AI sprendimai pasikliauja duomenimis. Ne tais duomenimis, kuriuos, jūsų nuomone, turite, o duomenimis tokiais, kokie jie faktiškai yra saugomi, apibrėžti ir prižiūrimi. Todėl duomenų valdymas yra viena iš pagrindinių dimensijų brandos vertinime: kartu su organizacija ir IT infrastruktūra jis nulemia, ar yra kas nors, ką galima plėtoti. Organizacija gali gerai vertinti žmones ir įgūdžius arba veiklos valdymą, ir vis tiek pastebėti, kad kiekvienas AI sprendimas užstringa, nes niekas negali tiksliai pasakyti, kuri kliento duomenų bazės versija yra teisinga. Ta tvarka nėra mūsų pasirinkimas – tai tvarka, kuria tai veikia.
Duomenų valdymas apima organizacijos naudojamų duomenų būklę, kuria remiantis dirbama ir priimami sprendimai. Ar apibrėžimai yra nustatyti, ar sąvoka „aktyvus klientas“ kiekviename padalinyje reiškia kažką kitą. Ar kiekvienam duomenų rinkiniui yra paskirtas atsakingas asmuo, ar niekas nežino, kas atsakingas, kai laukas metų metus yra neteisingas. Ar duomenys užfiksuojami vieną kartą ir imami iš vienos vietos, ar egzistuoja trys eksportai, kurie tarpusavyje jau nesutampa. Vertinimo klausimai nėra apie duomenų kiekį ar sistemos tipą, o apie turimų duomenų patikimumą ir kilmę.
Penki lygiai svyruoja nuo baseline iki intelligence, ir duomenų valdymo atveju skirtumas tarp šių lygių dažnai yra konkretiau pastebimas nei kitose dimensijose. Baseline lygyje duomenys egzistuoja daugiausia vietiniu lygiu: skaičiuoklėse, kolegos galvoje, sistemoje, kurios niekas nebesupranta visiškai. Foundation lygyje svarbiausi duomenų rinkiniai yra įvardyti ir yra pradinis nuosavybės apibrėžimas, nors apibrėžimai vis dar skiriasi. Ką foundation lygis reiškia praktikoje, taip pat ir kitoms dimensijoms, aprašyta ką foundation lygis reiškia praktikoje, o tas pats taikoma ir pradiniam taškui puslapyje ką baseline lygis reiškia praktikoje. Activation lygyje apibrėžimai iš esmės yra bendri ir yra procesas nukrypimams signalizuoti. Insight lygyje duomenys aktyviai naudojami sprendimams pagrįsti, turint aiškų vaizdą apie kokybę ir kilmę. Intelligence lygyje duomenų valdymas nebėra atskiras procesas, o nuolatinė organizacijos veikimo savybė.
Plot etapas parodo, ar šis įvertinimas atitinka tikrovę. Kai CIO duomenų valdymą priskiria activation lygiui, o komandos, kurios su tuo dirba kasdien, priskiria baseline lygiui, toks išsiskyrimas apie tikrąją situaciją pasako daugiau nei šių dviejų įvertinimų vidurkis. Dažnai pasirodo, kad sistemos yra sukurtos vienu lygiu aukščiau nei jose vykstantis elgesys: yra centrinė sistema, bet žmonės vis tiek dirba lygiagrečiai su savo failais, nes nepasitiki sistema.
Kiek kainuoja pereiti nuo baseline į foundation, priklauso nuo to, kiek suskaidyti dabar yra duomenys ir kiek padalinių naudoja savo tiesos versiją. Darbas tuomet daugiausia yra nuosavybės nustatymas ir apibrėžimų užfiksavimas, o ne nauja technologija. Perėjimas nuo foundation į activation dažniau reikalauja techninio žingsnio: nurodyti vieną šaltinį, kitus atsisakyti arba leisti juos naudoti tik skaitymui. Perėjimas nuo activation į insight svorio centrą perkelia į valdymą: kas gali kas keisti, kaip tikrinama kokybė, kas atsitinka, kai randama klaida. Kiek laiko ir kiek sudėtingas šis procesas bus, priklauso nuo organizacijos dydžio, sistemų, kuriose kaupiami duomenys, skaičiaus ir to, kiek žmonės jau yra pripratę vieną šaltinį laikyti pagrindiniu. Tai neįmanoma apibrėžti fiksuota suma ar fiksuota trukme – tai priklauso nuo to, kur susikoncentruoja išsiskyrimas jūsų plot etape.
Duomenų valdymas retai egzistuoja savarankiškai. Organizacija, kuri nepasitiki savo duomenimis, taip pat sunkiai susitvarkys su kiek kainuoja privatumo ir saugumo lygio pakėlimas, nes negalima apsaugoti to, ko neturite susikartografuoto. Ir atvirkščiai, stiprus duomenų valdymas gali sudaryti pagrindą, kuriuo remiantis lengviau atsakyti į klausimą kiek kainuoja veiklos valdymo lygio pakėlimas, nes veiklos valdymui reikia patikimų duomenų, kad būtų galima ką nors matuoti. Taip pat klausimas kiek kainuoja etikos lygio pakėlimas tiesiogiai susijęs su duomenų valdymu: atsakingas duomenų naudojimas pradedamas nuo žinojimo, ką turite ir iš kur tai kilo. Kas šias dimensijas sprendžia atskirai vieną nuo kitos, rizikuoja, kad darbą su viena dimensija sulaikys atsilikimas kitoje.
Šis vertinimas parodo, ar organizacija turi duomenis, sistemas ir žmones, reikalingus AI palaikyti. Tai kitoks klausimas nei tas, kurią darbo dalį AI faktiškai gali perimti. Kai tampa aišku, kur yra pagrindinės dimensijos, įskaitant duomenų valdymą, tampa naudinga pažvelgti į kiekvieną užduotį atskirai ir įvertinti, ką AI gali padaryti, o ko negali. Tai FTE TO AI darbo skenerio sritis: jis pagal kiekvieną užduotį apskaičiuoja, kokią darbo dalį galima perimti, atsižvelgiant į tuo metu faktiškai egzistuojančius duomenis ir sistemas.
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.