von Bryan Saftler
Data-, Analytics- und KI-Governance ist vielleicht der wichtigste und gleichzeitig herausforderndste Aspekt jeder Bemühung zur Demokratisierung von Daten und KI. Für Ihre Daten-, Analyse- und KI-Anforderungen haben Sie wahrscheinlich zwei verschiedene Systeme eingesetzt – Data Warehouses für Business Intelligence und Data Lakes für KI. Und nun haben Sie Datensilos mit Datenbewegungen zwischen zwei Systemen geschaffen, von denen jedes ein anderes Governance-Modell hat.
Aber Daten beschränken sich nicht auf Dateien oder Tabellen. Sie haben auch Assets wie Dashboards, ML-Modelle und Notebooks, die jeweils eigene Berechtigungsmodelle haben, was die Verwaltung von Zugriffsberechtigungen für all diese Assets erschwert. Das Problem wird größer, wenn Ihre Daten-Assets in mehreren Clouds mit unterschiedlichen Zugriffsmanagementlösungen vorhanden sind. Gute Nachrichten, es gibt einen Weg, Data Governance zu vereinheitlichen. Aber warum sollten Sie sich darum kümmern?
Ohne robuste Data Governance können Teams und Unternehmen ihr Publikum nicht vollständig verstehen, bessere Geschäftsergebnisse operativ und über den gesamten Kundenlebenszyklus hinweg erzielen oder algorithmische und datenzentrierte Verzerrungen kontrollieren. Da KI-Modelle immer komplexer werden, ist es unerlässlich zu verstehen, wie sie gesteuert werden und wie sie mit internen und externen Daten-Assets interagieren.
CIOs verstehen das. Tatsächlich sagen 98 % der CIOs, dass die Hinwendung zu einem einheitlichen, konsistenten Governance-Ansatz wichtig ist, wie im MIT Technology Report, der gemeinsam von Databricks entwickelt wurde, festgestellt wurde: Bringing Breakthrough Data Intelligence to Industries.
In der schnelllebigen Welt der Kommunikation, Medien und Unterhaltung verlangt das Publikum personalisierte Erlebnisse, die auf seine einzigartigen Vorlieben zugeschnitten sind. Dies erfordert ein tiefes Verständnis der Benutzerdaten – von den Gewohnheiten beim Konsum von Inhalten und dem Verständnis des Clickstream-Engagements bis hin zu demografischen Daten, vergangenen Käufen und Transaktionsinformationen. Diese Daten sind jedoch oft über verschiedene Systeme und Plattformen hinweg isoliert, was es schwierig macht, einen einheitlichen Überblick über den Kunden zu erhalten. Effektive Data Governance ist unerlässlich, um diese unterschiedlichen Daten zu konsolidieren und zu harmonisieren, damit Medienunternehmen ein 360-Grad-Profil ihres Publikums erstellen können. Ausgehend von diesem 360-Grad-Profil können Teams besser KI-Modelle und -Systeme für hyperpersonalisierte Erlebnisse, Content-Empfehlungen und mehr entwickeln, die das Publikum fesseln und immer wieder zurückbringen.
Da KI-Modelle immer komplexer werden, ist es entscheidend zu verstehen, wie sie mit den Daten interagieren, die sie speisen. Robuste Data-Governance-Praktiken gewährleisten Transparenz und Erklärbarkeit bei KI-gestützten Erkenntnissen. Dies wird durch die Aufrechterhaltung detaillierter Datenherkunft, Provenienz und Qualitätsmetriken erreicht, die es Datenteams ermöglichen, die Ursprünge und Transformationen der zur Schulung von KI-Modellen verwendeten Daten zu verfolgen.
Das bedeutet, dass eine robuste Data Governance nicht mehr optional, sondern unerlässlich ist. Laut McKinsey & Company verschwenden Unternehmen ohne effektive Data Governance bis zu 29 % der Arbeitszeit ihrer Mitarbeiter aufgrund schlechter Datenqualität für unproduktive Aufgaben. Doch trotz ihrer entscheidenden Rolle bei der Verbesserung der Datenqualität und Entscheidungsfindung steigert Data Governance oft nicht direkt die Gewinne, was einige Unternehmen dazu veranlasst, sie an IT-Abteilungen zu delegieren, anstatt sie als strategische Priorität zu behandeln.
Damit Data Governance ein Unternehmen transformieren kann, muss sie von Top-Führungskräften geleitet werden. Mit der Zunahme staatlicher Vorschriften treiben Rollen wie Chief AI Officer und Chief Data Officer (CDO) die Initiative voran. Dies ist besonders wichtig für KI, die neben den zugrunde liegenden Daten auch Geschäftskontext benötigt. Bei der Einführung eines Data-Governance-Programms ist der erste Schritt des CDO, die Unterstützung des Geschäfts zu gewinnen. Dies beinhaltet die Einrichtung von zwei Schlüsselorganisationen – dem Office of Data Management (DMO), um Richtlinien festzulegen, und einem Data Council aus Wirtschaftsführern, um Prioritäten zu setzen und die Einhaltung sicherzustellen. Eine entscheidende Strategie ist es, sich auf bestimmte Datenbereiche zu konzentrieren, wie z. B. Kunden- oder Produktdaten, um die Initiative überschaubar und an strategischen Zielen ausgerichtet zu machen. Dieser gezielte Ansatz hilft, zu verhindern, dass der überwältigende Umfang der Data Governance das Programm zum Scheitern bringt. Der Nachweis der greifbaren Geschäftsvorteile von Data Governance ist entscheidend für die Aufrechterhaltung der Finanzierung und der Unterstützung durch die Führungsebene. Das DMO spielt eine entscheidende Rolle bei der Dokumentation von Erfolgen und der Kommunikation des Werts fortlaufender Investitionen, um sicherzustellen, dass Data Governance auch nach der Behebung unmittelbarer Probleme eine Priorität bleibt.
