Управление мастер-данными (MDM) мало у кого вызывает энтузиазм, но оно становится абсолютной необходимостью, поскольку организации все больше полагаются на искусственный интеллект и аналитику данных. CIO необходимо принять этот вызов, считают опрошенные порталом InformationWeek эксперты.
MDM всегда было важной темой, и, честно говоря, она уже давно приелась. Однако по ряду причин некоторые предприятия так и не смогли привести свои хранилища данных в порядок, что критически важно сейчас, учитывая растущее повсеместное использование ИИ и аналитики данных. Короче говоря, компаниям, которые хотят быть конкурентоспособными, лучше как можно скорее уделить первостепенное внимание MDM.
Обслуживание клиентов, внутренняя эффективность и автоматизация по-прежнему важны, но ИИ привносит новое измерение и новый уровень срочности, считает Грэм Томпсон, CIO компании Informatica, поставщика решений для управления корпоративными облачными данными на базе ИИ. «Одно дело упустить возможность автоматизировать внутренний процесс. Совершенно другое и гораздо более серьезное — упустить возможность внедрения ИИ-поддержки в клиентский опыт или процессы обнаружения мошенничества», — говорит он.
Одна из проблем MDM заключается в том, что оно не так заметно, как прикладной уровень, поэтому выделить необходимые ресурсы для его реализации может быть сложно. Чтобы изменить ситуацию, одних инструментов MDM недостаточно. По словам Томпсона, необходимо изменить мышление, чтобы люди осознали, почему следует организовать управление данными таким образом, чтобы их было удобно использовать. «Нужно понимать, как сочетать технологии с набором бизнес-процессов, внутренней культурой, стремлением делать все правильно и связать это с осмысленным бизнес-результатом, — говорит он. — Уровень зрелости некоторых вполне хороших компаний низок. Они просто плохо управляют своими данными».
Некоторые предприятия, например, круизные компании, не могут распознавать клиентов разных круизных линий, поскольку их данные по-прежнему разрозненны. В результате они упускают значительные финансовые возможности. Тем временем страховые компании оптимизируют процесс обработки претензий, уделяя первостепенное внимание качеству данных.
«MDM имеет вполне реальные бизнес-последствия, и я думаю, что мы можем улучшить это направление, начав говорить о бизнес-результатах, поскольку они настолько серьезны и понятны, что привлечь бизнес-руководителей на их поддержку не составит труда, — говорит Томпсон. — Но если вы попытаетесь привлечь их внимание к MDM, это будет выглядеть так, будто вы хотите реализовать с их помощью научный проект. Дело не в MDM, а в бизнес-результатах, которые можно получить, если хорошо организовать MDM».
CIO также должны убедиться, что заинтересованные стороны понимают цену бездействия, например, следование за отраслью вместо лидерства, предоставление некачественного клиентского опыта и риски не прохождения аудита соответствия нормативным требованиям и судебных исков.
Откладывание внедрения MDM — путь к катастрофе
Некоторые CIO сталкиваются с серьезным техническим долгом, связанным с MDM. «Все хотят обойти этап MDM. Если ограничиться обеспечением правильных данных для одного проекта, это неизбежно приведет к другим проблемам, — говорит Дуг Гилберт, CIO и директор по цифровым технологиям Sutherland Global, поставщика услуг и решений для цифровой трансформации бизнеса. — Теперь вы внедряете ИИ на том же уровне понимания и слепо следуя все тем же рекомендациям. Раньше можно было заниматься своего рода квазиуправлением мастер-данными для одного-двух проектов, не рассматривая это комплексно, но не сейчас».
По прогнозам Gartner, к 2026 г. организации откажутся от 60% ИИ-проектов, не подкрепленных готовыми к использованию данными. «Организации, которые не осознают огромных различий между обеспечением данных, готовых к использованию ИИ, и традиционным управлением данными, поставят под угрозу успех своих усилий в области ИИ», — предупреждает Гилберт.
