62% 的公司，正在为脏数据买单

62%。

最近，我读到一个数字，愣了很久。客户数据平台厂商 Validity 调查了全球 500 位营销人，其中一个发现是：62% 的公司，因为 CRM 数据质量太差，直接损失了收入。

不是少赚。是直接损失。

CRM 数据是什么？就是你在系统里存的那些客户信息：联系方式、沟通记录、买过什么、投诉过什么、哪些邮件被打开过。营销自动化、销售预测、客户运营，全靠它喂。

按理说，这东西是营销的命根子，应该打理得一尘不染吧？

恰恰相反。

同一个调查里，问大家：你的 CRM 数据，有多少是完整且准确的？只有 25.6% 的人敢说，我的数据七成半以上是干净的。接近一半的人承认，公司天天被数据质量问题折腾：39% 的人每周花 2-5 个小时擦数据，24% 的人每周要花 6-10 个小时。

你算算这笔账。按每周 3 小时、一年 50 周算，就是 150 个小时，差不多 19 个工作日。整整一个月，有个人不干正事，专门在系统里改电话号码、合并重复客户、删过期记录。

为什么擦个数据要花这么多时间？

因为没人负责，也没人配合。CRM 的数据是从好几个部门灌进去的：市场部录客户，销售部记跟进，客服部记工单。谁都觉得该对方收拾，谁也没权限一锤定音。于是一堆脏数据，就那么放着，越积越多。

数据脏就脏吧，自己用，脏是自己受。问题是，现在这些东西要喂给 AI 了。

AI 的上限，是数据的下限

这两年，营销圈最热的词，就是 Agentic AI（智能体）。什么意思？就是你不只让 AI 帮你写文案，你让它自己干活：自己发邮件、自己给线索打分、自己调预算。

这东西的执行力，强到吓人。但它有个特点：它不怀疑。

你说客户张三最近看过竞品，它就信张三看过竞品。你说李四上个月续约了，它就给李四发续约感谢信，哪怕李四三个月前就流失了。它是一个执行满分、但完全不会拐弯的超级实习生。你喂什么，它干什么。

所以在智能体时代，数据质量从"麻烦"，变成了"生死线"。

这个判断不是我自己拍脑袋。Adobe 在 2026 年的 AI 与数字趋势报告里，专门提了这个"就绪度缺口"：52% 的公司承认，数据没整合好，已经拖住了 AI 项目；75% 的公司说，数据整合和质量，是落地智能体最大的坎。

可有意思的是同一份报告里的另一组数字。问 AI 投入的重点是什么，只有 32% 的公司把"数据质量、统一和治理"列为重点。只有 20%，愿意在"提升数据价值"上花钱。

什么叫就绪度缺口？

52% 的公司知道瓶颈在数据，只有 32% 把它当重点。大家都知道问题在哪，就是不在这修。

脏数据不引爆，只放血

有人说，数据脏点，能有多大事？

这个问题，我也问过自己。后来看到 Validity 调查里的另一组数据，就不问了。

高管里（C 级和 VP 级都在内），44% 承认：公司因为数据质量问题，丢过真金白银。丢的方式，一点都不戏剧：预测报出去的数字不对，续约漏掉了，到手的单子跟丢了，营销预算花在了一群根本不该打扰的人身上。

Validity 负责客户与生命周期营销的资深总监 Courtney Grab，说过一句很到位的话。大意是：脏数据很少一次性炸一个大雷，它是一百次小失血。预测偏了几个点，该转化的客户没转化，一条记录太旧，续约就滑走了。等高管注意到，损失已经算进要汇报给董事会的数字里了。

太真实了。

68% 的受访者说，自己汇报过的业绩数字，因为底层数据不对，被质疑过，甚至被撤回过。

你想想那个场面。季度会上，你指着一条漂亮的增长曲线，讲得眉飞色舞。然后 CFO 轻轻问了一句：这个数，对吗？

而且这种错，还有一种更隐蔽的死法：错不在内部账上，在客户心里。订阅偏好过期了，个性化推错了内容，该发给 A 群体的消息发给了 B。每一单都是一次小小的失信。客户想被看见，不想被瞎猜。一千次小失信加起来，就不是事故了，是口碑。

