数字化转型浪潮促使许多企业开始加大对AI项目的投资，随着转型过程的深入，越来越多的人发现，们原本管理数据的方式需要从根本上改变。
IT团队一直将数据作为创建数据的应用程序的扩展来管理，这种方法导致出现了大量的数据孤岛。更糟糕的是，经常出现数据冲突问题。因为不同应用程序可能以不同方式呈现同一个公司名称，或者根本没有更新最新的交易数据。
然而，组织创建的AI模型需要大量准确的数据才能进行适当的训练。这一要求促使组织在云计算平台上创建巨大的数据湖，以便被多个AI模型轻松访问。随着越来越多的数据被添加到数据湖中，构成AI模型的机器学习算法也在不断更新。
然而，许多组织管理数据的流程和系统有些过时，IT 团队开始采用DataOps跨平台管理数据。DataOps在概念上类似于企业为简化应用开发而采用的最佳DevOps实践，其目标是尽快减少数据管理的问题。
各个数据存储系统供应商都在推出新的平台，让在本地和公共云上的数据湖之间自动移动数据变得更加简单。
例如，联想开发出联想ThinkSystem DM5100F产品，包括对基于S3应用程序编程接口（API）的对象存储的支持。S3 API最初由Amazon Web Services开发，现已成为访问基于对象存储系统的云存储服务的事实标准。联想数据中心集团副总裁Kamran Amini表示：“IT团队仍然可以将数据存储为文件或本地存储块，但S3将减少数据移入和移出公共云时的问题。”Kamran Amini表示：“数据管理是一个关键部分，因为我们要考虑如何为企业客户提供服务，并能够在AI和数据分析方面发挥领导作用。”
如果数据是推动数字业务转型的新石油，那么将石油变成燃料的方式需要改变。AI与其他形式的高级分析相结合，只有在数据可访问的情况下才是可靠的。如果不更加严格地管理数据，AI的投资回报最多也只能是次优的。在某些情况下，它甚至可能变成灾难性，因为比犯错更糟糕的事情是大规模的错误。
事实上，由于现在企业管理数据的方式非常重要，数据管理现代化的需求从未像现在这样迫切。
