Siddharth Rajagopal ve Sujay Dutta, Data as the Fourth Pillar – Interview Series Kitabının Yazarları

Sujay Dutta 25+ yıllık küresel deneyimle teknoloji ve iş liderliği konusunda uzmanlaşmış bir liderdir. Geleceğin AI, iş sonuçları, kültür ve veri (“A.B.C.D.”) kesişiminde şekillendirildiğine inanmaktadır. Şu anda Databricks’te Global Hesap Lideri olarak çalışmaktadır.

Siddharth (Sidd) Rajagopal Informatica’nın Field CTO Organization’da Chief Architect’tir. Rolünde, veri ve veri yönetimi konusunda üst düzey yöneticilerle düşünceler ve öğrenmeler paylaşarak düşüncel liderlik sağlamaktadır.

Data as the Fourth Pillar kitabı, verileri işletme başarısının temel unsurlarından biri olarak ele alan bir yaklaşımı sunmaktadır. Yönetim kurulları, CEO’lar ve üst düzey yöneticiler için hazırlanan kitap, veri stratejisinin iş karar alma süreçlerinin merkezine yerleştirilmesine yönelik yapılandırılmış bir yaklaşım sunmaktadır. Kitap, Total Addressable Value (TAV) ve Expected Addressable Value (EAV) gibi pratik ölçütleri tanıtarak, işletmelerin veri girişimlerinin etkisini ölçmelerine yardımcı olmaktadır. Yazarlar ayrıca, verilerin yapay zeka ile etkileşimini ve her birinin diğerini nasıl güçlendirdiğini incelemektedir. AUDI AG’nin Rüdiger Eck’ten alınan bir vaka çalışmasıyla desteklenen kitap, teorik bilgiyi gerçek dünya uygulamalarıyla birleştirmektedir.

Kitabınızın başlığı, verilerin dördüncü sütun olarak ele alınmasını önermektedir. İlk üç geleneksel sütunu özetleyebilir ve neden verilerin dördüncü sütun olarak ele alınması gerektiğini açıklar mısınız?

İlk üç geleneksel sütun, İnsanlar, Süreçler ve Teknolojidir. Her sütun, işletmelerin zaman içinde olgunlaşmasıyla eklenmiştir. Tarih boyunca, veriler bu sütunların bir işletme ürünü olarak yönetilmekteydi. Şimdi, AI önceliği olan çağda, veriler birincil değer sürücüsü haline gelmiştir ve işletmelerin varlığını tehlikeye atabilir – bu nedenle verilere “Ateş” diyebiliriz. Başarı için, veriler diğer sütunlarla eşit düzeyde ele alınmalıdır. Verilerin dördüncü sütun olarak ele alınması, diğer sütunlarla birlikte çalışarak birbirlerini güçlendirmelerini sağlar ve verileri bir maliyet merkezinden ölçülebilir bir işletme varlığı haline getirir.

Chief Data Officer (CDO) pozisyonu, CEO, CTO ve diğer üst düzey yöneticilerle işbirliği yapması önerilen bir rol olarak tanımlanmaktadır. Bu pozisyonun genel bir bakışını sağlayabilir ve ana sorumluluklarını açıklar mısınız?

CDO, veri sütununun lideri olarak, iş sonuçlarını hızlandıran bir değer sürücüsüdür. İş przypadeleri için veri yoğunluğunu (QCS – Kalite, Uyum ve Hız) anlamaktadır. Veri talebini ve arzını sürekli olarak dengelemektedir. Veri sütunu için people, process ve teknoloji açısından uygulama mükemmelliğini sağlamaktadır. Ayrıca, işletme genelinde yapısal değişikliklerin planlanması ve uygulanması için bir değişim ajanı olarak görev yapmaktadır.

Verileri toplamak ve büyük ölçekli AI uygulamalarında kullanmak neden bu kadar kritik?

