سيدارث راجاغوبال وسوجاي دوتا، مؤلفا كتاب البيانات كالعمود الرابع – سلسلة المقابلات

سوجاي دوتا هو قائد تقني واعمال متمرس مع 25+ سنة من الخبرة العالمية. وهو يعتقد أن المستقبل يتم تشكيله في تقاطع الذكاء الاصطناعي والثمار التجارية والثقافة والبيانات (“A.B.C.D.”). وهو يعمل حاليا كقائد حساب عالمي في Databricks.

سيدارث (سيد) راجاغوبال هو رئيس مهندس في منظمة Field CTO في Informatica. في دوره، يتعامل مع كبار المسؤولين التنفيذيين في الشركات لتقديم القيادة الفكرية حول البيانات وإدارة البيانات من خلال مشاركة رؤاه وتعلمه.

البيانات كالعمود الرابع يقدم الحجة لاعتبار البيانات كعنصر أساسي للنجاح الشركي، على قدم المساواة مع الناس والعمليات والتكنولوجيا. يستهدف الكتاب مجالس الإدارة والرؤساء التنفيذيين وكبار المسؤولين، ويحدد نهجًا منظمًا لدمج استراتيجية البيانات في قلب اتخاذ القرارات التجارية. يقدم إطارًا للنضج ومتغيرات عملية مثل القيمة القابلة للتحويل الكلية (TAV) والقيمة القابلة للتحويل المتوقعة (EAV) لمساعدة المنظمات على量ification تأثير مبادرات البيانات. كما يبحث المؤلفون العلاقة بين البيانات والذكاء الاصطناعي، مشيرين إلى كيفية تعزيز كل منهما الآخر. مدعومًا بدراسة حالة من AUDI AG’s Rüdiger Eck، يدمج الكتاب النظرية مع التطبيق العملي، مما يجعله دليلًا عمليًا للقادة في الشركات الصغيرة والكبيرة التي تتحرك في المناظر التجارية التنافسية الحالية التي تقودها البيانات.

يمكنك تلخيص الأعمدة الثلاثة التقليدية الحالية، وكيف يجب اعتبار البيانات كالعمود الرابع؟

الأعمدة الثلاثة التقليدية الحالية هي الناس والعمليات والتكنولوجيا. تم إضافة كل عمود مع نمو الشركات على مر السنين. تاريخيا، كانت البيانات مجرد ناتج تشغيلي لهذه الأعمدة، التي تديرها إدارة تكنولوجيا المعلومات. الآن، في عصر الذكاء الاصطناعي الأول، لم تعد البيانات ناتجًا ثانويًا. إنها المحرك الأساسي للقيمة ولكنها يمكن أن تهدد وجود الشركة أيضًا – لذلك نسميها البيانات كالنار. للنجاح، يجب رفع البيانات إلى عمود رابع متساوي. مع البيانات كالعمود الرابع، يخلق كل عمود تأثيرًا دائريًا مع الأعمدة الأخرى، مما يتيح لها الاستفادة من بعضها البعض. البيانات كالعمود الرابع تضمن أن تتلقى البيانات نفس الاهتمام على مستوى الإدارة العليا والمجلس الإداري مثل الناس والعمليات والتكنولوجيا، مما يtransformها من مركز تكلفة إلى أصل شركي قابل للقياس ي驱د النمو التجاري.

يمكنك تقديم نظرة عامة عالية المستوى عن دور رئيس مسؤول البيانات، وكيف يتعامل مع الرئيس التنفيذي والقادة التنفيذيين الآخرين؟

رئيس مسؤول البيانات، كقائد لعمود البيانات، هو محرك قيمة، يسرع النتائج التجارية؛ يطور فهمًا لشدة البيانات (جودة، امتثال، وسرعة) لاستخدامات الأعمال؛ يوازن ويطور باستمرار الطلب والعرض على البيانات (من خلال نموذج تشغيل البيانات); يبذل جهدًا في التنفيذ الممتاز فيما يتعلق بالناس والعمليات والتكنولوجيا لعمود البيانات؛ وهو وسيط للتغيير للتنظيم والتخطيط والتنفيذ للتغيير الهيكلي عبر الشركة، برعاية المجلس الإداري والرئيس التنفيذي، ومشاركة قادة الأعمدة الأخرى.

