Siddharth Rajagopal e Sujay Dutta, Autores de Data as the Fourth Pillar – Série de Entrevistas

Sujay Dutta é um líder experiente em tecnologia e negócios com 25+ anos de experiência global. Ele acredita que o futuro está sendo moldado na interseção de IA, resultados de negócios, cultura e dados (“A.B.C.D.”). Atualmente, ele trabalha como Líder de Conta Global na Databricks.

Siddharth (Sidd) Rajagopal é um Arquiteto Chefe na Organização Field CTO da Informatica. Em seu papel, ele se envolve com executivos seniores de empresas, fornecendo liderança de pensamento em torno de dados e gestão de dados, compartilhando suas percepções e aprendizados.

Data as the Fourth Pillar apresenta o caso para tratar os dados como um elemento fundamental do sucesso da empresa, em igualdade com as pessoas, processos e tecnologia. Dirigido a conselhos, CEOs e executivos seniores, o livro descreve uma abordagem estruturada para incorporar a estratégia de dados no núcleo da tomada de decisões de negócios. Ele introduz um quadro de maturidade e métricas práticas, como o Valor Endereçável Total (TAV) e o Valor Endereçável Esperado (EAV), para ajudar as organizações a quantificar o impacto das iniciativas de dados. Os autores também exploram a interação entre dados e inteligência artificial, destacando como cada um fortalece o outro. Apoiado por um estudo de caso da AUDI AG, o livro combina teoria com aplicação prática, tornando-se um guia prático para líderes em pequenas e grandes empresas que navegam no atual cenário competitivo e impulsionado por dados.

Sua obra se refere a dados como o quarto pilar. Você pode resumir quais são os três primeiros pilares e por que os dados devem ser considerados o quarto pilar?

Os três pilares tradicionais/existentes são Pessoas, Processos e Tecnologia. Cada pilar foi adicionado à medida que as empresas amadureciam ao longo dos anos. Historicamente, os dados eram apenas um subproduto operacional desses pilares, gerenciados pela TI. Agora, na era de IA, os dados não são mais um subproduto. Eles são o principal motor de valor, mas também podem arriscar a existência de uma empresa – assim, nos referimos a Dados como Fogo. Para ter sucesso, os dados devem ser elevados a um Quarto Pilar co-igual. Com Dados como o quarto pilar, cada pilar cria um efeito de roda d’água com os outros pilares, habilitando e se beneficiando mutuamente. Dados como o quarto pilar asseguram que os dados recebam a mesma atenção de nível de C-suite e conselho como as pessoas, processos e tecnologia, transformando-os de um centro de custo em um ativo empresarial mensurável que impulsiona o crescimento dos negócios.

A posição de Diretor de Dados (CDO) é descrita como um papel central, recomendado para se comunicar com o CEO, CTO e outros executivos seniores. Você pode nos dar uma visão geral de alto nível do que esse papel envolve e de suas principais responsabilidades?

O CDO, como líder do pilar de dados, é um motor de valor, acelerando os resultados dos negócios; desenvolve a compreensão da intensidade dos dados (QCS – Qualidade, Conformidade e Velocidade) para casos de uso de negócios; continua a equilibrar e crescer a demanda e oferta de dados (por meio do DOM – Modelo Operacional de Dados); traz excelência na execução em termos de pessoas, processos e tecnologia para o pilar de dados; e é um agente de mudança para planejar e executar a mudança estrutural em toda a empresa, com o patrocínio do Conselho e do CEO, e envolvimento dos líderes dos outros pilares.

Por que coletar e executar dados é tão crítico para aproveitar a IA em escala?

Novamente, os Dados são como Fogo. Eles impulsionam a IA. Um modelo de IA deve aprender padrões, relações e comportamentos diretamente dos dados que recebe, para ser capaz de entregar impacto nos negócios. Além disso, para a IA, os dados não estruturados (como PDFs, imagens e vídeos) se tornam críticos. A maioria das empresas não é madura no processamento de dados não estruturados. Além disso, os modelos de IA estão se tornando/already se tornaram uma commodity – os Dados criam a diferença na utilização de um modelo de IA.

O livro detalha o conceito de intensidade de dados. Você pode explicar brevemente o que isso significa e por que é tão importante?

A intensidade de dados é uma medida de quão “pronto para o uso” seus dados estão para acelerar o valor dos negócios, especialmente para escalar a IA. Cada caso de negócios requer dados de maneira diferente, com diferentes intensidades. Nosso livro introduz o Quadro QCS para medir a intensidade de dados em três dimensões críticas:

1. Qualidade: Os dados são precisos, completos, consistentes e confiáveis? Este é o princípio “lixo dentro, lixo fora”. Dados de baixa qualidade levam a análises falhas e IA não confiável.
2. Conformidade: Os dados atendem a todos os padrões legais e éticos, como regulamentações de privacidade (como o GDPR) e regras específicas da indústria? Dados não conformes criam riscos enormes.
3. Velocidade: Os dados estão disponíveis rapidamente o suficiente para serem úteis? Isso se refere à velocidade com que os dados são coletados, processados e disponibilizados para tomada de decisões (por exemplo, processamento em tempo real versus em lote). Tradicionalmente, as empresas amadureceram para executar em uma ou duas dimensões. Um banco seria capaz de entregar nas dimensões Q e C, enquanto uma startup se concentraria nas dimensões Q e S. O desafio para as empresas na era de IA é executar em um alto nível nas três dimensões (Q, C e S) simultaneamente e consistentemente.

Por que definir uma estratégia de dados é tão importante, e por que isso é frequentemente negligenciado?

Definir uma estratégia de dados é crítico porque serve como o plano que conecta diretamente todas as atividades de dados à estratégia de negócios da empresa. Ele descreve a estrada para desenvolver e aproveitar as capacidades de dados para acelerar os resultados dos negócios, como aumentar a receita, melhorar a eficiência e construir uma vantagem competitiva.

Apesar disso, uma estratégia de dados é frequentemente negligenciada por várias razões-chave. Historicamente, os líderes de negócios viam os dados como um subproduto das operações de negócios e um problema técnico da TI, em vez de uma função estratégica de nível de C-suite. Sem um proprietário claro, como um Diretor de Dados, esse trabalho essencial frequentemente cai em um vazio de liderança. Isso leva as empresas a saltar diretamente para projetos de IA emocionais sem uma base sólida de dados, o que é a principal razão pela qual muitos deles falham.

Você pode elaborar sobre o que é um quadro de governança de dados, como ele difere de uma estratégia de dados e por que é necessário para mitigar riscos associados ao uso de dados?

Uma estratégia de dados define os objetivos que uma empresa deseja alcançar com seus dados. Em contraste, um quadro de governança de dados permite que os casos de uso de negócios usem os dados na intensidade de dados necessária (Q, C e S) para entregar o valor esperado.

O quadro de governança de dados é crucial para mitigar riscos. Sem governança, os dados se tornam uma responsabilidade. Ele garante a conformidade com regulamentações como o GDPR, prevenindo multas enormes e problemas legais. Ele estabelece os padrões de segurança e privacidade que protegem contra violações de dados e danos à reputação resultantes. A aplicação da qualidade dos dados evita decisões comerciais caras baseadas em informações falhas. E os agentes de IA são úteis apenas quando recebem os dados na velocidade necessária.

Pense da seguinte maneira: sua estratégia é o destino no mapa; seu quadro de governança é o conjunto de regras de trânsito que você segue para chegar lá sem colidir.