2025年十大信息管理热点故事

数据是人工智能发展的基础。没有数据，无论是传统AI、生成式AI还是智能体都无法存在。因此，自2022年底生成式AI兴起以来，AI技术的快速发展对传统的信息管理领域产生了重大影响。

这份2025年十大信息管理故事清单不可避免地带有AI的印记。我们选择使用"信息"一词，因为它涵盖了非结构化内容，在概念层面比"数据"更高级，也与"知识"相呼应。尽管如此，AI并未穷尽数据管理、数据治理或主数据管理的全部内容，这些传统学科继续为组织创造价值。以下案例研究（曼彻斯特机场和英国皇家空军）以及与首席数据官保罗·内维尔（来自养老金监管局）和伊恩·拉夫尔（来自RAC）的访谈，都体现了信息管理领域的更广阔视角。

在IT市场供应商方面，SAP、Oracle和AWS都在这份名单中。随着AI炒作周期进入2026年，我们可以期待数据管理的基础要素——数据如何被采集、清理、组织和分发以支持提供真实世界价值的业务应用——将重新占据主导地位。

以下是Computer Weekly评选的2025年十大信息管理文章：

小语言模型和边缘AI的早期探索

小语言模型（SLM）可能比大语言模型更具成本效益，提供更好的隐私保护，并在特定任务上表现更佳。但对于SLM的应用是否还为时过早？

大语言模型使用大量数据和计算能力来创建看起来甚至感觉"人性化"的查询答案。大语言模型还可以生成音乐、图像或视频，编写代码，扫描安全漏洞等众多任务。这种能力导致了生成式AI的快速采用和新一代数字助手及"聊天机器人"的出现。

然而，大语言模型并非运行生成式AI的唯一方式。通常定义为使用不超过100-150亿参数的小语言模型正在引起商业企业和公共部门的兴趣。小语言模型避免了大语言模型的一些缺点，包括对本地或云端巨大资源需求、相关环境影响、不断增长的"按需付费"服务成本，以及将敏感信息转移到第三方云基础设施相关的风险。

客户数据平台能否兑现个性化营销承诺

供应商将客户数据平台宣传为实现组织长期渴望的单一客户视图的手段。这个承诺最终能够兑现吗？

企业长期以来一直在追求单一客户视图的承诺。早在1999年，包括Oracle和Siebel在内的供应商集团就支持客户配置文件交换（CPEX）标准，旨在为企业提供在线消费者的"全面视图"。但该倡议很快陷入复杂性和隐私担忧之中，突显了至今仍存在的挑战。

虽然统一客户洞察的理念长期以来一直被用来销售软件，但很少有企业真正实现了在各部门间持续有用的单一视图。那么客户数据平台（CDP）有何不同呢？

市场前沿的供应商包括Adobe、SAP、Salesforce、Oracle、Twilio Segment、Tealium和Microsoft，每家都在数据集成、实时编排和人工智能支持方面带来不同优势。

生成式AI驱动的知识管理如何提升客户体验

生成式AI在知识管理中的应用在客户体验项目中不断增长，为知识管理提供了新的使命。

公司拥有大量有价值的数据，可用于与员工分享相关信息以改善客户体验。然而，这些数据往往埋藏在多个系统中，需要员工翻阅大量无关信息才能找到所需的精确细节，或者需要找出访问关键数据所需的确切搜索词。

生成式AI技术的最新进展为企业通过将AI应用于知识管理来提供更好的客户体验提供了机会。"AI通过自动化和增强知识实践正在革命性地改变知识创建和维护。知识创建、改进和分享可以融入核心客户体验流程中，"Forrester Research副总裁兼客户关系管理和客户服务首席分析师Kate Leggett说道。

案例研究：曼彻斯特机场集团使用AWS改革数据策略

曼彻斯特机场集团正在使用AWS技术通过改革其数据策略来改善乘客体验，该组织首席数字官Ryan Cant详细介绍了相关情况。

2023年，超过5000万人次通过曼彻斯特机场集团（MAG）的三个站点之一，前往全球250多个目的地。除了数百万乘客从曼彻斯特、伦敦斯坦斯特德和东米德兰兹机场进出之外，MAG还在后者处理了39.5万吨货物，使其成为英国重要的国际贸易枢纽。

MAG雄心勃勃地计划到2024年底将乘客人数从5300万增加到6000万，并在未来五年继续保持增长。为了实现这种扩张水平，该组织正在与AWS合作，更好地整合其系统，消除数据孤岛并提高效率。

该项目的主要元素之一是投资AWS数据湖基础设施，并建立可视化策略，以便将各种数据源插入其中。

数据驱动：英国皇家空军的海上巡逻能力改革

Computer Weekly访问了英国皇家空军洛西默斯基地，了解其波音P-8A监视机队在NetApp存储支持下如何监视北大西洋间隙。

在北大西洋的恶劣水域上空，英国皇家空军飞机与俄罗斯攻击核潜艇进行猫鼠游戏，数据收集和管理是其行动的核心。

海神座MRA1海上巡逻机队的主要任务是保护英国持续的海上核威慑力量。探测和跟踪俄罗斯潜艇、水面舰艇和间谍船是他们的日常任务。

但海神座对敌对船只的最大威胁可能甚至不是武器，而是包括搜索雷达、强力摄像头和声纳浮标声学传感器在内的传感器套件。其最强大的功能是收集和存储大量数据以供未来分析的能力。据英国皇家空军透露，任务后数据在洛西默斯基地进行地面分析，数据量达到"TB级"。

