人工智能讓智能數據樞紐成為現實

沈建苗

對于企業來說，數字革命最令人憧憬的希望之一是，它能夠利用數據創造價值，即通過來自專業網絡和實際“物件”的原始信息流獲得投資回報。

然而，企業很難闡明如何從這個新數據源獲取價值。Gartner的研究副總裁兼知名分析師Andrew White最近在評論戰略計劃中的數據和分析時指出：“絕大多數此類文件根本沒有提及實際可衡量的業務成果，誤以為戰略這個術語指計劃、行動、決策、風險、原則、目標、方向、努力和戰術等。”

為何將數據與簡單、容易、有意義的業務成果聯系起來很難？一方面是由于這些數據庫常常很龐大、錯誤百出，因而用起來不方便。比如在銀行，出納員每天與客戶打交道。雖然銀行的系統可能有客戶的重復記錄，但是出納員清楚自己在跟誰交談，因為客戶就在面前。

但無論出納員的服務質量如何，如果客戶后來與銀行的多名出納員接觸，每次都要提供重復的資料，客戶可能會想：“他們不認識我嗎？我上星期來過了啊！”如果提示出納員詢問關于客戶資料的幾個簡單又不唐突的問題，豈不是很容易避免這種窘境？

銀行可能慢慢在多個部門搭建起多個系統以支持不同的應用軟件，但可能無法相互聯系。然而，出納員只與一個系統進行交互，銀行不會（也不應該）將所有的客戶資料提供給該出納員。

如果銀行使用的系統只為該出納員提供相應的部分信息，“您目前的電子郵箱是jim@xyz.com還是jim@abc.com，還是說這兩個都是您的？”，像這樣的簡單提問就有望解讀此類問題。情況會變得明朗起來，而后端系統可能會進行糾正，把糾正后的信息并入所有相關系統。

這么做的好處顯而易見：銀行擁有更好的數據無異于獲得更好的向上銷售和交叉銷售機會，最終提高客戶滿意度。

應用數據管理

在本人為例，銀行的每個應用系統（支票、儲蓄、貸款和投資等）都有該系統專有的數據。比如說，雖然信用評級和工作就業方面的資料是貸款信息的一部分，但它們不包括在支票賬戶信息中。同樣，投資賬戶資料不需要最近的ATM交易，不過它們對支票賬戶來說很重要。所有這些數據由銀行的各個應用系統來管理。

然而，某方面的數據與所有賬戶有關：姓名、地址、電話可能還有當前賬戶余額。問題開始出現在駐留在多個應用系統中的這些共享數據，而整個數據質量和監管行業致力于拿出解決方案。多個應用系統共有，因而跨多個應用系統管理的數據屬于應用數據管理（ADM）這個概念。

ADM是一種技術支持的商業規范，旨在幫助用戶管理和治理運行特定的商業應用軟件或套件（如CRM、ERP或SCM）所需要的應用數據。這可能包括主數據管理（MDM），雖然有相同的技術功能，但用途與MDM全然不同。

數據樞紐結合一切

數據樞紐是指這個概念：統管駐留在各應用系統上的共享數據，那樣能夠以一種共同理解、無干擾性的方式來加以管理。

數據樞紐可能是邏輯的或物理的。其本質不是存儲交易信息，而是協調（執行）信息治理和共享策略。它通過核對自上而下、自下而上的數據以及由內而外、眾包的數據，讓用戶可以全方位了解企業的所有數據。

數據樞紐擁有MDM的所有功能，輔以重要的組件，因而能夠同時成為數據管理記錄系統、事實來源和交互系統。要滿足這個廣泛的業務需求，需要一系列功能（比如數據治理、質量、豐富和目錄）；理想情況下，這些功能都應該在一個平臺中，便于使用、迅速實現價值。

目前的想法

業界在如何接受這種思路？由于一小批分析師開始規范數據樞紐和ADM，圍繞數據樞紐和ADM方面的討論似乎終于緊跟實際部署的解決方案，應該會平息最終用戶客戶面對大量缺乏協調的軟件產生的挫折感，這些軟件互相拼湊起來，銷售時卻號稱單一“平臺”。

最近人工智能和機器學習領域的發展將幫助數據樞紐成為現實。這樣一來，智能數據樞紐中的人工智能可以運用于平臺底層，幫助合理的業務流程。比如說，智能算法學習到一定程度后，最終會提出建議，從而幫助監管實現自動化，確定工作流程的優先級，匹配、合并和調用外部微服務，以增強數據樞紐的核心功能。

這讓數據樞紐能夠以易于獲取的方式向各種各樣的用戶（比如銀行出納員）出示主數據對象和非主數據對象（記錄系統、靜態或動態變化的值和交易數據等）。

在智能數據樞紐時代，銀行出納員幫助客戶獲得更好的服務，銀行為客戶提供更完整的體驗，這種日子已迎面而來。

（作者Michael Hiskey是智能主數據管理公司Semarchy的首席戰略官。本文由IDG旗下Infoworld授權刊載。）