Сіддхарт Раджагопал та Суджай Дутта, автори книги «Дані як четверта опора» – Інтерв’ю серія

Суджай Дутта – досвідчений технологічний та бізнес-лідер з більш ніж 25-річним глобальним досвідом. Він вважає, що майбутнє формується на перетині штучного інтелекту, бізнес-результатів, культури та даних (“А.Б.В.D.”). На даний момент він працює глобальним керівником облікових записів у компанії Databricks.

Сіддхарт (Сід) Раджагопал – головний архітектор у відділі Field CTO Organization компанії Informatica. На своїй посаді він спілкується з високопоставленими виконавцями підприємств, надає думку щодо даних та управління даними, ділячись своїми знаннями та висновками.

Дані як четверта опора представляє справу щодо розгляду даних як фундаментальної складової успіху підприємства, нарівні з людьми, процесами та технологіями. Призначена для рад директорів, генеральних директорів та високопоставлених виконавців, книга викладає структурований підхід до впровадження стратегії даних у центр прийняття бізнес-рішень. Вона вводить rámec зрілості та практичні метрики, такі як загальна адресована вартість (TAV) та очікувана адресована вартість (EAV), щоб допомогти організаціям кількісно оцінити вплив ініціатив щодо даних. Автори також досліджують взаємозв’язок між даними та штучним інтелектом, підкреслюючи, як кожен з них посилює інший. Підтримана кейсом компанії AUDI AG, представленим Рюдігером Екком, книга поєднує теорію з реальним застосуванням, роблячи її практичним посібником для лідерів як у малих, так і у великих підприємствах, які орієнтуються у сучасному конкурентному, даних-орієнтованому ландшафті.

Ваша книга називається «Дані як четверта опора». Чи можете ви підсумувати, які перші три опори, і чому дані повинні бути розглянуті як четверта опора?

Перші три традиційні/існуючі опори – Люди, Процеси та Технології. Кожна опора була додана, оскільки підприємства доросли з роками. Історично дані були лише операційним побічним продуктом цих опор, керованим ІТ. Тепер, у сучасну епоху штучного інтелекту, дані вже не є побічним продуктом. Вони є основним драйвером вартості, але також можуть становити ризик для існування підприємства – тому ми називаємо дані «Вогнем». Щоб досягти успіху, дані повинні бути підняті до рівня рівноправної четвертої опори. З даними як четвертою опорою кожна опора створює ефект літачки з іншими опорами, дозволяючи їм взаємозамінюватися та користуватися одне одним. Дані як четверта опора забезпечують, щоб дані отримували таку ж увагу на рівні керівництва та ради директорів, як і люди, процеси та технології, перетворюючи їх з центру витрат у вимірюваний актив підприємства, який стимулює бізнес-розвиток.

Посада головного офіцера з даних (CDO) описується як ключова роль, рекомендована для взаємодії з генеральним директором, технічним директором та іншими високопоставленими виконавцями. Чи можете ви дати нам високорівневий огляд того, що передбачає ця посада, та її ключові обов’язки?

Головний офіцер з даних як лідер опори даних є драйвером вартості, прискорює бізнес-результати; розвиває розуміння інтенсивності даних (ЯКС – Якість, Соблюдення вимог та Швидкість) для бізнес-кейсів; безперервно балансує та зростає попит і пропозицію даних (через ДОМ – Модель операцій з даними); забезпечує виконання завдань щодо людей, процесів та технологій для опори даних; і є агентом змін для планування та виконання структурних змін у всьому підприємстві, з підтримкою ради директорів та генерального директора, а також за участю лідерів інших опор.

Чому збір та виконання даних є так критично важливими для використання штучного інтелекту у великих масштабах?

