Nature'ın Hediye Ekonomisi Veri Yönetişimi nasıl yeniden şekillendirebilir – veritabanimimari.com

Veri silosunun ölümü sorunun sonu değil

Yıllardır, veri silolarını parçalamanın iş dönüşümünün kutsal kasesi olduğunu duyduk. Bize daha iyi boru hatları, entegre analitik ve yapay zeka odaklı karar almanın nihayet kurumsal verilerin tüm potansiyelinin kilidini açacağı söylendi. Ama işte kimsenin sormadığı soru: Ya hala çok küçük düşünüyorsak?

Asıl zorluk sadece teknolojik değil, kavramsal. Sadece daha iyi veri yönetişine veya daha temiz meta verilere ihtiyacımız yok. Bir düşünce tarzına ihtiyacımız var Bu, teknik optimizasyonun ötesine ve daha derin yaratıcı problem çözmeye geçer. Multidisipliner düşüncenin devreye girdiği yer burası.

Verilerin neden disiplinler arası perspektiflerin karmaşıklığına ihtiyacı var?

Geleneksel olarak, veri yönetimi bir mühendislik ve uyum işlevi olmuştur. Kontrol ile ilgiliydi – işleri yapılandırılmış, denetlenebilir ve verimli tutmak. Ancak yapay zeka ve otomasyon kendilerini karar verme süreçlerimize daha derinlemesine yerleştirdikçe, eski veri düşüncesi koruyucusu “federasyon” veya “olmayan” önerileriyle bir duvara çarpıyor. ikisi de ne zaman olmalı. Bugünün en acil zorlukları sadece teknik değil; Etik, felsefi ve derinden insandırlar.

Çok disiplinli bir yaklaşım bizi bu karmaşıklıklarla yüzleşmeye zorlar:

• Sistem düşüncelerinden (ekoloji ve biyoloji): Verileri statik bir varlık olarak ele almak yerine, onu gelişen bir ekosistem olarak görmeye başlıyoruz. Veriler nasıl kendi kendini organize ediyor? Veri kümeleri arasında hangi ilişkiler oluşur ve zaman içinde nasıl uyum sağlarlar?

• Bilişsel Bilim ve Davranışsal Ekonomiden: İnsanların veri üzerinde nasıl yorumlandığını ve hareket ettiğini sorgulamaya başlıyoruz. Önyargılar nereye girer? Farklı kullanıcılar – yöneticiler, cephe çalışanları, müşteriler – aynı veri kümesini nasıl deneyimliyor ve yanlış yorumluyor?

• Felsefe ve Etik'ten: Yapay zeka odaklı karar almanın gerçek dünya sonuçlarını inceliyoruz. Bir AI bir kredi başvurusunu reddettiğinde veya bir iş adayı diğerine öncelik verdiğinde yükü kim taşır?

• Tasarım ve hikaye anlatımından: Gösterge tablolarının ötesine geçiyoruz ve verilerin nasıl olduğunu soruyoruz deneyimli. Karmaşık bilgileri nasıl sezgisel hale getiririz? Sadece erişim yerine içgörü için nasıl tasarlarız?

Bu temel bir değişim – verilerden giriş verilere anlatıyönetimden işlemler yönetmeye sonuçlar.

Hype'dan gerçek problem çözmeye geçiş

AI odaklı veri devrimi Jargon'da çalkalanmıştır: DataOps, ML boru hatları, AI-First İşletmeler. Ancak işletmeler hala gerçek değer elde etmek için mücadele ediyorsa ne anlama geliyor? Çok disiplinli düşünme, yutturmaca kesmeye yardımcı olur ve mevcut yaklaşımımızdaki boşlukları ortaya çıkarır:

• Heyecanlandırmak: “AI karar almayı otomatikleştirecek.”
• Gerçeklik: AI nüansı anlamıyor. Mevcut önyargıları güçlendirir, yani düşünceli yönetişim yükü daha az değil, daha büyüktür.
• Zanaat: Veri yöneticileri, verilerin muhafızlarından içgörü yöneticilerine, AI'nın adalet ve etkililik için nasıl eğitildiğini, onaylandığını ve denetlendiğini şekillendirmelidir.

