Новые исследования показывают, что если вы не можете оправдать затраты времени и денег на внедрение первоклассной системы управления данными, это может не только снизить потенциал вашего бизнеса в использовании искусственного интеллекта для получения конкурентных преимуществ, но и повысить регуляторный риск, сообщает портал BigDATAwire.
Иногда бывает сложно оправдать большие затраты времени и денег на управление данными. В конце концов, если вы не являетесь брокером данных, данные не сделают ваших клиентов счастливее или не приведут к росту продаж напрямую, но они являются результатом упорного труда и ведения эффективного бизнеса, а также множества других факторов.
В то же время в условиях нынешнего нормативно-правового регулирования и развития технологий наличие хорошо управляемых активов данных превратилось из приятной мелочи в необходимость.
Рассмотрим недавний отчет компании Gresham, которая опросила 200 старших специалистов по работе с данными, работающих в финансовых компаниях в США и Великобритании, о стратегиях управления данными в их компаниях. Исследование показало, что 44% руководителей либо «хранят данные в слишком большом количестве мест, либо хранят слишком много данных», что приводит к «повышению сложности и увеличению рисков, связанных с соблюдением нормативных требований».
«В то время как организации демонстрируют стремление внедрить передовые решения в области ИИ, многие из них еще не внедрили основополагающие принципы управления данными и комплексные системы обеспечения качества данных, необходимые для соблюдения нормативных требований, — говорит Нил Вернон, технический директор Gresham. — Такое стратегическое несоответствие между технологическими амбициями и базовой инфраструктурой данных не только препятствует инновациям, но и подвергает организации риску операционной неэффективности и повышенным регуляторным рискам».
Gresham называет, что новые нормативные акты, такие как Положение о рынках финансовых инструментов (MiFIR), Закон о цифровой операционной устойчивости (DORA) и T+0 (расчеты на фондовых рынках в один день), потенциально могут быть применены к компаниям, которые не смогли реализовать удовлетворительные стратегии управления данными, а также конкретные политики управления данными, необходимые для обеспечения высокого качества данных.
По словам Вернона, компании, которые не могут интегрировать свои разрозненные потоки данных в единую структуру, сталкиваются с повышенными рисками, включая рост затрат и операционные сбои, а также нарушения нормативных требований. «Интегрированный стратегический подход позволяет собирать точные и качественные данные в одном месте, значительно сокращая расходы и обеспечивая соответствие нормативным требованиям в сложной нормативной среде», — отмечает он.
Тем временем Fivetran опубликовала новое исследование, согласно которому компании рискуют своим будущим в области ИИ, не вкладывая достаточных средств в эффективные методы управления данными. Компания, занимающаяся интеграцией данных и ETL (извлечение, преобразование и загрузка данных), опросила около 400 специалистов по работе с данными в США, Великобритании, Европе и Азии и пришла к выводу, что неэффективные методы управления данными распространены гораздо шире, чем считалось ранее.
Например, хотя большинство (57%) участников опроса Fivetran утверждают, что их стратегия централизации данных «очень эффективна», свыше 40% из них признают, что более половины их ИИ-проектов либо проваливаются, либо не приносят должного результата. Более того, препятствием номер один на пути к успеху ИИ является интеграция данных, на что указали 33% респондентов.
Количество источников данных, которыми управляют предприятия, просто ошеломляет. По данным Fivetran, три четверти участников опроса получают данные из 500 и более мест. Именно поэтому процесс ETL, как бы ненавистен он ни был, остается сегодня столь важным для операций с большими данными, расширенной аналитикой и ИИ.
Исследование Fivetran также показало, что более 80% ресурсов, выделяемых на инжиниринг данных, тратится только на поддержание существующих конвейеров ETL, и это среди той когорты, которая уже централизовала бóльшую часть своих данных. Если эффективность работы с данными в наиболее развитых компаниях настолько низка, представьте себе, сколько ресурсов тратится впустую в компаниях по всему миру, которые пытаются управлять разрозненными данными.
Специалисты по работе с данными, опрошенные компанией Fivetran, назвали соблюдение нормативных требований самой большой проблемой в управлении данными ИИ — таково мнение 59% участников опроса. По мнению исследователей, это свидетельствует о том, что, хотя централизация данных «является важнейшим первым шагом, ее одной недостаточно».
Эти два опроса еще раз подтверждают важность правильного управления данными для ведения бизнеса в XXI веке. Генерирование данных не замедляется, и существует множество возможностей для их использования, будь то изучение исторических тенденций (традиционная аналитика), предсказание того, что может произойти в будущем (предиктивная аналитика и машинное обучение), или создание нового опыта (генеративный ИИ).
Однако без надежной основы управления данными компания вряд ли сможет воспользоваться преимуществами новых технологий, таких как генеративный ИИ. Более того, регуляторная среда все чаще требует применения надлежащих методов управления данными в качестве необходимого первого шага для получения доступа к публичным рынкам.
Когда речь идет о поиске правильной мотивации, есть пряники, а есть кнуты. Для управления данными лица, принимающие решения, могут найти такие пряники и кнуты в виде ИИ и соответствия нормативным требованиям. В этом свете кажется, что есть только один четкий путь вперед: инвестиции в управление данными больше не предмет для обсуждения.
