近期，IBM商业价值研究院(IBM IBV)携手牛津经济研究院对全球1700多名首席数据官(CDO)调查发现，企业在AI方面的雄心和热情日益高涨，但是存在数据短板，数据准备工作还需要加强。

研究显示，81%的首席数据官优先投资于加速人工智能能力和项目的建设。然而仅26%的受访者确信其组织能有效利用非结构化数据创造商业价值。

IBM副总裁兼首席数据官Ed Lovely指出：“大规模企业级人工智能已触手可及，但成功关键在于企业能否提供优质数据支撑。对首席数据官而言，这意味着构建无缝集成企业数据架构，以此驱动创新并释放商业价值。成功实现这一目标的企业不仅能提升人工智能效能，更能重塑运营模式、加速决策进程、增强变革适应力，从而赢得竞争优势。”

企业正加大对数据战略的投入以提升人工智能成效。当前典型企业IT预算中，数据战略占比已达13%，远高于2023年的4%。但这些资金不应孤立投入，为使整个技术体系协同发力，首席数据官需要与首席信息官、首席技术官及首席信息安全官等其他高管紧密协作。

首席数据官的角色正从数据保管者向商业战略家转型，聚焦成果导向，但是衡量数据价值存在挑战。仅三分之一受访者强烈认同自己能清晰阐释数据如何促进业务成果，仅29%拥有明确指标来衡量数据驱动业务成果的价值。

不过，AI时代部署数据获取竞争优势已成为首席数据官的首要任务，超越治理与安全等核心职责。企业为运营决策流程有计划收集存储的结构化与非结构化数据，能带来显著战略优势。78%的首席数据官将利用专有数据列为企业市场差异化的首要战略目标。

很多企业还难以将数据转化为AI动能，比如，AI代理只有获得明确的任务，并拥有学习和改进所需要的高质量数据，才能发挥效用。而企业内存在数据孤岛，海量的非结构化数据处理面临挑战，对数据平台的能力提出了更高的要求。

过去两年间，首席数据官在此领域取得重大进展。2023年仅41%的首席数据官表示已建立完善的数据平台处理企业数据，而到2025年，75%的首席数据官表示其数据平台能实现跨孤岛的数据集成。

为了弥合差距，81%的首席数据官采用“数据就近部署AI”而非“集中数据服务AI”的策略。这种方式既避免了数据迁移的成本与安全风险，又加速了AI驱动成果的落地。

在AI和数据投资方面实现更高投资回报率的企业，其首席数据官专注于构建此类动态数据生态系统。他们更倾向于采用通用数据分层体系，实现结构化与非结构化数据的融合。同时通过自动化技术大规模提取文档、图像、客户邮件及通话中的有效信息，确保人工智能能获取与人类员工决策同等丰富的上下文信息。

在构建AI代理时，劣质的数据会放大数据偏见，带来更多潜在成本，需要解决数据信任问题。人类分析师或许能绕过不完整或不一致的数据集，而AI代理更可能延续并放大基础数据集中的偏见、错误或缺失，需要主动管理这些风险。80%的首席数据官表示已着手构建多样化数据集来训练AI代理，但是79%的受访者坦言在定义扩展与治理方案方面仍处于初期阶段。

不过大多数首席数据官对AI代理表示乐观，当前83%的首席数据官认为部署AI代理的潜在收益大于风险，77%表示愿意让组织依赖AI代理产出。这与2023年形成巨大反差，当时首席数据官们仍在苦于数据质量问题，仅44%表示管理层信任组织收集的数据。

为了更好落地AI，企业在数据准备方面还有很多工作要做。受访的首席数据官指出，数据可访问性、完整性、准确性和一致性等障碍正阻碍企业充分利用数据赋能AI。

此外，实现数据与AI为业务赋能，需要数据驱动型文化与配套的人才组织支持。培育数据驱动型文化仍是受访者的首要战略挑战，而人才缺口可能会拖慢相关进程。47%的首席数据官认为，吸引、培养和留住高级数据人才是首要战略挑战，较2023年的32%显著上升。

此外，整体团队也在因AI的发展快速演变，82%的首席数据官表示正在招聘上一年还不存在的与生成式AI相关的数据岗位，该比例较2024年的60%显著上升。

AI时代，数据为王。为了更好地落地AI，让AI引擎能够高效转动起来，需要高质量的数据燃料。今后，企业更需要在数据的AI就绪方面多下功夫。

参考链接：

https://www.hpcwire.com/bigdatawire/this-just-in/ibm-study-chief-data-officers-redefine-strategies-as-ai-ambitions-outpace-readiness/

https://www.ibm.com/thought-leadership/institute-business-value/en-us/report/2025-cdo