مقابلات
سيدارث راجاغوبال وسوجاي دوتا، مؤلفا كتاب البيانات كالعمود الرابع – سلسلة المقابلات
سوجاي دوتا هو قائد تقني وأعمال متمرس مع 25+ سنة من الخبرة العالمية. يعتقد أن المستقبل يتم تشكيله في تقاطع الذكاء الاصطناعي والنتائج التجارية والثقافة والبيانات (“A.B.C.D.”). يعمل حاليًا كقائد حساب عالمي في Databricks.
سيدارث (سيد) راجاغوبال هو كبير المهندسين المعماريين في منظمة رئيس التكنولوجيا في Informatica. في دوره، يتفاعل 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 المؤسسي، على قدم المساواة مع الناس والعمليات والتكنولوجيا. يهدف إلى مجالس الإدارة والرؤساء التنفيذيين وكبار المسؤولين، ويحدد الكتاب نهجًا منظمًا لتضمين استراتيجية البيانات في قلب اتخاذ القرارات التجارية. يقدم إطار النمو والقياسات العملية مثل القيمة القابلة للتحويل الكلية (TAV) والقيمة المتوقعة القابلة للتحويل (EAV) لمساعدة المنظمات على تقييم تأثير مبادرات البيانات. يبحث المؤلفون أيضًا العلاقة بين البيانات والذكاء الاصطناعي، مشيرين إلى كيفية تعزيز كل منهما الآخر. مدعومًا بدراسة حالة من AUDI AG’s Rüdiger Eck، يمتزج الكتاب بين النظرية والتطبيق العملي، مما يجعله دليلًا عمليًا للقادة في الشركات الصغيرة والكبيرة التي تتنافس في المناظر الطبيعية القائمة على البيانات.
يمكنك تلخيص ما هي الأعمدة الثلاثة الأولى، ولماذا يجب اعتبار البيانات العمود الرابع؟
الأعمدة الثلاثة التقليدية الحالية هي الناس والعمليات والتكنولوجيا. تمت إضافة كل عمود随ما نضجت الشركات مع مرور الوقت. تاريخيًا، كانت البيانات مجرد ناتج تشغيلي لهذه الأعمدة، التي تديرها إدارة المعلومات. الآن، في عصر الذكاء الاصطناعي الأول، لم تعد البيانات ناتجًا ثانويًا. إنها المحرك الأساسي للقيمة ولكنها يمكن أيضًا أن تهدد وجود الشركة – لذلك نسميها البيانات كالنار. للنجاح، يجب رفع البيانات إلى عمود رابع متساوٍ. مع البيانات كالعمود الرابع، يخلق كل عمود تأثيرًا دائريًا مع الأعمدة الأخرى، مما يمكّنها ويفيد منها. ت đảmن البيانات كالعمود الرابع أن تتلقى البيانات نفس الاهتمام على مستوى الإدارة العليا والمجلس الإداري مثل الناس والعمليات والتكنولوجيا، مما يتحول من مركز تكلفة إلى أصل مؤسسي قابل للقياس ي驱د النمو التجاري.
يمكنك تقديم نظرة عامة عالية المستوى عن ما يتضمنه هذا المنصب وما هي مسؤولياته الرئيسية؟
الضباط الرئيسيون للبيانات كقائد للعمود الرابع، هو سائق قيمة، يسرع النتائج التجارية؛ يطور فهمًا للكثافة البيانية (جودة وامتثال وسرعة) لاستخدامات الأعمال؛ يوازن وينمي باستمرار الطلب والعرض البياني (من خلال نموذج التشغيل البياني); يأتي بالتميز التنفيذي من حيث الناس والعمليات والتكنولوجيا للعمود البياني؛ وقائد تغيير للتخطيط والتنفيذ للتغيير الهيكلي عبر المؤسسة، برعاية المجلس الإداري والرئيس التنفيذي، ومشاركة قادة الأعمدة الأخرى.
