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

Sujay Dutta to doświadczony lider technologiczny i biznesowy z ponad 25-letnim doświadczeniem na arenie międzynarodowej. Uważa, że przyszłość kształtowana jest na przecięciu AI, wyników biznesowych, kultury i danych (“A.B.C.D.”). Obecnie pracuje jako Global Account Lead w firmie Databricks.

Siddharth (Sidd) Rajagopal jest Chief Architectem w Field CTO Organization w firmie Informatica. W swojej roli współpracuje z wysokimi menedżerami w przedsiębiorstwach, dostarczając im wiedzę i doświadczenie w zakresie danych i zarządzania danymi.

Data as the Fourth Pillar przedstawia argumenty za traktowaniem danych jako podstawowego elementu sukcesu przedsiębiorstwa, na równi z ludźmi, procesami i technologią. Książka ta skierowana jest do zarządów, CEO i wysokich menedżerów, i przedstawia strukturalne podejście do włączania strategii danych w procesy podejmowania decyzji biznesowych. Wprowadza ramy 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 omawiają również wzajemne relacje między danymi a sztuczną inteligencją, podkreślając, jak każda z nich wzmacnia drugą. Książka oparta jest na studium przypadku AUDI AG, i łączy teorię z praktyką, czyniąc ją praktycznym przewodnikiem dla liderów w małych i dużych przedsiębiorstwach, które nawigują w dzisiejszym konkurencyjnym, opartym na danych środowisku.

Wasza książka nazywa się Data as the Fourth Pillar. Czy moglibyście podsumować, co są pierwsze trzy filary, i dlaczego dane powinny być traktowane jako czwarty filar?

Pierwsze trzy tradycyjne 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 sztucznej inteligencji, dane nie są już tylko produktem ubocznym. Są one głównym źródłem wartości, ale mogą również stanowić ryzyko dla istnienia przedsiębiorstwa – dlatego nazywamy je “ogniem”. Aby odnieść sukces, dane muszą zostać podniesione do rangi równego czwartego filaru. Z danymi jako czwartym filarem, każdy filar tworzy efekt wiru z innymi filarami, umożliwiając i korzystając z siebie nawzajem. Dane jako czwarty filar zapewniają, że dane otrzymują takie same uwagi na poziomie zarządu i rady nadzorczej, jak ludzie, procesy i technologia, przekształcając je z centrum kosztów w mierzący aktyw przedsiębiorstwa, który napędza wzrost biznesu.

Stanowisko Chief Data Officer (CDO) jest opisane jako podstawowa rola, zalecana do współpracy z CEO, CTO i innymi wysokimi menedżerami. Czy moglibyście przedstawić ogólny zarys tego stanowiska i jego kluczowych odpowiedzialności?

CDO jako lider filaru danych jest kierownikiem wartości, przyspieszając wyniki biznesowe; rozwija zrozumienie intensywności danych (jakości, zgodności i prędkości) dla przypadków użycia biznesowych; ciągle balansuje i rozwija popyt i podaż danych (za pomocą modelu operacyjnego danych); wprowadza doskonałość wykonawczą w zakresie ludzi, procesów i technologii dla filaru danych; i jest agентом zmiany, planującym i wykonującym zmiany strukturalne w całym przedsiębiorstwie, z udziałem zarządu i CEO, oraz zaangażowaniem liderów innych filarów.

Dlaczego zbieranie i wykorzystywanie danych jest tak krytyczne dla wykorzystania sztucznej inteligencji na dużą skalę?

Ponownie, dane są jak ogień. Paliwem dla sztucznej inteligencji jest model, który musi nauczyć się wzorców, relacji i zachowań bezpośrednio z danych, aby móc dostarczyć wpływ biznesowy. Dodatkowo, dla sztucznej inteligencji, nieustrukturyzowane dane (takie jak pliki PDF, obrazy i filmy wideo) stają się krytyczne. Większość przedsiębiorstw nie jest jeszcze dojrzała w przetwarzaniu nieustrukturyzowanych danych. Ponadto, modele sztucznej inteligencji stają się lub już są towarem – dane tworzą różnicę w użyciu modelu sztucznej inteligencji.

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

Intensywność danych jest miarą tego, jak “przydatne” są dane do przyspieszania wartości biznesowej, szczególnie do skalowania sztucznej inteligencji. Każdy przypadek biznesowy wymaga danych w różny sposób, z różną intensywnością. Nasza książka wprowadza ramy 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”. Niska jakość danych prowadzi do wadliwej analityki i niewiarygodnej sztucznej inteligencji.
2. Zgodność: Czy dane przestrzegają wszystkich standardów prawnych i etycznych, takich jak przepisy dotyczące ochrony danych (takie jak RODO) i branżowe przepisy? Niezgodne dane tworzą ogromne ryzyko.
3. Prędkość: Czy dane są dostępne wystarczająco szybko, aby były użyteczne? To odnosi się do prędkości, z jaką dane są zbierane, przetwarzane i udostępniane do podejmowania decyzji (np. w czasie rzeczywistym lub przetwarzaniu wsadowym). Tradycyjnie przedsiębiorstwa dojrzały do wykonania w jednym lub dwóch wymiarach. Bank mógłby dostarczyć wyniki w wymiarach Q i C, podczas gdy startup mógłby się skoncentrować na wymiarach Q i S. Wyzwaniem dla przedsiębiorstw w erze sztucznej inteligencji jest wykonanie na wysokim poziomie we wszystkich trzech wymiarach (Q, C i S) jednocześnie i konsekwentnie.

