AI-mudelid on nii head kui andmed, mida nad näevad. See ei ole loosung, vaid praktiline probleem: keelemudel, mis töötab hajutatud, vananenud või määratlemata andmetega, toodab vastuseid, mis on samavõrd hajutatud, vananenud ja määratlemata. Paljud organisatsioonid märkavad seda alles pärast katseprojekti käivitamist, kui selgub, et andmed, mida mudel vajab, ei asu üheski ühtses kohas, või et kellelgi ei ole enam selget ülevaadet, milline failiversioon on õige. Andmehaldus on üks põhilistest mõõdikutest: küsimus ei ole selles, milliseid ülesandeid AI võiks üle võtta, vaid selles, kas nende ülesannete all on piisavalt kindel andmekihi alus, millele ehitada.
Andmehaldus käsitleb seda, kust andmed pärinevad, kes nende eest vastutab, millises seisus need on ning kui lihtsalt neid leida ja kombineerida saab. Selle alla kuulub muu hulgas see, kas andmed on hoitud tsentraalselt või hajutatult, kas igale andmestikule on määratud omanik, kas mõisted nagu 'klient' või 'aktiivne projekt' on osakondade vahel ühtselt defineeritud, ja kas on ülevaade igapäevaselt kasutatavate andmete kvaliteedist. Organisatsioon võib IT-infrastruktuuri osas kõrgelt hinnata ise, kuid andmehalduse osas madalalt: süsteemid on olemas, aga kellelgi ei ole kunagi täpselt kirja pandud, mis nendes tegelikult sisaldub ega kellel on õigus seda muuta.
Baseline-tasemel eksisteerivad andmed peamiselt silodena: iga osakond peab oma failiarvestust, ühise struktuuri ega omanikuta. Foundation-tasemel on korrastatus alguses: on kokkulepped, kuhu teatud andmed peavad minema, kuid täitmine sõltub veel individuaalsetest harjumustest. Activation-tasemel on andmete omanikkond määratud ja olemas ühine mõistestik, mistõttu erinevad osakonnad kasutavad samu termineid samal viisil. Insight-tasemel mõõdetakse ja jälgitakse andmekvaliteeti ning on ülevaade sellest, kus andmeahela nõrgad kohad asuvad. Intelligence-tase tähendab, et andmehaldus on põimitud igapäevasesse töökorraldusse: kvaliteeti, päritolu ja juurdepääsu jälgitakse pidevalt, mitte eraldi projektina, vaid kindla osana töö tegemise viisist.
Praktiline näitaja on küsimus, kui kaua kulub lihtsale küsimusele vastamiseks, näiteks kui palju kliente on möödunud aasta jooksul konkreetset toodet ostnud. Kui vastus tuleb ühest süsteemist mõne minuti jooksul, viitab see kõrgemale tasemele. Kui esmalt on vaja helistada kolmele inimesele, et välja selgitada, milline fail on ajakohane, viitab see baseline- või foundation-tasemele. Teine näitaja on see, mis juhtub, kui lahkub inimene, kellel oli teadmisi konkreetsest andmestikust: kas info jääb kättesaadavaks, või kaob see selle inimesega koos. Samuti on oluline, kas on olemas kellegi kandev vastutus andmestiku eest, või ei kanna seda vastutust tegelikult mitte kellegi.
Küpsusmõõtmise raames ei hinda seda mõõdikut üks inimene, vaid mitu inimest eraldi. IT-juht võib andmehaldust hinnata kõrgelt, kuna süsteemid on tehniliselt korras, samal ajal kui operatiivjuht hindab seda madalalt, kuna andmed ei tundu praktikas leitavad või usaldusväärsed. See hajuvus muutub nähtavaks plotil ja on iseenesest signaal: suur vahe hinnangute vahel viitab tihti sellele, et organisatsioon on paberil kaugemal kui igapäevases praktikas, või sellele, et erinevad osakonnad töötavad erinevate tõeversioonidega. Kitsas hajuvus, ka madalamal tasemel, viitab realistlikule ja jagatud pildile, millest on mõistlik edasi liikuda.
Samm baseline'ilt foundation'ile ei eelda tihti uut tehnoloogiat, vaid kokkuleppeid: kes on millise andmestiku omanik ja kus milline info asub. Samm foundation'ilt activation'ile eeldab ühist mõistestikku, et osakonnad ei defineeriks üksteisest sõltumatult, mis on 'aktiivne klient' või 'lõpetatud projekt'. Mida konkreetne samm kulude ja aja mõttes nõuab, sõltub organisatsiooni suurusest ja aluseks olevate süsteemide seisukorrast; see on lahti kirjutatud lehel mida maksab organisatsiooni ühe taseme tõstmine ja lehel mida maksab IT-infrastruktuuri ühe taseme tõstmine, kuna andmed ja infrastruktuur liiguvad praktikas tihti koos edasi.
Andmehaldus ei ole mõõtmise ülejäänud osast lahus. Ilma selgete kokkulepeteta selle kohta, kes tohib milliseid andmeid ja mille jaoks kasutada, tekivad küsimused, mis tegelikult kuuluvad valdkonda privaatsus ja turvalisus. Ilma inimesteta, kes mõistavad, mida andmekvaliteet tähendab ja kuidas selle peale oma töös tähelepanu pöörata, jääb mõõdik inimesed ja oskused maha. Ja ilma pilguta selle peale, kes otsustab, mida andmetega tohib ja mida ei tohi teha, puudub seos mõõdikuga eetika. Mõõtmise seitse mõõdikut on omavahel seotud; andmehaldus on üks neist ja tavaliselt mitte viimane, mis tähelepanu vajab.
See mõõtmine näitab, kas AI-rakenduste aluspind on piisavalt kindel: kas andmed on leitavad, usaldusväärsed ja kellegi omanduses. See on teistsugune küsimus kui see, milline osa töö sisust saab endale AI üle võtta. Sellele küsimusele vastab FTE TO AI töömõõtmine, mis arvutab ülesande kaupa välja, milline osa sobib AI-le üleandmiseks, lähtudes sel hetkel olemasolevast andmestruktuurist. Kaks mõõtmist on mõeldud lugemiseks järjestikku: esmalt kandevõime, seejärel ülesanded, mis sellel saavad toetuda.
Küpsusmõõtmine, sealhulgas andmehalduse mõõdik, on praegu ettevalmistamisel. Kes soovib mõõtmist läbi viia kohe, kui see on saadaval, saab liituda ootenimekirjaga.
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.