近期，隨著人工智能(AI)技術的迅速發展，數據管理的重要性愈發凸顯。盡管 AI 熱潮尚未帶來大量實際成功案例，但多項研究顯示，良好的數據管理和高質量的數據是實現 AI 目標的基礎。

　　NetApp 發布的《2024年數據復雜性報告》顯示，全球1300名技術和數據高管的調查結果令人關注。調查發現，投資于數據統一的公司在實現 AI 目標方面更具備優勢，接近80% 的受訪者認識到統一數據對達到理想 AI 結果的重要性。

　　報告還指出，約三分之二的公司表示，他們的數據 “完全或基本上優化用于 AI”，意味著這些數據可訪問、準確且經過良好文檔記錄。然而，40% 的高管認為，未來兩年在 AI 和數據管理上的投資將會大幅增加。

　　另一份由數據管理與分析提供商 Qlik 發布的報告則揭示了阻礙 AI 進展的一些原因。在接受調查的4200名高管中，缺乏 AI 技能和數據治理挑戰被認為是主要障礙，均占23%。此外，AI 開發后部署和預算不足及缺乏可信數據的比例也相對較高。Qlik 的報告強調，建立信任對于實現廣泛的 AI 成功至關重要，37% 的高管對 AI 缺乏信任，61% 認為這種信任缺失正在削減他們的 AI 投資。

　　最后，Ataccama 公司的《數據信任報告》也強調了數據管理在 AI 實踐中的重要性。該公司與 Hanover Research 合作，對來自美國、加拿大和英國的300名高管進行了調查。調查結果顯示，51% 的高管認為改善數據質量和準確性是當務之急，30% 的高管面臨著管理大量數據的挑戰。

　　擁有高質量和可信賴的數據管理系統對于成功實施 AI 至關重要。此外，技能、部署、信任和預算等問題也是不容忽視的挑戰。在 AI 的未來，數據的作用不可小覷。