Знову ж таки, дані – це як вогонь. Вони підживлюють штучний інтелект. Модель штучного інтелекту повинна вивчити закономірності, відносини та поведінку безпосередньо з даних, які їй надані, щоб вона могла доставити бізнес-вплив. Крім того, для штучного інтелекту неструктуровані дані (наприклад, PDF, зображення та відео) стають критично важливими. Більшість підприємств зараз не достатньо зрілі у обробці неструктурованих даних. Крім того, моделі штучного інтелекту стають/стали товаром – дані створюють різницю при використанні моделі штучного інтелекту.

Книга детально розглядає концепцію інтенсивності даних. Чи можете ви коротко пояснити, що це означає, і чому це так важливо?

Інтенсивність даних – це міра того, наскільки дані «підходять для мети» для прискорення бізнес-цінності, особливо для масштабування штучного інтелекту. Кожний бізнес-кейс вимагає даних по-різному, з різною інтенсивністю. Наша книга вводить rámec QCS для вимірювання інтенсивності даних у трьох критичних вимірах:

1. Якість: Чи є дані точними, повними, узгодженими та надійними? Це принцип «сміття у, сміття вийде». Низькоякісні дані призводять до помилкових аналізів та ненадійних моделей штучного інтелекту.
2. Соблюдення вимог: Чи відповідають дані всім юридичним та етичним стандартам, таким як правила конфіденційності (наприклад, GDPR) та галузеві правила? Несумісні дані створюють величезний ризик.
3. Швидкість: Чи доступні дані досить швидко, щоб бути корисними? Це стосується швидкості, з якою дані збираються, обробляються та надаються для прийняття рішень (наприклад, в режимі реального часу проти пакетної обробки). Традиційно підприємства доросли до виконання в одному або двох вимірах. Банк міг би доставити результати на вимірах Q та C, тоді як стартап міг би зосередитися на вимірах Q та S. Виклик для підприємств у епоху штучного інтелекту полягає в тому, щоб виконувати на високому рівні в усіх трьох вимірах (Q, C та S) одночасно та послідовно.

Чому визначення стратегії даних так важливо, і чому це часто пропускається?

Визначення стратегії даних є критично важливим, оскільки воно служить планом, який безпосередньо пов’язує всі дані діяльності з бізнес-стратегією підприємства. Воно викладає дорожню карту для розвитку та використання даних можливостей для прискорення бізнес-результатів, таких як збільшення доходу, покращення ефективності та створення конкурентної переваги.

Незважаючи на це, стратегія даних часто пропускається через кілька ключових причин.
Історично бізнес-лідери розглядали дані як побічний продукт бізнес-операцій та технічної проблеми ІТ, а не стратегічної функції рівня керівництва. Без явного власника, такого як головний офіцер з даних, ця важлива робота часто потрапляє у вакуум лідерства. Це призводить до того, що компанії переходять безпосередньо до цікавих проектів штучного інтелекту без міцної основи даних, що є основною причиною, чому так багато з них терплять невдачу.

Чи можете ви роз’яснити, що таке rámec управління даними, як він відрізняється від стратегії даних, і чому він потрібен для мінімізації ризиків, пов’язаних з використанням даних?

Стратегія даних визначає цілі, які підприємство хоче досягти своїми даними. Натомість, rámec управління даними дозволяє бізнес-кейсам використовувати дані на необхідній інтенсивності даних (Q, C та S), щоб доставити очікувану цінність.

Рámec управління даними є критично важливим для мінімізації ризиків. Без управління даними вони стають зобов’язанням. Воно забезпечує дотримання нормативних актів, таких як GDPR, попереджаючи величезні штрафи та юридичні проблеми. Воно встановлює стандарти безпеки та конфіденційності, які захищають від порушень даних та наступної репутаційної шкоди. Забезпечення якості даних попереджає дорогої бізнес-рішення на основі помилкової інформації. Агенти штучного інтелекту корисні лише тоді, коли вони отримують дані на необхідній швидкості.

Подумайте про це так: ваша стратегія – це пункт призначення на карті; ваш rámec управління – це правила дорожнього руху, яких ви слідуєте, щоб добратися туди без аварій.