共计 1501 个字符，预计需要花费 4 分钟才能阅读完成。
在推进 AI 应用的过程中，大多数企业都面临着数据碎片化、技术平台过时和非结构化信息等难题。这些挑战不仅阻碍了 AI 发挥其真正效力，更威胁着企业的数字化转型进程。那么，这些挑战究竟从何而来？企业又该如何应对？,
历史遗留的数据孤岛问题
企业在构建网络架构时，往往会形成 ’ 数据桶 ’ 或 ’ 数据孤岛 ’。无论是来自不同系统还是不同部门的数据，都容易被分割存储。当时，IT 部门面临的主要挑战是数据存储，这种分割存储的方式似乎已经足够。
然而，随着数据存储容量不再是主要问题，如何理解和利用这些数据成为了新的挑战。被锁在各个孤岛中的数据，阻碍了企业获得全面、集成的洞察能力。Salesforce 数据云执行副总裁 Rahul Auradkar 指出：’ 大多数企业数据（80%）是非结构化的，59% 的组织缺乏统一且易于访问的 AI 数据。这在寻求有效扩展时是一个重大障碍。’,
传统解决方案的局限性
为了解决数据孤岛问题，许多企业尝试部署客户数据平台（CDP）。这种平台扩展了传统的客户关系管理（CRM）系统，试图整合 CRM 之外的客户数据，以创建更全面的客户档案。
然而，CDP 的局限性显而易见。正如其名称所示，这种工具主要聚焦于客户数据，往往成为销售和营销部门的专属工具，反而加剧了数据的部门分割。Auradkar 表示：’ 传统的 CDP 帮助整理主要是营销数据，但并没有在整个组织中协调和统一它。’ 这种局限性严重影响了商业智能和自动化解决方案的效能。,
AI 时代的数据整合需求
在 AI 时代，数据整合的需求变得尤为迫切。现代大型语言模型依赖于无监督的预训练，需要处理多模态、自由形式的数据，而不仅仅是结构化的行和列数据。Salesforce 指出，’ 非结构化数据对于提供客户的 360 度视图至关重要……但只有 18% 的组织能够利用它。’
为了支持 AI 训练，即使是非结构化的数据，也必须能够被有效摄取和处理。这就是 Salesforce 数据云的用武之地。’AI 依赖于高质量的数据，’Auradkar 说，’ 数据云为智能代理提供了统一的基础，使它们能够在不需要昂贵的 ’ 拆换 ’ 方法的情况下采取明智的行动。’,
零拷贝策略的创新解决方案
面对数据整合的挑战，Salesforce 提出了 ’ 零拷贝 ’ 策略。这种方法允许在不重复或移动数据的情况下，跨现有数据湖、仓库和应用程序进行数据集成。FedEx 就是这一策略的积极采用者，其高级程序员顾问 Carlos Gonzalez 表示：’ 零拷贝对我们非常有吸引力，因为它比再次摄取数据并将其存储在多个位置更容易且成本更低。’,
实践中的成功案例
Salesforce 的解决方案在实践中已经取得了显著成效。例如，Adobe Population Health 报告称，使用数据云和 Agentforce 的自动化患者数据检索每周为护士节省了 375 小时，并将图表总结时间减少了 75%。BMO 银行通过数据云统一客户数据，实现了潜在客户增加 5 倍，电子邮件打开率翻倍，并将营销活动设置时间从 3 - 4 天缩短到 4 小时。,
未来展望
数据整合不仅对大企业重要，对小企业同样关键。然而，实现 AI 现代化需要明确的策略、跨团队协作，以及最重要的——数据访问。这不仅需要采用新的技术平台，更需要重新思考整个基础设施。
Auradkar 总结道：’ 企业需要一个具有明确目标和结果的统一数据策略。如果没有对客户和业务信息的连贯、全面的视图，成功的 AI 将不可能实现。’ 这提醒我们，在 AI 转型的道路上，解决数据危机是至关重要的一步。
你的企业是否也在与数据孤岛或过时的工具作斗争？你是否尝试过跨部门集成数据，或探索过实时数据平台？统一数据对你的业务流程或客户参与会产生什么样的影响？欢迎分享你的经验和见解。
