สิทธาร์ธ ราจาโกปาล์ และ สุจัย ดัตตา ผู้เขียน Data as the Fourth Pillar – สัมภาษณ์รายการ

สุจัย ดัตตา เป็นผู้นำด้านเทคโนโลยีและธุรกิจที่มีประสบการณ์ระดับโลกมากกว่า 25 ปี เขาเชื่อว่าอนาคตถูกกำหนดที่จุดตัดกันของ AI ผลลัพธ์ทางธุรกิจ วัฒนธรรม และข้อมูล (“A.B.C.D.”) ปัจจุบันเขาทำงานเป็น Global Account Lead ที่ Databricks

สิทธาร์ธ (สิทธ) ราจาโกปาล์ เป็น Chief Architect ใน Field CTO Organization ที่ Informatica ในบทบาทของเขา เขาได้พบปะกับผู้บริหารระดับสูงขององค์กรธุรกิจเพื่อให้คำปรึกษาด้านข้อมูลและการจัดการข้อมูลโดยการแบ่งปันข้อมูลเชิงลึกและความรู้ของเขา

Data as the Fourth Pillar นำเสนอกรณีศึกษาในการปฏิบัติต่อข้อมูลเป็นองค์ประกอบพื้นฐานของความสำเร็จทางธุรกิจในระดับเดียวกับคน กระบวนการ และเทคโนโลยี ซึ่งกำหนดเป้าหมายไปยังกรรมการ ผู้บริหารระดับสูง และผู้บริหารระดับสูงขององค์กรธุรกิจ โดยสรุปแนวทางที่มีโครงสร้างในการฝังกลยุทธ์ข้อมูลไว้ที่แกนกลางของกระบวนการตัดสินใจทางธุรกิจ โดยแนะนำโครงสร้างความสามารถและเมตริกเชิงปฏิบัติ เช่น Total Addressable Value (TAV) และ Expected Addressable Value (EAV) เพื่อช่วยให้องค์กรต่างๆ วัดผลกระทบของโครงการข้อมูล ผู้เขียนยังสำรวจความสัมพันธ์ระหว่างข้อมูลและปัญญาประดิษฐ์ โดยเน้นย้ำว่าแต่ละด้านเสริมสร้างกันและกัน โดยได้รับการสนับสนุนจากกรณีศึกษาของ AUDI AG โดย Rüdiger Eck หนังสือเล่มนี้ผสมผสานทฤษฎีกับการใช้งานจริง ทำให้เป็นแนวทางปฏิบัติสำหรับผู้นำในธุรกิจขนาดเล็กและขนาดใหญ่ที่กำลังเผชิญกับภูมิทัศน์ทางธุรกิจที่มีการแข่งขันและขับเคลื่อนด้วยข้อมูลในปัจจุบัน

ชื่อหนังสือของคุณอ้างอิงถึงข้อมูลเป็นเสาแห่งที่สี่ คุณสามารถสรุปเสาแรกสามเสาได้หรือไม่ และเหตุใดข้อมูลจึงควรพิจารณาเป็นเสาแห่งที่สี่?

เสาแรกสามเสาที่มีอยู่เดิมคือ คน กระบวนการ และเทคโนโลยี แต่ละเสาได้รับการเพิ่มเข้ามาเมื่อองค์กรธุรกิจเติบโตขึ้นตามลำดับ ในอดีต ข้อมูลเป็นเพียงผลพลอยได้จากการดำเนินงานของเสาเหล่านี้ และจัดการโดยฝ่ายไอที แต่ในยุค AI ที่มี AI เป็นศูนย์กลาง ข้อมูลไม่ใช่ผลพลอยได้ แต่เป็นตัวขับเคลื่อนหลักของมูลค่า และยังสามารถทำให้องค์กรตกอยู่ในความเสี่ยงได้ ดังนั้นเราจึงเรียกข้อมูลว่า “ไฟ” เพื่อให้ประสบความสำเร็จ ข้อมูลจะต้องได้รับการยกย่องให้เป็นเสาแห่งที่สี่ที่เท่าเทียมกัน โดยที่เสาทั้งสี่เสาจะสร้างผลกระทบแบบฟลайวีลต่อกันและกัน ทำให้ข้อมูลได้รับความสนใจในระดับ C-Suite และคณะกรรมการในระดับเดียวกับคน กระบวนการ และเทคโนโลยี โดยการเปลี่ยนแปลงจากศูนย์ต้นทุนไปสู่สินทรัพย์ทางธุรกิจที่วัดผลได้และขับเคลื่อนการเติบโต

ตำแหน่ง Chief Data Officer (CDO) ถูกอธิบายว่าเป็นบทบาทหลักซึ่งแนะนำให้ประสานงานกับ CEO, CTO และผู้บริหารระดับสูงอื่นๆ คุณสามารถให้ภาพรวมระดับสูงของบทบาทนี้และความรับผิดชอบหลักได้หรือไม่?

