| name | unified-data-warehouse |
| description | 应用从 AI for Everyone 蒸馏出的「统一数据仓库 — AI的数据基础设施」方法论。Use when the user needs practical guidance, diagnosis, workflow design, decision support, or an action plan related to unified-data-warehouse.
|
Source Metadata
Original cangjie-skill frontmatter from the distillation run:
id: f23
title: "统一数据仓库 — AI的数据基础设施"
book: "AI for Everyone"
author: "Andrew Ng（吴恩达）"
source: p18, p19
tags: [data-infrastructure, data-warehouse, data-strategy, platform]
related_skills:
- slug: data-flywheel, relation: depends-on
- slug: dont-wait-perfect-data, relation: composes-with
R — Reading（原文引用）
"将所有数据整合到一个中央数据仓库中...这通常是AI转型中最重要的第一步"
— p18
I — Interpretation（用自己的话重新阐述）
很多公司的数据散落在各个业务系统中——CRM一个库、ERP一个库、网站日志一个库、APP数据一个库——彼此隔离，无法形成合力。
统一数据仓库的核心价值：
- 打破数据孤岛：将分散在各系统的数据汇聚到一个平台，让AI团队能访问全量数据。
- 支持数据飞轮：飞轮需要用户行为数据持续汇聚，统一仓库是飞轮的基础设施。
- 避免重复建设：每个业务线不用各自搭建数据管道，统一建设更高效。
- 保证数据一致性：同一套数据定义和口径，避免不同部门对同一个指标有不同数字。
注意：统一数据仓库是一个长期工程，可能需要1-2年才能完成。不要等到仓库完美才启动AI项目。
A1 — Past Application（过去应用案例）
- 大型零售企业：将线上商城、线下门店、供应链、客服系统的数据整合到统一数据仓库。AI团队基于此构建了需求预测模型——如果数据还在各系统孤岛中，这个模型根本无法训练，因为需要同时用到销售、库存、物流数据。
A2 — Future Trigger（未来触发条件）
触发场景：
- AI团队抱怨"数据拿不到"或"数据散落在各处"
- 公司想做AI但不知道数据在哪里
- 不同部门对同一个业务指标有不同数字
- 需要构建数据飞轮但数据汇聚是瓶颈
语言信号：
- "数据孤岛"
- "数据散落"
- "统一数据"
- "数据仓库"
- "数据汇聚"
- "数据整合"
- "数据中台"
区分要点：当AI项目的瓶颈是数据可访问性（数据存在但拿不到）时，使用本框架。
E — Execution（执行步骤）
- 盘点数据资产：梳理公司所有数据源——业务系统、日志、第三方数据等。
- 设计数据架构：确定数据仓库的技术选型（云数仓如Snowflake/BigQuery，或自建）。
- 制定数据标准：统一指标定义、数据格式、命名规范。
- 分批接入数据源：按优先级逐步将各系统数据接入仓库，不必等全部完成。
- 建立数据治理：明确数据所有权、访问权限、质量责任。
- 赋能AI团队：确保AI团队能方便地访问和使用仓库中的数据。
完成标准：核心业务数据已接入统一数据仓库，AI团队能自主访问所需数据开展建模工作。
B — Boundary（使用边界）
不适用场景：
- 公司只有单一数据源（不需要整合）
- 数据量极小（Excel就能管理）
- 紧急AI项目（等不了仓库建设周期）
失败模式：
- 把数据仓库做成"数据沼泽"——数据都堆进去但没有治理，找不到、用不了
- 追求大而全——试图一次性整合所有数据，结果项目永远完不成
- 忽视数据安全——统一仓库意味着更大的安全风险，必须有访问控制
作者盲区：
- Andrew Ng强调了统一仓库的重要性，但没充分讨论建设周期与AI项目节奏的矛盾——仓库建设可能需要1-2年，但AI项目不能等那么久。建议采用"边建边用"的策略：先接入最急需的数据源启动AI项目，同时继续完善仓库。
相关 skills
