Siddharth Rajagopal & Sujay Dutta, Συγγραφείς του Data as the Fourth Pillar – Σειρά Συνεντεύξεων

Sujay Dutta είναι ένας έμπειρος ηγέτης τεχνολογίας και επιχειρήσεων με 25+ χρόνια διεθνούς εμπειρίας. Πιστεύει ότι το μέλλον διαμορφώνεται στο σημείο τομής της Τεχνητής Νοημοσύνης, των επιχειρηματικών αποτελεσμάτων, του Πολιτισμού και των Δεδομένων (“Α.B.C.D.”). Σήμερα εργάζεται ως Παγκόσμιος Λειτουργικός Διευθυντής στο Databricks.

Siddharth (Sidd) Rajagopal είναι Αρχιτέκτονας στο Τμήμα Field CTO της Informatica. Στο ρόλο του, ασχολείται με υψηλόβαθμους εκτελεστίους σε επιχειρήσεις, παρέχοντας ηγετική σκέψη γύρω από τα δεδομένα και τη διαχείριση δεδομένων, μοιράζοντας τις γνώσεις και τις εμπειρίες του.

Data as the Fourth Pillar παρουσιάζει την περίπτωση για την αντιμετώπιση των δεδομένων ως θεμελιώδους στοιχείου επιχειρηματικής επιτυχίας, σε ισότιμη βάση με τους ανθρώπους, τις διαδικασίες και την τεχνολογία. Κατευθυνόμενο προς τα διοικητικά συμβούλια, τους CEOs και τους υψηλόβαθμους εκτελεστίους, το βιβλίο περιγράφει μια δομημένη προσέγγιση για την ενσωμάτωση της στρατηγικής δεδομένων στο πυρήνα της λήψης επιχειρηματικών αποφάσεων. Εισάγει ένα πλαίσιο ωριμότητας και πρακτικά μέτρα όπως η Συνολική Διευθυντήρια Αξία (TAV) και η Προσδοκώμενη Διευθυντήρια Αξία (EAV) για να βοηθήσει τις οργανώσεις να ποσοτικοποιήσουν την επίδραση των πρωτοβουλιών δεδομένων. Οι συγγραφείς εξετάζουν επίσης την αλληλεπίδραση μεταξύ δεδομένων και τεχνητής νοημοσύνης, υπογραμμίζοντας πώς το κάθε ένα ενισχύει το άλλο. Υποστηριζόμενο από μια μελέτη περίπτωσης από τον Rüdiger Eck της AUDI AG, το βιβλίο συνδυάζει τη θεωρία με την πρακτική εφαρμογή, καθιστώντας το ένα πρακτικό οδηγό για ηγέτες σε μικρές και μεγάλες επιχειρήσεις που διαπραγματεύονται το σημερινό ανταγωνιστικό, δεδομένα-κίνητο τοπίο.

Το τίτλος του βιβλίου σας αναφέρεται στα δεδομένα ως την τέταρτη στήλη. Μπορείτε να συνοψίσετε τι είναι οι τρεις πρώτες παραδοσιακές στήλες και γιατί τα δεδομένα πρέπει να θεωρηθούν ως η τέταρτη στήλη;

Οι τρεις παραδοσιακές στήλες είναι οι Ανθρώπινες Πόροι, οι Διαδικασίες και η Τεχνολογία. Κάθε στήλη έχει προστεθεί καθώς οι επιχειρήσεις έχουν ωριμάσει με την πάροδο του χρόνου. Ιστορικά, τα δεδομένα ήταν απλώς ένα λειτουργικό παραπροϊόν αυτών των στηλών, διαχειριζόμενο από την Τμήμα Πληροφορικής. Τώρα, στην εποχή της Τεχνητής Νοημοσύνης, τα δεδομένα δεν είναι πλέον ένα παραπροϊόν. Είναι ο πρωταρχικός οδηγός της αξίας, αλλά μπορεί επίσης να κινδυνεύσει με την ύπαρξη μιας επιχείρησης – γι’ αυτό αναφερόμαστε στα Δεδομένα ως Πυρ. Για να επιτύχουμε, τα δεδομένα πρέπει να ανυψωθούν σε μια ισότιμη Τέταρτη Στήλη. Με τα Δεδομένα ως την Τέταρτη Στήλη, κάθε στήλη δημιουργεί ένα εφέ flywheel με τις άλλες στήλες, ενισχύοντας και ωφελούμενη από τις άλλες. Τα Δεδομένα ως η Τέταρτη Στήλη διασφαλίζουν ότι τα δεδομένα λαμβάνουν την ίδια προσοχή από την υψηλή διοίκηση και το διοικητικό συμβούλιο, όπως οι άνθρωποι, οι διαδικασίες και η τεχνολογία, μετατρέποντας τα από ένα κέντρο κόστους σε ένα μετρήσιμο επιχειρηματικό περιουσιακό στοιχείο που οδηγεί την επιχειρηματική ανάπτυξη.

