“`html
新加坡企業的AI焦慮：數據體系重建迫在眉睫？
隨著人工智慧（AI）技術的快速發展，新加坡企業正積極探索如何將其應用於業務中。然而，一項最新報告顯示，高達90%的新加坡企業負責人認為，現有的數據體系已難以支撐AI的發展，數據體系的重建迫在眉睫。這反映了企業在擁抱AI的同時，也面臨著巨大的挑戰和焦慮。
數據體系重建的必要性
為何數據體系重建如此重要？
數據是AI的基石，沒有可靠、一致且全面的數據，AI就無法發揮其應有的價值。目前，新加坡企業普遍存在數據分散、質量參差不齊等問題，這嚴重阻礙了AI的應用和發展。以下將深入探討數據體系重建的各個層面。
主要内容或核心元素
- AI成為首要任務，但數據基礎薄弱
77%的新加坡業務負責人感受到以數據驅動業務價值的壓力，AI能力擴張成為首要任務。然而，91%的數據負責人認為現有數據策略需要徹底重建。這顯示了企業對AI的迫切需求與數據基礎設施之間的巨大落差。 - 數據不可靠導致模型輸出失真
報告指出，約27%的企業數據是不可信的，84%已部署AI的企業曾遭遇不準確或誤導性的模型輸出。這種情況不僅浪費了資源，還可能導致錯誤的決策。 - 數據質量不足造成資源浪費
三分之二正在訓練或微調自有模型的企業表示，曾因使用質量不足的數據造成資源浪費。這表明企業在追求AI能力的同時，忽視了數據質量的重要性。
其他延伸主題
- 數據治理框架的重要性
企業需要構建更及時、更具上下文的数据體系，推進更嚴格的數據治理框架，通過“零拷貝架構”等方式打通分散的數據資產。 - Agentic Analytics：提升數據響應速度
伴隨企業探索向“agentic enterprise”演進，新的數據分析方式也在出現，例如將分析能力嵌入工作流的“agentic analytics”方案，用以提升數據在日常決策中的響應速度。
相關實例
舉例來說，一家零售企業希望利用AI來預測未來的銷售趨勢。如果該企業的銷售數據分散在不同的系統中，且存在重複或錯誤的數據，那麼AI模型就難以準確預測銷售趨勢。最終，該企業可能無法做出正確的庫存決策，導致庫存積壓或缺貨。
優勢和劣勢的影響分析
優勢： 構建統一、可靠的數據體系可以幫助企業更有效地利用AI，提升決策效率和準確性，降低運營成本，並創造新的商業機會。
劣勢： 數據體系重建需要大量的時間、精力和資源。如果企業缺乏足夠的投入和技術支持，可能會導致重建失敗，甚至影響正常的業務運營
相關連結：
Share this content:
