Siddharth Rajagopal & Sujay Dutta, Data as the Fourth Pillar -kirjan kirjoittajat – Haastattelusarja

Sujay Dutta on kokenut teknologia- ja liiketoimintajohtaja, jolla on 25+ vuoden kokemus maailmanlaajuisesti. Hän uskoo, että tulevaisuus muotoutuu tekoäly-, liiketoimintatulokset-, kulttuuri- ja data- (”A.B.C.D.”) risteyksessä. Hän työskentelee tällä hetkellä Databricksin Global Account Leadina.

Siddharth (Sidd) Rajagopal on Chief Architect Informatican Field CTO Organization -yksikössä. Tehtävässään hän työskentelee seniorijohtajien kanssa suurten yritysten parissa ja tarjoaa ajattelumallin ja tietämysjohtajuutta dataan ja datahallintaan liittyvissä asioissa.

Data as the Fourth Pillar esittää tapauksen datan käsittelylle perusrakenteena, joka on yhtä tärkeä kuin ihmiset, prosessit ja teknologia. Kirja on suunnattu hallituksille, toimitusjohtajille ja muille seniorijohtajille, ja se esittää järjestelmällisen lähestymistavan datan strategian sisällyttämiseksi liiketoimintapäätöksiin. Kirjassa esitetään myös kypsyysmalli ja käytännön mittareita, kuten Total Addressable Value (TAV) ja Expected Addressable Value (EAV), joiden avulla organisaatiot voivat mittaavat datatoimien vaikutusta. Kirjoittajat tarkastelevat myös datan ja tekoälyn välistä suhdetta ja korostavat, miten toinen vahvistaa toista. Kirjassa on myös AUDI AG:n Rüdiger Eckin esimerkkitapaus, jossa teoria yhdistyy käytännön sovelluksiin, mikä tekee siitä käytännön oppaan johtajille sekä pienissä ja suurissa yrityksissä, jotka operoivat tänään kilpailukykyisellä, data-ohjatulla markkinalla.

Kirjanne otsikko viittaa dataan neljäntenä pilarina. Voitteko kertoa, mitkä ovat kolme ensimmäistä perinteistä pilaria, ja miksi data pitäisi käsittää neljäntenä pilarina?

Perinteiset kolme ensimmäistä pilaria ovat Ihmiset, Prosessit ja Teknologia. Kunkin pilarin on lisätty, kun yritykset ovat ajan myötä kypsyneet. Historiallisesti data oli vain näiden pilarien toiminnallinen sivutuote, jota IT hallitsi. Nykyään tekoäly-johtoisessa aikakaudessa data ei ole enää sivutuote, vaan se on arvon luominen, mutta se voi myös vaarantaa yrityksen olemassaolon – siksi puhumme Datasta kuin Tulen kaltaisena. Onnistuakseen data on korotettava yhdenvertaiseksi neljäntenä pilarina. Kun Data on neljäntenä pilarina, jokainen pilari luo pyörivän vaikutuksen muiden pilarien kanssa, mahdollistaen ja hyödyntäen toisiaan. Data neljäntenä pilarina varmistaa, että data saa saman C-ryhmän ja hallituksen tason huomion kuin ihmiset, prosessit ja teknologia, muuttaen sen kustannuskeskuksesta mittaavaksi yrityksen omaisuudeksi, joka ajaa liiketoiminnan kasvua.

Chief Data Officer (CDO) -rooli kuvataan ydinrooliksi, joka suositellaan olla yhteydessä toimitusjohtajaan, CTO:hen ja muihin seniorijohtajiin. Voitteko antaa yleiskatsauksen tämän roolin sisällöstä ja sen tärkeimmistä vastuista?

CDO on datan pilarin johtaja, joka kiihdyttää liiketoimintatuloksia; kehittää ymmärrystä data-intensiteetistä (QCS – Laatu, Noudattaminen & Nopeus) liiketoimintatapauksissa; tasapainottaa jatkuvasti datan kysyntää ja tarjontaa (Data Operating Modelin kautta); tuo toiminnallista loistoa datan pilarissa ihmisten, prosessien ja teknologian osalta; ja on muutoksen edistäjä suunnittelussa ja toteuttamisessa rakenteellista muutosta koko yrityksessä, hallituksen ja toimitusjohtajan tukemana ja muiden pilarien johtajien osallistumisella.

Miksi datan kerääminen ja sen toteuttaminen on niin kriittistä tekoälyn hyödyntämisessä laajassa mittakaavassa?

Taas, Data on kuin Tuli. Se polttoaine tekoälylle. Tekoälymalli on oppinut malleja, suhteita ja käyttäytymistä suoraan siitä datasta, jota se saa, jotta se voi toimia liiketoimintavaikutuksella. Lisäksi tekoälylle epästrukturoidun datan (kuten PDF-tiedostot, kuvat ja videot) tulee olemaan kriittistä. Useimmat yritykset eivät ole tällä hetkellä kypsyneitä prosessointiin epästrukturoidun datan kanssa. Lisäksi tekoälymallit ovat muodostuneet/tulevat olemaan valmiiksi – Data luo eron tekoälymallin käytöstä.

Kirjassa tarkastellaan tarkasti datan intensiteettiä. Voitteko selittää, mitä tämä tarkoittaa ja miksi se on niin tärkeä?

Datan intensiteetti on mitta siitä, kuinka “tarkoituksenmukainen” datasi on liiketoiminnan arvon kiihdyttämiseksi, erityisesti tekoälyn skaalauttamiseksi. Jokainen liiketoimintatapaus vaatii dataa eri tavoin, eri intensiteetillä. Kirjamme esittää QCS-kehyksen datan intensiteetin mittaamiseksi kolmessa kriittisessä ulottuvuudessa:

1. Laatu: Onko data tarkin, täydellinen, yhdenmukainen ja luotettava? Tämä on “roska sisään, roska ulos” -periaate. Matalan laatuisella datalla on vaarallisia virheitä ja epäluotettavaa tekoälyä.
2. Noudattaminen: Noudattaaanko dataa kaikkia lakien ja eettisten standardien mukaan, kuten tietosuojasääntöjä (kuten GDPR) ja toimialakohtaisia sääntöjä? Epävakaa data luo valtavan riskin.
3. Nopeus: Onko data saatavilla tarpeeksi nopeasti ollakseen hyödyllistä? Tämä viittaa datan keräämisen, prosessoinnin ja päätöksentekoon nopeuteen (esim. reaaliajassa vs. eräprosessointi). Perinteisesti yritykset ovat kypsyneet suorittamaan yhdessä tai kahdessa ulottuvuudessa. Pankki voisi pystyä toimittamaan Q- ja C- ulottuvuuksissa, kun taas startup-yritys keskittyisi Q- ja S- ulottuvuuksiin. Haaste yrityksille tekoäly-ajassa on suoriutua korkealla tasolla kaikissa kolmessa ulottuvuudessa (Q, C ja S) samanaikaisesti ja johdonmukaisesti.

Miksi datan strategian määrittely on niin tärkeä, ja miksi se usein jää huomiotta?

Datan strategian määrittely on kriittistä, koska se toimii suunnitelmana, joka yhdistää kaikki datatoiminnot suoraan yrityksen liiketoimintastrategiaan. Se määrittää tienviitat datan kykyjen kehittämiseksi ja hyödyntämiseksi liiketoimintatuloksien kiihdyttämiseksi, kuten liikevaihdon kasvattamiseksi, tehokkuuden parantamiseksi ja kilpailuedun luomiseksi.

Sen sijaan datan strategia usein jää huomiotta useista avainsyistä. Historiallisesti liiketoimintajohtajat ovat katsoneet dataa liiketoiminnan sivutuotteeksi ja tekniseksi IT-ongelmana, eikä strategiana, joka kuuluu C-ryhmälle. Ilman selkeää omistajaa, kuten Chief Data Officeria, tämä olennainen työ usein päätyy johtamisen tyhjiöön. Tämä johtaa siihen, että yritykset hyppäävät suoraan mielenkiintoisiin tekoälyprojekteihin ilman vankkaa data-perustaa, mikä on yksi pääsyy, miksi niin monet epäonnistuvat.

Voitteko selittää, mitä datan hallintokehys on, miten se eroaa datan strategiasta ja miksi se on tarpeen riskien vähentämiseksi datan käytön yhteydessä?

Datan strategia määrittää tavoitteet, joita yritys haluaa saavuttaa datansa kanssa. Sen sijaan datan hallintokehys mahdollistaa liiketoimintatapauksille käyttää dataa heidän vaadittavalla datan intensiteetillä (Q, C ja S), jotta ne voivat toimia odotetulla arvolla.

Datan hallintokehys on olennainen riskien vähentämiseksi. Ilman hallintaa data muuttuu vastuulliseksi. Se varmistaa noudattamisen sääntöjä, kuten GDPR, estääkseen massiiviset sakot ja oikeudelliset ongelmat. Se asettaa turvallisuuden ja tietosuojan standardit, jotka suojeltavat dataviruksia ja johtuvia maineessa tapahtuvia vahinkoja. Se varmistaa datan laadun, jotta voidaan estää kalliit liiketoimintapäätökset virheellisen tiedon perusteella. Ja tekoälyagentit ovat hyödyllisiä vain, kun ne saavat datan vaadittavalla nopeudella.

Ajattele sitä näin: strategiasi on määränpää kartalla; hallintakehys on liikennesäännöt, joita seuraat, jotta et ajaisi kolarin.

Voitteko selittää, mitä DOM (Data Operating Model) on ja miten se auttaa organisaatioita toteuttamaan datan strategiaansa?

Data Operating Model (DOM) on moottori, joka täyttää datan tarjonnan datan kysyntään. DOM toteuttaa strategian kääntämällä korkean tason tavoitteet konkreettisiksi, uudelleenkäytettäviksi toimiksi. Se on käytännön kehys, joka teollistaa datan toimittamisen vaadittavalla datan intensiteetillä, käsittäen ihmisiä, prosesseja ja teknologiaa.

Vaikka oikea datan strategia ja hallinta varmistavat hyvät aikomukset, menestys riippuu usein datan omaksumisesta ja datan insinööritaloudesta. Voitteko lyhyesti tarkastella näitä kahta elementtiä ja miksi johtajien tulisi kiinnittää niihin huomiota?

Menestys datan kanssa riippuu datan omaksumisesta ja datan insinööritaloudesta.

Datan omaksuminen on kulttuurinen puoli – tiimisi käyttää dataa päivittäin päätöksentekoon. Ilman omaksumista koko datan pilarin sijoitus menee hukkaan.

Datan insinööritalous on tekninen selkäranka – rakentaminen ja ylläpitäminen “datatehdasta”, joka kerää ja prosessoi dataa datan intensiteetin (QCS) vaatimusten mukaisesti.

Johtajien on tukiessa molempia. Huono omaksuminen tarkoittaa, että sijoitus menee hukkaan. Huono insinööritalous tarkoittaa, että liiketoiminta toimii soveltumattomalla datalla (eli datalla, joka ei täytä vaadittavaa datan intensiteettiä), mikä johtaa kalliisiin virheisiin, heikentää luottamusta, luo noudattamisongelmia ja tekee mahdottomaksi tekoäly-aloitteen.

Kirja on kirjoitettu suurempien yritysten mielessä, joissa roolit, kuten CDO, data-riskien hallinta, data- pääsytason hallinta ja data-laadun seuranta, ovat hyvin määriteltyjä. Miksi pienemmät yrityksetkin tulisi ottaa tämä kirja huomioon, ja miten he voivat korvata näiden roolien puutteen?

Pienemmille yrityksille data on usein suurin erottautumisen tekijä. On paljon helpompaa rakentaa “Data as the Fourth Pillar” -DNA oikein alusta alkaen kuin korjata suuren perinteisen organisaation myöhemmin. Saatuaan datan perustan oikein, se tarjoaa massiivisen kilpailuedun kasvulle ja tulevalle tekoälymahdollisuuksille. Kuten yksi SMB-yrityksen toimitusjohtaja kertoi meille: minulle Data on ensimmäinen pilar, ja minä olen CDO.

Jos on yksi avainviesti kirjastanne, mikä se olisi?

Määrätty viesti on, että yritysten on toteutettava rakenteellinen muutos ja asetettava Data neljäntenä pilarina, joka on yhdenvertainen Ihmisten, Prosessien ja Teknologian kanssa. Tämä on olemassaoloon vaikuttava päätös, jonka hallitusten ja CxO:iden on toteutettava, koska data on ratkaiseva erottautumisen tekijä ja välttämätön perusta tekoälyn onnistuneelle skaalauttamiselle ja kilpailuedun turvaamiselle tulevaisuudessa. Yritykset, jotka eivät sisällytä dataa ydinrakenteeksi, ovat vaarassa jäädä tarpeettomiksi ja taistella kilpailussa tekoäly-johtoisessa aikakaudessa. Nyt on aika toimia!

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, kannattaa lukea Data as the Fourth Pillar.

Disclaimer: Kirjoittajien näkemykset ovat heidän omiaan eivätkä välttämättä heijasta heidän nykyisten tai entisten työnantajiensa näkemyksiä.