6月初，Salesforce宣布以80亿美元现金收购数据巨头Informatica。Salesforce的Data Cloud在今年Q1处理了22万亿条记录，同比增长175%。这个平台的增长速度甚至超过了核心CRM 业务。这笔收购意味着:Salesforce的AI能力，不只是“看起来强”，而是真能落地。

AI无疑是今年企业数智化转型中，最引人关注的话题，甚至在大大小小的会议上，行动上不和AI挂钩都会让领导们产生焦虑。然而在一段时间的火热实践后，大部分企业的AI应用还是停留在文件处理、人机对话等浅显应用。我们期待的AI颠覆，似乎没有到来。

那问题出在哪里呢？Salesforce的收购行为又可以给我们带来哪些启示呢？有了数据就一定能够把AI做好吗。

但是如何做好数据工作，仍然是一个大问题。我们认为企业AI工作与数据工作不是先后关系，而是互助共生关系，可以同时并行，互为促进。

无论是社会级或者企业级的数据工作，数据工作的复杂性和高成本一直是一个不可回避的核心问题。AI可以非常有效的降低数据工作的成本，提高数据工作效率，使得数据工作快速向前推进。尤其在是在模型识别、转化，数据标准、质量规则制定方面，尤其适合大模型的能力发挥。近期我们通过一些列的数据治理Agent来帮助进行企业业务架构梳理、数据模型设计、数据清理等工作，部分场景效果超乎想象。

AI赋能数据治理，数据治理保障了高质量数据集的产生，而高质量数据集又进一步让AI更懂企业，更加智慧。为了便于高质量数据集工作的推进，我们将这项工作进行横纵切分。横向切分是指，可以按照业务域切分，充分发挥业务域的专业能力。比如财务大数据集合、人力大数据集合、业务大数据集合、审计风控大数据集合等。纵向切分是指，首先先进行业务梳理、模型设计、数据采集汇聚形成大数据集合，然后进一步进行全面治理让大数据集合可用，最终形成企业完整高质量数据集。

这些数据集是企业在一个巨大的时间和物理跨度上对其各种业务活动的真实记录。有了这个数据集，企业就有了一面最清晰的镜子。企业看到了数据就等于看到了业务，就能够进行深入的分析和洞察。企业将通过这面最实时最清楚的“镜子”做出好的产品、提供优质服务、让客户和市场满意、提升企业运营效率控制风险。

同时高质量数据集也能够真正成为AI模型的养料，训练出更懂企业的私有智能体，真正的深入到企业中的每个场景中，从人看数，做分析，做决策，再做行动闭环的过程过向自动看数，自动决策，自动闭环迭代优化做逐步过渡。

无论是企业智能工作还是高质量数据集合构建工作，都是以企业信息化建设作为基础。企业原有的信息化工作模式，不可避免的存在各个业务域信息系统独立建设、技术体系不统一、数据割裂等现象。这些问题对数据工作，智能工作都带来了巨大的挑战，也让业务部门抱怨不断。根据我们的实践经验统计，统一数智平台的构建能够为企业数据工作提效30%以上，让数据智能场景更高效更全面的在企业落地。

数智平台的引入是企业数智化全面转型的基础性工作，我们可以通过业务在线度、基础数据统一度、应用集成度、敏态业务支撑响应度、数据汇聚、数据治理程度来评估数智平台底座的价值。即使因为各种外部原因，企业不能立刻做到在数智底座上统一规划企业数智化转型。局部的、渐进式的底座渗透工作也会让业务部门有较为明显的价值感受。

企业数智化转型是一项高价值、高风险工作，企业在商业领域的竞争也是百舸争流不进则退。我们只有抓住每一份的技巧、用好每一分的企业资金才能完成企业数智化体系的规划和建设，同时让各个业务部门不断有获得感的状态下完成实现企业数智化转型的宏伟目标。