Siddharth Rajagopal & Sujay Dutta, Autores de Dados como o Quarto Pilar – 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 engaja com executivos seniores de empresas, fornecendo liderança de pensamento em torno de dados e gerenciamento de dados, compartilhando suas percepções e aprendizados.

Dados como o Quarto Pilar 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, Rüdiger Eck, o livro combina teoria com aplicação prática, tornando-se um guia prático para líderes em empresas de pequeno e grande porte que navegam no competitivo e orientado a dados cenário atual.

Você pode resumir o que são os três primeiros pilares e por que os dados devem ser considerados o quarto pilar?

Os três primeiros pilares tradicionais/existentes são Pessoas, Processo e Tecnologia. Cada pilar foi adicionado à medida que as empresas amadureceram ao longo dos anos. Historicamente, os dados eram apenas um subproduto operacional desses pilares, gerenciados pela TI. Agora, na era AI-first, 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 do C-suite e do conselho de administração que 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 fundamental, recomendado para se comunicar com o CEO, CTO e outros executivos seniores. Você pode fornecer uma visão geral de alto nível do que esse papel envolve e quais são suas principais responsabilidades?

O CDO, como líder do pilar de dados, é um motor de valor, acelerando os resultados de negócios; desenvolve a compreensão da intensidade de dados (QCS – Qualidade, Conformidade e Velocidade) para casos de uso de negócios; continua a equilibrar e crescer a demanda e o suprimento 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 alimentam a IA. Um modelo de IA deve aprender padrões, relacionamentos e comportamentos diretamente dos dados que recebe, para poder 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 atualmente 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 no uso de um modelo de IA.

O livro vai em detalhes sobre a 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 dimensionar 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 entra, lixo sai”. Dados de baixa qualidade levam a análises defeituosas e IA não confiável.
2. Conformidade: Os dados aderem 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, em tempo real versus processamento 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 AI-first 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 de 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 principais. 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 do C-suite. Sem um proprietário claro, como um Diretor de Dados, esse trabalho essencial frequentemente cai em um vácuo de liderança. Isso leva as empresas a pularem 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 ele é necessário para mitigar riscos associados ao uso de dados?

Uma estratégia de dados define os objetivos que um negócio 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, evitando multas e problemas legais enormes. Ele estabelece os padrões de segurança e privacidade que protegem contra violações de dados e o dano à reputação resultante. A aplicação da qualidade de dados evita decisões comerciais caras baseadas em informações defeituosas. 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 bater.