Johdanto:
Generatiivinen tekoäly (AI) avaa uusia ulottuvuuksia datalähtöisessä liiketoiminnassa, mahdollistaen yritysten prosessien merkittävän tehostamisen ja uusien innovaatioiden synnyttämisen. Teknologia vapauttaa työvoimaa rutiinitehtävistä, kuten raporttien kirjoittamisesta ja koodin generoinnista, siirtäen fokusta uudenlaisiin tehtäviin.
Generatiivisen tekoälyn tuoma muutos työnteossa heijastuu väistämättä myös datan hallintaan, mikä on tämän blogikirjoituksen ydin ajatus. Tässä blogissa tuodaan esiin muutamia näkökulmia siitä, miten generatiivinen tekoäly ja sen suoraan tai välillisesti tuomat muutokset muuttavat datanhallintaa.
Generatiivinen tekoäly ja datan hallinta
Generatiivinen tekoäly muuttaa datanhallintaa monin tavoin. Paneudumme tässä blogikirjoituksessa kolmeen näkökulmaan:
- Muutokset datan hallinnan laajuudessa
- Tarve hyödyntää dataa entistä tehokkaammin
- Datan hallinnan prosessien ja tehtävien tehostaminen
1. Muutokset datanhallinnan laajuudessa
Generatiivinen tekoäly muuttaaa datanhallinnan laajuutta, tuoden eturintamaan (strukturoidun) datan lisäksi dokumenttien ja muun sisällön hallinnan. DAMA:n DMBOK-viitekehys sisältää jo tämän ulottuvuuden, mutta monien organisaatioiden hallintamalli on keskittynyt lähinnä struktoituun dataan. Tämä saattaa siis tarkoittaa muutosta monessa organisaatiossa, jossa dokumenttien ja sisällön hallinta otetaan vahemmin osaksi olemassa olevaa hallintamallia. Tämä tarkoittaa siis samankaltaisten asioiden, kuten omistajuuden, elinkaaren, laadun sekä muiden toimintatapojen vahvempaa käyttöönottoa dokumenttien ja sisällönhallinassa.
2. Datan hyödyntäminen tehokkaammin
Generatiivisen tekoälyn tuoman mullistuksen myötä datan strateginen hyödyntäminen on noussut organisaatioiden johdon asialistalle, korostaen tiedon arvonluontipotentiaalia liiketoiminnassa. Tästä syystä useat organisaatiot pyrkivät hyödyntämään dataa entistä tehokkaammin, mikä asettaa myös uudenlaisia vaatimuksia sen hallinalle. Yksi näkökulma tehostamiseen on datan tuotteistaminen, jota myös Data Mesh -filosofia puoltaa. Tuotteistamisen tarkoituksena on muuttaa data selkeästi määritellyiksi, hallinnoitaviksi ja käyttötarkoituksen mukaisiksi data tuotteiksi, jotka ovat helposti saatavilla ja hyödynnettävissä koko organisaatiossa. Tämä mahdollistaa tekoälyn tehokkaamman ja hallitumman hyödyntämisen organisaatiossa.
Datan tuotteistaminen ei tietenkään poista tarvetta perusteelliselle datanhallinnalle. Itse asiassa se korostaa sen hallinnan peruskomponenttien - kuten omistajuuden, ymmärrettävän kuvauksen ja laadunvalvonnan - tärkeyttä. Datatuotteet vaativat selkeää hallinnointia: niille tulee määritellä vastuutahoja organisaation sisällä, niiden käyttö ja tavoitteet tulee määritellä yksiselitteisesti, ja niiden laatu on varmistettava jatkuvin toimin.
3. Datan hallinnan prosessien ja tehtävien tehostaminen
Iso osuus generatiivisen tekoälyn arvosta piilee työn tehostamisessa, jonka se mahdollistaa automatisoimalla prosesseja ja tehtäviä. Datan hallinta sisältää myös toimintaa jota voidaan tehostaa tämän uuden teknologian avulla. Tästä esimerkkinä voidaan mainita useat datakatalogityökalut, jotka ovat tuoneet generatiivisen tekoälyn toiminnot, jotka auttavat datan kuvaamisessa ja luokittelussa, vähentäen näin siihen käytettävää manuaalista työtä. Vaikka nämä toiminnot ovatkin vasta kehityksensä alussa, ne ennakoivat merkittävää suunnanmuutosta datanhallinnan tulevaisuudessa. Lähivuosina voidaan odottaa näkevämme vieläkin edistyneempiä tekoälyn hyödyntämistapoja, jotka tulevat mullistamaan datanhallinnan tehokkuuden ja strategisen arvon entisestään.
Kirjoittaja
Patrick Qvick
Service Area Director, Data management & Transformation