لماذا جمع البيانات وتنفيذها أمر حاسم للاستفادة من الذكاء الاصطناعي على نطاق واسع؟

مرة أخرى، البيانات مثل النار. إنها تغذي الذكاء الاصطناعي. يجب على نموذج الذكاء الاصطناعي تعلم الأنماط والعلاقات والسلوكيات مباشرة من البيانات التي يتم تغديته بها، لتكون قادرة على تقديم تأثير تجاري. بالإضافة إلى ذلك،对于 الذكاء الاصطناعي، البيانات غير المنظمة (مثل ملفات PDF والصور والفيديوهات) تصبح حاسمة. معظم الشركات ليست ناضجة حاليًا في معالجة البيانات غير المنظمة. وعلاوة على ذلك، أصبحت نماذج الذكاء الاصطناعي سلعة – تُخلق البيانات التمييز من استخدام نموذج الذكاء الاصطناعي.

يمكنك شرح ما يعني密度 البيانات، ولماذا هو مهم جدًا؟

密度 البيانات هي مقياس لمدى ملاءمة البيانات لغرض تسريع القيمة التجارية، خاصة لتعزيز الذكاء الاصطناعي. كل حالة أعمال تتطلب البيانات بشكل مختلف، مع شدة مختلفة. يقدم كتابنا إطار QCS لقياس密度 البيانات عبر ثلاثة أبعاد حرجة:

1. الجودة: هل البيانات دقيقة و كاملة ومتسقة وموثوقة؟ هذا هو مبدأ “القمامة داخل، القمامة خارج”. تؤدي البيانات منخفضة الجودة إلى تحليلات معيبة وذكاء اصطناعي غير موثوق.
2. الامتثال: هل البيانات تتوافق مع جميع المعايير القانونية والأخلاقية، مثل لوائح الخصوصية (مثل GDPR) والقواعد الخاصة بالصناعة؟ تُخلق البيانات غير المتوافقة مخاطر ضخمة.
3. السرعة: هل البيانات متاحة بسرعة كافية لتكون مفيدة؟ هذا يشير إلى السرعة التي يتم بها جمع البيانات ومعالجتها واعتمادها لاتخاذ القرارات (على سبيل المثال، المعالجة في الوقت الفعلي مقابل المعالجة الدفعية). تقليديًا، نمت الشركات لتنفيذ في أحد أو两个 بعد. يمكن لمصرف أن يقدم على بعد Q و C، في حين يركز شركة بدء التشغيل على بعد Q و S. التحدي للشركات في عصر الذكاء الاصطناعي الأول هو التنفيذ على مستوى عالٍ في جميع ثلاثة الأبعاد (Q و C و S) في نفس الوقت وباستمرار.

لماذا تعريف استراتيجية البيانات أمر حاسم، ولماذا يتم تجاهله غالبًا؟

تعريف استراتيجية البيانات أمر حاسم لأنها تعمل كخطة رئيسية تصل بين جميع أنشطة البيانات واستراتيجية الشركة. تحدد خارطة الطريق لتطوير واستخدام قدرات البيانات لتسريع النتائج التجارية، مثل زيادة الإيرادات وتحسين الكفاءة وبناء ميزة تنافسية.

على الرغم من ذلك، غالبًا ما يتم تجاهل استراتيجية البيانات لعدة أسباب رئيسية.
historically، رأت القيادات التجارية البيانات كمنتج ثانوي للعمليات التجارية ومشكلة تقنية تخص إدارة تكنولوجيا المعلومات، وليس كوظيفة استراتيجية على مستوى الإدارة العليا. بدون مالك واضح، مثل رئيس مسؤول البيانات، يقع هذا العمل الأساسي في فراغ القيادة. هذا يؤدي إلى أن تقفز الشركات مباشرة إلى مشاريع الذكاء الاصطناعي المثيرة دون أساس بياني قوي، وهو السبب الرئيسي لفشل العديد منهم.

يمكنك توضيح ما هو إطار الحوكمة البيانية، وكيف يختلف عن استراتيجية البيانات، ولماذا هو ضروري لتخفيف المخاطر المرتبطة باستخدام البيانات؟

تعرف استراتيجية البيانات الأهداف التي تريد الشركة تحقيقها من خلال بياناتها. في المقابل، يتيح إطار الحوكمة البيانية للقضايا التجارية استخدام البيانات على الشدة المطلوبة (Q و C و S) لتسليم القيمة المتوقعة.

إطار الحوكمة البيانية أمر بالغ الأهمية لتخفيف المخاطر. بدون حوكمة، تصبح البيانات عبئًا. يضمن الامتثال للوائح مثل GDPR، ويتجنب الغرامات والقضايا القانونية. يحدد معايير الأمان والخصوصية لحماية البيانات من الإختراقات وتلف السمعة الناتج عنها. يمنع جودة البيانات من اتخاذ قرارات تجارية باهظة الثمن بناءً على معلومات معيبة. كما أن نماذج الذكاء الاصطناعي مفيدة فقط عندما تتلقى البيانات على السرعة المطلوبة.