Η θέση του Chief Data Officer (CDO) περιγράφεται ως一个 κεντρικός ρόλος, που συνιστάται να επικοινωνεί με τον CEO, τον CTO και άλλους υψηλόβαθμους εκτελεστίους. Μπορείτε να μας δώσετε μια υψηλού επιπέδου επισκόπηση του τι περιλαμβάνει αυτός ο ρόλος και ποιες είναι οι βασικές του ευθύνες;

Ο CDO, ως ο ηγέτης της στήλης δεδομένων, είναι ένας οδηγός αξίας, επιταχύνοντας τα επιχειρηματικά αποτελέσματα· αναπτύσσει την κατανόηση της έντασης δεδομένων (Ποιοτητα, Συμμόρφωση & Ταχύτητα) για επιχειρηματικές περιπτώσεις χρήσης· ισορροπεί συνεχώς και αυξάνει την ζήτηση και την προσφορά δεδομένων (μέσω του Data Operating Model)· φέρνει την εκτέλεση της αριστείας σε όρους ανθρώπων, διαδικασιών και τεχνολογίας για τη στήλη δεδομένων· και是一个 παράγοντας αλλαγής για τον προγραμματισμό και την εκτέλεση της δομικής αλλαγής σε όλη την επιχείρηση, με την χορηγία του Διοικητικού Συμβουλίου και του CEO, και την συμμετοχή των ηγετών των άλλων στηλών.

Γιατί είναι τόσο κρίσιμο το συλλέγειν και η εκτέλεση των δεδομένων για να αξιοποιήσετε την Τεχνητή Νοημοσύνη σε κλίμακα;

Πάλι, τα Δεδομένα είναι σαν Πυρ. Τα καίουν την Τεχνητή Νοημοσύνη. Ένα μοντέλο Τεχνητής Νοημοσύνης πρέπει να μάθει τα πρότυπα, τις σχέσεις και τις συμπεριφορές απευθείας από τα δεδομένα που ταΐζεται, για να μπορέσει να παραδώσει επιχειρηματική επίδραση. Επιπλέον, για την Τεχνητή Νοημοσύνη, τα μη δομημένα δεδομένα (όπως τα PDF, οι εικόνες και τα βίντεο) γίνονται κρίσιμα. Οι περισσότερες επιχειρήσεις δεν είναι ακόμη ώριμες στη επεξεργασία μη δομημένων δεδομένων. Επιπλέον, τα μοντέλα Τεχνητής Νοημοσύνης έχουν γίνει/έχουν γίνει εμπόρευμα – τα Δεδομένα δημιουργούν τη διαφοροποίηση από τη χρήση ενός μοντέλου Τεχνητής Νοημοσύνης.

Το βιβλίο σας αναλύει το θέμα της έντασης δεδομένων. Μπορείτε να εξηγήσετε τι σημαίνει αυτό και γιατί είναι τόσο σημαντικό;

Η ένταση δεδομένων είναι ένα μέτρο του πόσο “ικανοποιητικά” είναι τα δεδομένα σας για την επιτάχυνση της επιχειρηματικής αξίας, ιδιαίτερα για την κλίμακα της Τεχνητής Νοημοσύνης. Κάθε επιχειρηματική περίπτωση απαιτεί δεδομένα διαφορετικά, με διαφορετική ένταση. Το βιβλίο μας εισάγει το Πλαίσιο QCS για να μετρήσει την ένταση δεδομένων σε τρεις κρίσιμες διαστάσεις:

1. Ποιοτητα: Είναι τα δεδομένα ακριβή, πλήρη, συνεπή και αξιόπιστα; Αυτό είναι το αρχή “σκουπίδι μέσα, σκουπίδι έξω”. Χαμηλής ποιότητας δεδομένα οδηγούν σε ελαττωματικές αναλύσεις και μη αξιόπιστες Τεχνητή Νοημοσύνη.
2. Συμμόρφωση: Ταιριάζουν τα δεδομένα με όλα τα νομικά και ηθικά πρότυπα, όπως οι κανονισμοί προστασίας δεδομένων (όπως το GDPR) και οι βιομηχανικοί κανόνες; Μη συμμορφωμένα δεδομένα δημιουργούν τεράστια κίνδυνο.
3. Ταχύτητα: Είναι τα δεδομένα διαθέσιμα αρκετά γρήγορα για να είναι χρήσιμα; Αυτό αναφέρεται στη ταχύτητα με την οποία συλλέγονται, επεξεργάζονται και καθίστανται διαθέσιμα για λήψη αποφάσεων (π.χ. σε πραγματικό χρόνο έναντι batch επεξεργασίας). Παραδοσιακά, οι επιχειρήσεις έχουν ωριμάσει για να εκτελέσουν σε μία ή δύο διαστάσεις. Μια τράπεζα θα μπορούσε να παραδώσει στην Q και C διαστάσεις, ενώ μια νεοφυής εταιρεία θα επικεντρωθεί στις Q και S διαστάσεις. Η πρόκληση για τις επιχειρήσεις στην εποχή της Τεχνητής Νοημοσύνης είναι να εκτελέσουν σε υψηλό επίπεδο στις τρεις διαστάσεις (Q, C, και S) ταυτόχρονα και συνεχώς.