CDO ในฐานะผู้นำของเสาข้อมูล เป็นตัวขับเคลื่อนมูลค่า โดยเร่งผลลัพธ์ทางธุรกิจ พัฒนาให้เข้าใจความเข้มข้นของข้อมูล (คุณภาพ การปฏิบัติตามกฎระเบียบ และความเร็ว) สำหรับการใช้งานทางธุรกิจ ตลอดจนสร้างสมดุลและเติบโตของความต้องการและอุปทานข้อมูล (ผ่าน Data Operating Model) นำไปสู่ความเป็นเลิศในการดำเนินงานในด้านคน กระบวนการ และเทคโนโลยีสำหรับเสาข้อมูล และเป็นตัวแทนการเปลี่ยนแปลงสำหรับการวางแผนและการดำเนินการเปลี่ยนแปลงโครงสร้างทั่วทั้งองค์กร โดยได้รับการสนับสนุนจากคณะกรรมการและ CEO และการมีส่วนร่วมของผู้นำจากเสาอื่นๆ

ทำไมการรวบรวมและดำเนินการตามข้อมูลจึงมีความสำคัญอย่างยิ่งต่อการนำ AI ไปใช้ในระดับใหญ่?

อีกครั้ง ข้อมูลเหมือนไฟ มันให้พลังงานแก่ AI โมเดล AI ต้องเรียนรู้รูปแบบ ความสัมพันธ์ และพฤติกรรมโดยตรงจากข้อมูลที่ให้มา เพื่อให้สามารถส่งมอบผลกระทบทางธุรกิจได้ นอกจากนี้ สำหรับ AI ข้อมูลที่ไม่มีโครงสร้าง (เช่น PDF ภาพ และวิดีโอ) จะมีความสำคัญอย่างยิ่ง องค์กรส่วนใหญ่ในปัจจุบันยังไม่มีความสามารถในการประมวลผลข้อมูลที่ไม่มีโครงสร้าง โมเดล AI กำลังจะกลายเป็นสินค้าโภคภัณฑ์ – ข้อมูลสร้างความแตกต่างจากการใช้โมเดล AI

หนังสือเล่มนี้ให้รายละเอียดเกี่ยวกับความเข้มข้นของข้อมูล คุณสามารถอธิบายสิ่งนี้ได้หรือไม่ และเหตุใดจึงมีความสำคัญ?

ความเข้มข้นของข้อมูลคือการวัดว่าข้อมูลของคุณเหมาะสมสำหรับการเร่งผลลัพธ์ทางธุรกิจหรือไม่ โดยเฉพาะอย่างยิ่งสำหรับการขยาย AI แต่ละกรณีธุรกิจต้องการข้อมูลที่แตกต่างกัน โดยมีความเข้มข้นต่างกัน หนังสือเล่มนี้แนะนำเฟรมเวิร์ก QCS เพื่อวัดความเข้มข้นของข้อมูลตามมิติสำคัญสามประการ:

1. คุณภาพ: ข้อมูลมีความถูกต้อง ครบถ้วน สอดคล้อง และเชื่อถือได้หรือไม่? นี่คือหลักการ “ข้อมูลเข้าข้อมูลออก” ข้อมูลที่มีคุณภาพต่ำจะนำไปสู่การวิเคราะห์ที่มีข้อบกพร่องและ AI ที่ไม่น่าเชื่อถือ
2. การปฏิบัติตามกฎระเบียบ: ข้อมูลปฏิบัติตามมาตรฐานทางกฎหมายและจริยธรรมหรือไม่ เช่น กฎระเบียบความเป็นส่วนตัว (เช่น GDPR) และกฎอุตสาหกรรมเฉพาะ? ข้อมูลที่ไม่ปฏิบัติตามกฎระเบียบจะสร้างความเสี่ยงอย่างมาก
3. ความเร็ว: ข้อมูลมีให้ใช้ได้เร็วพอที่จะถือว่ามีประโยชน์หรือไม่? สิ่งนี้หมายถึงความเร็วที่ข้อมูลถูกเก็บ คัดลอกและเตรียมให้พร้อมสำหรับการตัดสินใจ (เช่น การประมวลผลแบบเรียลไทม์เทียบกับการประมวลผลแบบแบตช์) องค์กรที่มีความสามารถในการดำเนินงานในมิติเดียวหรือสองมิติ การท้าทายสำหรับองค์กรในยุค AI คือการดำเนินงานในระดับสูงในทั้งสามมิติ (คุณภาพ การปฏิบัติตามกฎระเบียบ และความเร็ว) อย่างต่อเนื่องและสม่ำเสมอ

ทำไมการกำหนดกลยุทธ์ข้อมูลจึงมีความสำคัญ และเหตุใดจึงมักถูกละเลย?

