人工智能让智能数据枢纽成为现实

沈建苗

对于企业来说，数字革命最令人憧憬的希望之一是，它能够利用数据创造价值，即通过来自专业网络和实际“物件”的原始信息流获得投资回报。

然而，企业很难阐明如何从这个新数据源获取价值。Gartner的研究副总裁兼知名分析师Andrew White最近在评论战略计划中的数据和分析时指出：“绝大多数此类文件根本没有提及实际可衡量的业务成果，误以为战略这个术语指计划、行动、决策、风险、原则、目标、方向、努力和战术等。”

为何将数据与简单、容易、有意义的业务成果联系起来很难？一方面是由于这些数据库常常很庞大、错误百出，因而用起来不方便。比如在银行，出纳员每天与客户打交道。虽然银行的系统可能有客户的重复记录，但是出纳员清楚自己在跟谁交谈，因为客户就在面前。

但无论出纳员的服务质量如何，如果客户后来与银行的多名出纳员接触，每次都要提供重复的资料，客户可能会想：“他们不认识我吗？我上星期来过了啊！”如果提示出纳员询问关于客户资料的几个简单又不唐突的问题，岂不是很容易避免这种窘境？

银行可能慢慢在多个部门搭建起多个系统以支持不同的应用软件，但可能无法相互联系。然而，出纳员只与一个系统进行交互，银行不会（也不应该）将所有的客户资料提供给该出纳员。

如果银行使用的系统只为该出纳员提供相应的部分信息，“您目前的电子邮箱是jim@xyz.com还是jim@abc.com，还是说这两个都是您的？”，像这样的简单提问就有望解读此类问题。情况会变得明朗起来，而后端系统可能会进行纠正，把纠正后的信息并入所有相关系统。

这么做的好处显而易见：银行拥有更好的数据无异于获得更好的向上销售和交叉销售机会，最终提高客户满意度。

应用数据管理

在本人为例，银行的每个应用系统（支票、储蓄、贷款和投资等）都有该系统专有的数据。比如说，虽然信用评级和工作就业方面的资料是贷款信息的一部分，但它们不包括在支票账户信息中。同样，投资账户资料不需要最近的ATM交易，不过它们对支票账户来说很重要。所有这些数据由银行的各个应用系统来管理。

然而，某方面的数据与所有账户有关：姓名、地址、电话可能还有当前账户余额。问题开始出现在驻留在多个应用系统中的这些共享数据，而整个数据质量和监管行业致力于拿出解决方案。多个应用系统共有，因而跨多个应用系统管理的数据属于应用数据管理（ADM）这个概念。

ADM是一种技术支持的商业规范，旨在帮助用户管理和治理运行特定的商业应用软件或套件（如CRM、ERP或SCM）所需要的应用数据。这可能包括主数据管理（MDM），虽然有相同的技术功能，但用途与MDM全然不同。

数据枢纽结合一切

数据枢纽是指这个概念：统管驻留在各应用系统上的共享数据，那样能够以一种共同理解、无干扰性的方式来加以管理。

数据枢纽可能是逻辑的或物理的。其本质不是存储交易信息，而是协调（执行）信息治理和共享策略。它通过核对自上而下、自下而上的数据以及由内而外、众包的数据，让用户可以全方位了解企业的所有数据。

数据枢纽拥有MDM的所有功能，辅以重要的组件，因而能够同时成为数据管理记录系统、事实来源和交互系统。要满足这个广泛的业务需求，需要一系列功能（比如数据治理、质量、丰富和目录）；理想情况下，这些功能都应该在一个平台中，便于使用、迅速实现价值。

目前的想法

业界在如何接受这种思路？由于一小批分析师开始规范数据枢纽和ADM，围绕数据枢纽和ADM方面的讨论似乎终于紧跟实际部署的解决方案，应该会平息最终用户客户面对大量缺乏协调的软件产生的挫折感，这些软件互相拼凑起来，销售时却号称单一“平台”。

最近人工智能和机器学习领域的发展将帮助数据枢纽成为现实。这样一来，智能数据枢纽中的人工智能可以运用于平台底层，帮助合理的业务流程。比如说，智能算法学习到一定程度后，最终会提出建议，从而幫助监管实现自动化，确定工作流程的优先级，匹配、合并和调用外部微服务，以增强数据枢纽的核心功能。

这让数据枢纽能够以易于获取的方式向各种各样的用户（比如银行出纳员）出示主数据对象和非主数据对象（记录系统、静态或动态变化的值和交易数据等）。

在智能数据枢纽时代，银行出纳员帮助客户获得更好的服务，银行为客户提供更完整的体验，这种日子已迎面而来。

（作者Michael Hiskey是智能主数据管理公司Semarchy的首席战略官。本文由IDG旗下Infoworld授权刊载。）