GenAI Zorunluluğu – veritabanimimari.com

GenAI’nın CIO’lar, CDO’lar ve iş liderleri için öncelikleri arttıkça 2023, veri ve analitiği ön plana çıkardı. Gizli zorluk, veri sanayileşmesinde geride kalan kuruluşların kendilerini iş dönüşümünde geride bulmalarıdır. GenAI ve makine öğreniminin sayısız sorunu çözeceği öne sürülüyor. Unilever’in küresel veri ve analitik başkan yardımcısı Morgan Vawter, Eric Siegel’in yakında çıkacak olan “Yapay Zekanın Başucu Kitabı”nda “çok yönlü bir veri altyapısı ve sıkı veri doğrulama sürecinin başarının anahtarı olduğunu” ortaya koyuyor. Bu şu soruyu akla getiriyor: Kuruluşlar müşteri deneyimlerini geliştirmek için veri analitiğini nasıl geliştirebilir? Bunu öğrenmek için #CIOChat’taki veri profesyonelleriyle konuştum.

Verileri ve Analitikleri Geliştirme

Veri analitiğinin evrimi, tanımlayıcı analitiğin, tahmine dayalı ve kuralcı analitiğe doğru ilerlemesini sağlar. Tecrübeli bir CIO olan Martin Davis, pek çok kuruluşun verilerini ayıklama konusunda sıkıntı yaşadığını ve çok azının kural koyma aşamasına ulaştığını gözlemliyor. Aynı ilerleme, tahmine dayalı ve kuralcı bakımın ilgi çekmesiyle imalat sektöründeki bakım için de geçerlidir.

M&T Bank’ta veri ve analitik kurumsal mimarı olan Craig Milroy, temel veri bilgisinin kritik öneme sahip olduğunu ancak sıklıkla gözden kaçırıldığını ve bu durumun ideal olmayan iş sonuçlarına yol açtığını ileri sürüyor. Kuruluşlar farklı teknoloji ve yaklaşımlara sahip birleştirilmiş bir modeli benimserken, liderlerin üretken yapay zeka çözümlerine yönelik telaşın ortasında temelleri hatırlaması gerekiyor. “Temel bilgilerin atlanması, optimal olmayan iş sonuçlarına yol açar. Birleşik bir yaklaşım içinde, kuruluş genelinde olgunluk alanları ve çeşitli beceriler, teknoloji ve yaklaşımlar bulunur. İş sonuçlarına yönelik yeni yaklaşımları geliştirmek ve benimsemek için birçok fırsat var.” Bu nedenle liderler, üretken yapay zeka çözümlerine doğru koşarken temel adımları atmayı unutmamalı.

Veri Olgunluğunun Dalgalanma Etkisi

Veri olgunluğunun etkisi müşteri deneyimine ve dijital iş modellerinin ve ürünlerinin etkinleştirilmesine kadar uzanır. Üretim CIO’su Joanne Friedman, sağlam bir veri stratejisinin müşteri ve çalışan deneyimlerinin yanı sıra dijital inovasyon yoluyla gelir yollarına da değinmesi gerektiğini vurguluyor. Verilerin temizliği, doğrulanması, geçerli kılınması ve yönetişimi esastır; menşei ve kökeni genellikle ihmal edilir ve bazen yasal sonuçlar doğurur.

Davis, yönetişim ve veri kalitesini tanımlamanın müşteri deneyimi açısından temel olduğu konusunda hemfikir. Bankacılık sektöründe Milroy, yeni bir veri stratejisiyle müşteri odaklı sonuçlar oluşturmayı hedefleyerek risk, düzenleme ve müşteri deneyimine yönelik veri merkezli bir yaklaşımı öne çıkarıyor. Milroy, “Veriler riske, mevzuata, finansa ve ardından müşteri deneyimine odaklanıyor” diyor.

Verileri Analytics için Uyarlama

Peki veriyi analitik için amaca uygun hale getirmek için nelerin aşılması gerekiyor? Milroy, insanlara, kültüre ve becerilere odaklanarak iş hedeflerine teknoloji yerine öncelik verilmesini öneriyor. Veri altyapısı ve veri akışının anlaşılması çok önemlidir. İleri görüşlü bir CIO olan Deb Gildersleeve, raporlama noktasında iyileştirme yetersiz olmasına rağmen veri hijyenini iyileştirmek için entegrasyonu savunuyor.

Veri Hijyeninin Zorunluluğu

Veri hijyeni ve entegrasyon engelleri, analitik ve iş sonuçları için verilerden yararlanma konusunda devam ediyor. Friedman, veri kalitesi ve yönetişimi devam eden sorunlar olarak sıralıyor ve “kirli” ve yanlış anlaşılan verilerin çok yaygın olduğunu ve operasyonel ve stratejik hayal kırıklıklarına yol açtığını açıkça kabul ediyor. Ancak Davis, temiz veriler ve sağlam yönetişim ve sahiplik ile desteklenen tek bir gerçek kaynağı olmadan, verilerden elde edilen içgörülerin güvenilirliğinin sorgulanabilir olduğunu vurguluyor.

Kapanış Düşünceleri

GenAI ve makine öğrenimi çağı, temeldeki verilerin niteliğine bağlı olarak çok şey vaat ediyor. Yeni ortaya çıkan GenAI çözümleri veri sorunlarını düzeltmeyi teklif etse de olgunlukları hala gelişiyor. Bu nedenle, yapay zeka ve yenilikçi iş metodolojileriyle rekabet avantajını sürdürmek için veri kalitesine öncelik vermek çok önemlidir. Bu revizyon, içeriğin derinliğini korumayı, aynı zamanda netliği ve etkileşimi artırmayı amaçlamaktadır. Vurgulamak istediğiniz belirli alanlar veya gerekli ek ayarlamalar varsa lütfen bana bildirin!

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir