AI 場景數據就緒度評估：四問四答

2026-11-03 1

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： 本文提出判断AI场景数据可行性的“四问法”：一问所需字段是否明确；二问数据源位置与口径是否清晰；三问历史数据是否具代表性；四问数据能否持续供给。辅以打分模型，量化评估场景落地成熟度，避免盲目立项。

场景选定的第一个门槛是数据。但"数据够不够"这个问题，问法很容易滑过去。问"有没有数据"，会得到一个让人乐观的答案；问"数据能不能用"，才是真问题。我用一个四问的结构来判断。

第一问：这个场景需要哪些字段，能列出来吗？

能列字段，才说明场景想清楚了。
判断方法：让业务方写出这个场景处理时需要看的每一项信息。不是"需要订单信息"这种，是"订单号、下单时间、金额、支付方式、履约状态"这种。
列不出来，说明场景还停在概念层。
REQUIRED_FIELDS = {
"费用报销/单据审核": [
"发票代码", "发票号码", "开票日期", "金额", "税额",
"销方名称", "销方税号", "购方抬头",
"报销单号", "费用科目", "城市", "职级",
],
}

第二问：每个字段现在在哪，口径是什么？

这一问要问到具体的人。
"数据在财务系统里"不是答案。要问：哪个表哪个字段、多久更新一次、字段的业务含义、有没有多个版本。
最容易被漏的是"多个版本"这个情况。很多企业里，同一个概念在 HR 系统、OA 系统、报销系统里各存一份，格式还不一样。这时候"有没有数据"的答案是"有"，但"能不能用"的答案是"要先做主数据对齐"。
@dataclass
class FieldSource:
field: str
system: str
table_column: str
update_freq: str # 实时 / 日 / 月
semantics: str # 业务含义一句话
conflicts_with: List[str] # 与哪些字段口径冲突
conflicts_with 这个字段是重点。它非空的字段越多，数据准备工作量越大。

第三问：历史数据够用吗？

不同场景对历史数据的需求不一样：
场景类型
历史数据要求
规则校验类
不需要历史，但需要样本（用于验证规则）
异常检测类
需要覆盖至少 3 个月，最好 1 年（含季节性）
预测类
需要 1-2 年，且要覆盖季节波动
归集对账类
需要历史数据的口径一致性证明
"够用"的标准不是时间长度，是分布代表性。三个月的数据如果只覆盖旺季，预测模型学到的季节性是错的。
def check_representativeness(dates: List[date], min_months: int = 3) -> bool:
months_covered = {d.month for d in dates}
return len(months_covered) >= min_months and len(dates) >= 90
简单但有效的一个检查：评估集能不能覆盖全年的月份。不能覆盖，就不要做预测类场景。

第四问：这批数据能用多久？

很多数据有生命周期。
"曾经有数据"和"现在还有数据"是两回事。系统上线一年后，数据源可能已经改版、字段可能已经废弃、接口可能已经下线。
@dataclass
class DataDurability:
source: str
stability: str # stable / evolving / volatile
contract_exists: bool # 有没有数据契约（接口/字段约定）
migration_plan: Optional[str]
contract_exists 特别值得问。有数据契约的系统组，改字段之前会通知；没有的系统组，改了你就知道——因为数据不对了。
没有数据契约的场景，要在方案里预留适配层。

一个打分模型

def readiness_score(scene: dict) -> dict:
s = 0

# Q1 字段清单完整
s += 25 if len(scene.get("required_fields", [])) >= 5 else 0
# Q2 数据源明确且无口径冲突
s += 25 if scene.get("conflict_count", 0) == 0 else 10
# Q3 历史数据充足
s += 25 if scene.get("history_months", 0) >= 6 else 0
# Q4 数据可持续
s += 25 if scene.get("contract_exists") else 5
return {"score": s, "verdict":
    "可直接立项" if s >= 80 else
    "需先补数据" if s >= 50 else "场景不成立"}

三档的划分逻辑很清楚：80 分以上数据基本就绪；50-79 分要先补一段；50 分以下说明这个场景现在的条件根本不具备。

一个常见误区

问数据的时候，只问IT部门。这是很多项目卡住的原因。业务方说"数据都有"，IT 部门说"这个字段在我们这边没有"——两边说的都是真话。数据就绪度是业务和 IT 共同的责任：业务知道业务含义，IT 知道系统现状。缺一方，答案都不完整。

结论

四问的核心是把"有没有数据"这个模糊问题，变成四个可回答的具体问题：要什么字段、在哪、够不够长、能不能持续。答完这四问，一个场景的数据可行性基本清楚了。答不清的，不要立项——先补数据，或者换个场景。
——以上为《智能体建设地图》的第三方解读。该地图由 CXOU® AI 研究院出品，是一份持续更新的企业智能体落地图谱。数智化转型网将持续以独立视角解读其中的重点场景与共性规律。如需查看完整地图可关注 CXOUNION 官方渠道。