Erfahrene CDAOs nutzen bereitwillig die Chance, KI zur Steigerung des Geschäftswerts einzusetzen. Sie müssen jedoch auch ihre Strategie und Governance verfeinern.
- Gartner-Kunde? Log in und personalisierte Ergebnisse entdecken.
KI in der Datenanalyse: Konzentration auf das Wesentliche
Das Potenzial der KI für die Datenanalyse freisetzen
Die schnellen Fortschritte im Bereich der GenAI (generativen KI) verändern strategische Agenden und wirken sich auf vielfältige Weise auf die Verantwortlichkeiten von D&A-Führungskräften und ihre Funktionen aus. Laden Sie diese Studie herunter, um zu erfahren, wie D&A-Führungskräfte GenAI-Initiativen gestalten und welchen zentralen Herausforderungen sie dabei gegenüberstehen. Plus:
Strategien zum Management der Stakeholder-Erwartungen
Best Practices für die Evaluierung von GenAI-Anwendungsfällen
Methoden der Zusammenarbeit mit Risikobeteiligten
Ausrichtung der KI auf die Datenanalyse durch Strategie, Führung und Governance
Der Erfolg des D&A-Leiters mit KI hängt davon ab, dass er einen Geschäftswert liefert. Dies wird erreicht, indem er KI in die D&A-Strategie integriert und einer KI-bereiten Data-Governance Priorität einräumt.
- KI in der D&A-Strategie
- KI-Führung
- KI-bereite Daten
Aktualisierung der D&A-Strategie mit einer KI-Strategie, einschließlich der Berücksichtigung von GenAI
KI-Initiativen breiten sich immer stärker aus, oft innerhalb einer einzelnen Organisation auf unkoordinierte und taktische Weise. Dies gilt insbesondere für die Einführung von GenAI. Wenn ein Teil der Organisation nicht weiß, was ein anderer Teil mit KI macht, kann dies unbeabsichtigt Geschäftsrisiken schaffen und möglicherweise strategischen Geschäftswert zerstören. Um dies zu verhindern, benötigen Organisationen eine KI-Strategie.
Dabei geht es nicht darum, die Verbreitung von KI-Initiativen zu stoppen, sondern einen Kontext für ihre Orchestrierung zu schaffen. Angesichts der Tatsache, dass der CDAO (Chief Data und Analytics Officer) bereits für viele Faktoren verantwortlich ist, die KI ermöglichen (einschließlich Datenanalyse- und KI-Grundlagen, Data-Governance und -Vertrauen, Datenrisikomanagement, D&A-Ethik, analytische Verzerrungen, Datentransparenz und Teile des Business-Change-Managements durch Daten- und KI-Kompetenz) folgt daraus, dass die D&A-Strategie um die KI-Strategie erweitert werden muss.
Eine effektiv konzipierte, datengesteuerte KI-Strategie kann zu transformativem Denken anregen, Geschäftsergebnisse orchestrieren, fundierte Entscheidungsfindung fördern und den Erfolg definieren. Doch allzu häufig konzentrieren sich Versuche, KI in D&A-Strategien zu integrieren, auf Projekte auf hoher Ebene und geplante Budgets. Dabei wird nicht ermittelt, wie und anhand welcher Metriken diese KI-Initiativen Mehrwert schaffen werden.
Vermeiden Sie diese Falle mit einer ganzheitlicheren Sichtweise, die die Einführung von KI mit Geschäftszielen und letztlich Geschäftsergebnissen verknüpft. Gehen Sie dazu wie folgt vor:
Richten Sie KI-Initiativen an den strategischen Geschäftsprioritäten des Unternehmens aus und legen Sie diese dar. Integrieren Sie Kennzahlen und KPIs zur Ermittlung der Auswirkungen.
Binden Sie die Stakeholder des Unternehmens ein, indem Sie die Sprache der Finanzen und des Geschäfts sprechen und nicht die Sprache der KI und D&A.
Verstehen Sie die Wertschöpfungshebel und Schwachstellen des Unternehmens und formulieren Sie, wie KI und D&A greifbaren Mehrwert liefern, der direkt mit der Geschäftsstrategie verknüpft ist.
GenAI als Sonderfall innerhalb der D&A-Strategie
Das plötzlich gestiegene Interesse an GenAI erfordert einen besonderen strategischen Fokus. Da diese Form der KI bei den Verbrauchern weit verbreitet ist und die Akzeptanzbarriere niedrig sind, können Teams sie problemlos ohne organisatorisches Wissen oder Aufsicht nutzen.
Selbst bei offiziellen GenAI-Initiativen sind CDAOs selten die alleinigen Verantwortlichen. Da Sie jedoch für KI-Fähigkeiten wie Datenwissenschaft und die erforderlichen zugrunde liegenden Daten verantwortlich sind, können Sie eine strategische Rolle übernehmen und eine Perspektive darauf bieten, wo GenAI heute einen Mehrwert bieten kann und wo nicht. Darüber hinaus können Sie der Unternehmensleitung wichtige Hinweise dazu geben, was hinsichtlich Daten und Vertrauen, Risikomanagement und Governance für den Erfolg erforderlich ist.