Это выводит на первый план важность управления данными и MDM. «Я вижу две проблемы, которые предстоит решить при разработке стратегии и структуры MDM, поскольку сама природа систем ИИ предполагает их автономность. Необходимо гарантировать, что данные, поступающие в них, всегда чистые, — говорит Гилберт. — Я использую MDM, потому что мы проходим множество различных аудитов. Это болезненно, но у меня меньше сбоев, и мои системы требуют меньше обслуживания. Я получаю корректные результаты ИИ и точные прогнозы, когда занимаюсь аналитикой. Что еще важнее, мою готовность к аудиту очень легко доказать, поскольку у нас есть надлежащие средства контроля».
Луис Лэндри, технический директор компании Teradata, поставщика облачных и аналитических платформ данных, отмечает, что за последние пять-шесть лет организации отказались от строгих практик управления данными и стремления к автоматизации всего. Вместо этого они используют ИИ-агентов, реагирующих на имеющиеся у них данные.
«Определенно, нам не нравится говорить об MDM, но это очень важно и необходимо для будущего, в котором мы все планируем жить, — отмечает Лэндри. — В последние несколько лет я наблюдал, как люди, говоря о качестве данных и управлении данными, были готовы тратить деньги на технологический инструмент, но не готовы тратить деньги на сам процесс и специалистов, которые с ним связаны, и во многом это проблема, связанная с людьми».
В старых организациях
«Идея сетки данных заключается в том, что я буду управлять этими данными, а вы — теми. Мы будем разъединены, но при необходимости сможем подключаться, и вы сможете использовать мои данные, не вмешиваясь в них. Они мои, — говорит Лэндри. — Мы десятилетиями знали, что ускорение создания ценности достигается за счет интеграции, когда вы видите данные о запасах в сочетании с данными о клиентах, данные о продажах в сочетании с данными о доходах — именно тогда, когда все это объединяется, начинает происходить волшебство. В самых передовых организациях есть эксперты в конкретных областях. Это действительно повышает общее качество и доступность информации и позволяет преобразовывать данные в знания».
Другие факторы, которые мешают внедрению MDM
В области технологий, будь то сети или MDM, часто возникают противоположные тенденции, не последними из которых являются централизация и децентрализация.
«Постоянно требуется баланс между управлением, контролем и точностью, с одной стороны, и автономностью и гибкостью, с другой. Думаю, мы сильно склонились в сторону автономности и гибкости, — говорит Лэндри. — С такими технологиями, как генеративный ИИ и агенты, похоже, у нас есть шанс удовлетворить обе основные потребности, поскольку можно как бы отделить управление данными и обеспечить необходимые управление и контроль, отделенные от всей этой автономности и гибкости, необходимой на уровнях потребления и анализа».
По его словам, проблема данных становится все более острой, учитывая, что каждое приложение, похоже, имеет свою собственную базу данных и уникальную версию «истины».
«Мы придем к кризису невообразимой сложности, и я думаю, что фрагментация — это то, с чем нам всем придется столкнуться, и практика управления мастер-данными будет невероятно важна для решения этой проблемы», — говорит Лэндри.
Темпы изменений в бизнесе и инноваций в области ИИ уже опережают возможности многих организаций. А разнообразие способов, которыми люди хотят использовать данные, приводит к огромному количеству технического долга.
«За последний год мы даже еще не начали понимать, как это выглядит с точки зрения всех этих ИИ-приложений, агентов и подобных вещей. Предприятия пытаются разобраться, как монетизировать свои информационные активы, сохраняя при этом достаточный уровень управления и контроля. Это невероятно сложная задача, — говорит Лэндри. — Но мы часто забываем, что не все эти проблемы — технологические. Самые погруженные в эти проблемы CIO и CTO, с которыми я общался, сосредоточены на том, куда направить реальные усилия, связанные с людьми и процессами, а где применить технологии».
Он рекомендует начать с предметных областей, а не с приложений, и с автоматизации процессов, а не с инструментов. «Наведите порядок во всем этом, а затем, как только вы это сделаете, найдите подходящие инструменты, соответствующие вашему процессу, — говорит Лэндри. — Я бы инвестировал в экспертов в важных для вас областях данных, которые действительно разбираются в этих вопросах, чтобы они могли помогать и направлять всех тех, кто будет создавать приложения, агенты и инструменты на основе ваших данных».