Veriler, AI için yakıttır. AI modelleri, iş sonuçlarını elde etmek için doğrudan veriden öğrenmelidir. Ayrıca, AI için yapısal olmayan veriler (örneğin, PDF’ler, görüntüler ve videolar) kritik hale gelmektedir. Çoğu işletme, yapısal olmayan verileri işleyerek olgunlaşmamıştır. AI modelleri artık bir komodite haline gelmiştir – Veriler, AI modelinin kullanımından kaynaklanan farklılaşmayı yaratmaktadır.

Kitabınız, veri yoğunluğu kavramını detaylı olarak ele almaktadır. Veri yoğunluğunun ne anlama geldiğini ve neden önemli olduğunu açıklar mısınız?

Veri yoğunluğu, verilerin iş değerini hızlandırmasına uygunluğunu ölçen bir kavramdır. Her iş przypadesi, farklı yoğunlukta veri gerektirir. Kitabımızda, QCS Çerçevesi’ni tanıtarak, veri yoğunluğunu üç kritik boyutta ölçmektedir:

1. Kalite: Veriler doğru, tam, tutarlı ve güvenilir midir? Bu, “çöp içinde, çöp dışında” ilkesidir. Düşük kaliteli veriler, hatalı analitiklere ve güvensiz AI’ye yol açar.
2. Uyum: Veriler, tüm yasal ve etik standartlara uygun mudur? Uyumlu olmayan veriler, büyük riskler yaratır.
3. Hız: Veriler, karar alma için yeterli hızda mı sağlanmaktadır? Bu, verilerin toplanma, işleme ve karar alma için kullanılabilir hale getirilme hızını ifade eder (örneğin, gerçek zamanlı işleme karşı toplu işleme). Geleneksel olarak, işletmeler bir veya iki boyutta olgunlaşmıştır. Bir banka, Q ve C boyutlarında başarılı olabilirken, bir startup Q ve S boyutlarında odaklanabilir. AI önceliği olan çağda, işletmelerin üç boyutta (Q, C ve S) aynı anda ve tutarlı bir şekilde yüksek düzeyde performans göstermesi gerekmektedir.

Veri stratejisinin tanımlanmasının neden önemli olduğunu ve neden sıkça göz ardı edildiğini açıklar mısınız?

Veri stratejisinin tanımlanması, tüm veri faaliyetlerini doğrudan işletme stratejisiyle bağlayan bir plan olarak kritik öneme sahiptir. İşletmelerin veri yeteneklerini geliştirmesine ve iş sonuçlarını hızlandırmasına yönelik bir yol haritası sunar.

Bu rağmen, veri stratejisi sıkça göz ardı edilmektedir. İşletme liderleri, tarihi olarak, verileri iş operasyonlarının bir yan ürünü ve teknik bir IT sorunu olarak görmüşlerdir. Açık bir sahibi olmadan (örneğin, bir Chief Data Officer), bu temel çalışma liderlik boşluğuna düşmektedir. Bu, işletmelerin heyecan verici AI projelerine veri temeli olmadan atılmasına yol açmaktadır.

Veri yönetim çerçevesinin ne olduğunu, veri stratejisiyle nasıl farklılaştığını ve veri kullanımıyla ilgili riskleri azaltmak için neden gerekli olduğunu açıklar mısınız?

Veri stratejisi, işletmelerin veri ile elde etmek istediği hedefleri tanımlar. Veri yönetim çerçevesi ise, işletmelerin veri kullanımını gerekli veri yoğunluğuna (Q, C ve S) göre kullanmalarını sağlar.

Veri yönetim çerçevesi, riskleri azaltmak için kritik öneme sahiptir. Yönetim olmadan, veriler bir yük haline gelir. Düzenlemelere (örneğin, GDPR) uyumu sağlar, büyük cezaları ve yasal sorunları önler. Güvenlik ve gizlilik standartlarını korur, veri ihlallerini ve sonuçlanan itibar hasarını önler. Veri kalitesini sağlar, hatalı iş kararlarını önler. AI ajanları, gerekli hızda veri aldıklarında etkili olur.

