Kultura data-driven w praktyce: budowanie organizacji opartej o (dobre) dane

Jednocześnie zacieśnia się pętla prawno-regulacyjna, przynajmniej w Unii Europejskiej, która chroniąc użytkowników, może jednocześnie przyczynić się do wyhamowania rozwoju tzw. sztucznej inteligencji i oddalanie się Europy od Stanów Zjednoczonych czy Azji w zakresie postępu technologicznego.

Nie oceniając, który kierunek jest dobry – liberalny czy bardziej zachowawczy – możemy stwierdzić, że o konkurencyjności przedsiębiorstw w Unii Europejskiej w przyszłości może decydować nie tylko (tyle) to ile danych wykorzystują, ale także w jaki sposób to robią, np. w kontekście prywatności.

Dane, zarówno ustrukturyzowane, jak i nieustrukturyzowane, stanowią paliwo dla rozwiązań opartych o uczenie maszynowe, głębokie czy przetwarzanie języka naturalnego, a ich nieodpowiednie wykorzystanie może być źródłem wielu problemów, w szczególności jeżeli tworząc te rozwiązania nie pamiętamy o pewnych fundamentalnych zasadach. Nie muszę chyba nikomu przypominać, jakie skutki miało dla Apple i Goldman Sachs nieuwzględnienie niektórych czynników związanych z tzw. AI & Data Governance.

O konkurencyjności (…) przedsiębiorstw może decydować nie tylko (tyle) to ile danych wykorzystują, ale także w jaki sposób to robią

Z drugiej strony, dobrej jakości dane, które poddajemy stosownej „obróbce” w ramach procesów data science, mogą być dla organizacji i jej klientów prawdziwym błogosławieństwem, przyczyniając się do poprawy na wielu frontach, w tym w obszarze operacyjnym czy personalizacji. Sama decyzja o przejściu na automatyzację w zakresie pozyskiwania i przetwarzania danych nie powinna być jednak wyłącznie oparta o wewnętrzne przekonanie, ale analizę wielu czynników, które będą wpływały na to, jak (nie)efektywnie będziemy korzystali z dobrodziejstwa danych.

Czytaj także: BankTech 2022: prof. Michał Kosiński o uczuciach i świadomości sztucznej inteligencji

AI ‒ od czego zacząć?

Alyssa Simpson Rochwerger i Wilson Pang stworzyli bardzo dobrą listę pytań, które powinniśmy sobie zadać decydując się w ogóle na zastosowanie jakiegoś rozwiązania opartego o AI, gdzie znajdziemy takie pozycje jak określenie celu biznesowego, odbiorców korzyści (np. jednostek operacyjnych) czy kwestie o charakterze strategicznym. Pytania, a właściwie odpowiedzi, mają pomóc nam w znalezieniu najlepszego rozwiązania dla zidentyfikowanego problemu, którym może być też brak „odpowiedzi” dla manualnych procesów.

Proces dochodzenia do wniosków dotyczących naszej sytuacji w świecie AI może być procesem szybkim – jeżeli dobrze podeszliśmy do problemów na etapie tworzenia struktury lub dłuższym, jeżeli bazujemy w znacznej mierze na tradycyjnym modelu funkcjonowania organizacji.

Budowanie kultury data-driven powinno już dzisiaj stanowić dla przedsiębiorców jeden z głównych celów

W tym miejscu dochodzimy do clue dzisiejszego felietonu, czyli budowania organizacji opartej na danych, która w założeniu ma być nie tylko efektywna (także biznesowo), ale i bezpieczna. Nawigowanie w świecie, w którym brak zgodności z przepisami i regulacjami, ale także coraz częściej normami etycznymi, może być źródłem wielu niepowodzeń, a także realnych strat, które mogą mieć charakter nie tylko materialny, ale i społeczny czy reputacyjny.

Z tego względu budowanie kultury data-driven powinno już dzisiaj stanowić dla przedsiębiorców jeden z głównych celów, który powinien uzupełniać cele biznesowe.

Kultura data-driven

Pytanie, które powinniśmy sobie w tym miejscu zadać, to „czym jest kultura data-driven”? Nie ma jednej definicji, a i pewne składowe tego pojęcia będą różnić się w zależności od organizacji i wartości na których opiera ona swoją działalność biznesową.

Kultura data-driven zakłada, że wiemy i rozumiemy jaka jest wartość danych, a także umiemy i chcemy z nich korzystać dla wspólnego celu-dobra

W jednym z dokumentów Urzędu Komisji Nadzoru Finansowego znajdziemy taką rekomendację – „Bank powinien tworzyć kulturę organizacyjną, w której kładzie się nacisk na zapewnianie odpowiedniej jakości danych wprowadzanych przez pracowników do systemów informatycznych”. Nie jest to definicja samej kultury data-driven, ale jej kluczowego elementu – jakości danych, która ma istotne znaczenie dla realizacji pozostałych założeń.