Dadurch kann sich das Unternehmen auf GenAI-Anwendungsfälle konzentrieren, die Geschäftswert schaffen, und sich nicht von Hype und unrealistischen Erwartungen ablenken lassen.
Um diese Perspektive zu ermöglichen, geben Sie zusätzliche Details zu GenAI-Initiativen an, die von traditioneller KI (prädiktive Lösungen) getrennt sind. Dazu gehören:
Genaue Verfolgung der generativen KI als Treiber sowohl der D&A-Strategie als auch der Geschäftsergebnisse
Identifizierung und Priorisierung hochwertiger GenAI-Anwendungsfälle auf der Grundlage von Wettbewerbsauswirkungen, Geschäftswert, Dringlichkeit, Kosten und Risiko
Erstellen von Wert- und Kostennachweisen, anschließende Bereitstellung über ein Portfolio von GenAI-Investitionen, Messen ihrer Auswirkungen, Lernen und Korrigieren
Verfolgen aufkommender Trends im Bereich GenAI, um von den Wert-/Kostensteigerungen zu profitieren, die mit der Reifung des Marktes einhergehen
Im Kampf um die KI-Verantwortung müssen CDAOs KI-Führungsstärke beweisen
Der plötzliche Aufstieg der generativen KI in der breiten Öffentlichkeit motiviert ambitionierte CxOs, glaubhaft zu argumentieren, dass sie für die KI in ihrem Unternehmen verantwortlich sein sollten. Der CIO, der CTO, der Chief Digital Officer, der Leiter für Innovation und der Leiter für KI können alle einen Anspruch darauf erheben. Doch wie bei KI selbst kann all dieses Gerangel um Verantwortung eine Ablenkung darstellen, die den Fortschritt des Unternehmens bei der Wertschöpfung verlangsamt, wenn es reaktiv angegangen wird.
CDAOs müssen mitmischen und bei der KI-Diskussion mitreden können. Vielleicht möchten oder müssen Sie keine KI besitzen, aber Sie müssen Teil der KI-Führungskoalition der Organisation sein. Ihre Teilnahme ist von entscheidender Bedeutung, da Sie bereits für viele der wichtigsten Faktoren verantwortlich sind, die die KI ermöglichen – einschließlich des grundlegenden Bedarfs an KI-bereiten Daten, Data-Governance sowie Data- und Analytics-Kompetenzen und Weiterbildung. Sie können auch eine stabilisierende Kraft sein, wenn Sie Führungsstärke im Bereich der KI beweisen, indem Sie Disziplin und Praktiken betonen, bei denen Sie in einer einzigartigen Position sind, diese anzuführen.
Damit die D&A-Organisation auch künftig eine zentrale Rolle bei den KI-Zielen des Unternehmens spielt, sollten CDAOs in zwei Schlüsselbereichen aktiv werden, die Sie und Ihre KI-Führung von der Konkurrenz abheben:
Integrieren Sie KI in die D&A-Strategie und legen Sie dabei den Schwerpunkt auf den Geschäftswert.
74 % der CDAOs geben an, dass die Geschäftsführung Vertrauen in ihre D&A-Funktion hat. Allerdings haben nur 49 % geschäftsergebnisorientierte Kennzahlen eingeführt, mit denen die Stakeholder den D&A-Wert verfolgen können. Den CDAOs mag zwar eine kurzfristige Findungsphase gewährt worden sein, doch die ist nun vorbei. Ohne die Fähigkeit, D&A-Initiativen – einschließlich KI-Initiativen – klar mit der Wertschöpfung zu verknüpfen, besteht für CDAOs die Gefahr, dass ihre Funktion abgebaut und in die IT-Abteilung oder eine datenintensive Funktion integriert wird.
Ausgereifte D&A-Governance als Schlüssel zu Geschäftsinnovation und KI.
CDAOs erkennen zunehmend die Bedeutung der Data-Governance für den D&A-Erfolg und die meisten Organisationen haben die Governance in den letzten Jahren erfolgreich weiterentwickelt. Beispielsweise geben 82 % der Teilnehmer der D&A-Umfrage von Gartner an, dass sie die für neue D&A-Projekte benötigten Datenbestände identifizieren können, und 80 % nutzen einen Datenbestand häufig für mehr als einen Anwendungsfall. Allerdings bestehen weiterhin Lücken im Hinblick auf wertorientierte KPIs für die D&A-Governance: Nur 46 % der Befragten verfügen über diese. D&A-Fähigkeiten und -Bereitstellungsmodelle müssen weiterentwickelt werden, um Geschäftsinnovation und KI zu unterstützen.