فكر بهذه الطريقة: استراتيجيتك هي الوجهة على الخريطة؛ إطار الحوكمة هو قواعد المرور التي تتبعها للوصول هناك دون وقوع حادث.

تناقش أيضًا مفهوم نموذج تشغيل البيانات (DOM). يمكنك شرح ما هو ذلك، وكيف يساعد المنظمات على تنفيذ استراتيجية البيانات؟

نموذج تشغيل البيانات (DOM) هو المحرك الذي ي满ي الطلب على البيانات. يُعد نموذج DOM محركًا لتنفيذ الاستراتيجية، ويتضمن تحويل الأهداف على مستوى عالٍ إلى إجراءات ملموسة ويمكن إعادة استخدامها. إنه إطار عملي يُصنع تسليم البيانات على الشدة المطلوبة، يتألف من الناس والعمليات والتكنولوجيا.

في حين أن الاستراتيجيات الصحيحة والحوكمة تضمن النوايا الحسنة، غالبًا ما يعتمد النجاح على تبني البيانات وإدارة هندسة البيانات. يمكنك مناقشة هذه العناصر وشرح لماذا يجب على القيادات التنفيذية الاهتمام بها؟

ينحصر النجاح مع البيانات في تبني البيانات و إدارة هندسة البيانات.

تبني البيانات هو الجانب الثقافي – حيث تستخدم فرقك البيانات لاتخاذ القرارات اليومية. بدون تبني، يذهب الاستثمار كله في عمود البيانات سدًا.

إدارة هندسة البيانات هي العمود الفقري التقني – بناء ومaintenance “مصنع البيانات” الذي يجمع ويمعالج البيانات لتلبية متطلبات الشدة (QCS). يجب على القيادات دعم كليهما. التبني السيئ يعني أن الاستثمار يذهب سدًا. الهندسة السيئة تعني أن الشركة تعمل على بيانات غير لائقة (أي لا تتوافق مع الشدة المطلوبة)، مما يؤدي إلى أخطاء باهظة الثمن، وتآكل الثقة، وإنشاء مشاكل الامتثال، وجعل أي مبادرة ذكاء اصطناعي مستحيلة.

كتابك مكتوب مع الشركات الكبيرة في الاعتبار، حيث تتواجد أدوار مثل رئيس مسؤول البيانات وإدارة مخاطر البيانات وإدارة وصول البيانات وفرق جودة البيانات والرصد. لماذا يجب على الشركات الصغيرة أيضًا النظر في هذا الكتاب، وكيف يمكنهم تعويض عدم وجود هذه الأدوار؟

对于 شركة صغيرة، في معظم الحالات، البيانات هي أكبر مميزة لها. من الأسهل بناء الحمض النووي “البيانات كالعمود الرابع” بشكل صحيح من البداية بدلاً من إصلاح منظمة تقليدية كبيرة فيما بعد. الحصول على أساس البيانات بشكل صحيح في وقت مبكر يوفر ميزة تنافسية كبيرة للنمو واعتماد الذكاء الاصطناعي في المستقبل. كما قال الرئيس التنفيذي لشركة SMB: بالنسبة لي، البيانات هي العمود الأول، وأنا رئيس مسؤول البيانات أيضًا.

إذا كان هناك خلاصة واحدة من كتابك، ماذا تريد أن تكون؟

الخلاصة النهائية هي أن الشركات يجب أن تنفذ على الفور التغيير الهيكلي لتأسيس البيانات كالعمود الرابع للنموذج التشغيلي، متساويًا مع الناس والعمليات والتكنولوجيا. هذا هو قرار وجودي يجب أن تدعمه مجالس الإدارة والقيادات التنفيذية، لأن البيانات هي المميزة الحاسمة والأساس الضروري لتعزيز الذكاء الاصطناعي بنجاح وتأمين ميزة تنافسية في المستقبل. الشركات التي تفشل في دمج البيانات كعمود أساسي ستواجه عدم أهمية وتواجه صعوبة في المنافسة في عصر الذكاء الاصطناعي الأول. الوقت للعمل هو الآن!

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يقرأوا البيانات كالعمود الرابع.

إخلاء المسؤولية: الآراء المعبر عنها في هذه المقالة هي آراء المؤلفين ولا تعكس بالضرورة آراء أصحاب العمل الحاليين أو السابقين.