第二部分:把 AI Ready 做成数据产品
4
从 AI 愿景到场景优先级
从企业数据到 AI Ready
Download PDF
Download ePub
前言
白皮书定位与边界
阅读与写作指南
第一部分:为什么企业数据必须走向 AI Ready
1
AI 驱动的组织变化与数据反馈
2
什么是 AI-Ready Data
3
从基础设施 Ready 到 Agent Ready
第二部分:把 AI Ready 做成数据产品
4
从 AI 愿景到场景优先级
5
把 Agent 任务翻译为数据需求
6
最小可行数据产品与度量
7
数据产品路线图与生命周期
第三部分:AI Ready 数据参考架构
8
数据源、采集与变化捕获
9
处理、存储与数据服务
10
上下文层:元数据、语义与契约
11
语义检索、向量检索与知识关系
12
面向 Agent 的数据服务
第四部分:可信、治理与持续反馈
13
数据质量、血缘与契约
14
权限、隐私与审计
15
评估、反馈与持续改进
第五部分:关键架构决策
16
RAG、语义层还是知识图谱
17
批处理、流处理与“及时数据”
18
自研、采购与开源组合
第六部分:贯穿式企业案例
19
案例:从业务问题到 AI 场景
20
案例:数据产品 PRD
21
案例:目标架构与关键 ADR
22
案例:90 天路线与架构复盘
第七部分:从白皮书到组织能力
23
AI Ready Data 的组织运行机制
24
从一个场景开始
参考文献
附录
A
AI Ready Data 评估表
B
AI 数据产品 PRD 模板
C
架构评审清单
D
架构决策记录(ADR)模板
E
Agent 权限矩阵模板
F
高级岗位能力映射
目录
4.1
评估维度
第二部分:把 AI Ready 做成数据产品
4
从 AI 愿景到场景优先级
4
从 AI 愿景到场景优先级
本章产出:
AI 场景优先级矩阵。
4.1
评估维度
业务价值与影响范围;
数据可得性和数据风险;
任务可评估性;
流程可嵌入性;
实施成本与时间;
错误后果及人工兜底能力。
优先选择价值明确、数据边界清晰、反馈可收集、失败可控的场景,避免一开始就建设无法验证价值的“大而全”平台。
3
从基础设施 Ready 到 Agent Ready
5
把 Agent 任务翻译为数据需求