Interviste
Siddharth Rajagopal & Sujay Dutta, Autori di Data as the Fourth Pillar – Intervista in Serie
Sujay Dutta è un leader tecnologico e aziendale esperto con 25 anni di esperienza globale. Crede che il futuro si stia plasmando all’incrocio di AI, risultati aziendali, Cultura e Dati (“A.B.C.D.”). Attualmente lavora come Global Account Lead presso Databricks.
Siddharth (Sidd) Rajagopal è un Chief Architect nell’organizzazione Field CTO di Informatica. Nel suo ruolo, si interfaccia con dirigenti senior di aziende fornendo leadership di pensiero su dati e gestione dei dati condividendo le sue idee e apprendimenti.
Data as the Fourth Pillar presenta il caso per trattare i dati come un elemento fondamentale del successo aziendale, allo stesso livello di persone, processi e tecnologia. Rivolto a consigli di amministrazione, CEO e dirigenti senior, il libro delinea un approccio strutturato per incorporare la strategia dei dati al centro della presa di decisioni aziendali. Introduce un framework di maturità e metriche pratiche come il Total Addressable Value (TAV) e l’Expected Addressable Value (EAV) per aiutare le organizzazioni a quantificare l’impatto delle iniziative dei dati. Gli autori esplorano anche l’interazione tra dati e intelligenza artificiale, evidenziando come ciascuno rafforzi l’altro. Supportato da un caso di studio di AUDI AG di Rüdiger Eck, il libro combina teoria con applicazione nel mondo reale, rendendolo una guida pratica per i leader di aziende di piccole e medie dimensioni e grandi imprese che navigano nel competitivo panorama guidato dai dati di oggi.
Il titolo del vostro libro si riferisce ai dati come alla quarta colonna. Potreste riassumere quali sono le prime tre colonne e perché i dati dovrebbero essere considerati la quarta colonna?
Le prime tre colonne tradizionali/esistenti sono Personale, Processo e Tecnologia. Ogni colonna è stata aggiunta man mano che le aziende hanno maturato nel corso degli anni. Storicamente, i dati erano solo un sottoprodotto operativo di queste colonne, gestito dall’IT. Ora, nell’attuale era dell’AI, i dati non sono più un sottoprodotto. Sono il principale driver di valore, ma possono anche rischiare l’esistenza di un’azienda – quindi ci riferiamo ai dati come al Fuoco. Per avere successo, i dati devono essere elevati a una quarta colonna co-eguale. Con i dati come quarta colonna, ogni colonna crea un effetto a catena con le altre colonne, abilitandole e beneficiandone a vicenda. I dati come quarta colonna assicurano che i dati ricevano la stessa attenzione a livello di C-suite e consiglio di amministrazione come personale, processo e tecnologia, trasformandoli da un centro di costo in un asset aziendale misurabile che guida la crescita aziendale.
La posizione di Chief Data Officer (CDO) è descritta come un ruolo fondamentale, raccomandato per interfacciarsi con il CEO, il CTO e altri dirigenti senior. Potreste fornire una panoramica generale di cosa comporti questo ruolo e quali siano le sue principali responsabilità?
Il CDO, come leader della colonna dei dati, è un driver di valore, accelerando i risultati aziendali; sviluppa la comprensione dell’intensità dei dati (QCS – Qualità, Conformità e Velocità) per i casi d’uso aziendali; bilancia costantemente e fa crescere la domanda e l’offerta di dati (attraverso il DOM – Data Operating Model); assicura l’eccellenza nell’esecuzione in termini di personale, processo e tecnologia per la colonna dei dati; e un agente di cambiamento per la pianificazione e l’esecuzione del cambiamento strutturale in tutta l’azienda, con il patrocinio del consiglio di amministrazione e del CEO, e il coinvolgimento dei leader delle altre colonne.
Perché raccogliere e eseguire i dati è così critico per sfruttare l’AI su larga scala?