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

Określenie strategii danych jest krytyczne, ponieważ służy jako plan, który łączy wszystkie działania związane z danymi bezpośrednio z strategią biznesową. Zaznacza mapę drogową dla rozwoju i wykorzystania możliwości danych w celu 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 na poziomie zarządu. Bez wyraźnego właściciela, takiego jak Chief Data Officer, ta niezbędna praca często wpada w próżnię przywództwa. To prowadzi firmy do skoku do ekscytujących projektów sztucznej inteligencji bez solidnej bazy danych, co jest głównym powodem, dla którego wiele z nich zawodzi.

Czy moglibyście wyjaśnić, co jest ramą zarządzania danymi, jak się różni od strategii danych, i dlaczego jest potrzebna do ograniczania 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 biznesowym użycie danych na wymaganej intensywności (Q, C i S), aby dostarczyć oczekiwaną wartość.

Rama zarządzania danymi jest kluczowa do ograniczania 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. Wymusza jakość danych, aby zapobiec kosztownym decyzjom biznesowym opartym na wadliwych informacjach. I agenci sztucznej inteligencji są użyteczni tylko wtedy, gdy otrzymują dane na wymaganej prędkości.

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

Także omawiacie pojęcie modelu operacyjnego danych (DOM). Czy moglibyście wyjaśnić, co to jest, i jak pomaga organizacjom wdrożyć swoją strategię danych?

Model operacyjny danych (DOM) jest silnikiem, który realizuje dostawę danych, aby spełnić popyt na dane. DOM urzeczywistnia strategię, tłumacząc cele na konkretnie, wielokrotnie użyteczne działania. Jest to praktyczna rama, która industrializuje dostawę danych na wymaganej intensywności, składając się z ludzi, procesów i technologii.

Pomimo posiadania odpowiedniej strategii danych i zarządzania, sukces często zależy od przyjęcia danych i zarządzania inżynierią danych. Czy moglibyście krótko omówić te dwa elementy i dlaczego menedżerowie wykonawczy powinni zwrócić na nie uwagę?

Sukces z danymi zależy od przyjęcia danych i zarządzania inżynierią danych.

Przyjęcie danych to strona kulturowa – twoje zespoły używają danych, aby podejmować codzienne decyzje. Bez przyjęcia całe inwestycje w filar danych idą na marne.

Zarządzanie inżynierią danych to techniczny kręgosłup – budowanie i utrzymywanie niezawodnej “fabryki danych”, która zbiera i przetwarza dane, aby spełnić wymagania intensywności danych (QCS). Menedżerowie wykonawczy muszą wspierać obie strony. Słabe przyjęcie oznacza, że inwestycja idzie na marne. Słabe inżynieria oznacza, że biznes działa na niedostosowanych danych (tj. danych, które nie spełniają wymaganej intensywności), co prowadzi do kosztownych błędów, podważa zaufanie, tworzy problemy z zgodnością i czyni każdą inicjatywę sztucznej inteligencji niemożliwą.

Książka jest napisana z myślą o większych przedsiębiorstwach, gdzie role takie jak CDO, zarządzanie ryzykiem danych, zarządzanie dostępem do danych i zespoły jakości i obserwacyjności danych są dobrze zdefiniowane. Dlaczego mniejsze firmy również powinny rozważyć tę książkę, i jak mogą one zrekompensować brak tych ról?

Dla mniejszej firmy dane często są największym differentiatorem. Jest znacznie łatwiej zbudować “dane jako czwarty filar” od samego początku niż naprawiać duże, tradycyjne przedsiębiorstwo później. Uzyskanie prawidłowej bazy danych we wczesnej fazie zapewnia ogromną przewagę konkurencyjną dla wzrostu i przyszłego wdrożenia sztucznej inteligencji. Jak powiedział nam CEO jednego ze SMB: dla mnie dane są pierwszym filarem, i ja jestem CDO.

Jeśli jest jedna kluczowa wypowiedź z waszej książki, jaka byłaby?

Definitywna wypowiedź jest taka, że przedsiębiorstwa muszą natychmiast wdrożyć zmianę strukturalną, aby ustanowić dane jako czwarty filar modelu operacyjnego, na równi z ludźmi, procesami i technologią. To jest decyzja egzystencjalna, którą zarządy i CxO muszą wesprzeć, ponieważ dane są ostatecznym differentiatorem i niezbędną podstawą do pomyślnego skalowania sztucznej inteligencji i zapewnienia przewagi konkurencyjnej w przyszłości. Przedsiębiorstwa, które nie wbudują danych jako podstawowego filaru, będą się borykać z konkurencją w erze sztucznej inteligencji. Czas na działanie jest TERAZ!

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni przeczytać Data as the Fourth Pillar.

Disclaimer: Opinie wyrażone w tym artykule są opiniami autorów i niekoniecznie odzwierciedlają opinie ich obecnych lub poprzednich pracodawców.