Zastosowania AI liczą na dane. Nie na dane, które Pan/Pani wyobraża sobie, że posiada, lecz na dane takie, jakie są faktycznie przechowywane, zdefiniowane i utrzymywane. Zarządzanie danymi jest zatem jednym z fundamentalnych wymiarów w pomiarze dojrzałości: wraz z organizacją i infrastrukturą IT decyduje o tym, czy istnieje coś, na czym można budować. Organizacja może osiągać wysokie wyniki w zakresie ludzi i umiejętności lub zarządzania wynikami, a jednocześnie stwierdzić, że każde zastosowanie AI zatrzymuje się, ponieważ nikt nie może z pewnością powiedzieć, która wersja bazy klientów jest właściwa. Ta kolejność nie jest naszym wyborem; to kolejność, w jakiej to działa.
Zarządzanie danymi dotyczy stanu danych, które organizacja wykorzystuje do pracy i podejmowania decyzji. Czy definicje są ustalone, czy „aktywny klient” oznacza w każdym dziale coś innego. Czy istnieje wskazany właściciel dla każdego zbioru danych, czy nikt nie wie, kto jest odpowiedzialny, gdy pole od lat zawiera błąd. Czy dane są rejestrowane jednorazowo i pobierane z jednego miejsca, czy istnieją trzy eksporty, które od tego czasu się od siebie różnią. Pytania w pomiarze nie dotyczą ilości danych czy typu systemu, lecz wiarygodności i pochodzenia tego, co się posiada.
Pięć poziomów przebiega od baseline do intelligence, a przy zarządzaniu danymi różnica między tymi poziomami jest często bardziej konkretnie zauważalna niż przy innych wymiarach. Na poziomie baseline dane istnieją przede wszystkim lokalnie: w arkuszach kalkulacyjnych, w głowie kolegi, w systemie, którego już nikt w pełni nie rozumie. Na poziomie foundation najważniejsze zbiory danych są nazwane i istnieje początek własności, choć definicje wciąż się różnią. Co ten poziom foundation oznacza w praktyce, także dla innych wymiarów, opisano na stronie co oznacza poziom foundation w praktyce, a to samo dotyczy samego punktu startowego na stronie co oznacza poziom baseline w praktyce. Na poziomie activation definicje są w większości podzielane i istnieje proces sygnalizowania odchyleń. Na poziomie insight dane są aktywnie wykorzystywane do uzasadniania decyzji, z wglądem w jakość i pochodzenie. Na poziomie intelligence zarządzanie danymi nie jest już odrębnym procesem, lecz stałą właściwością sposobu działania organizacji.
Runda plotowania pokazuje, czy ta ocena jest zgodna z rzeczywistością. Gdy CIO umieszcza zarządzanie danymi na poziomie activation, a zespoły, które codziennie z nim pracują, na poziomie baseline, ten rozrzut mówi więcej o rzeczywistej sytuacji niż średnia z obu wyników. Często okazuje się, że systemy są skonfigurowane na poziom wyższy niż zachowanie w nich: istnieje centralny system, ale ludzie pracują jeszcze poza nim, we własnych plikach, ponieważ nie ufają systemowi.
To, co kosztuje przejście z baseline na foundation, zależy od tego, jak rozdrobnione są obecnie dane i ile działów posiada własną wersję prawdy. Praca polega wtedy przede wszystkim na wskazaniu własności i ustaleniu definicji, a nie na nowej technologii. Przejście z foundation na activation częściej wymaga kroku technicznego: wskazania jednego źródła, wycofania innych lub udostępnienia ich tylko do odczytu. Przejście z activation na insight przenosi ciężar na governance: kto może co zmieniać, jak kontrolowana jest jakość, co się dzieje, gdy zostanie znaleziony błąd. To, jak długi i jak obciążający jest ten proces, zależy od wielkości organizacji, liczby systemów, które przechowują dane, oraz stopnia, w jakim ludzie są już przyzwyczajeni do traktowania jednego źródła jako wiodącego. Nie da się tego ująć w stałej kwocie czy stałym czasie trwania; zależy to od tego, gdzie koncentruje się rozrzut w Pana/Pani rundzie plotowania.
Zarządzanie danymi rzadko istnieje w oderwaniu. Organizacja, która nie ufa swoim danym, będzie mieć również trudności z ile kosztuje podniesienie prywatności i bezpieczeństwa o poziom wyżej, ponieważ nie można zabezpieczyć tego, czego się nie zmapowało. I odwrotnie, silne zarządzanie danymi może stworzyć fundament, na którym łatwiej odpowiedzieć na pytanie ile kosztuje podniesienie zarządzania wynikami o poziom wyżej, ponieważ zarządzanie wynikami potrzebuje wiarygodnych danych, aby móc coś zmierzyć. Także pytanie ile kosztuje podniesienie etyki o poziom wyżej dotyka zarządzania danymi bezpośrednio: odpowiedzialne postępowanie z danymi zaczyna się od wiedzy, co się posiada i skąd to pochodzi. Kto zajmuje się tymi wymiarami odrębnie, ryzykuje, że praca nad jednym wymiarem zostanie zatrzymana przez zaległości w innym.
Ten pomiar pokazuje, czy organizacja posiada dane, systemy i ludzi potrzebnych do wsparcia AI. To inne pytanie niż to, jaką część pracy AI może faktycznie przejąć. Gdy już wiadomo, gdzie znajdują się fundamentalne wymiary, w tym zarządzanie danymi, sensowne staje się sprawdzenie dla każdego zadania, co AI może zrobić, a czego nie. To jest domena skanu pracy FTE TO AI: on wylicza dla każdego zadania, jaką część pracy można przejąć, na podstawie danych i systemów, które w danym momencie faktycznie są dostępne.
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.