从混乱到清晰：提供数据以推动人工智能驱动的采购

核心观点

• 数据质量是 AI 驱动采购的障碍： 研究表明，数据质量是组织在实施 AI 时面临的主要挑战。近一半的受访者认为他们的数据质量不佳，而数据集成困难是最大的问题。
• 混合数据基础设施是关键： 数据湖和数据仓库是常见的存储工具，但混合基础设施（如数据湖和数据仓库的组合）可以更好地支持 AI 应用，提供灵活性和结构。
• 采购和 IT 共同拥有数据基础设施： 采购和 IT 共同拥有数据基础设施可以确保采购需求得到满足，并增强采购对数据决策的影响力。
• 数据治理至关重要： 建立数据治理框架，包括明确定义的角色、责任和标准，对于确保数据质量和安全至关重要。
• 数据标准化是基础： 对数据进行标准化，包括使用通用定义和分类法以及实施主数据管理 (MDM) 实践，对于创建单一数据源至关重要。
• 跨职能合作是必要的： 采购团队需要与 IT、财务、法律和人力资源等部门合作，以确保数据质量和促进数据驱动文化。
• 培养数据驱动文化： 通过培训和变革管理，培养员工的数据素养和意识，以促进数据驱动的决策。

关键数据

• 不到一半的受访者认为他们的数据质量良好或优秀。
• 57% 的受访者认为数据集成是数据质量的主要挑战。
• 42% 的受访者指出缺乏标准格式和治理是一个问题。
• 51% 的受访者没有数据湖，76% 没有数据湖屋。
• 73.5% 的受访者采用混合数据基础设施模式。
• 64% 的自我评估为“数据领导者”的团队对 IT 决策有重大影响。

研究结论

• 为了成功实施 AI 驱动的采购，组织需要建立强大的数据基础。
• 这需要投资于正确的工具、流程和跨职能合作。
• 培养数据驱动文化对于确保数据质量和最大化 AI 的价值至关重要。
• 优先考虑数据质量的组织将处于领先地位，能够从 AI 驱动的采购中获益。