随着人工智能技术的飞速进步，数据管理的价值日益凸显。尽管AI领域的实际应用案例尚不丰富，但研究表明，优质的数据管理和数据质量是实现AI目标的关键。

大数据

根据NetApp发布的《2024年数据复杂性报告》，一项针对全球1300名技术和数据高管的调查显示，注重数据统一的企业在实现AI目标上更具优势，近80%的受访者认同统一数据对达成理想AI效果的重要性。

报告还提到，大约三分之二的公司表示，他们的数据已“充分或基本优化”以适应AI需求，这些数据具备可访问性、准确性和良好的文档记录。然而，有40%的高管预计，未来两年内对AI和数据管理的投资将显著增长。

另一份由Qlik公司发布的报告揭示了影响AI发展的几个因素。在4200名高管参与的调查中，缺乏AI技能和数据治理挑战被视为主要障碍，分别占比23%。此外，AI部署后的挑战、预算不足和缺乏可靠数据的问题也较为突出。Qlik的报告强调，建立信任是实现AI广泛应用成功的关键，37%的高管对AI缺乏信任，这种信任缺失正在削弱他们的AI投资。

Ataccama公司的《数据信任报告》同样强调了数据管理在AI实践中的重要性。该公司与Hanover Research合作，对美国、加拿大和英国的300名高管进行了调查。结果显示，51%的高管认为提升数据质量和准确性是当前最紧迫的任务，30%的高管面临管理海量数据的挑战。

高质量和可靠的数据管理系统对于AI的成功实施至关重要。同时，技能、部署、信任和预算等问题也是需要面对的挑战。在AI的未来发展中，数据的作用不容忽视。

重点摘要:

🔑80%的高管认识到统一数据对实现AI目标的重要性。

📊37%的高管对AI缺乏信任，这种信任缺失正影响AI投资。

📈51%的高管认为提升数据质量是当前的首要任务。