Kunstig intelligens endrer kanskje hvordan virksomheter arbeider, men suksessen avhenger av noe langt mer grunnleggende: kvaliteten på dataene bak. Uten pålitelige data og god datahåndtering kan selv de mest avanserte KI-løsningene slite med å gi meningsfulle resultater. Så hva skal egentlig til for å håndtere data godt, og hvorfor bør organisasjoner bry seg? Vi snakket med Prof. Dr. Bas van Gils, Managing Partner i Strategy Alliance og professor ved Antwerp Management School, om sammenhengen mellom datahåndtering, datakvalitet og KI.
De fleste organisasjoner har mer data enn de vet hva de skal gjøre med. Kundeinformasjon, regnskap, driftssystemer, analyseplattformer og utallige dokumenter bidrar alle til en stadig voksende informasjonsmengde.
Men det å ha data gjør ikke en organisasjon datadrevet.
Ifølge Bas ligger den virkelige verdien i hvordan dataene håndteres gjennom hele livssyklusen, og til syvende og sist i hvordan de brukes.
Organisasjoner må forstå hvilke data de trenger, hvordan dataene bør struktureres, hvor de hører hjemme og hvordan de kan vedlikeholdes over tid. De trenger også et solid fundament for sikkerhet, personvern og risikostyring, understøttet av tydelig datastyring.
For data alene skaper ikke verdi.
Som Bas forklarer det:
«Data er bare data. Det i seg selv hjelper deg ikke. Data gir deg først verdi når du faktisk bruker dem.»
Det er her datahåndtering blir mer enn et teknisk ansvar. Det blir en viktig del av hvordan organisasjonen drives, tar beslutninger og utvikler nye ferdigheter.
Å bli mer datadrevet er en ambisjon som deles av organisasjoner i alle bransjer. Men hvordan ser den ambisjonen ut i praksis?
Bas møter dette spørsmålet jevnlig i arbeidet sitt som rådgiver og underviser.
Han beskriver hvordan organisasjoner ofte uttrykker et ønske om å bli mer datasentriske, men sliter med å svare når de blir spurt hva det faktisk innebærer.
Og det er en del av utfordringen.
Å være datadrevet handler ikke bare om å samle inn mer informasjon, innføre nye dashbord eller investere i avansert teknologi. Det krever en felles forståelse av data og av hvordan de bør håndteres.
Tenk på noe så hverdagslig som definisjonen av en kunde.
For en salgs- eller markedsavdeling kan en kunde være alle organisasjonen potensielt kan selge til.
For økonomiavdelingen er en kunde kanskje bare noen som allerede har kjøpt noe.
Begge perspektivene kan gi mening innenfor hver sin funksjon. Men hva skjer når organisasjonen trenger én samlet, pålitelig kundeliste?
Plutselig blir en tilsynelatende enkel forespørsel et spørsmål om definisjoner, eierskap og konsistens.
Det er her datastyring, metadatahåndtering og datakvalitet blir avgjørende.
Utfordringen er ikke alltid at informasjonen er feil. Noen ganger mener ulike deler av virksomheten rett og slett forskjellige ting når de bruker de samme ordene.
Uten felles definisjoner og et felles rammeverk kan selv enkel rapportering og analyse bli unødvendig komplisert.
Etter hvert som KI blir en mer integrert del av virksomhetenes drift, blir det stadig vanskeligere å overse betydningen av god datahåndtering.
Bas illustrerer sammenhengen med et praktisk eksempel fra sitt eget rådgivningsarbeid.
I arbeidet med et drikkevannsselskap møtte han et bruksområde der KI ble brukt til å overvåke vannkvaliteten.
Tradisjonelle kjemiske analyser kan ta lang tid. Biologiske indikatorer, derimot, kan reagere mye raskere på endringer i vannkvaliteten.
Ved å bruke data om vannets egenskaper og kjente kvalitetsvurderinger kan KI-modeller trenes til å gjenkjenne mønstre som henger sammen med trygt eller utrygt drikkevann.
Prosessen illustrerer et grunnleggende prinsipp i maskinlæring.
Men hva skjer når de underliggende dataene er upålitelige, ufullstendige eller dårlig forstått?
