Integrace AI do MDM posouvá zaměření datových týmů na strategické otázky, říká Petr Žáček, Ataccama

Ivana Karhanová: Ataccama nabízí platformu pro správu dat na bázi AI, takže o MDM musíte vědět hodně. Proč je toto téma stále aktuální?

Petr Žáček: Myslím, že je to tím, že MDM se vyvíjí velmi nenápadně. V současnosti se vše soustředí na nové technologie, zejména AI, o čemž se určitě budeme bavit. MDM je však více disciplínou, která je součástí správy a governance dat. Je zavedená a firmy si uvědomují, že ji potřebují. Nejde tolik o nové technologie, a tak může MDM působit jako staromódní přístup ke správě dat. Ale je zásadní si uvědomit, že správa kmenových dat je o správě základních dat, která tvoří základ všeho ostatního. Dokud budeme mít kmenová data, budeme je muset spravovat. Nástroje a přístupy se mohou vyvíjet, ale disciplína samotná zůstává klíčová. Občas se firmy snaží nahradit nástroje MDM novými technologiemi, ale nakonec je MDM stále velmi potřebný. Základní koncepty a principy se nezmění, takže je na společnostech jako Ataccama vyvíjet ty správné nástroje, které proces usnadňují.

Ivana Karhanová: Takže nástroje se mohou měnit, ale koncept MDM bude vždy potřeba?

Petr Žáček: Přesně tak. Dříve bylo MDM často vnímáno jako velký IT projekt zahrnující složité technologie a implementace. Dnes je klíčem doručovat rychleji, prototypovat řešení a přinášet obchodní hodnotu dříve. To umožňuje firmám vidět přínosy MDM brzy, což usnadňuje zapojení lidí a získání jejich podpory. Pokud používáte různé nástroje místo dedikovaného MDM systému, může se zdát, že MDM je mrtvé nebo zastaralé. Ale co dělají, je pořád MDM – jen jiným způsobem. Principy zůstávají stejné. Správa kmenových dat je o organizování, zlepšování a pochopení velkých objemů dat. Takže i když se nástroje mění, MDM zůstává klíčové.

Ivana Karhanová: Jednoduše řečeno, MDM je o pochopení dat?

Petr Žáček: Přesně tak. Ale je to také o dalších činnostech, jako je péče o data, zlepšování kvality, párování záznamů a slučování duplicit. Tyto činnosti jsou technologickou výzvou, protože zahrnují obrovské objemy dat, které je třeba rychle zpracovávat. Je potřeba být schopen identifikovat a obohacovat data v reálném čase. Ať už jde o nástroj MDM nebo jiný specializovaný engine, budete potřebovat něco, co tyto úkoly zvládne efektivně. Cílem je zajistit, aby data byla přesná, kompletní a použitelná v reálném čase.

Ivana Karhanová: Kdybyste měl MDM stručně popsat, jak byste ho definoval?

Petr Žáček: MDM je disciplína v oblasti správy a governance dat, která propojuje data s reálným světem. Jde o data, která popisují klíčové obchodní prvky, jako jsou zákazníci, produkty nebo dodavatelé. Například kmenová data zahrnují jména vašich zákazníků, produkty, které prodáváte, nebo kontakty na dodavatele. Bez čistých a dobře spravovaných dat je vše ostatní – transakce, analýzy, reporty – složitější. MDM dává vašim datům smysl a propojuje je s vašimi operacemi.

Ivana Karhanová: Jaké jsou vaše nejdůležitější poznatky při jednání s klienty?

Petr Žáček: To závisí na klientovi. Některé firmy jsou v MDM nováčky, jiné řeší data roky, ale uvědomují si potřebu strukturovanějšího přístupu. Nedávno je nadchla AI, která podporuje MDM. AI může automatizovat práci, ale nevyřeší vše. Je potřeba lidský dohled. AI je cenný nástroj, ale nenahradí strategii MDM.

Ivana Karhanová: Mohla by AI narušit MDM?

Petr Žáček: AI zcela nenaruší MDM v blízké budoucnosti, ale rozhodně zlepší a urychlí stávající procesy. AI může pomoci automatizovat některé opakující se úkoly, například čištění dat, obohacování záznamů nebo kategorizaci informací. Například může rychleji párovat záznamy mezi systémy nebo navrhovat zlepšení kvality dat. Nicméně AI není všelék – může pomoci s úkoly, ale stále vyžaduje lidský dohled. Porozumění datům, jejich dopadu na podnikání a zajištění přesnosti a konzistence jsou oblasti, kde je lidská účast stále nezbytná. AI tedy rozhodně urychlí procesy a zvýší efektivitu, ale nenahradí potřebu dobře spravovaných kmenových dat.