Ancora, i dati sono come il Fuoco. Alimentano l’AI. Un modello di AI deve imparare modelli, relazioni e comportamenti direttamente dai dati che riceve, per essere in grado di fornire un impatto aziendale. Inoltre, per l’AI, i dati non strutturati (come PDF, immagini e video) diventano critici. La maggior parte delle aziende attualmente non è matura nel processare dati non strutturati. Inoltre, i modelli di AI stanno diventando/sono diventati una commodity – i dati creano la differenziazione dall’utilizzo di un modello di AI.
Il libro si sofferma nel dettaglio sul concetto di intensità dei dati. Potreste spiegare brevemente cosa significhi e perché sia così importante?
L’intensità dei dati è una misura di quanto i dati siano “adatti allo scopo” per accelerare il valore aziendale, in particolare per scalare l’AI. Ogni caso d’uso aziendale richiede dati in modo diverso, con diversa intensità. Il nostro libro introduce il framework QCS per misurare l’intensità dei dati lungo tre dimensioni critiche:
- Qualità: I dati sono accurati, completi, coerenti e affidabili? Questo è il principio “spazzatura dentro, spazzatura fuori”. I dati di bassa qualità portano a un’analisi difettosa e a un’AI non affidabile.
- Conformità: I dati aderiscono a tutti gli standard legali ed etici, come le norme sulla privacy (come il GDPR) e le regole specifiche dell’industria? I dati non conformi creano un rischio enorme.
- Velocità: I dati sono disponibili abbastanza rapidamente per essere utili? Ciò si riferisce alla velocità con cui i dati vengono raccolti, elaborati e resi disponibili per la presa di decisioni (ad esempio, in tempo reale rispetto all’elaborazione batch). Tradizionalmente, le aziende hanno maturato per eseguire in una o due dimensioni. Una banca sarebbe in grado di consegnare sulle dimensioni Q e C, mentre una startup si concentrerebbe sulle dimensioni Q e S. La sfida per le aziende nell’era dell’AI è eseguire a un livello elevato su tutte e tre le dimensioni (Q, C e S) simultaneamente e costantemente.
Perché definire una strategia dei dati è così importante e perché spesso viene trascurata?
Definire una strategia dei dati è critico perché serve come il progetto che collega direttamente tutte le attività dei dati alla strategia aziendale. Delinea la roadmap per lo sviluppo e l’utilizzo delle capacità dei dati per accelerare i risultati aziendali, come aumentare i ricavi, migliorare l’efficienza e costruire un vantaggio competitivo.
Nonostante ciò, una strategia dei dati è spesso trascurata per diverse ragioni chiave.
Storicamente, i leader aziendali hanno considerato i dati come un sottoprodotto delle operazioni aziendali e un problema tecnico IT, piuttosto che una funzione strategica a livello di C-suite. Senza un proprietario chiaro, come un Chief Data Officer, questo lavoro essenziale spesso cade in un vuoto di leadership. Ciò porta le aziende a saltare direttamente ai progetti AI entusiasmanti senza una solida base di dati, il che è una delle principali ragioni per cui molti di loro falliscono.
Potreste elaborare cosa sia un framework di governance dei dati, come differisca da una strategia dei dati e perché sia necessario per mitigare i rischi associati all’utilizzo dei dati?
Una strategia dei dati definisce gli obiettivi che un’azienda vuole raggiungere con i propri dati. Al contrario, un framework di governance dei dati consente ai casi d’uso aziendali di utilizzare i dati alla loro intensità richiesta (Q, C e S), per poter consegnare il valore atteso.
Il framework di governance dei dati è cruciale per mitigare il rischio. Senza governance, i dati diventano un passivo. Assicura la conformità con le norme come il GDPR, prevenendo multe e problemi legali enormi. Stabilisce gli standard di sicurezza e privacy che proteggono contro le violazioni dei dati e il conseguente danno alla reputazione. L’applicazione della qualità dei dati prevenisce decisioni aziendali costose basate su informazioni difettose. E gli agenti di AI sono utili solo quando ricevono i dati alla velocità richiesta.
