シッダール・ラジャゴパール＆スジャイ・ダッタ、著書「データ：第四の柱」- インタビュー・シリーズ

スジャイ・ダッタは、25年以上のグローバルな経験を持つテクノロジーとビジネスのリーダーです。彼は、AI、ビジネス成果、文化、データ（「A.B.C.D.」）の交差点で未来が形作られていると考えています。現在、Databricksのグローバルアカウントリードとして働いています。

シッダール・ラジャゴパール（シッド）は、InformaticaのField CTO Organizationのチーフアーキテクトです。彼は、データとデータ管理に関する洞察と学びを共有することで、エンタープライズのシニアエグゼクティブと接触し、思想的リーダーシップを提供しています。

データ：第四の柱は、データをエンタープライズの成功の基本的な要素として扱うことの重要性を示しています。ボード、CEO、シニアエグゼクティブ向けに、データ戦略をビジネス上の意思決定の核心に埋め込むための構造化されたアプローチを概説しています。データの成熟度フレームワークと、Total Addressable Value（TAV）やExpected Addressable Value（EAV）などの実用的な指標を紹介し、組織がデータイニシアチブの影響を量化するのに役立ちます。著者はまた、データと人工知能の相互作用について論じ、各要素がどのように強化されるかを強調しています。AUDI AGのRüdiger Eckによるケーススタディを通じて、理論と現実世界の応用を組み合わせ、SMBと大企業の両方が今日の競争的なデータ主導の景観を切り抜けるための実用的なガイドを提供しています。

あなたの本のタイトルは、データを第四の柱と呼んでいます。最初の3つの柱は何ですか？そして、データが第四の柱とみなされるべき理由を説明してください。

最初の3つの伝統的な柱は、人、プロセス、テクノロジーです。各柱は、企業が成熟するにつれて追加されてきました。歴史的に、データはこれらの柱の運用上の副産物でしたが、現在、AI第一の時代に、データは副産物ではありません。データは価値の主な原動力であり、企業の存続を危険にさらす可能性もあります。したがって、データは第四の柱とみなされるべきです。第四の柱としてのデータは、他の柱と同等のCスイートとボードレベルの注目を受け、コストセンターから測定可能な企業資産へと変化します。

Chief Data Officer（CDO）の役割について、高レベルの概要を示してください。また、その主な責任についても説明してください。

CDOは、データ柱のリーダーであり、ビジネス成果を加速させる価値の原動力です。データの強度（QCS – 品質、コンプライアンス、スピード）についての理解を開発し、データの需要と供給（DOM – データ運用モデルを介して）を継続的にバランスさせ、成長させます。データ柱のための実行の優れた成果を提供し、企業全体の構造的な変化のための変革エージェントです。

データを収集して実行することが、AIを大規模に活用する上で重要な理由を説明してください。

データはAIを支えるものです。AIモデルは、ビジネス成果をもたらすために、直接データから学習し、パターン、関係性、動作を学ぶ必要があります。さらに、AIでは、構造化されていないデータ（PDF、画像、ビデオなど）が重要になります。現在、多くの企業は、構造化されていないデータの処理に未熟です。AIモデルはコモディティ化していますが、データが違いを生み出します。

本書では、データの強度について詳しく説明しています。データの強度とは何ですか？それが重要な理由を説明してください。

データの強度は、データがビジネス価値を加速するためにどれだけ適切かを測るものです。各ビジネスケースでは、データの強度が異なります。私たちの本書では、QCSフレームワークを紹介し、データの強度を3つの重要な次元で測定します。

1. 品質： データは正確で、完全で、一貫性があり、信頼性があるか?
2. コンプライアンス： データはすべての法的および倫理基準を満たしているか?
3. スピード： データは十分に利用可能か?

データ戦略を定義することはなぜ重要ですか？また、それがしばしば見落とされる理由を説明してください。

データ戦略を定義することは、データ活動を企業のビジネス戦略に直接接続するためのブループリントを提供するため、非常に重要です。データ能力を開発してビジネス成果を加速させるためのロードマップを概説します。データ戦略はしばしば見落とされる理由は、ビジネスリーダーがデータをビジネス運用の副産物と見なし、技術的なIT問題と見なしているからです。明確な所有者がいない場合、この重要な作業はリーダーシップの空白に陥ります。企業は、データ基盤を強化することなく、魅力的なAIプロジェクトに飛び込むことが多く、これが多くのプロジェクトが失敗する主な理由です。

データガバナンスフレームワークについて説明し、それがデータ戦略とどう違うのか、そしてデータ使用に関連するリスクを軽減するためにそれが必要な理由を説明してください。

データ戦略は、企業がデータで達成したい目標を定義します。一方、データガバナンスフレームワークは、ビジネスケースが必要なデータの強度（Q、C、S）でデータを使用できるようにします。データガバナンスフレームワークは、リスクを軽減するために不可欠です。ガバナンスなしでは、データは負債となります。規制へのコンプライアンスを確保し、データの品質を確保し、セキュリティとプライバシー基準を確立し、AIエージェントが必要なスピードでデータを受け取ることを可能にします。

データ運用モデル（DOM）について説明し、それが企業にデータ戦略を運用化するのにどのように役立つかを説明してください。

データ運用モデル（DOM）は、データの供給を実現するエンジンです。DOMは、高レベルの目標を具体的で再利用可能な行動に翻訳することで、戦略を運用化します。データの強度を必要とするデータの供給を構築するための実用的なフレームワークです。

データ採用とデータエンジニアリング管理について簡単に説明し、それらが成功するために重要な理由を説明してください。

データ採用は、チームがデータを使用して日常の意思決定を行う文化的側面です。データエンジニアリング管理は、データの強度（QCS）要件を満たす「データファクトリー」を構築して維持するための技術的側面です。エグゼクティブは、両方を擁護する必要があります。データ採用が不十分だと、投資が無駄になります。エンジニアリングが不十分だと、ビジネスは適切なデータで運営されず、コストのかかるミスが発生し、信頼が損なわれ、コンプライアンスの問題が生じ、AIイニシアチブが不可能になります。

本書は、大企業を対象として書かれていますが、小規模企業もこの本を読むべき理由を説明してください。また、小規模企業がこれらの役割を確立していない場合に、どのように補償することができるかを説明してください。

小規模企業にとって、データは最大の差別化要因です。データの基盤を最初から正しく構築することは、後に大きな伝統的な組織を修正するよりもはるかに簡単です。データの基盤を最初から正しく構築することで、小規模企業は成長と将来のAI採用のための大きな競争上の優位性を得ることができます。

あなたの本から得られる主な教訓は何ですか?

決定的な教訓は、企業がデータを第四の柱として運用モデルに組み込む構造的な変化を実施する必要があることです。これは、ボードとCxOが推進するべき存在的な決定です。データは、AIを拡大して競争上の優位性を確保するために不可欠な基盤です。データを核心の柱として組み込まない企業は、無関心性と競争で苦労することになります。行動する時は今です!

素晴らしいインタビュー、ありがとうございます。読者がもっと学びたい場合は、データ：第四の柱を読むことをお勧めします。

免責事項: この記事に表明された見解は、著者のものであり、現在または過去の雇用主の見解を必ずしも反映しているわけではありません。