Siddharth Rajagopal & Sujay Dutta, autoři knihy Data jako čtvrtý pilíř – rozhovor

Sujay Dutta je zkušený technologický a obchodní líder se 25+ lety globální zkušenosti. Věří, že budoucnost se vytváří na průsečíku AI, obchodních výsledků, kultury a dat (“A.B.C.D.”). V současné době pracuje jako globální účetní vedoucí v Databricks.

Siddharth (Sidd) Rajagopal je hlavní architekt ve Field CTO Organization v Informatica. Ve své roli se setkává se seniorními výkonnými řediteli v podniku a poskytuje myšlenkové vedení kolem dat a správy dat sdílením svých poznatků a zkušeností.

Data jako čtvrtý pilíř prezentuje případ pro zacházení s daty jako s fundamentálním prvkem podnikového úspěchu, na stejné úrovni jako lidé, procesy a technologie. Zaměřeno na správní rady, CEO a seniorní výkonné ředitele, kniha nabízí strukturovaný přístup k začlenění datové strategie do jádra obchodního rozhodování. Představuje rámec zralosti a praktické metriky, jako je Celková adresovatelná hodnota (TAV) a Očekávaná adresovatelná hodnota (EAV), aby pomohly organizacím kvantifikovat dopad datových iniciativ. Autoři také zkoumají interakci mezi daty a umělou inteligencí, zdůrazňující, jak se každý posiluje navzájem. Podporováno případovou studií AUDI AG’s Rüdiger Eck, kniha kombinuje teorii s praktickou aplikací, čímž se stává praktickým průvodcem pro lídry v malých a středních podnicích i velkých korporacích, které se pohybují v dnešním konkurenčním, datovém prostředí.

Vaše kniha se nazývá Data jako čtvrtý pilíř. Můžete shrnout, co jsou první tři pilíře, a proč by měla být data považována za čtvrtý pilíř?

První tři tradiční pilíře jsou Lidé, Procesy a Technologie. Každý pilíř byl přidán, jak se podniky vyvíjely přes roky. Historicky byla data pouze operačním produktem těchto pilířů, spravovaným IT. Nyní, v současné AI-first éře, data již nejsou pouze produktem. Jsou primárním hnacím motorem hodnoty, ale také mohou ohrozit existenci podniku – proto se na ně odkazujeme jako na “Data jako oheň”. Abychom uspěli, data musí být povýšena na rovnocenný čtvrtý pilíř. S daty jako čtvrtým pilířem každý pilíř vytváří efekt vlny s ostatními pilíři, umožňující a profitující z nich navzájem. Data jako čtvrtý pilíř zajišťují, že data dostanou stejnou pozornost na úrovni C-suite a správní rady jako lidé, procesy a technologie, transformujíce je z nákladového centra na měřitelnou podnikovou aktivum, které pohání obchodní růst.

Pozice Chief Data Officer (CDO) je popsána jako jádrová role, doporučená ke spolupráci s CEO, CTO a dalšími seniorními výkonnými řediteli. Můžete nám poskytnout přehled o tom, co tato pozice zahrnuje a jaké jsou její klíčové odpovědnosti?

CDO jako líder datové pilíře je hnací silou hodnoty, urychluje obchodní výsledky; vyvíjí porozumění datové intenzity (QCS – Kvalita, dodržování předpisů a rychlost) pro obchodní použití;不断ně vyvažuje a rozšiřuje poptávku a nabídku dat (prostřednictvím DOM – Datového operačního modelu); přináší excelenci ve výkonnosti z hlediska lidí, procesů a technologií pro datový pilíř; a je změnovým agentem pro plánování a provádění strukturální změny napříč podnikem, se sponzorováním správní rady a CEO, a zapojením lídrů ostatních pilířů.

Proč je sběr a provádění dat tak kritický pro využití AI na velkém měřítku?

