Os executivos usam 3 estratégias para criar fortes fundações de dados para integração de IA

Os líderes empresariais sabem bem que as fundações robustas são cruciais quando se trata de aproveitar o poder da inteligência artificial (IA). Mergulhar em projetos de IA sem uma estratégia de dados sólidos em vigor é uma receita para o desastre. Como diz o velho ditado, "lixo, lixo" - e isso não poderia ser mais verdadeiro quando se trata de IA.

Então, como os profissionais podem colocar as bases para garantir que sua organização possa usar a IA com segurança e eficácia? Aqui, três líderes de negócios compartilham suas principais dicas para criar uma estratégia bem -sucedida para alavancar a tecnologia emergente.

1. Coloque seu povo em primeiro lugar

Claire Thompson, diretora de dados e análise do grupo da gigante de seguros L&G, enfatiza que uma abordagem estratégica da informação é vital para qualquer empresa que queira inovar. "Eu sempre digo que as fundações de dados são importantes para o que você faz a seguir", disse ela à ZDNET. Thompson enfatiza a necessidade de conectar regras e regulamentos aos resultados financeiros tangíveis.

"Deixe claro como a estratégia de dados gerará valor tangível - por que é importante, por exemplo, que seus endereços de email estejam atualizados e precisos para que você possa fazer comunicações digitais direcionadas?" Ela pergunta. Thompson entende que nem todos estão emocionados por mergulhar em um plano estratégico de longo prazo que descreve a tecnologia, processos, pessoas e regras necessárias para gerenciar ativos de informação. No entanto, ela insiste que o estágio de planejamento é fundamental para colher os benefícios das tecnologias como a IA.

"Eu posso entender por que as pessoas podem dizer que a governança é chata", ela admite. "Mas nas organizações digitais de hoje, onde as pessoas querem fazer processamento direto, torna-se ainda mais crítico que seus dados sejam de boa qualidade. Portanto, todas as estradas estão levando à governança".

Uma parte essencial da estratégia de Thompson na L&G está promovendo uma estreita relação de trabalho entre sua equipe de dados e o departamento de TI. A colaboração eficaz depende da clareza sobre as habilidades que cada parte traz para a mesa. "Você precisa de uma parceria de mãos dadas. A tecnologia é extremamente importante para o que fazemos no espaço de dados, e não podemos fazer nosso trabalho sem os ambientes de nuvem, o data warehousing e as ferramentas. Os dados são mantidos em todos os aplicativos que a equipe de TI mantém", explica ela.

Thompson também destaca a importância de incorporar a qualidade dos dados pelo design nos sistemas principais. "Quanto mais você pode fazer esse trabalho, mais ele impede o efeito cascata da baixa qualidade dos dados mais adiante e impede qualquer esforço de remediação", diz ela. Essa abordagem abrirá o caminho para experiências aprimoradas dos clientes, como aplicativos móveis personalizados e negociações automatizadas suportadas pela IA.

2. Domine seus dados transacionais

Jon Grainger, CTO no escritório de advocacia DWF, acredita que agora é o momento perfeito para desenvolver uma estratégia de dados. Ele enfatiza que os líderes empresariais experientes devem se concentrar nos elementos fundamentais do uso de dados bem antes de considerar como aproveitar a IA e o aprendizado de máquina. "Eu sempre digo que o melhor momento para uma estratégia de dados é há quatro anos", ele brinca. "É um trabalho de super -tanker. Em última análise, não há muitos atalhos. Há uma visão que diz: 'Bem, se vai demorar muito, por que se preocupar?' E acho que é por isso que muitas pessoas não conseguiram entender seus dados ".

O objetivo de Grainger é ajudar sua empresa a criar uma reputação de oferecer ótimas experiências por meio da transformação digital - uma estratégia de dados é um componente crucial dessa abordagem. Desde que ingressou no DWF no final de 2022, ele implementou uma nova estratégia centrada em produtos de software como serviço baseados em nuvem (SaaS) e interfaces de programação de aplicativos abertos (API).