那营销人怎么办？Salesforce 的 State of Marketing 调查，给出了一个让人哭笑不得的答案：绕着走。84% 的受访者，选择发那种不分组、一视同仁的通稿式营销。反正数据不可信，那我就不分人群了，全员群发。

数据本来是为了更懂客户。用着用着，变成了不敢懂客户。

44.7%：把方向盘完全交给 AI

前面说的，还只是"数据脏，人来用"。

真正让我后背发凉的，是这个数字：44.7% 的营销人，让 AI 全程自己干，没有任何人工复核。发什么邮件、给线索打几分、预算往哪调，全权委托。

要知道，AI 的每一个动作，都建立在连自己人都不敢打包票的数据上。

错发一封邮件，是尴尬。错算一个线索分，是漏掉一个客户。错调一笔预算，是真金白银。更麻烦的是合规：同意记录过期了、退订请求没人处理了、同一个人在系统里有三个档案，AI 挨个发。以前有人工把关，这些问题在最后一道闸口会被拦下。现在，闸口拆了。

脏数据配上全自动，错误会以机器的速度复制。

明知数据不行，为什么还往前冲？

按理说，故事到这就该收尾了：数据不行，先修数据，再上 AI。道理谁都懂。

可现实是，几乎所有公司都在往前冲。为什么？

因为董事会催得急。

这事的逻辑，Validity 负责专业服务与客户成功的资深总监 Laura Christensen 讲得特别透。她说，高管签字上一个 AI 项目时，默认底下的数据是扎实的。而现实中，重复档案、过期字段、没人标记的窟窿，才是常态。领导不是不负责，只是离数据太远了。

高管们的信心，来自仪表盘。但数据，住在数据库里。

这句话，值得每个当领导的抄下来。

董事会看到的是什么？是一块块漂亮的仪表盘。转化率、ROI、增长曲线，红红绿绿。他们看不到仪表盘底下的数据库：那些重复的客户档案、过期的联系方式、没人认领的脏字段。仪表盘是精装修的门面，数据库才是地基。地基有空鼓，门面上看不出来。

所以只要仪表盘还漂亮，董事会就觉得：挺好，加速。而一线的人心里门儿清：这数据根本撑不起智能体。调查显示，只有 56.7% 的营销人，觉得自己"基本"准备好把数据用于 AI。

知道什么叫"数据就绪"，和自己真的就绪，是两回事。前者是开卷考试抄答案，后者是一道一道题自己做。

Salesforce 在一份关于企业智能体的报告里，数据与 AI 战略高级副总裁 Shibani Ahuja 说了句我特别认同的话。大意是：每间会议室都在问，我们是不是不够快。但数据给出的答案是，优势从来不属于先出发的人，属于出发得认真的那些人：先把数据喂扎实，先想清楚哪里必须留一个人在环上，先把护栏在需要它之前建好。

先出发，还是先认真。这是 2026 年所有上 AI 项目的公司，都在面对的选择题。

我的看法

写到这里，说说我的建议。

如果董事会催得急，你不要硬顶，也不要硬冲。你要干一件事：教育董事会。

怎么教育？把仪表盘背后的真相，持续地摊开讲。既要给热情泼点冷水，也要把真正的机会讲透。数据治理是全公司的事；离数据最近的，往往不是 CIO，是那些天天在系统里改记录的基层同事，多听他们的。哪怕项目还没立项，原型和深度测试就要先跑，专门去找数据会在哪里掉链子。

还有一点常被忽略：喂给智能体的，除了 CRM 数据，还有产品文档、帮助中心内容这类组织知识。这些内容是错的，AI 助手就会一本正经地，把错误的产品信息讲给客户听。

我知道，这很难。大家都在赶时间。技术的现实是：变得太快了，九个月前跑不通的原型，今天可能就通了，没人敢慢。但智能体只对喂给它的人负责。今天省下的治理时间，明天都会变成投诉、坏账和撤回的预测，连本带利还回来。

智能体的上限，是数据的下限。

先把地基打牢，再盖楼。这不是慢，这是最快的路。

祝你，永远不需要在季度会上，回答那个"这个数对吗"。