Siddharth Rajagopal i Sujay Dutta, autorzy książki Data as the Fourth Pillar – seria wywiadów

Sujay Dutta to doświadczony lider technologiczny i biznesowy z 25+ lat doświadczenia na arenie międzynarodowej. Uważa, że przyszłość kształtowana jest na przecięciu AI, wyników biznesowych, kultury i danych (“A.B.C.D.”). Obecnie pracuje jako Globalny Lider Konta w firmie Databricks.

Siddharth (Sidd) Rajagopal jest Chief Architectem w organizacji Field CTO w firmie Informatica. W swojej roli współpracuje z wyższymi kierownikami w przedsiębiorstwach, dostarczając przywództwo myśli wokół danych i zarządzania danymi, dzieląc się swoimi spostrzeżeniami i doświadczeniami.

Data as the Fourth Pillar przedstawia argumenty za traktowaniem danych jako fundamentalnego elementu sukcesu przedsiębiorstwa, na równi z ludźmi, procesami i technologią. Skierowana do rad nadzorczych, CEO i wyższych kierowników, książka przedstawia ustrukturyzowany podejdzie do wbudowania strategii danych w rdzeń podejmowania decyzji biznesowych. Wprowadza ramę dojrzałości i praktyczne metryki, takie jak Total Addressable Value (TAV) i Expected Addressable Value (EAV), aby pomóc organizacjom zmierzyć wpływ inicjatyw związanych z danymi. Autorzy badają również wzajemne relacje między danymi a sztuczną inteligencją, podkreślając, jak każda z nich wzmacnia drugą. Wspierana przez studium przypadku AUDI AG, książka łączy teorię z prawdziwymi zastosowaniami, czyniąc ją praktycznym przewodnikiem dla liderów w małych i dużych przedsiębiorstwach, które poruszają się w dzisiejszym konkurencyjnym, napędzanym danymi krajobrazie.

Twoja książka nazywa dane czwartym filarem. Czy możesz podsumować, co są pierwsze trzy filary, i dlaczego dane powinny być uważane za czwarty filar?

Pierwsze trzy tradycyjne/istniejące filary to Ludzie, Procesy i Technologia. Każdy filar został dodany, gdy przedsiębiorstwa dojrzały na przestrzeni lat. Historycznie dane były tylko produktem ubocznym tych filarów, zarządzanym przez IT. Teraz, w erze AI, dane nie są już produktem ubocznym. Są one podstawowym źródłem wartości, ale mogą również stanowić ryzyko dla istnienia przedsiębiorstwa – dlatego nazywamy je “Data as Fire”. Aby odnieść sukces, dane muszą być podniesione do rangi równorzędnego Czwartego Filara. Z Danymi jako Czwartym Filaru każdy filar tworzy efekt kołowy z innymi filarami, umożliwiając i korzystając z siebie nawzajem. Dane jako czwarty filar zapewniają, że dane otrzymują taką samą uwagę na poziomie C-suite i rady nadzorczej, jak ludzie, procesy i technologia, przekształcając je z centrum kosztów w mierne aktywo przedsiębiorstwa, które napędza wzrost biznesu.

Stanowisko Chief Data Officer (CDO) jest opisane jako podstawowa rola, zalecana do współpracy z CEO, CTO i innymi wyższymi kierownikami. Czy możesz dać nam ogólny przegląd tego stanowiska i jego kluczowych odpowiedzialności?

CDO jako lider filaru danych jest kierownikiem wartości, przyspieszającym wyniki biznesowe; rozwija zrozumienie intensywności danych (QCS – Jakość, Zgodność i Szybkość) dla przypadków użycia biznesowych; ciągle balansuje i rozwija popyt i podaż danych (przez Data Operating Model); wprowadza doskonałość wykonawczą w zakresie ludzi, procesów i technologii dla filaru danych; i jest agenty zmiany dla planowania i wykonywania strukturalnych zmian w całym przedsiębiorstwie, z udziałem zarządu i CEO, oraz zaangażowaniem liderów innych filarów.

Dlaczego zbieranie i wykonywanie danych jest tak krytyczne dla wykorzystania AI w skali?

