MDM（主数据管理）并不吸引人，但随着组织越来越依赖人工智能和数据分析，它已经成为一种绝对的必要。CIO（首席信息官）们需要迎接这一挑战。CIO必须将MDM提升至战略高度，构建起由专家驱动的、治理良好的数据基础，为自主运行的AI系统提供持续、干净、可信数据“养料”，从而真正释放其潜力。

图源：Zoonar GmbH via Alamy Stock

MDM一直很重要，坦白说，经过三十年的反复提及，我们都已经厌倦了听到它。由于这个以及其他原因，一些企业无法整理好他们的数据，这在如今人工智能和数据分析广泛使用的情况下是至关重要的。简而言之，想要保持竞争力的企业最好尽早将MDM放在优先位置。

客户服务、内部效率和自动化仍然很重要，但人工智能引入了一个新的维度，并为这一领域带来了新的紧迫感。据人工智能驱动的企业云数据管理解决方案供应商Informatica（英福曼）的首席信息官Graeme Thompson（格雷姆·汤普森）说：“错过自动化内部流程的机会是一回事，而错过能够拥有人工智能辅助的客户体验或欺诈检测流程的能力则完全是另一回事，而且要严重得多。”

MDM的一个挑战是它不像应用层的东西那么吸引人，因此很难分配必要的资源来实现它。虽然MDM工具可以提供帮助，但还需要进行流程变革，这需要一种不同的思维方式。

Thompson（汤普森）表示，必须有一种思维模式的转变，让人们接受管理和维护数据的成本和开销，以便数据能够以可用的方式被使用。他说：“这涉及到如何将技术与一套业务流程、内部文化、做好事情的承诺以及与合理的业务成果联系起来。一些好公司的成熟度水平很差，他们在管理数据资产方面就是不行。”

一些企业，例如邮轮公司，由于他们的数据仍然处于孤立状态，所以无法跨邮轮线路识别客户，从而错过了大量的财务机会。与此同时，保险公司通过优先考虑数据质量来简化理赔流程。

Thompson（汤普森）说：“MDM有着非常现实的商业影响，我认为我们都可以做得更好的部分是开始谈论业务成果。因为这些业务成果既严重又容易理解，让业务领导者支持它应该不难，但如果你想让业务领导者支持MDM，听起来就像是想在他们的帮助下开展一个科学项目。这并不是关于MDM本身，而是关于你在MDM方面做得出色就可以获得的业务成果。”

CIO（首席信息官）们还必须确保利益相关者明白不采取行动的成本，比如在行业中跟随而不是领先、提供次级的客户体验以及面临合规审计和法律行动的风险。

一、延迟MDM是灾难的根源

一些CIO（首席信息官）在MDM方面面临着严重的技术债务。

商业和数字转型服务及解决方案提供商Sutherland Global（苏瑟兰全球）的首席信息官兼首席数字官Doug Gilbert（道格·吉尔伯特）说：“每个人都想跳过MDM阶段，但只要为这个项目正确获取数据，就会不可避免地导致其他问题。你已经获得了上下文理解，现在你正在做人工智能，盲目地跟随这些数据和为你提供的建议。以前，你可以围绕一两个项目进行一种准MDM，而不必全面考虑它。”

到2026年，Gartner（高德纳）预计60%的未得到人工智能就绪数据支持的人工智能项目将被企业放弃。未能认识到人工智能就绪数据需求与传统数据管理之间的巨大差异，将危及企业人工智能努力的成功。

这使得数据治理和MDM的重要性凸显出来。

Gilbert（吉尔伯特）说：“我认为，未来在实施MDM战略和结构方面存在两个挑战。因为人工智能系统的本质应该是自主的，你必须确保为其提供数据始终是干净的。我做MDM是因为我们经历了如此多不同的审计，这很痛苦，但我遇到的故障更少，我的系统需要的维护也更少。当我进行分析时，我得到了正确的人工智能输出和正确的预测。更重要的是，由于我们有适当的控制措施，我的可审计性非常容易证明。”

云和分析数据平台提供商Teradata的首席技术官Louis Landry（路易斯·兰德里）表示，在过去五到六年中，组织已经放弃了严格的数据治理实践和自动化一切的渴望。相反，他们让人工智能代理对数据做出反应，而没有严格的治理。