由此产生的情报"产品"随后提供给皇家空军、皇家海军，以及可能的北约和五眼联盟盟友。

SAP TechEd 2025：让AI真实落地，深耕数据

柏林SAP TechEd会议重点关注构建智能体和生成式AI系统以创造真实的业务成果，超越其高管所称的过度炒作。

在此次活动中，三位技术高管公布了供应商SAP Build平台中的AI驱动功能，披露了其Joule AI助手产品组合中的更多智能体，并指出了与数据专业公司（最值得注意的是最近与Snowflake）扩大的合作伙伴关系。

根据SAP的说法，这些关系表明该公司致力于开放其平台，为客户建立强大的AI基础。此次活动的主题是在AI方面"务实"。

重新审视SAP在5月Sapphire会议上大力宣传的"飞轮"概念，公司执行董事会成员兼产品与工程高级副总裁Muhammad Alam表示："SAP独特的应用程序、数据和AI飞轮的创新让开发者掌握主导权——这正是他们应有的位置。"

SAP业务技术平台总裁Michael Ameling表示，该供应商的内存列式数据库Hana是"AI一直在寻找的数据库"。

SAP首席技术官Philipp Herzig重点介绍了预测性用例，这属于传统机器学习而非大语言模型的范畴。他强调，为"大型跨国"公司"大规模"构建基于AI的应用程序比为简单组织构建小型应用程序要求更高。

Oracle红牛车队如何用云、AI和数据驱动F1未来

进入阿布扎比F1车队车库，揭示了蒙特卡罗模拟、AI和Oracle云基础设施如何支持瞬间决策、策略和夺冠表现。

一级方程式一直是一项由极端定义的运动，毫秒之差决定胜负，人类技能被推向极限。但在引擎咆哮和进站表演的背后，隐藏着一种更安静、看不见的力量，它越来越多地定义着这项运动的成功：技术。在Oracle红牛车队，数据、AI和云计算已经变得与轮胎、空气动力学和马力同样重要。

在阿布扎比赛季最后一场比赛之前，Computer Weekly访问了Oracle红牛车队的车库，观察人类专业知识和技术创新如何结合，推动这支最具统治力的车队之一。

访谈：养老金监管局数字、数据和技术总监保罗·内维尔

数据、自动化和AI正在推动监管机构采用新方法开展工作，以及如何支持养老金行业，为英国所有拥有养老金的人带来改善的体验。

养老金监管局数字、数据和技术总监保罗·内维尔正在建设强大的IT基础，作为五年战略的一部分，帮助将组织从基于合规的监管机构转变为基于风险的监管机构。他解释了这种变化在未来几年的实际意义。

"作为监管机构，我们显然仍会有期望人们遵循的特定流程，但我们将更加关注我们试图实现的结果，并基于该需求做出决策，"他说。"为了实现这种转变，我们需要理解我们的数据。我们需要有正确的自动化水平来探索信息、衡量结果，并与对养老金感兴趣的行业和其他政府机构一起交付这些结果。我们设想一个信息在组织之间流动的未来世界。"

访谈：RAC数据和洞察主管伊恩·拉夫尔

RAC数据和洞察主管伊恩·拉夫尔告诉Computer Weekly，利用数据资产的关键在于两个方面——理解业务问题和拥有一个能够找到正确技术解决方案的出色团队。

"我需要有能力、热情、积极并愿意分享知识的人，"他说，强调了人才对于在数字时代有效部署数据密集型系统和服务的重要性。拉夫尔希望他的团队与职能同事接触，而不是为已经采购的技术寻找合适的挑战。

"作为企业中的数据领导者，成功就是人们来找我们说，'我们有一个问题。你能找到解决方案吗？'"他说。

首席数据官为技术创新而招聘

一旦组织的数据成熟度得到解决，首席数据官需要展示强大的数据管理如何推动技术倡议。

虽然首席数字官的角色被认为是相当多样化的，但德勤的一项研究表明，无论其组织的运营模式是集中式还是分散式，首席数据官都认识到强大数据策略的必要性。

德勤指出，首席数据官为其组织中的数据制定明确的发展方向非常重要，以实现数据的凝聚方法，避免孤立运营和重复工作带来的常见挑战。

根据德勤的说法，明确、有文档记录且共享的愿景因此是一个关键工具，使首席数据官能够阐明如何在其组织中使用数据来驱动绩效并实现战略目标。

该公司基于对81名首席数据官调查的《2025年首席数据官调查》报告显示，70%的受访者正在实施AI系统或进行实验性概念验证项目以了解其潜力。

德勤指出，虽然很少有首席数据官表示AI目前正在改变他们的组织，但数据显示，首席数据官正在寻求利用AI的积极迹象，因此需要进一步发展AI能力来推动这一进程。

Q&A

Q1：小语言模型相比大语言模型有什么优势？

A：小语言模型可能比大语言模型更具成本效益，提供更好的隐私保护，并在特定任务上表现更佳。它们避免了大语言模型对本地或云端巨大资源需求、相关环境影响、不断增长的"按需付费"服务成本，以及将敏感信息转移到第三方云基础设施相关的风险。

Q2：客户数据平台与传统的单一客户视图方案有何不同？

A：虽然企业长期追求单一客户视图，但很少有企业真正实现了在各部门间持续有用的单一视图。客户数据平台通过更好的数据集成、实时编排和人工智能支持来解决这些挑战，为企业提供真正统一的客户洞察。

Q3：生成式AI如何改善客户体验中的知识管理？

A：生成式AI技术可以自动化和增强知识实践，将知识创建、改进和分享融入核心客户体验流程中。它使得从多个来源实时访问综合信息变得更容易，并能与生成式AI共同创建知识，加速知识创建并帮助生成新的客户洞察。