Aplikace AI se spoléhají na data. Ne na data, o kterých si myslíte, že je máte, ale na data tak, jak jsou skutečně uložena, definována a udržována. Datový management je proto jednou ze základních dimenzí v rámci měření vyspělosti: společně s organizací a IT infrastrukturou určuje, zda je vůbec na čem stavět. Organizace může dosahovat vysokého skóre v oblasti lidí a dovedností nebo v oblasti řízení výkonu, a přesto zjistit, že se každá aplikace AI zasekne, protože nikdo s jistotou neví, která verze zákaznické databáze je ta správná. Toto pořadí není naší volbou; je to pořadí, ve kterém to funguje.
Datový management se týká stavu dat, která organizace používá k práci a rozhodování. Jsou definice pevně stanovené, nebo znamená „aktivní zákazník“ v každém oddělení něco jiného. Existuje jasně určený vlastník pro každou datovou sadu, nebo nikdo neví, kdo je odpovědný, když je pole už léta chybně vyplněné. Zaznamenávají se data jednou a čerpají se odevšad ze stejného zdroje, nebo existují tři exporty, které se mezitím od sebe liší. Otázky v měření se netýkají množství dat ani typu systému, ale spolehlivosti a původu toho, co je k dispozici.
Pět úrovní vede od baseline k intelligence a u datového managementu je rozdíl mezi těmito úrovněmi často konkrétněji patrný než u jiných dimenzí. Na úrovni baseline existují data především lokálně: v tabulkách, v hlavě kolegy, v systému, který už nikdo úplně nezná. Na úrovni foundation jsou hlavní datové sady pojmenované a existuje počátek vlastnictví, i když se definice ještě liší. Co úroveň foundation znamená v praxi, a to i pro ostatní dimenze, je popsáno na stránce co znamená úroveň foundation v praxi, totéž platí pro samotný výchozí bod na stránce co znamená úroveň baseline v praxi. U úrovně activation jsou definice z velké části sdílené a existuje proces pro signalizaci odchylek. U úrovně insight se data aktivně používají k podložení rozhodnutí, s přehledem o kvalitě a původu. U úrovně intelligence už datový management není samostatným projektem, ale trvalou vlastností toho, jak organizace funguje.
Kolo hodnocení (plot-ronde) ukazuje, zda tento odhad odpovídá skutečnosti. Když CIO umístí datový management na úroveň activation a týmy, které s ním denně pracují, na úroveň baseline, vypovídá tento rozptyl o skutečné situaci více než průměr obou skóre. Často se ukáže, že systémy jsou nastaveny na vyšší úrovni, než jaké je chování v nich: existuje centrální systém, ale lidé vedle něj stále pracují ve vlastních souborech, protože systému nedůvěřují.
Kolik stojí přechod z úrovně baseline na foundation, závisí na tom, jak roztříštěná jsou data nyní a kolik oddělení používá vlastní verzi pravdy. Práce spočívá především v určení vlastnictví a stanovení definic, nikoli v nové technologii. Přechod z foundation na activation obvykle vyžaduje spíše technický krok: určit jeden zdroj, ostatní zrušit nebo je ponechat jen pro čtení. Přechod z activation na insight přesouvá váhu na governance: kdo smí co měnit, jak se kontroluje kvalita, co se stane, když je nalezena chyba. Jak dlouhý a jak náročný je tento proces, závisí na velikosti organizace, počtu systémů, které data uchovávají, a míře, do jaké jsou lidé již zvyklí považovat jeden zdroj za vedoucí. To nelze vyjádřit pevnou částkou ani pevnou dobou trvání; závisí to na tom, kde se rozptyl ve vašem kole hodnocení soustředí.
Datový management zřídka stojí samostatně. Organizace, která nedůvěřuje svým datům, bude mít potíže i s otázkou kolik stojí posun ochrany soukromí a bezpečnosti o úroveň výš, protože nemůžete zabezpečit to, co nemáte zmapované. Naopak silný datový management může položit základ, na kterém se snáze zodpoví otázka kolik stojí posun řízení výkonu o úroveň výš, protože řízení výkonu potřebuje spolehlivá data, aby mohlo něco měřit. Také otázka kolik stojí posun etiky o úroveň výš se přímo dotýká datového managementu: zodpovědné zacházení s daty začíná tím, že víte, co máte a odkud to pochází. Kdo tyto dimenze řeší odděleně, riskuje, že práce na jedné dimenzi bude brzděna zpožděním v jiné.
Toto měření ukazuje, zda má organizace data, systémy a lidi potřebné k tomu, aby unesla AI. To je jiná otázka než to, jakou část práce může AI skutečně převzít. Jakmile je jasné, kde se nacházejí základní dimenze, včetně datového managementu, má smysl se podívat úkol po úkolu na to, co AI dokáže a co ne. To je oblast pracovní analýzy (werkscan) od FTE TO AI: ta pro každý úkol vypočítá, jakou část práce lze převzít, a to na základě dat a systémů, které v daný okamžik skutečně existují.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.