Landry（兰德里）说：“确实让人感觉我们不一定想谈论MDM，但这是非常重要的，也是我们计划生活的未来所必需的。在过去几年中我所看到的是，当谈到数据质量和数据治理时，人们可能愿意在技术工具上花钱，但不愿意在与之相关的流程和人员上花钱，而很多问题实际上是人的问题。”

在较老的组织中，MDM成熟度往往分布不均。核心数据通常管理得相当不错，其余的则不然。长期以来的数据所有权问题以及不愿共享数据的情况并没有帮助。

Landry（兰德里）说：“数据网格的概念是，我管理这一部分，你管理那一部分。我们是独立的，但我们可以连接，你可以使用它，但不要碰它，那是我的。我们几十年来都知道，当你整合所有内容时，价值加速就会发生，你可以看到库存与客户数据、销售数据与收入数据之间的关系——当你将所有这些内容整合在一起时，魔法就开始发生了。最先进的组织有特定领域的专家，这确实提高了信息的整体质量和可访问性，并使数据能够转化为知识。”

二、其他阻碍MDM努力的因素

在科技领域，无论是网络还是MDM，都会出现一些相互对立的趋势，其中最突出的是集中化和分散化。

Landry（兰德里）说：“治理、控制和准确性与自主性和敏捷性之间总是存在这种来回摇摆，我认为我们已经明显倾向于自主性和敏捷性。随着像生成式人工智能和智能体这样的技术出现，我们似乎有机会同时满足这两种主要需求。因为你可以将数据管理部分分离出来，并提供正确的治理和控制，而这些控制与消费和分析层所需的自主性和敏捷性是解耦的。”

他认为，鉴于每个应用程序似乎都有自己的数据库和“真相”的独特版本，数据问题正变得愈发严重。

Landry（兰德里）说：“我们将面临一场难以想象的复杂性危机，我认为这种碎片化是我们所有人都必须应对的问题，而MDM的实践将在应对这一问题上发挥极其重要的作用。”

业务变革和人工智能创新的步伐已经远远超过了众多组织的管理水平，人们需要和希望消费数据的多样化方式正在产生大量的技术债务。

Landry（兰德里）说：“在过去一年里，我们甚至还没有开始真正理解这些人工智能应用程序、智能体是什么样子。企业正在努力弄清楚如何将他们的数据资产货币化，同时保持足够的治理和控制，这是一项极具挑战性的事情。但我认为我们常常忘记，并非所有这些问题都是技术问题。我交谈过的最被束缚的首席信息官和首席技术官们，绝对在考虑人员和流程方面投入真正的精力，以及在哪里应用技术。”

Landry（兰德里）建议从数据领域而不是应用程序入手，从流程自动化而不是工具开始。

Landry（兰德里）说：“先把那些事情理顺，然后尽快去寻找与你需要的流程相匹配的合适工具。我会投资于对你真正重要的数据领域的专业知识，这些专家真正理解这些事情，以便帮助和指导所有将在你的数据基础上构建应用程序、智能体和工具的人。”

作者：Lisa Morgan（丽莎·摩根）

译者：木青

睿观：

随着AI（人工智能）应用的普及，过去那个枯燥乏味且常被忽视的MDM（主数据管理），已从一个“最好要有”的选项，演变为决定AI项目成败的绝对必需品。CIO（首席信息官）面临的核心挑战在于，MDM因其“不性感”而难以获得资源，且许多企业不愿在必要的人员和流程上投入。成功的关键在于改变沟通方式：CIO必须停止谈论MDM技术本身，转而强调其带来的具体业务成果（如改善客户体验、简化理赔流程）和不作为的巨大风险（如合规风险、丧失竞争优势），从而获得业务领导的支持。因此，在AI时代，跳过MDM直接追求AI应用，无异于在沙上建塔。CIO必须将MDM提升至战略高度，构建起由专家驱动的、治理良好的数据基础，为自主运行的AI系统提供持续、干净、可信的数据“养料”，从而真正释放其潜力。

金句

在AI的盛宴上，MDM就是那个虽然乏味，但不可或缺的“洗菜”环节；跳过它，再昂贵的“食材”（AI模型）最终也只会做出一盘无法下咽的“菜肴”。