Znowu, Dane są jak ogień. Paliwem dla AI. Model AI musi nauczyć się wzorców, relacji i zachowań bezpośrednio z danych, które otrzymuje, aby móc dostarczyć wpływ biznesowy. Dodatkowo, dla AI, nieustrukturyzowane dane (takie jak pliki PDF, obrazy i filmy wideo) stają się krytyczne. Większość przedsiębiorstw nie jest obecnie dojrzała w przetwarzaniu nieustrukturyzowanych danych. Co więcej, modele AI stają się/dostały się do stanu towaru – Dane tworzą różnicę w użyciu modelu AI.

Książka szczegółowo opisuje pojęcie intensywności danych. Czy możesz krótko wyjaśnić, co to znaczy i dlaczego jest tak ważne?

Intensywność danych jest miarą, jak “przydatne” są Twoje dane do przyspieszania wartości biznesowej, szczególnie do skalowania AI. Każdy przypadek biznesowy wymaga danych inaczej, z różną intensywnością. Nasza książka wprowadza ramę QCS, aby zmierzyć intensywność danych w trzech krytycznych wymiarach:

1. Jakość: Czy dane są dokładne, kompletne, spójne i niezawodne? To jest zasada “śmieci na wejściu, śmieci na wyjściu”. Niskiej jakości dane prowadzą do wadliwej analityki i niewiarygodnego AI.
2. Zgodność: Czy dane przestrzegają wszystkich standardów prawnych i etycznych, takich jak przepisy dotyczące prywatności (takie jak RODO) i branżowe przepisy? Niekonsekwentne dane tworzą ogromne ryzyko.
3. Szybkość: Czy dane są dostępne wystarczająco szybko, aby były użyteczne? Odnosi się to do prędkości, z jaką dane są zbierane, przetwarzane i udostępniane do podejmowania decyzji (np. w czasie rzeczywistym vs. przetwarzanie wsadowe). Tradycyjnie przedsiębiorstwa dojrzały do wykonywania w jednym lub dwóch wymiarach. Bank mógłby dostarczyć Q i C wymiary, podczas gdy startup mógłby się skoncentrować na Q i S wymiarach. Wyzwaniem dla przedsiębiorstw w erze AI jest wykonywanie na wysokim poziomie we wszystkich trzech wymiarach (Q, C i S) jednocześnie i konsekwentnie.

Dlaczego definiowanie strategii danych jest tak ważne, i dlaczego często jest pomijane?

Definiowanie strategii danych jest krytyczne, ponieważ służy jako plan, który bezpośrednio łączy wszystkie działania związane z danymi z biznesową strategią przedsiębiorstwa. Zaznacza mapę drogową dla rozwoju i wykorzystania zdolności danych do przyspieszania wyników biznesowych, takich jak zwiększanie przychodów, poprawa wydajności i budowanie przewagi konkurencyjnej.

Pomimo tego, strategia danych jest często pomijana z kilku powodów.
Historycznie liderzy biznesu postrzegali dane jako produkt uboczny operacji biznesowych i problem techniczny IT, a nie funkcję strategiczną C-suite. Bez wyraźnego właściciela, takiego jak Chief Data Officer, ta niezbędna praca często wpada w próżnię przywództwa. To prowadzi firmy do skoku prosto do ekscytujących projektów AI bez solidnego fundamentu danych, co jest podstawowym powodem, dla którego wiele z nich zawodzi.

Czy możesz wyjaśnić, co jest ramą zarządzania danymi, jak się różni od strategii danych i dlaczego jest potrzebna do łagodzenia ryzyka związanego z użyciem danych?

Strategia danych definiuje cele, które przedsiębiorstwo chce osiągnąć ze swoimi danymi. W przeciwieństwie do tego, rama zarządzania danymi umożliwia przypadkom użycia biznesowego użycie danych o wymaganej intensywności (Q, C i S), aby móc dostarczyć oczekiwaną wartość.

Rama zarządzania danymi jest kluczowa dla łagodzenia ryzyka. Bez zarządzania dane stają się zobowiązaniem. Zapewnia zgodność z przepisami, takimi jak RODO, zapobiegając ogromnym grzywnom i problemom prawnym. Ustanawia standardy bezpieczeństwa i prywatności, które chronią przed naruszeniami danych i wynikającymi z tego uszkodzeniami reputacji. Wymuszanie jakości danych zapobiega kosztownym decyzjom biznesowym opartym na wadliwej informacji. I agenci AI są użyteczni tylko wtedy, gdy otrzymują dane o wymaganej szybkości.

Myśl o tym w ten sposób: twoja strategia to cel na mapie; twoja rama zarządzania to zasady ruchu drogowego, których przestrzegasz, aby dojechać tam bez wypadku.