Zephyrnet-logo

Diepgewortelde datacultuur kan een uitdaging vormen voor nieuwe AI-systemen 

Datum:

Een legacy-bedrijf kan een diepgewortelde datacultuur hebben, met gevestigde procedures die in het verleden goed hebben gewerkt, waardoor de overstap naar AI-systemen een uitdaging is. (Credit: Getty Images) 

Door John P. Desmond, AI Trends Editor 

Bedrijven die al geruime tijd bestaan ​​– tientallen jaren of zelfs een eeuw of langer – met duizenden werknemers in vele business units wereldwijd, met informatiesystemen die gedurende vele jaren op meerdere platforms zijn gebouwd, hebben diepgewortelde dataculturen die een uitdaging kunnen vormen voor de implementatie van AI-systemen.  

Datacultuur verwijst naar de verwachting dat data zullen worden gebruikt om beslissingen te nemen en het bedrijf te optimaliseren, waardoor een bedrijf datagedreven wordt. Een datagedreven bedrijf kan rustig voortbewegen, met complexe bedrijfsprocessen en operaties onder controle en het werk doend. Gebruikers hebben mogelijk toegang tot de gegevens die ze nodig hebben en worden aangemoedigd om hun analyse te presenteren, zelfs als de inzichten niet welkom zijn.   

Dan vraagt ​​iemand of het bedrijf het kan zoals Netflix of Amazon, waarbij AI-algoritmen op de achtergrond aanbevelingen doen en gebruikers begeleiden, zoals een startup in Silicon Valley. Misschien kan ik er vanaf hier niet komen.  

Tom O'Toole, professor, Kellogg School of Management

"Deze grote bedrijven hebben mogelijk enorm succesvolle en bewonderenswaardige bedrijven opgebouwd", aldus Tom O'Toole, professor aan de Kellogg School of Management, die onlangs schreef in Forbes.  

Veel legacy-bedrijven hebben echter IT-organisatiestructuren en -systemen die dateren van vóór de gebruiker van data-analyse en nu AI. De aanwezige datacultuur kan weerstand bieden aan verandering. In veel bedrijven wordt cultuur genoemd als een primaire uitdaging voor de succesvolle implementatie van AI.   

"Gevestigde organisaties zijn te vaak gefragmenteerd, geïsoleerd en bekrompen in hun gegevensgebruik, met diepgewortelde belemmeringen voor het delen van informatie", aldus O'Toole, die voordat hij in de academische wereld ging werken, chief marketing officer was bij United Airlines. Vragen aan gevestigde autoriteiten zijn misschien niet welkom, vooral als de topman de antwoorden niet leuk vindt. 

Om de aanpak van Silicon Valley te repliceren, had de auteur deze suggesties:  

Voel je comfortabel met transparantie. Gegevens die zich voorheen alleen binnen één afdeling bevonden, moeten waarschijnlijk breder worden gedeeld met het leiderschapsteam. Bedrijfsprestatiegegevens moeten transparant zijn.  

Verhoog de verantwoordelijkheid. Meer verantwoording volgt op meer transparantie. Er moeten gegevens worden verstrekt om aan te tonen dat een bepaalde strategie of productlancering effectief is.  

Omarm ongewenste antwoorden. Een data-analyse kan conventionele aannames uitdagen, bijvoorbeeld door aan te tonen dat de prestaties minder waren dan werd aangenomen, of dat de conventionele wijsheid niet zo slim was.   

"Het creëren van een datacultuur is absoluut noodzakelijk om de bedrijfsprestaties continu te verbeteren en AI en machine learning toe te passen", aldus O'Toole. 

Onderzoek toont bezorgdheid aan dat problemen met de gegevenskwaliteit ertoe leiden dat AI faalt 

Bijna 90% van de respondenten van een onderzoek van Alation, een bedrijf dat organisaties helpt bij het vormen van een effectieve datacultuur, is bezorgd dat problemen met datakwaliteit kunnen leiden tot AI-falen.   

Aaron Kalb, medeoprichter en chief data and analytics officer, Alation

"AI faalt wanneer het slechte gegevens invoert, wat resulteert in onnauwkeurige of oneerlijke resultaten”, aldus Aaron Kalb, medeoprichter en chief data and analytics officer, in een account op de Alation-blog"Slechte gegevens kunnen op hun beurt voortkomen uit problemen zoals inconsistente gegevensstandaarden, niet-naleving van gegevens en een gebrek aan gegevensdemocratisering, crowdsourcing en catalogisering.” De ontvangers van de enquête noemden deze redenen de belangrijkste redenen voor het falen van AI. 

In het laatste onderzoek van het bedrijf werd organisaties gevraagd hoe ze AI inzetten en met welke uitdagingen ze daarbij worden geconfronteerd. De resultaten lieten een correlatie zien tussen het hebben van een datacultuur van het hoogste niveau en succesvoller zijn in het implementeren van AI-systemen.  

