最小可用数据集，不是企业现有数据的简单缩减版，而是支撑一个明确业务流程完成闭环所必需的最低数据集合。它回答的不是“企业有多少数据”，而是“这些数据能否让AI稳定完成一次可验证的任务”。如果数据无法持续获得、字段含义不统一，或者处理结果没有反馈记录，再复杂的模型也只能产生演示效果。
最小数据集应包含什么
一个面向试点的最小数据集，通常至少包括五类内容：
- 业务对象：明确处理的是客户、订单、产品、工单、设备等什么对象。
- 核心字段：包括编号、状态、时间、责任人，以及金额或数量等决定判断所需的信息。
- 业务规则：说明什么条件会触发提醒、审批、升级或异常处理。
- 数据来源：标明数据来自ERP、CRM、表格、邮件还是人工录入。
- 结果标签：记录成功、失败、异常、取消或人工修正，便于验证效果并持续改进。
这五类信息共同构成“输入—判断—结果”的最小闭环。缺少结果标签时，企业无法判断AI是否有效；缺少业务规则时，系统只能生成建议，难以进入实际流程；缺少数据来源和责任人时，错误也很难追溯。
不同场景，最小集合并不相同
规则自动化需要稳定的状态字段、触发条件和处理结果，例如订单校验或库存异常提醒。智能问答更依赖文档来源、版本信息、权限范围和知识边界，文档数量多并不等于数据可用。预测分析则需要连续的历史记录、统一的时间口径、关键业务变量和异常标记；如果这些信息长期缺失，预测结果只能作为参考。业务智能体还要增加系统接口、角色权限、执行日志和人工确认条件，否则容易出现“能对话、不能办事”。
判断数据是否达到可用标准，应检查完整性、一致性、时效性和可追溯性。字段不能频繁缺失，客户和产品编码应尽量统一，数据要按业务需要更新，并能够追踪录入与修改过程。
因此，最稳妥的做法是围绕一个流程先列数据清单，限定用户和使用范围，再用真实任务验证处理时长、错误率、人工接管率和结果可追溯性。最小可用数据集的价值，不在于规模最小，而在于足以支撑一次可重复、可核验、可改进的业务闭环。
