公司的数据，能用于 AI 吗？

AI 的性能不是模型决定的。 是数据决定的。

宣布"要上 AI"的第二天

问题定义好了，工具选好了，管理层也批了。团队干劲十足地启动项目。然后打开了数据。

气氛瞬间变了。

客户数据分散在 CRM、电子表格和销售人员的记事本里。同一个客户以三个不同的名字存在。营收数据的日期格式每张表都不一样。关键字段有 30% 是空的。

这不是什么特殊情况。这是大多数企业面对的现实。

数据问题不是技术问题

很多组织把数据问题甩给 IT 部门。"帮忙整理一下数据。"但数据一团糟的原因，大多不是技术问题，而是工作方式的问题。

没有输入规则。 客户名称写"Mono公司"还是"Mono"还是"MONO"？从来没人规定过。十年来各自按各自的方式输入，结果就是现在的数据。

系统是割裂的。 销售用 CRM，财务用 ERP，市场用 GA 和广告平台。各系统独立运行，数据变成了一座座孤岛。同一个客户的购买记录和营销响应数据无法关联。

从来没把数据当作资产。 数据只是做报表的原材料，不是需要专门管理的资产。所以压根就没有数据质量管理流程。

AI 必须在这个现实之上运行。

等数据完美了再开始，就永远开始不了

这里有一个常见的陷阱："先把数据彻底整理好，然后再启动 AI 项目。"逻辑上好像没问题，但在实践中几乎总是失败。

原因很简单。哪些数据需要整理到什么程度，不试试 AI 根本不知道。

要把所有数据弄得完美无缺，可能要好几年。但"客户咨询自动分类"所需的数据，可能只是最近半年的咨询记录和分类标签。小实验会告诉你数据整理的范围和优先级。

原则是这样的：不要修复全部，只修复第一个实验需要的数据。

诊断数据状态的五个问题

下面是一份可以立刻使用的检查清单。

① 与我们要解决的问题相关的数据存在吗？

最根本的问题。令人惊讶的是，很多公司说"想预测客户流失"，却从来没有定义或记录过什么叫流失。如果数据不存在，第一个项目不是做 AI，而是收集数据。这同样是一个有价值的起点。

② 能拿到那些数据吗？

数据存在，但可能法律上不能用（隐私问题）、技术上取不出来（老旧系统）、组织上不允许（归其他部门管）。如果不在项目初期确认数据的可获取性，进展到一半才发现走不通。

③ 数据量够吗？

不同的 AI 方法需要不同的数据量。用生成式 AI 做分类或摘要，几十到几百条就能起步。而预测模型可能需要几千到几万条。数据不够的话，先用规则系统或人工判断起步，等数据积累起来再过渡到 AI，这种分阶段方式更现实。

④ 数据质量怎么样？

缺失值多吗？有重复吗？格式统一吗？输入错误常见吗？不需要把数据质量做到 100% 完美。但"知道有多乱"和"不知道有多乱"是完全不同的。搞清楚现状本身就是第一步。

⑤ 数据还在持续积累吗？

AI 不是做一次就完了。要持续学习和改进，数据就得源源不断地进来。如果"有历史数据，但现在已经不收集了"，那在做 AI 之前，应该先把数据采集管道搭起来。

数据整理，从哪里开始

回答完五个问题后，按以下顺序行动。

第一，从最小范围开始。 不是全公司数据整合，而是确定第一个 AI 实验需要的一个数据集。比如"最近 3 个月的 1,000 条客户咨询"，要这么具体。

第二，制定整理标准。 不是"做到完美"，而是"这个字段填了、格式对了就能用"——设定最低标准。

第三，整理和实验同步推进。 不要等整理完再开始。整理好一部分就丢给 AI 试试。如果结果不对，就能看出是数据的哪个问题导致的。实验为数据整理指明方向。

第四，从现在开始建立输入规则。 历史数据要修，但未来的数据要从一开始就干净地积累——定好输入标准、验证逻辑和责任人。这不是技术问题，是习惯问题，是组织文化问题。

数据不是 AI 的燃料，而是土壤

经常听到"数据是 AI 的燃料"这个比喻。但数据更像土壤而非燃料。

燃料烧完就没了。但土壤只要好好耕作，就能不断长出庄稼。好的数据环境不只支撑一个 AI 项目——它会成为未来所有 AI 项目的基础。

现在数据一团糟也没关系。重要的是准确了解现状，然后从小范围开始改善。

别等完美的土壤。先耕一小块地。