Siddharth Rajagopal & Sujay Dutta, Penulis Data sebagai Empat Pilar – Seri Wawancara

Sujay Dutta adalah seorang pemimpin teknologi dan bisnis berpengalaman dengan pengalaman global lebih dari 25 tahun. Ia percaya bahwa masa depan sedang dibentuk di persimpangan AI, hasil bisnis, budaya, dan data (“A.B.C.D.”). Saat ini, ia bekerja sebagai Global Account Lead di Databricks.

Siddharth (Sidd) Rajagopal adalah Chief Architect di Field CTO Organization di Informatica. Dalam perannya, ia berinteraksi dengan eksekutif senior di perusahaan untuk memberikan kepemimpinan pemikiran sekitar data dan manajemen data dengan membagikan wawasan dan pembelajarannya.

Data sebagai Empat Pilar mempresentasikan kasus untuk mengobati data sebagai elemen fundamental kesuksesan perusahaan, sejajar dengan orang, proses, dan teknologi. Ditujukan untuk dewan, CEO, dan eksekutif senior, buku ini menguraikan pendekatan terstruktur untuk membenamkan strategi data di inti pengambilan keputusan bisnis. Buku ini memperkenalkan kerangka kematangan dan metrik praktis seperti Total Addressable Value (TAV) dan Expected Addressable Value (EAV) untuk membantu organisasi mengukur dampak inisiatif data. Penulis juga mengeksplorasi interaksi antara data dan kecerdasan buatan, menyoroti bagaimana keduanya saling memperkuat. Didukung oleh studi kasus dari AUDI AG’s Rüdiger Eck, buku ini mencampurkan teori dengan aplikasi dunia nyata, membuatnya menjadi panduan praktis untuk pemimpin di SMB dan perusahaan besar yang menghadapi lanskap yang kompetitif dan didorong data.

Judul buku Anda merujuk pada data sebagai empat pilar. Bisakah Anda merangkum apa yang dimaksud dengan tiga pilar pertama, dan mengapa data harus dianggap sebagai pilar keempat?

Tiga pilar tradisional yang ada adalah Orang, Proses, dan Teknologi. Setiap Pilar telah ditambahkan seiring perkembangan perusahaan. Secara historis, data hanya merupakan produk sampingan dari pilar-pilar ini, dikelola oleh IT. Sekarang, di era AI pertama, data tidak lagi merupakan produk sampingan. Data adalah penggerak utama nilai tetapi juga dapat mengancam keberadaan perusahaan – sehingga kami menyebutnya Data sebagai Api. Untuk sukses, data harus ditingkatkan menjadi Pilar Keempat yang setara. Dengan Data sebagai Pilar Keempat, setiap pilar menciptakan efek flywheel dengan pilar lain, memungkinkan dan menguntungkan dari yang lain. Data sebagai pilar keempat memastikan data menerima perhatian yang sama dari C-suite dan tingkat dewan seperti orang, proses, dan teknologi, mengubahnya dari pusat biaya menjadi aset perusahaan yang dapat diukur yang menggerakkan pertumbuhan bisnis.

Posisi Chief Data Officer (CDO) digambarkan sebagai peran inti, yang disarankan untuk berkoordinasi dengan CEO, CTO, dan eksekutif senior lainnya. Bisakah Anda memberikan gambaran umum tentang apa yang dimaksud dengan posisi ini dan tanggung jawab utamanya?

CDO sebagai pemimpin pilar data, adalah penggerak nilai, mempercepat hasil bisnis; mengembangkan pemahaman tentang intensitas data (QCS – Kualitas, Kepatuhan & Kecepatan) untuk kasus penggunaan bisnis; terus menerus mengimbangkan dan meningkatkan permintaan dan pasokan data (melalui DOM – Data Operating Model); membawa keunggulan eksekusi dalam hal orang, proses, dan teknologi untuk pilar data; dan agen perubahan untuk perencanaan dan eksekusi perubahan struktural di seluruh perusahaan, dengan sponsor dari Dewan dan CEO, dan keterlibatan pemimpin pilar lain.

Mengapa mengumpulkan dan melaksanakan data begitu kritis untuk memanfaatkan AI pada skala besar?

