五位數據領袖分享：用AI終結數據集成難題

在當今數據驅動的商業環境中，高達63%的企業領導者將自身組織定義為"數據驅動型"。然而，只有約一半的高管對于能否及時交付業務洞察抱有信心。

要充分發揮數據的價值，企業必須找到讓信息真正可用、可訪問的方法。越來越多的證據表明，新興技術正是打開這扇大門的關鍵所在。

無論是整合平臺、推進并購，還是跨地區運營，數據專業人員都需要應對復雜多樣的數據來源。以下是幾位行業專家關于如何借助AI與自動化化解這些難題的實戰經驗。

Thomson Reuters的AI驅動實踐

全球內容與技術服務商湯森路透（Thomson Reuters，簡稱TR）的首席技術官Joel Hron表示，該公司正在利用AI解決軟件工程中的數據與系統集成挑戰。

"我們在各類現代化改造和系統遷移活動中獲益良多，"他說，"我們大量使用AI工具，以確保符合無障礙標準等各項合規要求。"

這項探索性工作仍在持續推進。Hron透露，TR的企業發展團隊目前正在構建一套內部AI系統，專門用于盡職調查，旨在提升交易評估、風險評估及潛在風險應對的一致性。

"這真的是一個非常強大的想法，"他說，"團隊在過去一兩個月里一直在構建這個系統，并與我們在市場上銷售的法律運營產品HighQ進行了很好的融合。"

作為一家頻繁并購的企業，TR在系統集成上投入了大量精力。Hron坦言，這套內部AI工具未來是否會對外商業化，目前仍是未知數。

"如果我們能為自己創造出真正有用的東西，為什么不推向市場呢？但目前，我們的重心是如何讓這項技術服務于所有并購活動，不僅提升速度與效率，更要確保交易決策的一致性。"

Create Music Group：管理600余條數據管道

總部位于洛杉磯的音樂科技公司Create Music Group的首席數據工程師Miko Chen，利用數據與AI持續優化公司的運營流程，并鼓勵其他從業者積極探索前沿工具。

該公司借助Astronomer的Airflow服務Astro所提供的AI編排能力，管理超過600條數據管道。通過Astro，Create整合了BigQuery、Google Cloud Storage等技術，以及Spotify、YouTube、Apple Music、Amazon Music等平臺的API接口，構建起一個統一的數據管道管理層，支撐分析、財務預測等面向廠牌和藝人的運營活動。

"我們希望提供更好的數據，幫助客戶做出有依據的決策，而不是憑感覺行事，"她說，"比如，如果藝人想要舉辦演唱會，他們可以通過我們的洞察來判斷應該選擇哪個城市，以及下一次適合去哪里。有了我們的數據，藝人和客戶就能做出更有前瞻性的決策。"

與TR類似，Create也是一家并購驅動型企業。Chen表示，她的團隊同樣借助Astro來整合數據，實現跨組織、跨國家的數據流轉。

Booking.com：將數據平臺潛力發揮到極致

Booking.com數據與機器學習平臺總監Huy Dao認為，專業人員必須深入了解自身現有數據棧中隱藏的技術能力。

Dao于2023年8月加入Booking.com時，公司已是Snowflake的客戶。在他看來，這一平臺遠不止于數倉工具，其AI能力同樣值得深度挖掘。

"我們現在使用它的范圍遠遠超出了數倉層面，"他說，"所有敏感數據的訪問都通過Snowflake進行，我們也在使用Cortex AI和Cortex Analyst等最新功能，同時還在探索Snowflake Semantic View，并對可與其他數據目錄互聯的Horizon Catalog頗感興趣。"

Dao強調，Snowflake不僅是信息的匯聚點，更通過AI能力賦能業務用戶，讓他們有能力直接推動改變。

"這個平臺降低了使用門檻。原來只有200個用戶能訪問和使用我們的數據，現在可以擴展到2000個，因為Snowflake把這件事變得簡單了，"他說，"借助某些AI能力，你甚至不需要編寫SQL語句就能查詢數據，這讓那些傳統上不具備數據技能的人也能輕松上手。"

Segro：跨歐洲可持續發展數據的AI整合

英國房地產企業Segro的首席信息官Richard Corbridge向ZDNET介紹了AI與自動化在整合分散數據資產方面的關鍵作用，并以跨歐洲可持續發展數據的處理為例進行說明。

"依法我們需要監測碳排放和可持續發展指標。在波蘭，他們以PDF格式發送電表讀數；在德國，數據則是數字化的自動讀取；在英國，可能發來的是公用電表的照片，"他說，"我們必須想辦法將這些五花八門的能源使用報告格式匯聚到同一個地方，并最終生成Segro的碳足跡與能源使用報告。"

過去，這項繁瑣的工作由專職人員手動在Excel表格中完成。如今，借助AI與流程自動化，Corbridge的團隊已將人力從這類重復性工作中解放出來，實現了業務價值的提升。

"我們正在構建AI能力，用于自動采集數據、寫入數據庫、發現異常，并標記不合邏輯的情況，比如本月電表讀數與上月完全相同，那一定有問題，"他說，"這是一個小而有影響力的領域里令人興奮的成果。"

Nash Squared：AI將數據映射效率提升30%至40%

全球科技與人才解決方案提供商Nash Squared的首席信息官Ankur Anand認為，AI對數據管理最深遠的影響在于數據映射與標準化。

"AI能將集成工作量減少約30%至40%，相較于傳統的Excel處理方式，其結果也更加準確，"他說。

Anand的團隊采用了科技公司Nextgenlytics旗下的AI數據管理平臺BlueGecko，將耗時費力的數據映射流程自動化，尤其在并購后的數據整合階段發揮了重要作用。

他向ZDNET介紹了該系統在ETL（提取、轉換、加載）等關鍵環節中的表現："BlueGecko能夠理解數據、映射數據，解釋兩個系統之間的交互邏輯及其內部數值，通過這種方式，大幅加速了ETL開發工作。"

在他看來，數據與系統集成的成功不僅是技術部署問題，更是文化變革的課題。

"要考慮那些長期使用其他工具的人，"他說，"你能引入哪些變革管理流程？成功不只是部署，落地推廣同樣至關重要。"

Q&A

Q1：Thomson Reuters是如何將AI應用于并購數據集成的？

A：Thomson Reuters的企業發展團隊正在構建一套內部AI系統，專門用于并購盡職調查，目標是提升交易評估、風險評估和風險應對的一致性。該系統與公司現有法律運營產品HighQ相結合，有望進一步提高并購活動的速度與效率。未來是否會將該系統商業化對外開放，公司目前仍在評估中。

Q2：Booking.com是如何利用Snowflake平臺擴大數據使用范圍的？

A：Booking.com不再將Snowflake僅用于數據倉儲，而是充分利用其AI能力，包括Cortex AI、Cortex Analyst以及Snowflake Semantic View等功能，實現對敏感數據的統一管理。平臺大幅降低了使用門檻，使數據可訪問用戶從200人擴展至2000人，且無需具備SQL編程能力，普通業務用戶也能直接查詢數據。

Q3：BlueGecko平臺如何幫助Nash Squared提升數據集成效率？

A：Nash Squared使用Nextgenlytics開發的AI數據管理平臺BlueGecko，實現了數據映射與標準化流程的自動化。該平臺能夠理解數據結構、自動完成數據映射，并清晰解釋不同系統之間的數據交互邏輯，尤其在并購后的ETL流程中表現突出，可將集成工作量減少30%至40%，并顯著提升數據處理準確度。