Γιατί είναι τόσο σημαντικό να οριστεί μια στρατηγική δεδομένων και γιατί αυτή συχνά παραβλέπεται;

Η ορισμός μιας στρατηγικής δεδομένων είναι κρίσιμη επειδή служει ως το σχέδιο που συνδέει απευθείας όλες τις δραστηριότητες δεδομένων με την επιχειρηματική στρατηγική. Περιγράφει τον χάρτη για την ανάπτυξη και την αξιοποίηση των ικανοτήτων δεδομένων για την επιτάχυνση των επιχειρηματικών αποτελεσμάτων, όπως η αύξηση των εσόδων, η βελτίωση της αποδοτικότητας και η δημιουργία ενός ανταγωνιστικού πλεονεκτήματος.

Παρά τούτο, μια στρατηγική δεδομένων συχνά παραβλέπεται για几个 κρίσιμους λόγους. Ιστορικά, οι επιχειρηματικοί ηγέτες έχουν θεωρήσει τα δεδομένα ως ένα παραπροϊόν των επιχειρηματικών λειτουργιών και ένα τεχνικό πρόβλημα IT, 而 όχι ως μια στρατηγική λειτουργία της υψηλής διοίκησης. Χωρίς ένα σαφές ιδιοκτήτη, όπως ένας Chief Data Officer, αυτό το απαραίτητο έργο συχνά πέφτει σε ένα κενό ηγεσίας. Αυτό οδηγεί τις εταιρείες να προχωρήσουν直接 σε ενθουσιαστικά προγράμματα Τεχνητής Νοημοσύνης χωρίς μια ροβούστατη θεμελίωση δεδομένων, το οποίο είναι ο πρωταρχικός λόγος για τον οποίο πολλά από αυτά αποτυγχάνουν.

Μπορείτε να εξηγήσετε τι είναι ένα πλαίσιο διακυβέρνησης δεδομένων, πώς διαφέρει από μια στρατηγική δεδομένων και γιατί είναι απαραίτητο για την μείωση των κινδύνων που σχετίζονται με τη χρήση δεδομένων;

Μια στρατηγική δεδομένων ορίζει τους στόχους που μια επιχείρηση θέλει να επιτύχει με τα δεδομένα της. Αντίθετα, ένα πλαίσιο διακυβέρνησης δεδομένων ermöglicht τις επιχειρηματικές περιπτώσεις χρήσης να χρησιμοποιούν δεδομένα στην απαιτούμενη ένταση δεδομένων (Q, C και S), για να μπορέσουν να παραδώσουν την αναμενόμενη αξία.

Το πλαίσιο διακυβέρνησης δεδομένων είναι κρίσιμο για την μείωση του κινδύνου. Χωρίς διακυβέρνηση, τα δεδομένα γίνονται ένα πассивό. Διασφαλίζει τη συμμόρφωση με τους κανονισμούς όπως το GDPR, προλαμβάνοντας τεράστιες προστίμες και νομικά ζητήματα. Ιδρύει τα πρότυπα ασφαλείας και προστασίας που προστατεύουν από τις διαρροές δεδομένων και την επακόλουθη ζημιά στην εικόνα. Επιβάλλει την ποιότητα δεδομένων για να προληφθούν δαπανηρές επιχειρηματικές αποφάσεις με βάση ελαττωματικές πληροφορίες. Και τα μοντέλα Τεχνητής Νοημοσύνης είναι χρήσιμα μόνο όταν λαμβάνουν τα δεδομένα στην απαιτούμενη ταχύτητα.

Σκεφτείτε το così: η στρατηγική σας είναι ο προορισμός στο χάρτη· το πλαίσιο διακυβέρνησης είναι οι κανόνες κυκλοφορίας που ακολουθείτε για να φτάσετε εκεί χωρίς να συντριβείτε.