AI 不会“猜”你的业务：它读取你喂给它的内容。库存数据造假，优化就会偏；CRM 里同一个人有三个电话，助手会自信地……说错。买模型之前先问：数据是否已准备好讲真话？
本文面向希望用 AI 或分析、但不想被营销神话绑架的产品、运营与技术团队。我们覆盖质量、隐私与可审计流水线——从电商、ERP 或 WordPress 到可度量用例的务实路径。
为什么对业务重要
脏数据上的漂亮聊天机器人会放大错误：客服复制幻觉、看板虚增收入、模型优先排序虚构线索。代价不只是技术层面：还有内部信任与客户声誉。干净数据不是可选项，而是燃料。没有它，再贵的引擎也只会噪音。
- 更快做出更差决策：AI 也会加速源头偏差与错误。
- 隐性成本：重写提示词修不好与支付网关对不上的订单。
- 合规：日志或共享笔记本中的 PII，是一场待定日期的事故。
- 真实 ROI：有可靠数据的窄用例，胜过没有指标的“AI 项目”。
关键概念（通俗 + 技术）
单一可信源
当系统冲突时你相信的那个系统（ERP、电商、CRM）。类比：三块表时间不同，你指定一块为官方时间。技术上：实体契约（订单、客户、工单）带自然键与文档化状态。
数据质量
不是“Excel 好看”，而是一致性。重复、静默空值（0 vs 空 vs NULL）、货币混用、时区不一致、目录漂移。若不衡量新鲜度（“最后一笔订单何时到达仓库？”），就是盲飞。
隐私设计
更少的列往往更有价值。问：这份报告需要身份证号吗？最小化、必要时脱敏/哈希、明确保留期、按角色访问——看板也一样。
务实 RAG
当场景是文档、FAQ 或目录时，范围清晰的 RAG（检索片段 + 生成回答）往往优于昂贵微调。始终带来源引用与指标：有效引用回答占比、升级到人工的比例。
| 概念 | 一句话 | 缺失时的信号 |
|---|---|---|
| 单一可信源 | 你相信哪个系统 | “本月销售”出现三个不同合计 |
| 质量 | 一致且新鲜的数据 | 重复、怪异空值、货币混用 |
| 隐私 | 只取所需并受控 | 日志或笔记本导出中的 PII |
| 流水线 | 从 A → B 的可审计路径 | 静默失败的任务 |
| RAG / 模型 | 知识的可度量使用 | 无引用、无负责人的回答 |
实践指南：推荐顺序
- 业务问题（“降低支持工单”、“优先线索”）。
- 单一可信源（ERP、电商、CRM）与数据负责人。
- 质量与 PII：去重规则、最小化、保留期。
- 版本管理：数据集/导出（日期 + transform 的 git SHA）。
- 小而可度量的模型或 RAG——不是无尽实验室。
- 产品化（API、面板、自动化）+ 人工反馈闭环。
以 Laravel 为源的模式
- 定义实体/事件（订单、线索、工单）及其 JSON/SQL 契约。
- 通过 API 或只读副本暴露受控读取。
- 幂等的任务/队列用于导出与摄入。
- 带日期 + transform SHA 的版本化表或文件。
- 新鲜度指标，以及同步停止时的告警。
以 WordPress / WooCommerce 为源
- 订单 + 行项目 + meta：记录哪些 meta key 重要。
- 客户：按邮箱用明确规则去重。
- 多站点：决定按站点还是合并分析。
- RAG 内容：已发布页面、稳定 slug、干净 HTML。
- 避免抓取前台：用只读用户做 REST/导出/SQL。
常见错误
- 用混入真实数据的测试订单训练或评估。
- 把前端购物车合计当作收入的“真实标准”。
- 看板没有截止日期，也没有“已取消订单”定义。
- RAG 无引用：内部用户把幻觉粘贴给客户。
- 同步任务静默失败（无新鲜度告警）。
- 把整套生产数据复制到笔记本“试模型”。
准备度检查清单
- 已写下业务问题与成功指标。
- 已命名单一可信源；跨系统冲突有规则解决。
- 自然键与去重已文档化。
- PII 已最小化；按角色访问；保留期已定义。
- 数据集已版本化；transform 有负责人。
- 新鲜度已度量并告警。
- 窄用例已上线（或试点）并含人工反馈。
- 若有 RAG：强制引用，内容变更时重新索引。