Dataleiders die AI hebben ingezet, noemen onvolledige gegevens als het belangrijkste probleem dat tot AI-fouten leidt. "Dit komt omdat wanneer je op zoek gaat naar gegevens om de modellen te maken - of het nu gaat om productinnovatie, operationele efficiëntie of klantervaring - je vragen ontdekt over de nauwkeurigheid, kwaliteit, redundantie en volledigheid van de gegevens", aldus Kalb.  

Aretec, een op datawetenschap gericht bedrijf dat werkt aan het brengen van efficiëntie en automatisering bij federale agentschappen, helpt klanten om met verouderde gegevens om te gaan door zelf gebruik te maken van AI-diensten om enorme en diverse datasets te integreren en te optimaliseren.   

In een bericht op de Aretec blog, de problemen die zij consequent zien die de implementatie van AI-systemen belemmeren, zijn:   

Gegevensfragmentatie. Na verloop van tijd raken de gegevens die nodig zijn om de bedrijfsvoering te ondersteunen, versnipperd over meerdere gegevenssilo's. Sommige kunnen zich buiten een bureau bevinden of zijn opgeslagen bij particuliere bedrijven. Gefragmenteerde gegevens resulteren uiteindelijk in "eilanden" van gedupliceerde en inconsistente gegevens, waardoor kosten voor infrastructuurondersteuning ontstaan ​​die niet nodig zijn. 

Gegevens inconsistenties. Veel overheidsinstanties moeten gegevensrecords verzamelen die afkomstig zijn uit verschillende bronnen, records niet altijd in een consistent formaat of inhoud. Zelfs wanneer rigide normen worden toegepast, is het waarschijnlijk dat de normen in de loop van de tijd evolueren. Hoe langer de records teruggaan, hoe groter de kans op variantie.  

Leercurves. Veel uitdagingen die voortkomen uit verouderd databeheer zijn cultureel, niet technisch. Hoogopgeleide medewerkers hebben jarenlang geleerd hoe ze hun werk efficiënt en effectief kunnen doen. Ze kunnen elke voorgestelde verandering zien als een aantasting van hun positie, en dus een negatieve invloed hebben op hun productiviteit en moreel.  

NewVantage-enquête Vind AI Investering sterk, succes vluchtig 

Uit een nieuw uitgebracht onderzoek van NewVantage Partners bleek dat Fortune 1000-bedrijven zwaar investeren in data- en AI-initiatieven, waarbij 99% van de bedrijven investeringen meldt. Uit de negende jaarlijkse update van de enquête blijkt echter dat bedrijven moeite hebben om het momentum vast te houden, volgens een recent verslag in de Harvard Business Review.  

Bij de 85 ondervraagde bedrijven werden twee significante trends gevonden. Ten eerste melden bedrijven die gestaag hebben geïnvesteerd in Big Data- en AI-initiatieven dat het tempo van investeringen in die projecten versnelt, waarbij 62% van de bedrijven investeringen van meer dan $ 50 miljoen meldt.   

De tweede belangrijke bevinding was dat zelfs toegewijde bedrijven moeite hebben om waarde te halen uit hun Big Data- en AI-investeringen en uit de inspanning om datagedreven te worden. “Vaak opgezadeld met legacy data-omgevingen, bedrijfsprocessen, vaardigheden en traditionele culturen die niet graag willen veranderen, lijken reguliere bedrijven voor grotere uitdagingen te staan ​​naarmate de vraag toeneemt, datavolumes groeien en bedrijven hun datacapaciteiten willen ontwikkelen”, aldus de auteur, Randy Bean, de CEO en oprichter van NewVantage Partners, die de enquête heeft opgesteld.  

Slechts 24% van de responderende bedrijven zei dat ze dachten dat hun organisatie het afgelopen jaar datagedreven was, een daling ten opzichte van 37.8% het jaar ervoor. En 92% van de bedrijven meldde dat ze blijven worstelen met culturele uitdagingen met betrekking tot afstemming van de organisatie, bedrijfsprocessen, verandermanagement, communicatie, vaardigheden voor mensen, weerstand en een gebrek aan inzicht dat nodig is om verandering mogelijk te maken.   

"BDatagedreven worden kost tijd, focus, inzet en doorzettingsvermogen. Te veel organisaties minimaliseren de inspanning”, aldus Bean. 

Een aanbeveling van de auteurs van het onderzoek was voor bedrijven om data-initiatieven te richten op duidelijk geïdentificeerde bedrijfsproblemen of gebruiksscenario's met een grote impact.  

Lees de bronartikelen en informatie in Forbesop de Alation-blogOp Aretec blog en in de Harvard Business Review. 

Coinsmart. Beste Bitcoin-beurs in Europa
Bron: https://www.aitrends.com/ai-and-business-strategy/entrenched-data-culture-can-pose-challenge-to-new-ai-systems/

spot_img

Laatste intelligentie

spot_img