Reetta Paasela’s Post

Metadata auttaa organisaatioita ymmärtämään paremmin omaa dataansa, järjestelmiään ja prosessejaan. Se mahdollistaa tehokkaan datan hallinnan ja arvon luomisen. Jos aihe kiinnostaa, kollegani Sirpa Korhonen on kirjoittanut metadatasta artikkelin, joka kannattaa lukea.

I’m happy to share that I’ve obtained a new certification: Responsible AI: Applying AI Principles with Google Cloud from Google!

I’m happy to share that I’ve obtained a new certification: Generative AI Fundamentals from Google!

I’m happy to share that I’ve obtained a new certification: Academy Accreditation - Generative AI Fundamentals from Databricks!

Data governance määrittelee organisaatiolle yhteiset tiedonhallinnan periaatteet ja säännöt. Se on organisaation prosessien, politiikkojen ja ohjeiden kokonaisuus, joka varmistaa, että dataa hallitaan, ylläpidetään ja käytetään asianmukaisesti. Data Governance pyrkii varmistamaan, että data on laadukasta, luotettavaa, ajantasaista ja asianmukaisesti suojattua. Mutta miksi minä pidän data governancesta?   Pidän siitä miten data governance luo selkeyttä ja järjestystä. Data Governance edellyttää tietojen järjestelmällistä hallintaa ja dokumentointia. Se luo selkeät puitteet datan hallintaan organisaatiossa ja varmistaa, että kaikki ymmärtävät, miten dataa käsitellään ja kuka vastaa siitä. Data governance korostaa vastuullisuutta ja eettisiä käytäntöjä. Pidän siitä, että data governance auttaa varmistamaan, että dataa käsitellään asianmukaisesti.   Data governance edellyttää yhteistyötä ja vuorovaikutusta eri tiimien ja sidosryhmien välillä organisaatiossa. Nautin yhteistyöstä ja pidän sitä, miten data governance vaatii koko organisaation sitoutumista. Data governance vaatii avointa kommunikaatiota ja yhtenäistä toimintatapaa.   Data governance voi olla haasteellista ja monimutkaista ja vaatii ongelmanratkaisua. Datan laatuun liittyvät haasteet, erilaisten sidosryhmien tarpeet, organisaation monimutkaisuus ja mahdollinen vastustus voivat tuoda vaikeuksia. On palkitsevaa ratkaista näitä ongelmia ja auttaa organisaatiota hyödyntämään dataa paremmin.   Data governance edellyttää myös jatkuvaa itsensä kehittämistä ja tiedon jakamista. Nautin uuden oppimisesta ja siitä, että voin lisätä tietoisuutta ja innostaa muita arvostamaan dataa ja sen hallintaa. Haluan auttaa luomaan organisaatiokulttuurin, jossa data nähdään strategisena resurssina ja sen hallinta nähdään tärkeänä osana liiketoimintaa.

Datatuote on tietoa, joka on muokattu ja käsitelty siten, että siitä on saatu arvoa liiketoiminnalle. Datatuote voi olla esimerkiksi raportti tai ennuste. Datatuotteet auttavat ratkaisemaan liiketoimintaongelmia ja niillä on useita hyötyjä, esimerkiksi: ▪ Datatuotteet ovat helppokäyttöisiä. Datatuotteet on yleensä suunniteltu niin, että ne ovat selkeitä ja helppokäyttöisiä, jolloin kaikki voivat tutkia, analysoida ja hyödyntää tietoa. ▪ Datatuotteet ovat luotettavia. Datan laatu on varmistettu, joten käyttäjät voivat luottaa tietoon tehdessään päätöksiä. ▪ Datatuotteet mahdollistavat yhteistyötä. Datatuotteet edistävät tiimien välistä tietojen jakamista ja saatavuutta, mikä vähentää siiloja ja edistää yhteistyötä eri yksiköiden välillä. ▪ Datatuotteet mahdollistavat nopeamman päätöksenteon. Datatuotteet tarjoavat välittömästi ajantasaista tietoa, jonka avulla pystytään paremmin tekemään päätöksiä nopeasti muuttuvassa liiketoimintaympäristössä. Datatuotteiden luomiseen tarvitaan tiimejä, joilla on syvä ymmärrys liiketoiminnasta, prosesseista ja datasta. Tehokasta hyödyntämistä varten tarvitaan myös datakatalogeja, jotka helpottavat datatuotteiden löytämistä ja tarvittavan tiedon saatavuutta. Lisäksi tarvitaan data governancea, joka varmistaa turvallisen, luotettavan ja saavutettavan datan sekä sääntöjen ja määräysten noudattamisen. Datatuotteet muuttavat yritysten tapaa käsitellä ja hyödyntää dataa. Ne muuttavat datan konkreettiseksi tuotteeksi, jota hallitaan koko sen elinkaaren ajan. Datatuotteet keskittyvät liiketoiminnan tarpeisiin ja tuovat merkittävää arvoa ratkaisemalla liiketoiminnan haasteita. Ne antavat yrityksille kilpailuetua ja mahdollistavat paremman innovoinnin.

