Data governance AI:n perustana
Kun organisaatio käynnistää ensimmäisen AI-järjestelmänsä ja huomaa, että ennusteet ovat epäjohdonmukaisia ja malli tuottaa absurdeja tuloksia, ensireaktio on etsiä virheitä algoritmista. 80 %:ssa tapauksista todellinen syy on muualla: syöttödata on puutteellista, epäjohdonmukaisesti merkittyä tai heijastaa vanhoja liiketoimintaprosesseja, jotka ovat jo kauan sitten lakanneet olemasta voimassa. Data governance on prosessien ja työkalujen kokonaisuus, joka estää näitä ongelmia ennen kuin ne tulevat kalliiksi.
Datan laatu — ulottuvuudet ja mittaaminen
Datan laatu ei ole yksiulotteinen käsite. Käytännön laadunhallinta edellyttää useiden riippumattomien ulottuvuuksien mittaamista:
- Kattavuus — mikä osuus vaadituista kentistä on täytetty? Näkymättömät tyhjät arvot lähdejärjestelmien tauluissa voivat romuttaa ennustemallit.
- Johdonmukaisuus — onko samassa datassa eri järjestelmissä identtinen arvo? CRM:n ja ERP:n väliset eroavaisuudet asiakkaan perusattribuuteissa ovat yleinen ongelma.
- Ajantasaisuus — miten vanhaa data on todellisuuteen verrattuna? Reaaliajassa toimiville AI-järjestelmille tämä on kriittinen ulottuvuus.
- Tarkkuus — heijastaako data todellisuutta? Verifiointi vaatii ulkoisia referenssilähteitä tai manuaalista otantaa.
Tietoluettelo — missä mitäkin on ja mitä se tarkoittaa
Kypsässä organisaatiossa data on hajautettuna kymmeniin järjestelmiin, tietokantoihin ja tiedostoihin. Ilman tietoluetteloa uusi AI-projekti alkaa viikkojen selvittämisellä: missä tilaustiedot ovat? Mitä asiakastaulun kenttä "status_v2" tarkoittaa? Kuka vastaa myyntidatan laadusta?
Tietoluettelo vastaa näihin kysymyksiin automaattisesti, skannaamalla lähdejärjestelmiä ja rikastamalla teknisiä metatietoja liiketoimintakuvauksilla, omistajatiedoilla ja arkaluonteisuusluokituksilla. AI-järjestelmille on olennaista, että luettelo on automaatiotyökalujen saatavilla — AI-malli voi silloin itse tutkia käytettävissä olevat datalähteet ennen analyysin aloittamista.
Data lineage — tietovirtojen jäljittäminen
Kun AI-malli tuottaa epäilyttävän tuloksen, tutkinnassa on vastattava kysymykseen: mistä tämä arvo on peräisin ja mitä transformaatioita se on käynyt läpi matkalla? Data lineage kirjaa automaattisesti tietovirran lähteestä peräkkäisten muunnosten kautta lopulliseen tauluun tai malliin. Se on välttämätön työkalu paitsi vianetsintään myös vaatimustenmukaisuuteen — GDPR, DORA ja toimialakohtaiset säädökset vaativat dokumentointia siitä, mistä henkilöpäätöksiin käytetty data on peräisin.
Master data management (MDM)
Jokaisella suurella organisaatiolla on ongelma samojen entiteettien monista määritelmistä: asiakas CRM:ssä, asiakas talousjärjestelmässä ja asiakas verkkokauppa-alustalla ovat usein kolme eri oliota, joiden pitäisi edustaa samaa henkilöä tai yritystä. Master data management luo yhden luotettavan tietueen jokaiselle keskeiselle entiteetille ja propagoi sen johdettuihin järjestelmiin. Ilman MDM:ää AI-järjestelmät oppivat datasta, jossa sama asiakas käsitellään kolmena eri henkilönä.
Miten aloittaa — iteratiivinen lähestymistapa
Data governance ei tarvitse olla monivuotinen projekti ennen minkään AI-järjestelmän käynnistämistä. Käytännön lähestymistapa on rakentaa hallintaa rinnakkain ensimmäisten käyttöönottojen kanssa: tunnista suunnitellun AI-järjestelmän kannalta kriittisimmät datajoukot ja aloita niiden laatuprofiilista. Laajenna kattavuutta asteittain, oppien todellisista tuotanto-ongelmista.