CATLAXY 洞察

数据就绪三层法

快消零售/跨行业

Agent扩规模前，先过这三道数据关

场景还原

快消连锁部署AI补货Agent，旗舰店成功但无法复制到第二家门店——数据管道不通，Agent不知道库存在哪

CATLAXY 方法

上周见了一家快消连锁的IT总监。他们在旗舰店跑了个AI补货Agent——系统自动触发补货决策，门店每天省了两个小时。复制到第二家店，失败了。不是模型的问题，是这家店的销售数据和ERP没有打通，Agent根本不知道库存在哪。

这问题比看起来更普遍。麦肯锡最新报告显示，25%的头部企业虽然AI投入已经超过网络安全预算，但缺乏支撑Agent规模化所需的数据基础。德勤的数字更直接：85%企业计划定制AI Agent，只有25%能将40%以上的试点推向生产。中间那75%卡在哪？不是AI能力不够，是数据没准备好。三个具体卡点：各系统数据孤岛、数据质量不稳定、缺乏让Agent可信运作的治理边界。

AI落地失败本质是流程问题，不是技术问题——数据管道就是AI工作流的骨架。再好的Agent，拿着三个月前导出的Excel做决策，每个结论都建立在沙滩上。可管理优先于可炫技，在数据层就是一件事：在部署Agent之前，先把数据的来源、质量、权限说清楚。数据不可追溯，Agent的决策也不可追溯。今天Anthropic给出了18-24个月的规划窗口，数据基础建起来本身就需要时间，越晚开始代价越高。

把"数据就绪"分三层来看。第一层，打通：先把Agent需要读取的核心数据流连起来，不用100%覆盖，先管核心业务场景。连锁零售先打通POS和库存，餐饮先打通点单和供应商数据。第二层，治理：给数据贴标签——哪些字段可信度高、哪些有时效限制、哪些需要人工核对。目的是给Agent划一个可信操作边界，不是建数仓。第三层，验证：让一个完整数据流先跑起来，在这个环境下验证Agent的决策质量，再横向扩。

先问"我的数据能喂Agent吗"，再问"用哪个模型"。顺序不能反。不是要先把数据做完美，而是在跑第一个试点的同时，把数据就绪的路线图定出来。否则第二个试点会和第一个一样：成功，但只在一个地方。