Pääsin tänään kuuntelemaan mielenkiintoista webinaaria Sitran raportista "Ensuring the European leadership in data economy". Raportissa nostetaan esille kolme teemaa: strategisen ajattelun vahvistaminen kriittisten teknologioiden parissa, digitaalisten sisämarkkinoiden edistäminen paremman data regulaation ja sen noudattamisen avulla sekä työn tuottavuuden vahvistaminen sekä ihmisten ja ympäristön hyvinvoinnin edistäminen datan avulla. Raportissa tuotiin esiin muun muassa tarve EU:n strategiselle autonomialle Gen AI:n alalla, avoimen lähdekoodin LLM-mallien saatavuudelle, LLM-mallien saatavuudelle kaikilla EU:n virallisilla kielillä sekä kilpailukykyisten ja luotettavien koneoppimismallien kehittämiselle, jotka ovat ratkaisevia alakohtaisten sovellusten kehittämisessä. Raportti korosti myös, että reilun datatalouden saavuttamiseksi tarvitaan toimivaa säätelyä, jonka noudattaminen olisi helppoa ja jopa automatisoitua yrityksille. Lisäksi raportissa korostettiin, että tuottavuuden parantamiseksi tarvitaan dataan perustuvia liiketoimintamalleja.

Laadukas data on välttämätöntä generatiivisen tekoälyn hyödyntämisessä. Datan laatu vaikuttaa LLM mallien toimivuuteen ja luotettavuuteen. Huonolaatuinen data voi johtaa virheellisiin tuloksiin, mainehaittoihin, menetettyihin asiakkaisiin ja hukattuihin liiketoimintamahdollisuuksiin. Hyvä datan laatu taas mahdollistaa paremman päätöksenteon, riskienhallinnan, kilpailuedun, innovoinnin, tehokkuuden ja pienemmät kustannukset. Hyvä datan laatu tarkoittaa sitä, että data on täydellistä, uniikkia, yhdenmukaista, validia, todenmukaista ja saatavilla. On tärkeää varmistaa, että data täyttää sen hyödyntäjien tarpeet. Hyvän datan laadun varmistamiseksi on ymmärrettävä, miten dataa hankitaan, määritellään, muunnetaan, tarjotaan ja käytetään. Datan laatu ei ole pelkästään IT:n vastuulla, vaan kaikki, jotka käsittelevät dataa, ovat vastuussa sen laadusta. Jokaisen tulee nostaa esille datan laatuongelmia, varmistaa oman luomansa datan laatu ja vaatia muilta laadukasta dataa. Datan laadun parantaminen edellyttää myös kulttuurin muutosta ja organisaatiossa tarvitaan lisää ymmärrystä datasta ja huonolaatuisen datan aiheuttamista kustannuksista. Organisaatiossa tarvitaan myös datan omistajuutta. Pysyvä muutos vaatii johtajuutta ja yhteistyötä koko organisaatiossa. Datan laadun parantamiseksi voi lähteä liikkeelle muun muassa seuraavilla tavoilla: - Määrittele, mitä hyvä datan laatu tarkoittaa organisaatiossasi - Laadi strategia datan laadun parantamiseksi - Tunnista kriittinen data ja liiketoimintasäännöt - Tee data assessment - Tunnista ja priorisoi parantamiskohteet - Määrittele tavoitteet - Määrittele prosessit ja käytännöt virheiden korjaamiseksi ja laadun ylläpitämiseksi - Seuraa datan laatua raporttien avulla Datan laadunhallinta on jatkuvaa työtä, ja organisaatioilla, joilla on hyvät datan laadunhallintaprosessit, on vähemmän haasteita generatiivisen tekoälyn mallien käyttöönotossa. #dataquality