Lagi, Data seperti Api. Data membakar AI. Model AI harus mempelajari pola, hubungan, dan perilaku langsung dari data yang diberikan untuk dapat memberikan dampak bisnis. Selain itu, untuk AI, data tidak terstruktur (seperti PDF, gambar, dan video) menjadi kritis. Sebagian besar perusahaan saat ini tidak matang dalam memproses data tidak terstruktur. Selain itu, model AI menjadi/kini menjadi komoditas – Data menciptakan diferensiasi dari penggunaan model AI.

Buku ini membahas konsep intensitas data. Bisakah Anda menjelaskan apa yang dimaksud dengan ini dan mengapa ini sangat penting?

Data intensitas adalah ukuran seberapa “siap” data Anda untuk mempercepat nilai bisnis, terutama untuk menskalakan AI. Setiap kasus bisnis memerlukan data secara berbeda, dengan intensitas yang berbeda. Buku kami memperkenalkan Kerangka QCS untuk mengukur intensitas data di tiga dimensi kritis:

1. Kualitas: Apakah data akurat, lengkap, konsisten, dan dapat diandalkan? Ini adalah prinsip “sampah masuk, sampah keluar”. Data berkualitas rendah menghasilkan analitik yang bermasalah dan AI yang tidak dapat dipercaya.
2. Kepatuhan: Apakah data mematuhi semua standar hukum dan etika, seperti peraturan privasi (seperti GDPR) dan aturan industri khusus? Data yang tidak patuh menciptakan risiko besar.
3. Kecepatan: Apakah data tersedia dengan cukup cepat untuk berguna? Ini merujuk pada kecepatan di mana data dikumpulkan, diproses, dan disediakan untuk pengambilan keputusan (misalnya, pengolahan waktu nyata vs. batch). Secara tradisional, perusahaan telah matang untuk mengeksekusi di satu atau dua dimensi. Bank akan dapat mengirimkan pada dimensi Q dan C, sedangkan startup akan fokus pada Q dan S dimensi. Tantangan bagi perusahaan di era AI pertama adalah untuk mengeksekusi pada tingkat tinggi di semua tiga dimensi (Q, C, dan S) secara bersamaan dan konsisten.

Mengapa mendefinisikan strategi data begitu penting, dan mengapa ini sering diabaikan?

Mendefinisikan strategi data sangat penting karena ini berfungsi sebagai blueprint yang secara langsung menghubungkan semua aktivitas data dengan strategi bisnis perusahaan. Ini menguraikan roadmap untuk mengembangkan dan memanfaatkan kemampuan data untuk mempercepat hasil bisnis, seperti meningkatkan pendapatan, memperbaiki efisiensi, dan membangun keunggulan kompetitif.

Meskipun demikian, strategi data sering diabaikan karena beberapa alasan kunci. Secara historis, pemimpin bisnis telah memandang data sebagai produk sampingan operasi bisnis dan masalah teknis IT, bukan fungsi strategis C-suite. Tanpa pemilik yang jelas, seperti Chief Data Officer, pekerjaan penting ini sering jatuh ke dalam kekosongan kepemimpinan. Ini menyebabkan perusahaan melompat langsung ke proyek AI yang menarik tanpa fondasi data yang kuat, yang merupakan alasan utama mengapa banyak dari mereka gagal.

Bisakah Anda menjelaskan apa yang dimaksud dengan kerangka tata kelola data, bagaimana ini berbeda dari strategi data, dan mengapa ini diperlukan untuk memitigasi risiko yang terkait dengan penggunaan data?

Strategi data mendefinisikan tujuan yang ingin dicapai oleh bisnis dengan datanya. Sebaliknya, kerangka tata kelola data memungkinkan kasus penggunaan bisnis untuk menggunakan data pada intensitas data yang diperlukan (Q, C, dan S), untuk dapat mengirimkan nilai yang diharapkan.

Kerangka tata kelola data sangat penting untuk memitigasi risiko. Tanpa tata kelola, data menjadi liabilitas. Ini memastikan kepatuhan dengan peraturan seperti GDPR, mencegah denda besar dan masalah hukum. Ini menetapkan standar keamanan dan privasi yang melindungi dari pelanggaran data dan kerusakan reputasi yang dihasilkan. Penerapan kualitas data mencegah keputusan bisnis yang mahal berdasarkan informasi yang salah. Dan agen AI hanya berguna ketika mereka menerima data pada kecepatan yang diperlukan.