Ivana Karhanová: Znamená to, že AI bude vyžadovat zkušenější lidi pro dohled nad správou dat?

Petr Žáček: Ne nutně zkušenější lidi, ale zaměření jejich práce se změní. V minulosti se datové týmy často zaměřovaly na technické úkoly, jako je definování datových modelů nebo psaní pravidel pro kvalitu dat. S AI, která tyto úkoly automatizuje, se datové týmy mohou více zaměřit na strategická rozhodnutí a obchodní cíle. To umožní, aby se do správy dat více zapojili obchodní uživatelé, kteří nemusí být technickými experty, ale lépe porozumí tomu, jak data ovlivňují jejich podnikání. Role datových profesionálů se posune od každodenních technických úkolů směrem ke governance, strategii a obchodnímu dopadu dat.

Ivana Karhanová: Může AI vyřešit problémy, jako je špatná kvalita dat?

Petr Žáček: Ano, AI může zlepšit kvalitu dat, zejména pokud jde o obohacování dat. Například pokud máte neúplná nebo chybějící data, AI může využít data z externích zdrojů nebo veřejných databází k vyplnění těchto mezer. AI také může pomoci rozbíjet datová sila, sjednocovat data z různých systémů a zajišťovat jejich konzistenci. Nicméně AI nemůže vyřešit všechny problémy s kvalitou dat. Pokud máte špatná data – například zastaralé nebo nesprávné informace – AI je může vyčistit, ale nemůže opravit základní problémy s daty. AI je skvělý nástroj pro automatizaci procesů, ale základní data musí být přesná a správně řízená.

Ivana Karhanová: Jak ovlivní strategie cloudových nebo multicloudových prostředí MDM?

Petr Žáček: Dopad cloudových a multicloudových strategií na MDM se stále rozvíjí. Mnoho firem přesouvá svá data do cloudu a některé využívají více poskytovatelů cloudových služeb. To přináší komplikace pro MDM, zejména pokud jde o zajištění governance dat a dodržování předpisů. U nadnárodních firem se často objevují specifické regulace v jednotlivých zemích, které tento proces komplikují. Například pokud máte data v několika geografických oblastech, jako jsou USA, Evropa nebo Čína, můžete čelit výzvám spojeným se suverenitou dat a s tím, kde mohou být data uložena nebo zpracovávána. Je možné realizovat MDM v multicloudovém prostředí, ale vyžaduje to pečlivé plánování a často i přizpůsobení. Jakmile si firmy zvyknou na nové infrastruktury, uvidí přínosy cloudu pro MDM, jako jsou škálovatelnost a nákladová efektivita. Ale je důležité zajistit správné mechanismy governance pro ochranu citlivých informací.

Ivana Karhanová: Jak můžeme měřit úspěšnost strategie MDM?

Petr Žáček: Měření úspěšnosti strategie MDM často závisí na nepřímém dopadu kvalitních dat. To se může projevit zlepšením provozní efektivity, zvýšenou spokojeností zákazníků nebo lepším plněním regulačních požadavků. Je klíčové stanovit jasné cíle a identifikovat konkrétní problémy, které je třeba řešit ještě před implementací strategie MDM, aby byla její hodnota zřejmá. Jde o stanovení realistických cílů a identifikaci konkrétních případů použití, kde zlepšení kvality a správy dat může mít měřitelný dopad. Například pokud má organizace problémy s přesností zákaznických dat, které vedou k potížím v poskytování služeb nebo komunikaci, zlepšení v těchto oblastech po implementaci MDM může sloužit jako jasný ukazatel úspěchu.

Další oblastí, kde lze úspěch kvantifikovat, je plnění regulačních požadavků a reporting. Organizace, které dříve vynakládaly značné zdroje na přípravu reportů kvůli špatné kvalitě dat, mohou měřit úspěch podle snížení času a zdrojů potřebných na tyto aktivity po zavedení strategií MDM.
Navíc se úspěch strategie MDM může odrážet i ve zvýšené schopnosti organizace využívat data k novým příležitostem, například při vstupu na nové trhy nebo personalizaci marketingových kampaní, což dříve kvůli omezením v oblasti dat nebylo možné.

Ivana Karhanová: Děkuji za sdílení vašich poznatků.

Petr Žáček: Děkuji za pozvání.