AI-sovellukset nojaavat dataan. Ei siihen dataan, jota kuvittelette omistavanne, vaan siihen dataan sellaisena kuin se tosiasiassa on tallennettu, määritelty ja ylläpidetty. Datanhallinta on siksi yksi kypsyysmittauksen perustavista ulottuvuuksista: yhdessä organisaation ja IT-infrastruktuurin kanssa se ratkaisee, onko ylipäätään mitään, mille rakentaa. Organisaatio voi pärjätä hyvin ihmisten ja taitojen tai suorituskyvyn johtamisen osalta ja siitä huolimatta huomata, että jokainen AI-sovellus juuttuu, koska kukaan ei pysty varmuudella sanomaan, mikä asiakastietokannan versio on oikea. Tämä järjestys ei ole meidän valintamme; se on järjestys, jossa asia toimii.
Datanhallinta koskee sen datan tilaa, jota organisaatio käyttää työskennellessään ja päätöksiä tehdessään. Ovatko määritelmät vakiintuneita, vai tarkoittaako "aktiivinen asiakas" jokaisella osastolla eri asiaa. Onko jokaisella datajoukolla nimetty omistaja, vai eikö kukaan tiedä, kuka on vastuussa, kun jokin kenttä on ollut virheellinen vuosia. Tallennetaanko data kerran ja haetaanko se sieltä kaikkialle, vai onko olemassa kolme vientitiedostoa, jotka ovat nykyään poikenneet toisistaan. Mittauksen kysymykset eivät koske datan määrää tai järjestelmän tyyppiä, vaan sen luotettavuutta ja alkuperää.
Viisi tasoa etenevät baseline-tasosta intelligence-tasoon, ja datanhallinnassa erot näiden tasojen välillä ovat usein konkreettisemmin havaittavissa kuin muissa ulottuvuuksissa. Baseline-tasolla data on lähinnä paikallista: taulukkolaskentaohjelmissa, kollegan päässä, järjestelmässä, jota kukaan ei enää täysin ymmärrä. Foundation-tasolla tärkeimmät datajoukot on nimetty ja omistajuudesta on alkava muoto, vaikka määritelmät vielä poikkeavat toisistaan. Mitä foundation-taso tarkoittaa käytännössä, myös muiden ulottuvuuksien kannalta, on kuvattu sivulla mitä foundation-taso tarkoittaa käytännössä, ja samoin lähtötason osalta sivulla mitä baseline-taso tarkoittaa käytännössä. Activation-tasolla määritelmät ovat suurelta osin jaettuja ja poikkeamien havaitsemiseen on prosessi. Insight-tasolla dataa käytetään aktiivisesti päätösten tukena, ja laadusta ja alkuperästä on näkyvyys. Intelligence-tasolla datanhallinta ei ole enää erillinen hanke, vaan pysyvä ominaisuus siinä, miten organisaatio toimii.
Plot-kierros paljastaa, pitääkö tämä arvio paikkansa. Kun CIO sijoittaa datanhallinnan activation-tasolle ja sen kanssa päivittäin työskentelevät tiimit baseline-tasolle, tämä hajonta kertoo todellisesta tilanteesta enemmän kuin molempien pisteiden keskiarvo. Usein käy ilmi, että järjestelmät on rakennettu tasoa ylemmäs kuin niissä toimiva käyttäytyminen: keskitetty järjestelmä on olemassa, mutta ihmiset työskentelevät sen rinnalla omissa tiedostoissaan, koska he eivät luota järjestelmään.
Se, mitä maksaa siirtyminen baseline-tasolta foundation-tasolle, riippuu siitä, kuinka pirstaloitunutta data nyt on ja kuinka monella osastolla on oma versionsa totuudesta. Työ keskittyy silloin lähinnä omistajuuden nimeämiseen ja määritelmien kirjaamiseen, ei uuteen teknologiaan. Foundation-tasolta activation-tasolle siirtyminen vaatii useammin teknisen askeleen: yhden lähteen nimeämisen johtavaksi, muiden poistamisen käytöstä tai muuttamisen vain luku -tilaan. Activation-tasolta insight-tasolle siirryttäessä painopiste siirtyy hallintaan: kuka saa muuttaa mitä, miten laatua valvotaan, mitä tapahtuu, kun virhe löydetään. Se, kuinka pitkä ja raskas tämä matka on, riippuu organisaation koosta, dataa ylläpitävien järjestelmien määrästä ja siitä, missä määrin ihmiset ovat jo tottuneet pitämään yhtä lähdettä johtavana. Tätä ei voi tiivistää kiinteään summaan tai kiinteään läpimenoaikaan; se riippuu siitä, mihin hajonta teidän plot-kierroksessanne keskittyy.
Datanhallinta on harvoin erillään muusta. Organisaatio, joka ei luota omaan dataansa, kohtaa myös vaikeuksia kohdassa mitä maksaa yksityisyyden ja tietoturvan nostaminen tasoa ylemmäs, koska ei voi suojata sitä, mitä ei ole kartoittanut. Toisaalta vahva datanhallinta voi luoda perustan, jonka päälle mitä maksaa suorituskyvyn johtamisen nostaminen tasoa ylemmäs on helpompi vastata, koska suorituskyvyn johtaminen tarvitsee luotettavaa dataa mitatakseen mitään. Myös kysymys mitä maksaa etiikan nostaminen tasoa ylemmäs koskettaa datanhallintaa suoraan: vastuullinen datan käsittely alkaa siitä, että tietää, mitä on ja mistä se on peräisin. Se, joka käsittelee näitä ulottuvuuksia toisistaan irrallaan, ottaa riskin, että työ yhden ulottuvuuden parissa jää jumiin toisen jälkeenjääneisyyden vuoksi.
Tämä mittaus osoittaa, onko organisaatiolla data, järjestelmät ja ihmiset, jotka kannattelevat AI:ta. Se on eri kysymys kuin se, minkä osan työstä AI todellisuudessa voi ottaa hoitaakseen. Kun on selvää, missä perustavat ulottuvuudet ovat, mukaan lukien datanhallinta, on hyödyllistä tarkastella tehtävittäin, mitä AI voi tehdä ja mitä ei. Se on FTE TO AI:n työskannauksen alue: se laskee tehtäväkohtaisesti, minkä osan työstä voi ottaa hoitaakseen, lähtökohtana se data ja ne järjestelmät, jotka sillä hetkellä tosiasiallisesti ovat käytössä.
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.