لماذا جمع البيانات وتنفيذها أمر بالغ الأهمية للاستفادة من الذكاء الاصطناعي على نطاق واسع؟
مرة أخرى، البيانات مثل النار. إنها تغذي الذكاء الاصطناعي. يجب على نموذج الذكاء الاصطناعي أن يتعلم الأنماط والعلاقات والسلوكيات مباشرة من البيانات التي يتم تغذيته بها، لكي يتمكن من تقديم تأثير تجاري. بالإضافة إلى ذلك، للذكاء الاصطناعي، يصبح البيانات غير المهيكلة (مثل ملفات PDF والصور والفيديوهات) حاسمًا. معظم الشركات ليست目前 ناضجة في معالجة البيانات غير المهيكلة. وعلاوة على ذلك، أصبحت نماذج الذكاء الاصطناعي سلعة – تُخلق البيانات التمييز من استخدام نموذج الذكاء الاصطناعي.
يمكنك شرح ما يعني ذلك و왜 من المهم للغاية؟
الكثافة البيانية هي مقياس لمدى ملاءمة البيانات لتسريع القيمة التجارية، خاصة لتمكين الذكاء الاصطناعي. كل حالة أعمال تتطلب البيانات بشكل مختلف، بكثافة مختلفة. يقدم كتابنا إطار QCS لقياس الكثافة البيانية عبر ثلاثة أبعاد حرجة:
- 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.
- الامتثال: هل تتماشى البيانات مع جميع المعايير القانونية والأخلاقية، مثل لوائح الخصوصية (مثل GDPR) والقواعد المحددة للصناعة؟ تُخلق البيانات غير المتوافقة مخاطر ضخمة.
- السرعة: هل البيانات متاحة بسرعة كافية لتكون مفيدة؟ يشير هذا إلى السرعة التي تتم بها جمع البيانات ومعالجتها وتوفرها لاتخاذ القرارات (مثل المعالجة في الوقت الفعلي مقابل المعالجة الدفعية). تقليدًا، تمكنت الشركات من النضج لتنفيذ بعدين. يمكن لمصرف أن يُحقق الأداء على أبعاد Q و C، بينما يركز مشروع بدء التشغيل على Q و S. التحدي للمؤسسات في عصر الذكاء الاصطناعي الأول هو التنفيذ على مستوى عالٍ في جميع ثلاثة الأبعاد (Q و C و S) بشكل متزامن ومستمر.
لماذا تحديد استراتيجية البيانات أمر بالغ الأهمية، ولماذا يتم تجاهله غالبًا؟
تحديد استراتيجية البيانات هو أمر بالغ الأهمية لأنها تعمل كخطة رئيسية تربط جميع أنشطة البيانات بالاستراتيجية التجارية للمؤسسة. تحدد خارطة الطريق لتطوير واستخدام قدرات البيانات لتسريع النتائج التجارية، مثل زيادة الإيرادات وتحسين الكفاءة وإنشاء ميزة تنافسية.
على الرغم من ذلك، غالبًا ما يتم تجاهل استراتيجية البيانات لعدة أسباب رئيسية.
تاريخيًا، رأت القيادات التجارية البيانات على أنها ناتج ثانوي للعمليات التجارية ومشكلة تقنية لتقنية المعلومات، وليس وظيفة استراتيجية على مستوى الإدارة العليا. بدون مالك واضح، مثل ضابط البيانات الرئيسي، يقع هذا العمل الأساسي في فراغ القيادة. يؤدي هذا إلى أن الشركات تتخطى 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 لمعالجة المخاطر المرتبطة باستخدام البيانات؟
يحدد إطار استراتيجية البيانات الأهداف التي تريد أن تحققها الشركة مع بياناتها. في المقابل، يسمح إطار الحوكمة البيانية لحالات استخدام الأعمال باستخدام البيانات عند كثافة البيانات المطلوبة (Q و C و S)، لتكون قادرة على تقديم القيمة المتوقعة.
إطار الحوكمة البيانية هو أمر بالغ الأهمية لمعالجة المخاطر. بدون حوكمة، تصبح البيانات عبئًا. يضمن الامتثال للوائح مثل GDPR، ويتجنب الغرامات القانونية والمشاكل القانونية. يؤسس معايير الأمان والخصوصية التي تحمي ضد انتهاكات البيانات والأضرار التى تسببها السمعة. يمنع تحديد جودة البيانات القرارات التجارية المكلفة المستندة إلى معلومات خاطئة. وعوامل الذكاء الاصطناعي مفيدة فقط عندما تتلقى البيانات عند السرعة المطلوبة.
