编者按：Siqi Chen是总部位于旧金山的财务软件公司Runway的首席执行官。本文观点仅代表作者个人。

人人都渴望AI带来的“魔法”，却鲜有人愿意投入使其成为可能的数据基础工作。

这正是众多AI项目折戟沉沙的原因。算法本身很少是问题所在，数据准备环节才是常见的断裂点。

团队常常面对不完整的数据、彼此冲突的定义、被遗忘的字段，以及相互竞争的“事实来源”。他们依赖无人承认的影子电子表格，以及无法同步的系统。这些并非边缘情况——而是常态。

解决这些问题的关键在于建立组织内各部门都能依据的统一事实来源。这需要那些多数人一再拖延的、不引人注目的基础工作。你无法仅靠自动化绕过数据碎片化等结构性弱点。AI会放大其依托的任何基础：坚实的数据将随时间产生回报，薄弱的数据则会在规模扩大时崩塌。

但修复基础不仅是IT部门的事务——它需要高层领导力介入。

数据治理过去完全归属IT部门，但这一责任正日益落到财务部门。CFO能够洞察每一个主要数据触点，因而在减少数据孤岛、建立共享事实来源方面具有独特优势。

以下是CFO为确保AI拥有坚实数据基础可以采取的六大步骤：

1. 绘制数据使用图谱

首先评估组织现有的数据实践，包括数据存储位置、维护方式、组织结构和更新机制。在此过程中，识别相互冲突的数据源。例如，销售、财务和营销系统可能对“活跃客户”的定义不同，导致结果不一致。调查这些差异的根源，以便AI能够依赖准确、对齐的输入。

2. 设立正式的数据管家

在明确数据如何被使用及由谁接触之后，应指派清晰、正式的归属责任。每个数据域都应有一位明确负责的管家，确保数据准确、可靠，并遵循公司级标准。责任不应交给委员会或“团队”，而必须落实到具体个人。清晰的归属产生问责，而委员会往往导致责任漂移。

3. 定义数据的真实含义

仅有准确的数据还不够——AI需要清晰的定义和上下文。什么算作客户？“活跃”意味着什么？AI无法修复人类从未明确定义的问题。

4. 优先整合关键数据

你不需要立即拥有完美的、普适的事实来源——只需减少矛盾。每一个孤立的电子表格或变通方案都会削弱数据信号。从直接支撑关键决策的数据开始，再逐步扩展。遗憾的是，这一环节可能变得充满政治色彩。每位副总裁和分析师可能都有自己的仪表盘和定义，标准化可能被视为放弃地盘。但归根结底，结果才是关键：集中数据治理——尽管短期内痛苦——能解决因部门孤岛引发的冲突。

5. 促进跨部门数据流通

财务、销售、运营、市场和人力资源部门之间的数据割裂，限制了AI所能提供的洞察。只有将这些来源连接起来，组织才能解锁可靠、可操作的智能。建立数据共享、自动化集成和跨部门审查机制，以减少瓶颈并统一视角。

6. 让流程持续运转

这不能是季度性项目。应建立流程，使数据卫生、共享定义和跨部门审查成为团队日常运作的一部分。面对每一次新集成和每一次产品发布，都要问：“这会增加清晰度，还是引入更多模糊？”通过持续强化协作与一致性，你可以防止孤岛重新出现，并维护AI能够可靠构建的基础。