การกำหนดกลยุทธ์ข้อมูลมีความสำคัญเพราะเป็นแผนผังที่เชื่อมโยงการดำเนินงานข้อมูลทั้งหมดกับกลยุทธ์ทางธุรกิจขององค์กร โดยวางแผนการพัฒนาความสามารถข้อมูลและใช้ข้อมูลเพื่อเร่งผลลัพธ์ทางธุรกิจ เช่น การเพิ่มรายได้ การปรับปรุงประสิทธิภาพ และการสร้างความได้เปรียบทางการแข่งขัน

尽管如此 กลยุทธ์ข้อมูลมักถูกละเลยเนื่องจากหลายเหตุผล ในอดีต ผู้นำธุรกิจมองข้อมูลเป็นผลพลอยได้จากการดำเนินงานทางธุรกิจและปัญหาทางเทคนิคของไอที มากกว่าเป็นหน้าที่เชิงกลยุทธ์ในระดับ C-Suite โดยไม่มีผู้นำที่ชัดเจน เช่น Chief Data Officer งานสำคัญนี้มักตกลงไปสู่ช่องว่างทางผู้นำ ทำให้บริษัทต่างๆ พุ่งเข้าสู่โครงการ AI ที่น่าตื่นเต้นโดยไม่มีรากฐานข้อมูลที่แข็งแกร่ง ซึ่งเป็นเหตุผลหลักที่ทำให้หลายโครงการล้มเหลว

คุณสามารถอธิบายได้หรือไม่ว่าเฟรมเวิร์กการกำกับดูแลข้อมูลคืออะไร ที่แตกต่างจากกลยุทธ์ข้อมูล และเหตุใดจึงจำเป็นต้องลดความเสี่ยงในการใช้ข้อมูล?

กลยุทธ์ข้อมูลกำหนดเป้าหมายที่ธุรกิจต้องการบรรลุผลด้วยข้อมูลของตน ในทางกลับกัน เฟรมเวิร์กการกำกับดูแลข้อมูลทำให้กรณีธุรกิจใช้ข้อมูลที่ต้องการได้ตามความเข้มข้นของข้อมูล (คุณภาพ การปฏิบัติตามกฎระเบียบ และความเร็ว) เพื่อส่งมอบค่าที่คาดหวัง

เฟรมเวิร์กการกำกับดูแลข้อมูลมีความสำคัญอย่างยิ่งต่อการลดความเสี่ยง โดยไม่มีการกำกับดูแล ข้อมูลจะกลายเป็นภาระผูกพัน มันรับรองการปฏิบัติตามกฎระเบียบ เช่น GDPR เพื่อป้องกันค่าปรับและปัญหาทางกฎหมาย มันกำหนดมาตรฐานความปลอดภัยและความเป็นส่วนตัวที่ปกป้องข้อมูลจากการละเมิดและความเสียหายต่อชื่อเสียง การบังคับใช้คุณภาพข้อมูลจะป้องกันการตัดสินใจทางธุรกิจที่มีค่าใช้จ่ายสูงโดยอาศัยข้อมูลที่มีข้อบกพร่อง และตัวแทน AI จะมีประโยชน์เมื่อได้รับข้อมูลที่ต้องการในความเร็วที่ต้องการ

ลองนึกภาพสิ่งนี้: กลยุทธ์ของคุณคือจุดหมายปลายทางบนแผนที่; เฟรมเวิร์กการกำกับดูแลของคุณคือกฎจราจรที่คุณต้องปฏิบัติตามเพื่อไปถึงจุดนั้นโดยไม่เกิดอุบัติเหตุ

คุณสามารถอธิบายได้หรือไม่ว่า Data Operating Model (DOM) คืออะไร และวิธีการช่วยให้องค์กรดำเนินการกลยุทธ์ข้อมูล?

โมเดลการดำเนินงานข้อมูล (DOM) เป็นเครื่องยนต์ที่เติมเต็มอุปทานข้อมูลเพื่อตอบสนองความต้องการข้อมูล DOM ทำให้กลยุทธ์เป็นรูปธรรมโดยการแปลเป้าหมายในระดับสูงให้เป็นขั้นตอนที่สามารถใช้ซ้ำได้ เป็นเฟรมเวิร์กที่ใช้ได้จริงที่ทำให้การนำเสนอข้อมูลเป็นไปอย่างเป็นระบบ โดยประกอบด้วยคน กระบวนการ และเทคโนโลยี

ในขณะที่มีกลยุทธ์ข้อมูลและเฟรมเวิร์กการกำกับดูแลที่ถูกต้อง ความสำเร็จมักขึ้นอยู่กับการนำข้อมูลไปใช้และการจัดการวิศวกรรมข้อมูล คุณสามารถพูดถึงองค์ประกอบทั้งสองนี้ได้หรือไม่ และเหตุใดผู้บริหารควรให้ความสนใจอย่างใกล้ชิด?

