当企业急着上智能体,却被“数据现实”按了暂停键
这两年,我在不少大型集团里看到类似的一幕:
- 顶层设计:要搞一批智能体:通用 + 专属,全面支撑业务和管理;
- 落地体验:一轮试用下来,统一反馈只有一句:
“数据不行,问不准、看不懂、不敢用。”
智能体没有错,它只是把多年积累的数据问题一次性放大。
最终,所有问题都会回到一个底层结论:
不补上“数据治理”这一课,智能体只能是展示品,而不是生产力。
一、典型集团的数据治理“缩略图”
用几个高频画面,就能勾勒出很多集团的共性现状。
1. 监管报送:上千个字段,全靠人海战术
- 每月向监管或上级单位报送大批数据,字段成百上千;
- 大部分依然是人工采集、手工填报;
- 没有清晰的口径、来源和复用机制,改一次模板,就要折腾一整片部门。
2. AI 问数:对接了系统,却只连上“原始库表”
- 通用问数智能体已上线,打通了几个核心系统的原始数据表;
- 问项目、问指标、人力试点问“某员工工作经历”,能答,但答得零散、模糊、难校验;
- 说白了:模型连的不是“治理好的指标和数据资产”,而是“裸奔的源数据”。
3. 经营驾驶舱:主要靠填报
- 集团层面有一个“经营分析驾驶舱”,主要服务决策层;
- 指标来自各业务系统“加工好之后”往中台一丢,中台只负责展示;
- 各业务条线自己的驾驶舱几乎没有,业务问题依旧靠“报表 + PPT”解决。
4. 中台变成“数据中转站”
- 业务系统一堆:人力、财务、合规、OA……各管一摊;
- 数据中台:谁要数据,就去各系统拎一份出来,最多做下分类就丢出去;
- 没有统一模型、没有加工层、没有对外的数据服务目录,
更像“物流中转站”,不是“数据资产工厂”。
5. 组织与标准:人人用数据,却没人真“管数据”
- 没有集团级的数据治理组织,没有域数据 Owner;
- 信息部门管系统、业务部门管报表,各自优化、缺少统筹;
- 有过一版数据标准,但一直停在“拟稿状态”,没有真正发布执行。
一旦出现数据问题:谁解释?谁拍板?谁负责?
几乎没人说得清。
二、问题不在“技术太差”,而在“系统缺位”
把这些现象抽象一下,其实就是四句话:
- 没有体系化的数据治理框架
组织、职责、制度、流程都不成型,问题只能靠人情协调。
- 监管报送、经营分析,从未被当作“数据资产”系统规划
只有字段和表格,没有集团级…
— 以上为试看内容(约 40%),开通会员后阅读全文 —