فكر بهذه الطريقة: استراتيجيتك هي الوجهة على الخريطة؛ إطار الحوكمة الخاص بك هو قواعد المرور التي تتبعها للوصول هناك دون وقوع حادث.
يمكنك أيضًا مناقشة مفهوم نموذج التشغيل البياني. يمكنك شرح ما هو، وكيف يساعد المنظمات على تنفيذ استراتيجية البيانات؟
نموذج التشغيل البياني هو المحرك الذي ي满ي الطلب على البيانات لتلبية كثافة البيانات المطلوبة. يُعد نموذج التشغيل البياني هو إطار عملي يُصنع تسليم البيانات عند كثافة البيانات المطلوبة، يتألف من الناس والعمليات والتكنولوجيا.
في حين أن استراتيجية البيانات الصحيحة والحوكمة تضمن النيّات الحسنة، غالبًا ما يعتمد النجاح على تبني البيانات وإدارة هندسة البيانات. يمكنك مناقشة هذه العناصر و왜 يجب على المسؤولين التنفيذيين الاهتمام بها؟
النجاح مع البيانات يعتمد على تبني البيانات وإدارة هندسة البيانات.
تبني البيانات هو الجانب الثقافي – حيث تستخدم فرقك البيانات فعليًا لاتخاذ القرارات اليومية. بدون تبني، تذهب الاستثمارات الكبيرة في عمود البيانات سدى.
إدارة هندسة البيانات هي العمود الفقري التقني – بناء وصيانة “مصنع البيانات” الموثوق الذي يجمع ويمعالج البيانات لتلبية متطلبات كثافة البيانات (QCS). يجب على المسؤولين التنفيذيين أن يُشجعوا كلاهما. التبني الضعيف يعني أن الاستثمار يُهدَر. الهندسة الضعيفة تعني أن الأعمال تعمل على بيانات غير لائقة (أي لا تفي بكثافة البيانات المطلوبة)، مما يؤدي إلى أخطاء باهظة الثمن، وتآكل الثقة، وإنشاء مشاكل الامتثال، وجعل أي مبادرة ذكاء اصطناعي مستحيلة.
كتاب مكتوب مع الشركات الكبيرة في الاعتبار، حيث يتم تعريف أدوار مثل ضابط البيانات الرئيسي وإدارة مخاطر البيانات وإدارة الوصول إلى البيانات وفرق جودة البيانات والرصد. لماذا يجب على الشركات الصغيرة أيضًا أن تفكر في هذا الكتاب، وكيف يمكنهم تعويض عدم وجود هذه الأدوار في مكانها؟
对于 شركة صغيرة، في معظم الحالات، البيانات هي أكبر فرقها. من السهل بناء الحمض النووي لعمود “البيانات كالعمود الرابع” بشكل صحيح من البداية أكثر من إصلاح منظمة تقليدية كبيرة في وقت لاحق. توفير أساس بياني صحيح في وقت مبكر يوفر ميزة تنافسية كبيرة للنمو واعتماد الذكاء الاصطناعي في المستقبل. كما قال الرئيس التنفيذي لشركة SMB لنا: بالنسبة لي، البيانات هي العمود الأول، وأنا ضابط البيانات الرئيسي أيضًا.
إذا كان هناك شيء واحد يجب أن يُأخذ من كتابك، ماذا تريد أن يكون؟
الاستخلاص النهائي هو 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 يتبناه مجلس الإدارة وكبار المسؤولين التنفيذيين، لأن البيانات هي الفارق النهائي والأساس الضروري لتمكين الذكاء الاصطناعي بنجاح والحصول على ميزة تنافسية في المستقبل. الشركات التي تفشل في دمج البيانات كعمود رئيسي تتعرض للخطر وستناضل للتنافس في عصر الذكاء الاصطناعي. الوقت للعمل هو الآن!
شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يقرأوا البيانات كالعمود الرابع.
إفصاح: الآراء المعبر عنها في هذه المقالة هي آراء المؤلفين ولا تعكس بالضرورة آراء أصحاب العمل الحاليين أو السابقين.
