华研咨询网消息，来自Ataccama 的新研究表明，企业在实现足以支持人工智能计划和监管合规要求的数据质量方面面临着重大挑战。
自 3 月以来，首席数据官、业务领导者和数据管理专业人士已完成 150 多次 Ataccama 数据信任评估，为组织内的数据可信度提供了基准。结果显示，组织在数据信任成熟度方面的平均得分仅为 42 分（满分 100 分）。在修正工作流、策略实施以及引用或主数据质量中得分最低。
这些发现表明，人工智能的加速采用和监管要求的提高使企业数据的弱点更加明显，而这些弱点在过去发展缓慢的商业环境可能已经掩盖了这些弱点。当数据无法依赖时，人工智能和合规工作都面临失败的风险。
该评估旨在指导组织从执行不一致和孤立的数据管理项目转向实现基于成熟度的综合计划。这种方法涉及人员、流程和技术，分配基线分数，提供同行基准，并概述了四个支柱的一组排名优先事项：质量、治理、可观察性以及通过补救和工作流程增强进行改进。鼓励参与者重复评估，以监测数据成熟度计划的进展和战略规模。
人工智能和合规性斗争
Ataccama 的更广泛研究还发现，虽然大约三分之一的组织报告在人工智能方面取得了有意义的进展，但大多数组织认为数据质量是主要障碍。领导者花费大量时间搜索、验证和核对数据，而不是部署 AI 模型。该报告将数据质量定位为建立信任的核心——被描述为人工智能和合规付积极成果的基本要求。
这些差距在不同部门的表现方式存在差异，但根本问题仍然是一致的：如果没有可信的数据，结果就会受到损害。在金融服务领域，可观测性差和数据沿袭薄弱使得审计和追溯报告到原始来源变得困难，从而增加了监管风险。对于制造商来说，不一致的产品数据会产生连锁反应，延迟报告、中断供应链并增加合规成本。该报告得出的结论是，在所有行业中，高数据质量对于产生可靠的结果至关重要。
领导观点
“定量直觉，即数据和判断的结合，可以推动更好的决策。不受信任的数据会侵蚀它所触及的每一个决策，“Ataccama 首席产品官 Jay Limburn 说。“太多的组织投资于数据计划，却没有清楚地了解其数据环境的真正可信度。我们构建了 Ataccama 数据信任评估，以揭示信任崩溃的地方，并指导首先解决的问题。数据信任在各个方面创造价值。如果没有对数据质量的真正洞察，企业就有可能面临连锁故障的风险——从不可靠的人工智能输出到增长停滞。信任必须渗透到从数据和模型到决策的每一层。
Ataccama 数据信任评估旨在为组织提供可作的见解，以确定问题的优先级和补救，支持企业努力实现强大、可扩展的数据治理。领导者能够跟踪他们随时间推移的进度，并将投资定向到对其数据生态系统影响最大的领域。
该研究和评估工具反映了行业越来越关注建立强大的数据质量，这不仅是提高人工智能性能等技术成果的基础，也是解决需要可审计和可追溯数据管理实践的不断升级的监管和合规义务的基础。