Düşünce şeklini değiştirin: Stratejiniz, haritadaki varış noktanızdır; yönetim çerçevesi, oraya ulaşmak için izlediğiniz trafik kurallarıdır.

Kitabınızda, DOM (Veri İşletim Modeli) kavramını tartışıyorsunuz. Bu nedir ve işletmelerin veri stratejilerini nasıl uygulamalarına yardımcı olur?

Veri İşletim Modeli (DOM), veri talebini karşılamak için veri arzını sağlayan bir çerçevedir. DOM, yüksek düzeyde hedefleri somut, tekrar kullanılabilir eylemlere çevirerek stratejiyi uygulamaya koyar. İnsanlar, süreçler ve teknolojiyi içeren bir çerçeve olarak, gerekli veri yoğunluğunda veri teslimini endüstriyel bir şekilde sağlar.

Veri stratejisi ve yönetim çerçevesinin doğru olması, başarının veri benimsemesi ve veri mühendisliği yönetimine bağlı olduğunu söyleyebilirsiniz. Bu iki unsur hakkında kısaca konuşabilir misiniz ve neden üst düzey yöneticilerin dikkatli olması gerektiğini açıklar mısınız?

Veri benimsemesi, kültürel bir unsur olarak, ekiplerin günlük kararlar için verileri kullanmasını ifade eder. Benimseme olmadan, veri sütununa yapılan tüm yatırım boşa gider.

Veri mühendisliği yönetimi, teknik bir unsur olarak, verileri toplamak ve işlemek için güvenilir bir “veri fabrikası” oluşturmayı ifade eder. İnsanların ve süreçlerin yanı sıra teknolojiyi de içerir.

Üst düzey yöneticilerin her iki unsur için de şampiyon olması gerekmektedir. Kötü benimseme, yatırımın boşa gitmesi anlamına gelir. Kötü mühendislik, işletmelerin uygun olmayan verilere dayanarak karar alması, güvenin azalması, uyumluluk sorunlarının ortaya çıkması ve AI girişimlerinin imkansız hale gelmesi anlamına gelir.

Kitabınız, büyük işletmeler için yazılmış gibi görünse de, küçük işletmelerin de bu kitaptan yararlanabileceğini düşünüyor musunuz? Neden?

Küçük bir işletme için, genellikle veri, en büyük farklılaştırıcıdır. Büyük, geleneksel bir organizasyonu daha sonra düzeltmekten ziyade, “Verileri Dördüncü Sütun” olarak doğru şekilde inşa etmek daha kolaydır. Veri temelini erken dönemde doğru şekilde oluşturmak, büyüme ve gelecekteki AI benimsemesi için büyük bir rekabet avantajı sağlar. Bir küçük işletme CEO’su bize şöyle demiştir: “Benim için veri, ilk sütundur ve ben aynı zamanda CDO’yum.”

Kitabınızdan alınacak en önemli sonuç nedir?

Kitabımızın temel mesajı, işletmelerin veri sütununu işletme modelinin temel bir parçası haline getirmeleri gerektiğidir. Bu, people, process ve teknoloji ile eşit düzeyde ele alınmalıdır. Bu, bir varoluş kararıdır ve yönetim kurulları ile üst düzey yöneticiler tarafından şampiyon olunmalıdır. Verileri işletme modelinin temel bir parçası haline getirmeyen işletmeler, AI önceliği olan çağda rekabet etmek için gerekli farklılaştırıcı ve temel unsuru kaçırarak zorlanacaktır. Harekete geçme zamanı ŞİMDİ!

Harika bir röportaj için teşekkür ederiz. Daha fazla bilgi edinmek isteyen okuyucular, Data as the Fourth Pillar kitabını okumalıdır.

Açıklama: Bu makaledeki görüşler, yazarların kişisel görüşleridir ve gerekli durumlarda onların mevcut veya geçmiş işverenlerinin görüşlerini yansıtmayabilir.