Selv en avansert algoritme har begrensninger hvis dataene som brukes til å utvikle og evaluere den, ikke er egnet til formålet.
Bas sier det enkelt:
«Vi trenger god datahåndtering for å få gode data.»
Resonnementet hans følger en tydelig kjede: God datahåndtering gir gode data, som igjen gir bedre forutsetninger for at KI kan skape verdi.
Og ingen mengde avansert teknologi kan fullt ut kompensere for at dette fundamentet blir forsømt.
Når folk hører begrepet datakvalitet, tenker de ofte på å rette feil, fjerne duplikater eller sørge for at informasjonen er komplett.
Dette er viktige oppgaver. Men å håndtere data på en god måte innebærer et langt bredere ansvar.
Hvem definerer hva informasjonen betyr?
Hvem har ansvar for å vedlikeholde den?
Hvordan løses uenigheter?
Og hvem har myndighet til å ta beslutninger om organisasjonens dataressurser?
Dette er spørsmål om datastyring (data governance).
Bas beskriver datastyring i praktiske termer som det å etablere beslutningsmyndighet, retningslinjer og kontroller for hvordan data skal håndteres.
Det handler om å vite hvem som kan ta en beslutning, hvem som har ansvaret når noe må rettes, og hvordan organisasjonen skal håndtere situasjoner der ulike behov eller tolkninger står mot hverandre.
Og disse spørsmålene strekker seg langt utover IT-avdelingen.
Forretningsanalytikere, arkitekter, dataforskere, dataeiere og andre fagpersoner bidrar alle til hvordan data forstås og brukes.
For organisasjoner som jobber mot høyere datamodenhet, er et felles språk på tvers av disse rollene et viktig utgangspunkt.
Når så mange fagområder er involvert i datahåndtering, hvordan kan organisasjoner bygge en felles forståelse?
Et mye brukt utgangspunkt er DAMA Data Management Body of Knowledge (DAMA-DMBOK), som gir en strukturert tilnærming til de ulike områdene innen datahåndtering.
Rammeverket dekker blant annet dataarkitektur, datamodellering, datasikkerhet, integrasjon, metadata, datakvalitet og datastyring.
I stedet for å behandle disse som isolerte, tekniske fagområder, hjelper rammeverket fagfolk med å forstå hvordan de henger sammen.
Bas forklarer datahåndtering gjennom datas livssyklus: å planlegge og utforme dataene, å legge til rette for og vedlikeholde dem, og til slutt å bruke dem til å skape verdi.
For å få til dette trenger organisasjoner både et solid fundament og en styring som binder de ulike aktivitetene sammen.
Når man forstår disse sammenhengene, blir en samling tekniske begreper til noe langt mer nyttig: en praktisk måte å tenke på data som en ressurs for hele organisasjonen.
Å forstå prinsippene er én ting. Å anvende dem i en virkelig organisasjon er noe annet.
Derfor legger Bas vekt på å kombinere akademisk teori med praktiske eksempler når han underviser i datahåndtering.
Som aktiv rådgiver, professor og forfatter av Data Management: A Gentle Introduction tar han med seg erfaring fra både forskning og virkelige prosjekter inn i klasserommet.
Tilnærmingen hans består av tre steg.
Målet er ikke å pugge en lærebok, men å forstå begrepene godt nok til å se hvordan de er relevante i praksis.
Mens organisasjoner fortsetter å investere i KI, analyse og digital transformasjon, er de grunnleggende spørsmålene påfallende de samme.
Forstår vi dataene våre?
Kan vi stole på dem?
Har vi tydelige ansvarsforhold for hvordan de håndteres?
Og bruker vi dem på måter som skaper reell verdi?
Teknologien vil fortsette å utvikle seg. Men behovet for pålitelige data, felles definisjoner og god datastyring forsvinner ikke.
Og kanskje er dette den viktigste lærdommen: Før du spør hva KI kan gjøre for organisasjonen din, er det verdt å spørre om dataene dine er klare til å støtte det.
Vil du bygge et sterkere fundament innen datahåndtering? Utforsk Glasspapers kurs Data Fundamentals: Certified Data Management Program (CDMP) med Prof. Dr. Bas van Gils, og få en strukturert forståelse av datahåndtering, datakvalitet og datastyring.
