Aplikacije AI se zanašajo na podatke. Ne na podatke, ki si jih predstavljate, da jih imate, temveč na podatke, kot so dejansko shranjeni, opredeljeni in vzdrževani. Datamenedžment je zato ena od temeljnih dimenzij znotraj merjenja zrelosti: skupaj z organizacijo in IT-infrastrukturo določa, ali obstaja kaj, na čemer je mogoče graditi. Organizacija lahko dobro ocenjuje pri ljudeh in veščinah ali pri upravljanju uspešnosti, a hkrati ugotovi, da se vsaka aplikacija AI zatakne, ker nihče ne more z gotovostjo povedati, katera različica baze strank je pravilna. Ta vrstni red ni naša izbira; to je vrstni red, v katerem stvar deluje.
Datamenedžment se nanaša na stanje podatkov, ki jih organizacija uporablja za delo in odločanje. Ali so definicije trdno določene, ali pa pojem "aktivna stranka" v vsakem oddelku pomeni nekaj drugega. Ali obstaja določljiv lastnik za posamezen nabor podatkov, ali pa nihče ne ve, kdo je odgovoren, ko je polje že leta napačno izpolnjeno. Ali se podatki zajamejo enkrat in od tam povsod uporabljajo, ali pa obstajajo trije izvozi, ki so se medtem že razšli. Vprašanja v meritvi ne obravnavajo količine podatkov ali vrste sistema, temveč zanesljivost in izvor tega, kar je na voljo.
Pet ravni sega od baseline do intelligence, in pri datamenedžmentu je razlika med temi ravnmi pogosto bolj konkretno opazna kot pri drugih dimenzijah. Na ravni baseline podatki obstajajo predvsem lokalno: v preglednicah, v glavi sodelavca, v sistemu, ki ga nihče več v celoti ne razume. Na ravni foundation so najpomembnejši nabori podatkov poimenovani in obstaja začetek lastništva, čeprav se definicije še razlikujejo. Kaj ta raven foundation pomeni v praksi, tudi za druge dimenzije, je opisano na kaj pomeni raven foundation v praksi, enako velja za samo izhodišče na kaj pomeni raven baseline v praksi. Pri activation so definicije v veliki meri skupne in obstaja postopek za zaznavanje odstopanj. Pri insight se podatki aktivno uporabljajo za utemeljevanje odločitev, z vpogledom v kakovost in izvor. Pri intelligence datamenedžment ni več ločen projekt, temveč ustaljena lastnost delovanja organizacije.
Krog risanja razkrije, ali je ta ocena pravilna. Kadar CIO postavi datamenedžment na activation, ekipe, ki z njim vsak dan delajo, pa na baseline, ta razpon pove več o dejanskem stanju kot povprečje obeh ocen. Pogosto se izkaže, da so sistemi urejeni na višji ravni, kot je vedenje v njih: obstaja centralni sistem, a ljudje ob njem še vedno delajo v lastnih datotekah, ker sistemu ne zaupajo.
Koliko stane premik iz baseline v foundation, je odvisno od tega, kako razdrobljeni so trenutno podatki in koliko oddelkov ima svojo lastno različico resnice. Delo je takrat predvsem v poimenovanju lastništva in dokumentiranju definicij, ne v novi tehnologiji. Premik iz foundation v activation pogosteje zahteva tehnični korak: določitev enega vira, ukinitev drugih ali njihovo omejitev samo na branje. Premik iz activation v insight prenese težo na upravljanje: kdo lahko kaj spremeni, kako se preverja kakovost, kaj se zgodi, ko se odkrije napaka. Kako dolg in kako obsežen je ta proces, je odvisno od velikosti organizacije, števila sistemov, ki vodijo podatke, in stopnje, do katere so ljudje že vajeni obravnavati en vir kot vodilnega. To ni mogoče ujeti v fiksen znesek ali fiksen časovni okvir; odvisno je od tega, kje se koncentrira razpon v vašem krogu risanja.
Datamenedžment redko stoji sam zase. Organizacija, ki ne zaupa svojim podatkom, bo imela tudi težave s koliko stane, da zasebnost in varnost narasteta za eno raven, saj ne morete zavarovati tega, česar niste popisali. Po drugi strani lahko trden datamenedžment postavi temelj, na katerem je koliko stane, da upravljanje uspešnosti naraste za eno raven lažje odgovoriti, saj upravljanje uspešnosti potrebuje zanesljive podatke, da lahko kaj meri. Tudi vprašanje koliko stane, da etika naraste za eno raven neposredno zadeva datamenedžment: odgovorno ravnanje s podatki se začne s tem, da veste, kaj imate in od kod prihaja. Kdor te dimenzije obravnava ločeno, tvega, da bo delo na eni dimenziji zavrto zaradi zamude na drugi.
Ta meritev pokaže, ali ima organizacija podatke, sisteme in ljudi za podpiranje AI. To je drugo vprašanje kot to, kateri del dela lahko AI dejansko prevzame. Ko je jasno, kje stojijo temeljne dimenzije, vključno z datamenedžmentom, postane smiselno po posamezni nalogi preučiti, kaj AI zmore in kaj ne. To je domena delovne analize podjetja FTE TO AI: ta za posamezno nalogo izračuna, kateri del dela je mogoče prevzeti, izhajajoč iz podatkov in sistemov, ki so dejansko na voljo v tistem trenutku.
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.