Bei der Festlegung von Data-Governance-Standards muss das DMO genau prüfen, wie Daten im gesamten Unternehmen erstellt und abgerufen werden. Während ein gewisses Maß an Datenredundanz, insbesondere für operative Zwecke, oft unvermeidlich ist, ermöglichen Fortschritte bei den Analysefähigkeiten den Organisationen nun, ihre Analyseinfrastruktur zu konsolidieren. Anstatt eine fragmentierte Landschaft von eigenständigen Data Warehouses, Data Marts, Data Lakes und spezialisierten Data-Science-Plattformen zu unterhalten, sollten Organisationen die Konsolidierung dieser unterschiedlichen Umgebungen in einer einheitlichen, unternehmensweiten Datenplattform in Betracht ziehen. Dieser zentralisierte Ansatz kann die gesamte Bandbreite der im Unternehmen vorhandenen Analyseanforderungen besser unterstützen.
Die Databricks Data Intelligence Platform wurde von Grund auf mit dieser Vision eines einheitlichen Ansatzes für Daten und Analysen entwickelt. Angetrieben von einer Datenmanagement-Schicht in Delta Lake, die mit strukturierten und unstrukturierten Daten sowohl intern als auch extern mit Leistung und Kosteneffizienz arbeiten kann, ermöglicht Databricks Organisationen, alle ihre analytisch orientierten Informations-Assets auf einer einzigen, einheitlichen Plattform zu konsolidieren.
Mit Unterstützung für Echtzeit- und Batch-Verarbeitung ermöglicht die Databricks-Plattform Daten-Ingenieuren, Erkenntnisse für das Geschäft mit der Geschwindigkeit zu verarbeiten und bereitzustellen, die für die Unterstützung eines gewünschten Geschäftsergebnisses entscheidend ist. Mit der Integration in jede moderne Business-Intelligence- und Data-Discovery-Plattform auf dem heutigen Markt sowie robuster Unterstützung für Machine-Learning- und KI-Workloads, einschließlich generativer KI, kann Databricks die volle Bandbreite der Analyseanforderungen des Unternehmens erfüllen.
Die Databricks Data Intelligence Platform entwickelt sich schnell zum Industriestandard für innovatives Datenmanagement. Hier kommt Unity Catalog ins Spiel. Unity Catalog revolutioniert Data Governance, indem es eine nahtlose, einheitliche Schicht für die Verwaltung von strukturierten und unstrukturierten Daten, Machine-Learning-Modellen und verschiedenen anderen digitalen Assets in jeder Cloud oder Plattform bietet. Infolgedessen ermöglicht Unity Catalog Datenexperten den sicheren Zugriff auf vertrauenswürdige Daten und die Zusammenarbeit daran, wobei künstliche Intelligenz zur Steigerung der Produktivität und zur vollständigen Nutzung der Fähigkeiten der Lakehouse-Architektur eingesetzt wird. Dies ist besonders wichtig aufgrund von Datenschutzbestimmungen wie der General Data Protection Regulation (GDPR) und dem California Consumer Privacy Act (CCPA), bei denen die Datenherkunft ein kritischer Faktor bei der Berücksichtigung des „Rechts auf Vergessenwerden“ ist. Diese Vorschriften verlangen von Organisationen, dass sie den Ursprung und den Fluss personenbezogener Daten identifizieren können, damit sie diese auf Anfrage finden und löschen können.
Medien- und Unterhaltungsunternehmen agieren häufig in einer Multi-Cloud-Umgebung, wobei Daten und Anwendungen über verschiedene Cloud-Plattformen verteilt sind. Databricks Unity Catalog vereinfacht das Berechtigungsmodell und die Governance von Daten-Assets, unabhängig von ihrem Standort, indem es eine einzige, einheitliche Schicht für die Verwaltung von strukturierten und unstrukturierten Daten, Machine-Learning-Modellen und anderen digitalen Assets über jede Cloud oder Plattform hinweg bietet.
Wichtige Enabler, die über Unity Catalog verfügbar sind, umfassen:
Dieser einheitliche Governance-Ansatz beschleunigt Daten- und KI-Initiativen und vereinfacht die Einhaltung gesetzlicher Vorschriften. Für eine wachsende Zahl von Organisationen ist Unity Catalog als Kernkomponente der Databricks-Plattform zum Eckpfeiler ihrer unternehmensweiten Data-Governance-Strategie geworden.
Da die Medien- und Unterhaltungsbranche weiterhin die Kraft von Generative AI nutzt, wird Data Governance der Schlüssel zur Erschließung ihres vollen Potenzials sein. Durch die Gewährleistung der Qualität, Sicherheit und Zugänglichkeit der Daten, die diese KI-Modelle speisen, können Organisationen Innovationen vorantreiben, ansprechendere Inhalte erstellen und außergewöhnliche Erlebnisse für ihr Publikum liefern.
Data Governance ist nicht nur eine Compliance-Anforderung, sondern eine strategische Notwendigkeit. Durch die Übernahme eines datenzentrierten, geschäftsorientierten Governance-Ansatzes können Organisationen das volle Potenzial ihrer Daten- und KI-Initiativen erschlie ßen, personalisierte Erlebnisse liefern, Innovationen vorantreiben und langfristigen Erfolg in der sich ständig verändernden Medienlandschaft sicherstellen.
(Dieser Blogbeitrag wurde mit KI-gestützten Tools übersetzt.) Originalbeitrag
Abonnieren Sie unseren Blog und erhalten Sie die neuesten Beiträge direkt in Ihren Posteingang.