ความสำเร็จด้วยข้อมูลขึ้นอยู่กับการนำข้อมูลไปใช้และการจัดการวิศวกรรมข้อมูล

การนำข้อมูลไปใช้คือด้านวัฒนธรรม โดยทีมของคุณใช้ข้อมูลจริงๆ ในการตัดสินใจประจำวัน โดยไม่มีการนำไปใช้ การลงทุนในเสาข้อมูลจะสูญเปล่า

การจัดการวิศวกรรมข้อมูลคือกระดูกสันหลังทางเทคนิค โดยการสร้างและบำรุงรักษา “โรงงานข้อมูล” ที่รวบรวมและประมวลผลข้อมูลเพื่อตอบสนองความต้องการข้อมูล (คุณภาพ การปฏิบัติตามกฎระเบียบ และความเร็ว) ผู้บริหารจะต้องสนับสนุนทั้งสองสิ่ง การนำไปใช้ที่ไม่ดีหมายความว่าการลงทุนจะสูญเปล่า การจัดการที่ไม่ดีหมายความว่าธุรกิจดำเนินงานด้วยข้อมูลที่ไม่เหมาะสม (เช่น ข้อมูลที่ไม่ตรงตามความเข้มข้นของข้อมูลที่ต้องการ) ซึ่งนำไปสู่ข้อผิดพลาดที่มีค่าใช้จ่ายสูง การสูญเสียความไว้วางใจ การสร้างปัญหาเกี่ยวกับการปฏิบัติตามกฎระเบียบ และทำให้การนำ AI ไปใช้ไม่สามารถทำได้

หนังสือเล่มนี้เขียนโดยมีองค์กรขนาดใหญ่ในใจ โดยที่บทบาท เช่น CDO การจัดการความเสี่ยงข้อมูล การจัดการการเข้าถึงข้อมูล และทีมความสามารถและความสามารถในการสังเกตการณ์ข้อมูลถูกกำหนดไว้อย่างชัดเจน ทำไมบริษัทขนาดเล็กจึงควรพิจารณาหนังสือเล่มนี้ และพวกเขาสามารถชดเชยการไม่มีบทบาทเหล่านี้ได้อย่างไร?

สำหรับบริษัทขนาดเล็ก ข้อมูลมักเป็นปัจจัยที่แตกต่างที่ใหญ่ที่สุด มันง่ายกว่าที่จะสร้าง DNA ของ “Data as the Fourth Pillar” ได้ถูกตั้งแต่ต้น มากกว่าที่จะแก้ไของค์กรแบบดั้งเดิมที่ใหญ่ในภายหลัง การสร้างรากฐานข้อมูลที่ถูกต้องตั้งแต่แรกให้ความได้เปรียบทางการแข่งขันที่มีนัยสำคัญสำหรับการเติบโตและความสามารถในการนำ AI ไปใช้ในอนาคต เช่นเดียวกับที่ CEO ขององค์กรธุรกิจขนาดเล็กบอกเราว่า “สำหรับฉัน ข้อมูลคือเสาแรก และฉันคือ CDO เช่นกัน”

หากมีประเด็นสำคัญเดียวจากหนังสือของคุณ คุณต้องการให้เป็นอะไร?

ประเด็นสำคัญที่ชัดเจนคือ องค์กรต่างๆ จะต้องดำเนินการเปลี่ยนแปลงโครงสร้างเพื่อสร้างข้อมูลเป็นเสาที่สี่ของโมเดลการดำเนินงาน โดยเท่าเทียมกับคน กระบวนการ และเทคโนโลยี ซึ่งเป็นการตัดสินใจที่มีความสำคัญต่อการอยู่รอดที่คณะกรรมการและผู้บริหารระดับสูงจะต้องสนับสนุน เนื่องจากข้อมูลเป็นตัวแยกแยะที่สำคัญและเป็นพื้นฐานที่จำเป็นสำหรับการขยาย AI และการสร้างความได้เปรียบทางการแข่งขันในอนาคต องค์กรที่ล้มเหลวในการฝังข้อมูลไว้เป็นเสาหลักจะเสี่ยงต่อการไม่เกี่ยวข้องและ

ขอขอบคุณสำหรับสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเรียนรู้เพิ่มเติมได้ที่ Data as the Fourth Pillar

免責声明: ความคิดเห็นที่แสดงในบทความนี้เป็นของผู้เขียน และไม่จำเป็นต้องสะท้อนความคิดเห็นของนายจ้างปัจจุบันหรืออดีตของพวกเขา