数据基础薄弱时，不要跳过信息化直接上大模型。可以先把关键业务数据统一进系统，再对齐口径、清洗历史数据，把数据治理当成项目的一部分分阶段推进；同时确认系统接口能否取数、能否写回，避免方案做完才发现数据拿不到。
业务领先不等于数据就绪
一家业务做得很好的企业，销售数据也可能散在不同地方：客户关系在销售个人手里，订单、提成和绩效靠表格统计，管理层看到的销售情况往往滞后一个月以上。
反过来，已经有 OA、ERP 甚至数据中台的企业，新业务、内控环节和人工操作中仍可能有大量信息没有沉淀下来。有系统，不代表已经为 AI 做好准备。
先判断是信息化问题还是 AI 问题
销售提成算不准、算得慢，本质上通常是信息化和数据问题。合适的顺序是先把客户、订单、绩效数据统一进业务系统，搭好汇总口径，等数据沉淀下来，再用 AI 辅助分析区域趋势和涨跌原因。
如果企业连软件基础都很少，例如检查记录还在纸质表格里，那第一步是把这些流程迁到线上，让企业拥有自己的数据；然后再在数字化流程中寻找 AI 适合介入的环节，比如每月重复填写的问题描述。
数据治理本身就是项目的一部分
历史报价、物料和供应商信息，很少能直接给 AI 使用。清洗、结构化，并从数据里还原业务规则（为什么这样映射、为什么这样报价），往往占据项目的大量时间。
还要注意口径。即使行业和规模相近，不同企业的数据口径和流程也可能差别很大，方法可以复用，底层数据未必能直接复制。多个来源口径不一致时，用报表工具画成漂亮的图，只会让“不可比”变得更隐蔽；应该从数据源头统一提交字段。
提前核对“拿得到、写得回”
- 接口限制：系统有 API，不等于好用。密钥是否会失效、能否多方共用、调用有无频率限制，都要提前确认，必要时加一层中转存储；
- 写回限制：老系统是否允许把处理结果写回去，业务部门是否同意改动；
- 合规流程：涉及跨境或个人信息的数据，申请、留存位置和服务器部署都可能需要较长时间。
分阶段推进的顺序
- 选定试点范围，只治理这一范围内的关键数据；
- 对齐字段、单位和统计口径，写成说明；
- 跑通取数和交接，确认结果去向；
- 边接入边治理，逐步扩大数据范围。
远行者科技的做法
WorkBuddy 可读取的资料类型和连接能力以腾讯官方说明为准。我们在应用实施前会和企业核对资料来源、版本、权限和口径，把数据准备列为项目中的明确步骤，而不是默认已经就绪。
常见问题
业务几乎没有数字化，应该从哪里开始？
从一个高频业务的记录开始线上化，优先用企业已在使用的协作工具承接，积累一段时间数据后再判断哪些环节适合 AI。
历史数据要全部清洗完才能开始吗？
不必。先治理试点范围内的关键数据，跑通一条完整流程，再边接入边治理，避免陷入做不完的数据工程。
参考资料
把方法放进一项具体工作。
结合企业账号、版本、资料授权与工作流程，提供 WorkBuddy 配置指导、任务模板、操作说明、试跑与使用交接服务。