W jednym z moich ostatnich postów zasugerowałem też taką definicję. Kultura danych to (…)  tworzenie i promowanie rozwiązań w organizacji, które nakierowane są na zapewnienie wysokiego poziomu jakości danych, które następnie są wykorzystywane do (…) rozwiązań wykorzystujących automatyzację przetwarzania. Oznacza to nie tylko (nie tyle?) wprowadzenie formalnych, także technicznych instrumentów w zakresie czyszczenia czy pozyskiwania (źródeł) danych, ale także budowanie świadomości wśród pracowników, co do tego CZYM są dane i jakie mogą przynieść KORZYŚCI, ale też jakie niosą ze sobą ZAGROŻENIA, będące ODPOWIEDZIALNOŚCIĄ organizacji i jej pracowników.

Organizacja, która swoją działalność opiera na danych patrzy w przyszłość, traktując dane jako źródło wielu wartościowych informacji, które mogą posłużyć do budowania bardziej efektywnych i użytecznych rozwiązań, a także poprawy funkcjonowania samej organizacji, a więc i jej pracowników. Kultura data-driven zakłada, że wiemy i rozumiemy jaka jest wartość danych, a także umiemy i chcemy z nich korzystać dla wspólnego celu-dobra.

W takiej organizacji odchodzimy od silosowego podejścia, w którym hermetyczne jednostki trzymają dane, których inne jednostki nie mogą wykorzystać. Tutaj chodzi o tworzenie wspólnej platformy do wymiany danych (data-sharing), która niekoniecznie musi być oparta o interfejsy dostępowe (API) i platformizację, ale otwartość na realizację wspólnych założeń lub wspieranie kolegów i koleżanek w upraszczaniu procesów. Wszystko oczywiście z zachowaniem zasad i ograniczeń wynikających z przepisów prawa i regulacji – niestety.

Czytaj także: Jakość czy ilość danych dla modeli uczenia maszynowego – co jest ważniejsze?

Przewaga i konkurencyjność w oparciu o dane

To także budowanie świadomości i dawanie zielonego światła do bardziej innowacyjnego wykorzystania danych. Zarząd i kadra zarządzająca powinny jasno komunikować, że organizacja chce budować swoją przewagę właśnie w oparcie o dane i informacje, które można z nich wyciągnąć – np. predykcje, rekomendacje etc.

Istotna będzie tutaj też określona strategia, która powiązana będzie z fundamentalnymi wartościami w organizacji, a także realnymi celami

Bez tego trudno przekonać pracowników, którzy i tak już drżą na samą myśl o RODO, że dane mogą mieć dla organizacji realną wartość. Komunikacja i edukacja będą tutaj niewątpliwie kluczem, choć wyposażenie organizacji w odpowiednie narzędzia też jest istotne. Dlatego tak istotne mogą być ułatwienia w zakresie promocji innowacyjności, np. huby innowacji czy programy wspierające.

A skoro o komunikacji mówimy, to nie można zapominać, że istotna będzie tutaj też określona strategia, która powiązana będzie z fundamentalnymi wartościami w organizacji, a także realnymi celami średnio i długoterminowymi. Strategia nie może być jednak czymś na pokaz, ale dokumentem, który stanowi podstawę do realizacji, ale i odpowiedzialności. Musi być więc właściciel biznesowy, który pokieruje procesem wdrożenia oraz weźmie odpowiedzialność za ewentualne potknięcia, które mogą się pojawić po drodze. Musi to być osoba, która ma też odpowiednie instrumentarium decyzyjne.

Etyka i odpowiedzialność a data-driven

Jest jeszcze etyka, która jednak pokrywa się w wielu miejscach z wartościami obecnymi „duchem i ciałem” w organizacji. Ma ona szczególne znaczenie w kontekście relacji z danymi, bowiem naruszenia mogą mieć nie tylko charakter prawny czy regulacyjny, ale także etyczny. To, co dozwolone przez prawo, nie musi być w każdym przypadku etyczne. Zostawmy to jednak na odrębny felieton.

Na koniec warto zwrócić uwagę na jedną istotną kwestię. Samo budowanie kultury nie powinno opierać się wyłącznie o „miękkie” atrybuty, ale w jakimś stopniu podlegać formalizacji, m.in. w zakresie budowania wspomnianego AI & Data Governance. Ludzie podążają za tym, co spisane i respektują strukturę, hierarchię i zasady odpowiedzialności.

Dlatego obok budowania swoistego data-driven leadership należy pamiętać o zapewnieniu odpowiednich rozwiązań w zakresie organizacji, technicznych aspektów działalności, jak i biznesowego podejścia.

Michał Nowakowski, https://pl.linkedin.com/in/michal-nowakowski-phd-35930315, Head of NewTech w NGL Advisory oraz Counsel w NGL Legal, założyciel www.finregtech.pl, wykładowca studiów podyplomowych SGH: FinTech ‒ nowe zjawiska i technologie na rynku finansowym. Adres e-mail: michal.nowakowski@ngladvisory.com
Opinie wyrażone w artykule są osobistymi opiniami Autora i nie mogą być utożsamiane z jakąkolwiek instytucją, z którą Autor jest lub był związany.