Bayangkan ini seperti ini: strategi Anda adalah tujuan pada peta; kerangka tata kelola Anda adalah aturan lalu lintas yang Anda ikuti untuk sampai ke sana tanpa kecelakaan.

Anda juga membahas konsep DOM (Data Operating Model). Bisakah Anda menjelaskan apa yang dimaksud dengan ini dan bagaimana ini membantu organisasi mengoperasikan strategi data mereka?

Model Operasi Data (DOM) adalah mesin yang memenuhi pasokan data untuk memenuhi permintaan data. DOM mengoperasikan strategi dengan menerjemahkan tujuan tingkat tinggi menjadi tindakan yang konkrit dan dapat digunakan kembali. Ini adalah kerangka praktis yang mengindustrialisasi pengiriman data pada intensitas data yang diperlukan, yang terdiri dari orang, proses, dan teknologi.

Sementara memiliki strategi data dan tata kelola yang tepat memastikan niat baik, kesuksesan sering bergantung pada adopsi data dan manajemen rekayasa data. Bisakah Anda membahas singkat dua elemen ini dan mengapa eksekutif harus memperhatikan mereka dengan cermat?

Kesuksesan dengan data bergantung pada Adopsi Data dan Manajemen Rekayasa Data.

Adopsi Data adalah sisi budaya – dengan tim Anda benar-benar menggunakan data untuk membuat keputusan sehari-hari. Tanpa adopsi, investasi seluruhnya dalam pilar data akan sia-sia.

Manajemen Rekayasa Data adalah tulang punggung teknis – membangun dan memelihara “pabrik data” yang dapat diandalkan yang mengumpulkan dan memproses data untuk memenuhi persyaratan intensitas data (QCS). Eksekutif harus mendukung keduanya. Adopsi yang buruk berarti investasi akan terbuang. Rekayasa yang buruk berarti bisnis beroperasi pada data yang tidak sesuai (yaitu, data yang tidak memenuhi intensitas data yang diperlukan), yang mengarah ke kesalahan mahal, erosi kepercayaan, masalah kepatuhan, dan mustahil untuk memulai inisiatif AI.

Buku ini ditulis dengan perusahaan besar dalam pikiran, di mana peran seperti CDO, manajemen risiko data, manajemen akses data, dan tim observabilitas kualitas data sudah mapan. Mengapa perusahaan kecil juga harus mempertimbangkan buku ini, dan bagaimana mereka dapat mengkompensasi tidak adanya peran ini?

Untuk perusahaan kecil, dalam banyak kasus, data adalah pembeda terbesar. Lebih mudah untuk membangun DNA ‘Data sebagai Empat Pilar’ dengan benar dari awal daripada memperbaiki organisasi tradisional besar nanti. Mendapatkan fondasi data yang tepat dari awal memberikan keunggulan kompetitif besar untuk pertumbuhan dan adopsi AI di masa depan. Seperti yang dikatakan oleh CEO perusahaan SMB kepada kami: untuk saya, Data adalah pilar pertama, dan saya adalah CDO juga.

Jika ada satu kesan utama dari buku Anda, apa yang ingin Anda sampaikan?

Kesan utama adalah bahwa perusahaan harus segera mengimplementasikan perubahan struktural untuk membangun Data sebagai Pilar Keempat dari model operasional, setara dengan Orang, Proses, dan Teknologi. Ini adalah keputusan eksistensial yang harus dipimpin oleh Dewan dan CxO, karena data adalah pembeda utama dan fondasi yang diperlukan untuk menskalakan AI dan memastikan keunggulan kompetitif di masa depan. Perusahaan yang gagal membenamkan data sebagai pilar inti akan menghadapi risiko ketidakrelevanan dan akan berjuang untuk bersaing di era AI pertama. Waktu untuk bertindak adalah SEKARANG!

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus membaca Data sebagai Empat Pilar.

Penafian: Pendapat yang dikemukakan dalam artikel ini adalah pendapat penulis dan tidak mencerminkan pendapat majikan mereka saat ini atau sebelumnya.