上述用户

随后人人坚称自己正确。

每月核对数据，七人争辩一下午。

最终老板所见数字，源自 BI 版。

可运营仍沿用运营版。

众人皆按己信之数，行自认正确之决。

荒诞二幕：数据团队的自我陶醉

我见过最可怕之景。

数据团队耗时 18 月，筑起一套"企业级数据中台"。

BI 报表做 200 张，数据血缘图绘 50 张，规范文档撰 300 页。

上线首日，无人登录。

业务叹："太复杂，看不懂。"

运营道："所需数据此处全无。"

销售言："我还是用 Excel 吧。"

技术问："诸位究竟要什么？"

答曰：不知。

但他们确知一点——数据至关重要。

荒诞三幕：人人皆管，实则无人管

另一家公司，数据治理如何推行？

数据产品定口径

数据开发建管道

业务部门提需求

老板令："本月见成效"

一年后，规范文档 200 页，口径定义 500 个，流程图 50 张。

可数据依旧错误。

为何？

无人真正对数据质量负责。

产品定口径，业务不认。开发建管道，源头却是脏数据。

每环节皆有人管，却每环节皆管不好。

数据为何崩坏？

三因：

1. 数据乃自然生长

公司从 10 人扩至 100 人，或许只需两年。

可数据呢？

首年用 Excel，次年上 CRM，第三年上 ERP，第四年接入营销工具、供应链、客服、财务系统……

无人规划数据应如何生长。

任其肆意蔓延。

终长成不可名状之物。

2. 规则专为他人设

某公司定下"数据 T+1 更新"规范。

结果：

数据团队自身报表，常 T+3

业务需求，永远"加急"

老板报表，享专属绿色通道

规范仅约束普通人。

特权阶层无需遵守。

3. 治理被视为"成本中心"，永远排在最后

每家公司皆言"数据重要"。

但做预算时：

业务线：优先

研发：优先

销售：优先

数据治理：稍后再议

因收益不可见。

上新功能，用户愿买单。

做数据治理——仿佛毫无改变。

然若不治理，业务必出问题。

AI 来临，局势更难

这两年，众人皆谈 AI。

但可曾想过一问题？

AI 输出质量，直接取决于输入数据质量。

若用混乱、口径不一、无人负责的数据训练 AI——

AI 输出之答案，亦是一团糟。

甚至更糟。

人犯错，会承认不确定。

AI 不会。

它将以自信语气，给出完全错误答案。

故 AI 时代，数据治理非更重要——

是刻不容缓。

如何治理？

三步：

一、先止血，再治病

勿一上来就建数据中台。

先厘清：哪些数据为核心、每日在用、影响业务。

先治理好这部分。

二、谁用数据，谁担责

勿让数据团队独自背锅。

业务部门用数据，必为数据质量负责。

三、治理需有"短期胜利"

每三月定一可量化目标：

"Q1：核心营收指标口径统一"

"Q2：核心报表准时率提至 95%"

让业务见变化，让老板见价值。

否则项目必死。

结语

扁鹊见蔡桓公，疾在腠理，汤熨可及；在肌肤，针石可及；在肠胃，火齐可及；在骨髓，司命所属，无可奈何。

数据治理亦同此理。

AI 时代，数据即模型"肠胃"。

肠胃不健，AI 亦会腹泻。

早期不治，待数据烂至某程度——

神仙难救。