Os dados da DWF abrangem várias entidades, como casos, parceiros, clientes e processos de negócios internos, incluindo cobrança e finanças. "A estratégia de dados tem como objetivo garantir que os dados transacionais - a fonte da verdade - sejam dominados nessas seções", explica Grainger. O objetivo é ajudar a organização a se mover rapidamente sem comprometer a qualidade ou custo.

"Cada produto SaaS tem uma identidade clara no mapa corporativo", diz ele, detalhando as nuances de sua estratégia de dados. "Essa identidade é impulsionada pelos dados que você domina em cada área". Grainger enfatiza que o "requisito mínimo absoluto" para se integrar à arquitetura de destino da empresa são APIs bem desenvolvidas que o DWF pode acessar e usar.

Ele ressalta que a tecnologia SnapLogic desempenha um papel fundamental para garantir uma conexão sólida e confiável entre serviços, APIs e usuários. "Invariavelmente, você receberá 15 grafias diferentes de um endereço específico, e a tecnologia pode ver esse padrão e corrigi -lo", diz ele. "Também pode fazer algo chamado enriquecimento. Portanto, pode levar a referência de alguém, ir para uma API, voltar e dizer: 'Esta é a informação certa.'"

Grainger também observa que a estratégia de dados se concentra nos modelos que o DWF cria para responder às principais perguntas dos negócios. Ao combinar isso com o foco da empresa em produtos SaaS e APIs, a DWF possui bases sólidas para explorar a tecnologia emergente. "Acontece que você está se preparando muito bem para a IA generativa se você tiver todos esses elementos em sua estratégia de dados", conclui.

3. Trabalhe com seus colegas do setor

Nic Granger, diretor de Autoridade de Transição para o Norte da Autoridade de Transição do Norte (NSTA), acredita que uma ótima estratégia de dados se estende além das práticas internas e abrange limites organizacionais. A NSTA coleta dados do setor de petróleo e gás, e a equipe da Granger desenvolveu plataformas digitais que permitem que a indústria, o governo, a academia ou outras partes interessadas acessem os dados abertamente.

Como parte desse esforço, ela preside o Grupo de Estratégia Digital de Energia Offshore (DSG), um órgão especializado formado no final de 2022 para promover a colaboração em todos os órgãos públicos do Reino Unido envolvidos na coleta de dados em petróleo, gás e renováveis. "Reconheceu -se que precisávamos de uma estratégia de dados digitais coesa em todo o setor de energia offshore", disse ela à ZDNet. "Havia bons bolsos de excelência em todo o setor em gerenciamento de dados e tecnologias digitais, mas eles não estavam necessariamente conversando juntos. Então essa era uma grande prioridade para nós".

O DSG é apoiado por colaboradores, incluindo os departamentos governamentais do Reino Unido, o Open Data Data Institute e o Conselho de Liderança em Tecnologia. Granger diz que essa abordagem colaborativa foi proveitosa: "Agora temos a estratégia de dados e trata -se de trabalhar em três principais fluxos de trabalho".

O primeiro fluxo se concentra em dados, padrões e princípios: "Certifique -se de que a qualidade subjacente dos dados seja boa porque estamos todos trabalhando na mesma base", explica ela. O segundo fluxo visa criar kits de ferramentas comuns de dados e garantir a interoperabilidade. "Não deve importar se você está trabalhando em uma empresa de energia offshore ou em um projeto em uma empresa de petróleo e gás, você deve ter dados utilizáveis ​​nas plataformas. Esse trabalho é sobre 'Como você obtém esses dados de A a B sem duplicação?'" "

O terceiro fluxo de trabalho se concentra na digitalização intersetorial: "trata-se de garantir que os dados e as habilidades digitais existam em todo o setor e garantir que o setor esteja em conformidade com as melhores práticas de segurança cibernética", diz Granger.

Com essas fundações de dados em vigor, é muito mais fácil começar a pensar em como aproveitar ao máximo as tecnologias emergentes. "Nosso foco é garantir que estamos acessando os dados e nos formatos certos para que outras pessoas usem a IA e o aprendizado de máquina", conclui Granger.