Opět, data jsou jako oheň. Palí AI. Model AI musí naučit vzory, vztahy a chování přímo z dat, která jsou mu předána, aby mohl dodat obchodní dopad. Kromě toho je pro AI kritická i nestrukturovaná data (jako PDF, obrázky a videa). Většina podniků není v současné době dostatečně zralá pro zpracování nestrukturovaných dat. Navíc se modely AI stávají/kolem se staly komoditou – data vytvářejí diferenciaci z použití modelu AI.

Kniha se podrobně zabývá konceptem datové intenzity. Můžete stručně vysvětlit, co to znamená, a proč je to tak důležité?

Datová intenzita je měřítkem toho, jak “připravená” jsou vaše data na urychlení obchodních hodnot, zejména pro škálování AI. Každý obchodní případ vyžaduje data jinak, s jinou intenzitou. Naše kniha představuje rámec QCS pro měření datové intenzity napříč třemi kritickými dimenzemi:

1. Kvalita: Jsou data přesná, kompletní, konzistentní a spolehlivá? To je princip “špatná data, špatné analýzy”. Nízkokvalitní data vedou k vadným analýzám a nedůvěryhodné AI.
2. Dodržování předpisů: Dodržují data všechny právní a etické standardy, jako jsou předpisy o ochraně osobních údajů (jako GDPR) a odvětvové pravidla? Nekompatibilní data vytvářejí巨ské riziko.
3. Rychlost: Jsou data dostupná dostatečně rychle, aby byla užitečná? To se týká rychlosti, s níž jsou data shromažďována, zpracovávána a zpřístupňována pro rozhodování (například v reálném čase vs. dávkové zpracování). Tradicí podniků je vykonávat v jedné nebo dvou dimenzích. Banka by byla schopna dodat na Q a C dimenze, zatímco startup by se zaměřil na Q a S dimenze. Výzvou pro podniky v AI-first éře je vykonávat na vysoké úrovni ve všech třech dimenzích (Q, C a S) současně a konzistentně.

Proč je definování datové strategie tak důležité, a proč je toto často přehlíženo?

Definování datové strategie je kritické, protože slouží jako modrá tisk, která přímo spojuje všechny datové aktivity s podnikovou obchodní strategií. Vymezuje roadmapu pro rozvoj a využití datových schopností na urychlení obchodních výsledků, jako je zvýšení příjmů, zlepšení efektivity a budování konkurenční výhody.

Navzdory tomu je datová strategie často přehlížena z několika klíčových důvodů.
Historicky považovali obchodníci data za produkt obchodní operace a technický IT problém, spíše než C-suite strategickou funkci. Bez jasného vlastníka, jako je Chief Data Officer, tato esenciální práce často padá do vedení vakua. To vede společnosti k tomu, aby skočily přímo do zajímavých AI projektů bez robustního datového základu, což je primární důvod, proč tolik z nich selhává.

Můžete vysvětlit, co je rámec datové governance, jak se liší od datové strategie, a proč je potřebný k zmírnění rizik spojených s využitím dat?

Datová strategie definuje cíle, které podnik chce dosáhnout se svými daty. Naopak, rámec datové governance umožňuje obchodním případům využívat data na požadované datové intenzitě (Q, C a S), aby mohly dodat očekávanou hodnotu.

Rámec datové governance je kritický pro zmírnění rizika. Bez governance se data stávají závazkem. Zajišťuje dodržování předpisů, jako je GDPR, předcházení巨ským pokutám a právním problémům. Stanovuje bezpečnostní a soukromí standardy, které chrání proti únikům dat a následnému poškození pověsti. Vynucování datové kvality brání nákladným obchodním rozhodnutím založeným na vadných informacích. A agenti AI jsou užiteční pouze tehdy, když obdrží data na požadované rychlosti.

Myslete si to tak: Vaše strategie je destinace na mapě; Váš rámec governance jsou dopravní pravidla, která následujete, abyste se tam dostali bez nehody.