• Heyecanlandırmak: “Veri odaklı kuruluşlar daha hızlı hareket ediyor.”
• Gerçeklik: Anlamadan hız sadece yanlış sonuçlara doğru hızlanmadır.
• Zanaat: Uygulayıcılar, otomasyon üzerinde eleştirel düşünceye öncelik vermelidir-insanların sadece AI önerilerinin lastik damgaları değil, nihai karar vericiler olmasını sağlayan iş akışları tasarlar.

• Heyecanlandırmak: “Siloları yıkmak her şeyi çözecek.”
• Gerçeklik: Silolar genellikle teşvikler, kültürler ve hedefler arasında daha derin yanlış hizalanmaların bir belirtisidir.
• Zanaat: Veri yönetimi zanaat, köprü oluşturma gerektirir-disiplinler arasındaki konuşmaları kolaylaştırmak, verilerin izole teknik hedeflerden ziyade daha geniş organizasyonel anlatılara hizmet etmesini sağlamaktır.

Bu veri yönetimi liderleri için ne anlama geliyor?

Bu değişimi ciddiye alırsak (ve yapmalıyız), veri yönetiminin rolünü bir BT endişesinden bir çok daha fazlası stratejik disiplin. Şu anlama geliyor:

• Sadece veri mühendisleri ve veri bilimi çalışanları değil, bilişsel bilim adamları, etikçiler ve kullanıcı deneyimi tasarımcılarını işe almak.

• Yönetişim modellerini sadece uyumluluk değil, etik risk değerlendirmesini içerecek şekilde genişletmek.

• Gösterge tablolarını ve raporları yeniden düşünmek İnsan karar verme arayüzlerisadece depolanan verilerin yansımaları değil.

• Teşekkür edilebilirliği şeffaf analitik güç üzerinde öncelik vermek – çünkü kimsenin güvendiği veya anlamadığı mükemmel optimize edilmiş bir model işe yaramaz.

Gelecek: Verilerle düşünmeyi öğrenmek, sadece işlemekle kalmaz

Birinci bir dünyada gelişen şirketler sadece en iyi teknolojiye yatırım yapan şirketler olmayacaktır. Verilerin kendisine yaklaşımlarını yeniden düşünenler olacaklar – karmaşıklığı kucaklayan, birden fazla disiplinden yararlanıyor ve “yeni petrol olarak verilerin” yorgun klişelerinin ötesine geçiyorlar.

Veriler yağ değildir. Anında değer için ayıklamak, rafine etmek ve yakmak bir kaynak değildir. Arkadaş ve meslektaşı Kathy Allen, “Köklerden Önde” yazarı, ona daha çok bir ekosistem gibi bakmayı seviyor – yaşayan, gelişen ve birbirine bağlı. Bir ömür boyu uygulama boyunca honlanmış ve geliştirilen bir zanaat gibi bakmayı seviyorum (evet-yes, kitap hala beklemede!). Ve tıpkı doğada olduğu gibi, nasıl yapılacağını öğrenen kuruluşlar beslemek sadece tüketmek Veriler geleceği şekillendirenler olacaktır. Ve zanaat insanları – değişime ne kadar iyi uyum sağladıkları için – artık var olmayan bir dünyayla başa çıkmak için kendilerini güzel bir şekilde donatılmış bulurlar.

Eski paradigmaların ötesine geçmeye hazır mıyız? Yoksa aynı düşünceyi gittikçe karmaşıklaşan bir dünyaya uygulamaya mı devam edeceğiz? Cevap, bir sonraki veri odaklı inovasyon döneminde kimin geliştiğini belirleyecek.