Um das Wertversprechen der KI zu erfüllen, sind qualitativ hochwertige und zugängliche Daten erforderlich
D&A-Programme mit einer sehr ausgereiften D&A-Governance haben mit der größten Wahrscheinlichkeit datengesteuerte Innovationen übernommen. Dies steht im Widerspruch zur weit verbreiteten Auffassung der Geschäftspartner, dass Governance-Disziplinen Innovationen behindern können. Im Gegenteil, ein Mangel an Governance hindert Unternehmen daran, aus ihren KI-Initiativen einen Mehrwert zu ziehen.
Gartner prognostiziert, dass bis 2027 60 % der Unternehmen den erwarteten Wert ihrer KI-Anwendungsfälle aufgrund inkohärenter ethischer Governance-Frameworks nicht realisieren können.
Eine klare Lücke besteht bei der Festlegung wertorientierter KPIs für D&A-Governance-Richtlinien, -Practices und -Verfahren, über die nur 46 % der Organisationen verfügen. Auch die Anforderungen an eine KI-fähige Data-Governance unterscheiden sich vom herkömmlichen Datenmanagement. Wenn dies nicht erkannt wird, ist der Erfolg der KI-Bemühungen gefährdet.
Um Daten KI-bereit zu machen, müssen KI- und D&A-Teams in der Lage sein, durch drei Aktionen schnell einsatzfähige Daten zu identifizieren:
Daten an KI-Anwendungsfälle anpassen. Jeder KI-Anwendungsfall sollte beschreiben, welche Daten er benötigt, abhängig von der verwendeten KI-Technik.
Verwendung qualifizieren. Es sollte sichergestellt werden, dass die Daten die Anforderungen über den gesamten Lebenszyklus des Anwendungsfalls hinweg erfüllen, von der Entwicklung und Schulung bis hin zum Betrieb eines KI-Modells.
KI-bereite Daten verwalten. Definieren Sie die fortlaufenden Data-Governance-Anforderungen für den KI-Anwendungsfall anhand von Parametern wie Data Stewardship, Daten- und KI-Standards und -Vorschriften, KI-Ethikanforderungen sowie kontrollierte Inferenz und Ableitung.
Die Rolle der Governance bei KI-bereiten Daten
Während D&A-Leiter danach streben, sicherzustellen, dass ihre Data-Governance die KI-Readiness ermöglicht, müssen sie auch auf Teams reagieren, die eine datenzentrierte KI entwickeln – also KI-Initiativen, die technische Daten als Weg zum Aufbau besserer KI-Systeme priorisieren, anstatt der Verfeinerung und Feinabstimmung der Algorithmen oder der Verbesserung des Codes in KI-Modellen den Vorrang zu geben. Beispielsweise werden synthetische Daten und Transferlernen bis 2025 das für die KI benötigte Volumen realer Daten um mehr als 50 % reduzieren.
Proaktive CDAOs werden die Data-Governance vorantreiben, um KI-bereite Daten durch vier Faktoren zu ermöglichen:
Datenaufbereitung und Funktionsentwicklung. Bei der Datenaufbereitung geht es hauptsächlich um EDA (explorative Datenanalyse), Bereinigung und Transformation, um hochwertige strukturierte Datensätze für die Funktionsextraktion und -entwicklung vorzubereiten. Funktionen verleihen Datensätzen Nuancen oder Bedeutung, um die Leistung und Genauigkeit des Modells zu verbessern.
Datenkennzeichnung und -beschriftung. Bei diesen kritischen, zeit- und ressourcenintensiven Aufgaben werden unstrukturierten Daten (Bildern, Texten, Videos und Audiodateien) Metadaten hinzugefügt, um Funktionen für die KI-Entwicklung zu identifizieren.
Synthetische Daten. Synthetische Daten sind in Computermodellen und -simulationen bereits weit verbreitet und haben sich als wichtige Ressource für die KI-Entwicklung erwiesen. Es wird erwartet, dass diese Methode in Zukunft reale Daten in den Schatten stellt, da sie die statistischen und verhaltensbezogenen Aspekte realer Datensätze beibehält und gleichzeitig knappe Daten optimiert, Verzerrungen abmildert oder den Datenschutz wahrt.
Datenanreicherung. Damit ist die Ergänzung interner Daten mit domänenspezifischen Daten aus externen Datenquellen gemeint. Datenanreicherungstools können Daten von Drittanbietern aus (unter anderem) dem Internet sammeln und die Daten aus unterschiedlichen Quellen organisieren, bereinigen und aggregieren.
Häufig gestellte Fragen zu KI für D&A
Kann KI in der Datenanalyse eingesetzt werden?
KI in der Datenanalyse bietet zahlreiche Vorteile, darunter erhöhte Genauigkeit, Vorhersagefähigkeiten und verbesserte Entscheidungsfindung. Indem Unternehmen in hochwertige Daten investieren, die richtigen Tools auswählen, Talente fördern und Herausforderungen angehen, können sie KI nutzen, um sich einen Wettbewerbsvorteil zu verschaffen.