Pensatelo in questo modo: la vostra strategia è la destinazione su una mappa; il vostro framework di governance è il codice della strada che seguite per arrivarci senza incidenti.
Discutete anche il concetto del DOM (Data Operating Model). Potreste spiegare cosa sia e come aiuti le organizzazioni a operativizzare la loro strategia dei dati?
Un Data Operating Model (DOM) è il motore che soddisfa la fornitura di dati per soddisfare la domanda di dati. Il DOM operativizza la strategia traducendo gli obiettivi di alto livello in azioni concrete e riutilizzabili. È un framework pratico che industrializza la consegna di dati all’intensità richiesta, comprendente personale, processi e tecnologia.
Mentre avere le corrette strategie dei dati e la governance assicura buone intenzioni, il successo spesso dipende dalla adozione dei dati e dalla gestione dell’ingegneria dei dati. Potreste discutere brevemente questi due elementi e perché gli esecutivi dovrebbero prestare attenzione a essi?
Il successo con i dati si basa sull’adozione dei dati e sulla gestione dell’ingegneria dei dati.
L’adozione dei dati è il lato culturale – con i vostri team che utilizzano effettivamente i dati per prendere decisioni quotidiane. Senza adozione, l’intero investimento nella colonna dei dati va sprecato.
La gestione dell’ingegneria dei dati è la spina dorsale tecnica – costruire e mantenere la “fabbrica di dati” affidabile che raccoglie e elabora i dati per soddisfare i requisiti di intensità dei dati (QCS).
Gli esecutivi devono sostenere entrambi. Una cattiva adozione significa che l’investimento è sprecato. Una cattiva ingegneria significa che l’azienda opera con dati inadatti (ossia dati che non soddisfano i requisiti di intensità richiesta), portando a errori costosi, erodendo la fiducia, creando problemi di conformità e rendendo qualsiasi iniziativa AI impossibile.
Il libro è scritto tenendo a mente le grandi aziende, dove ruoli come CDO, gestione del rischio dei dati, gestione dell’accesso ai dati e team di qualità e osservabilità dei dati sono ben definiti. Perché anche le aziende più piccole dovrebbero considerare questo libro e come possono compensare la mancanza di questi ruoli?
Per un’azienda più piccola, nella maggior parte dei casi, i dati sono il loro più grande differenziatore. È molto più facile costruire il DNA dei “Dati come la quarta colonna” correttamente fin dall’inizio che cercare di riparare un’organizzazione tradizionale grande in seguito. Ottenere la base dei dati giusta fin dall’inizio fornisce un enorme vantaggio competitivo per la crescita e l’adozione futura dell’AI. Come ha detto il CEO di un’azienda SMB a noi: per me, i dati sono la prima colonna e io sono il CDO.
Se c’è un messaggio chiave da trarre dal vostro libro, cosa vorreste che fosse?
Il messaggio definitivo è che le aziende devono implementare immediatamente il cambiamento strutturale per stabilire i dati come la quarta colonna del modello operativo, co-eguale con Personale, Processi e Tecnologia. Questa è una decisione esistenziale che i consigli di amministrazione e i CxO devono sostenere, perché i dati sono il differenziatore definitivo e la fondazione indispensabile richiesta per scalare con successo l’AI e ottenere un vantaggio competitivo nel futuro. Le aziende che non incorporano i dati come colonna fondamentale rischiano di diventare irrilevanti e lottare per competere nell’era dell’AI. Il momento di agire è ORA!
Grazie per la grande intervista, i lettori che desiderano saperne di più possono leggere Data as the Fourth Pillar.
Disclaimer: Le opinioni espresse in questo articolo sono quelle degli autori e non riflettono necessariamente quelle dei loro attuali o precedenti datori di lavoro.
