De dyreste dataproblemer står ikke i budgettet

Årsagen er som regel den samme:

En beslutning er truffet, men aldrig omsat til konsekvent drift. Fire ting afgør, om det sker:

1. Beslutningsrettigheder

2. Ejerskab

3. Håndhævelse

4. Eskalation

Organisationsmodellen er ikke det første valg.

Mange organisationer oplever det samme, når data- og AI-initiativer skal fra projekt til drift.

• En AI-løsning er klar, men venter i uger på en afklaring, ingen ejer.

• En datafejl bliver rettet i rapporten frem for i kilden og er tilbage næste kvartal.

• To teams bygger hver sin definition af det samme begreb, fordi ingen vidste, at beslutningen allerede var truffet.

• En datastandard blev godkendt for et år siden, og ingen har brugt den siden.

Det ligner fire forskellige problemer. Forretningsmæssigt er det de tre fra indledningen, og de har samme årsag. Beslutningen er truffet. Den er aldrig blevet omsat til konsekvent udførelse.

En beslutning i toppen er kun noget værd, hvis den kan udføres i bunden. Beslutningerne om data og AI skal hænge sammen: hver enkelt med en navngiven ejer, et mandat og en eskalationsvej.

Governance bør derfor ikke vurderes på antallet af gruppemedlemmer, møder, politikker eller standarder. Det, der tæller, er, om organisationen kan omsætte en beslutning til handling på tværs af mennesker, processer, data og systemer. Governance, der ikke lever i det daglige arbejde, er et dokument.

Beslutningsrettigheder, ejerskab, håndhævelse og eskalation. De fire er ikke opgaver, man kan tage én ad gangen. Fejler én af dem, fejler helheden, og symptomet dukker op et helt andet sted end årsagen.

Beslutningsrettigheder uden håndhævelse giver politikker, ingen følger. Ejerskab uden fælles rammer giver to teams med hver sin definition af det samme begreb. Håndhævelse uden eskalation giver en drift, der går i stå, hver gang der opstår en undtagelse. Eskalation uden klare beslutningsrettigheder sender sagen videre, uden at nogen har mandat til at afgøre den.

Det er derfor, symptomet sjældent peger på årsagen. Standarden, ingen bruger, er et håndhævelsesproblem. To definitioner af samme begreb er et ejerskabsproblem. Løsningen, der venter i uger, er et eskalationsproblem. Rettelsen ligger et andet sted end symptomet.

Det er sammenhængen mellem de fire, der afgør, om governance holder i drift.

Der findes ikke én rigtig organisationsmodel. Hvilken der passer, afhænger af modenheden: hvor stærke datakompetencer der sidder i forretningen, hvor mange use cases der kører, og hvor tilgængelige data er i forvejen.

Et centraliseret team, hvor alt går igennem, bliver en flaskehals, hvis der allerede sidder dygtige datafolk i forretningen. En decentral organisering, før ejerskab og standarder er på plads, fragmenterer begreberne. De fleste organisationer flytter sig gennem spektret over tid, og modellen skal flytte sig med dem.

Fejlen er at vælge en model, organisationen ikke kan bære, og det viser sig først, når den første AI-løsning skal i drift.

En agent, der skal træffe en beslutning, henter ofte data fra flere domæner på én gang - for eksempel kunde, produkt og service. De tre domæner har hver sin definition af, hvornår kunden er aktiv, og hver sin opfattelse af, hvornår data er gode nok. Agenten spørger ikke og vælger.

Derfor skal ejerskab af rammerne og ejerskab af data holdes adskilt. Beslutningslaget ejer rammerne for agentens autonomi, go-live og forbrug. Det enkelte produkt- eller procesteam ejer den konkrete løsning og dens effekt i driften. De data, agenten forbruger, forbliver fødererede: ejet pr. domæne og læst gennem aftalte snitflader. Beskriver domænet dem ikke, mangler agenten et pålideligt grundlag.

Rollerne er de samme. Aktøren, de skal forholde sig til, er ny. En dataejer ejer sit domæne og de aftaler, en agent læser på. En datasteward går fra at sikre kvalitet sag for sag til at lægge skønnet ind i standarder, som en maskine kan håndhæve.

En agent udfylder ikke automatisk uklare regler med organisatorisk erfaring. Den skal have klare data, grænser og eskalationsmuligheder indbygget. Derfor skal betydningen rejse med dataene i stedet for at ligge i hovedet på den, der plejer at vide det. Hvordan den betydning gøres tilgængelig for både mennesker og agenter, er emnet for den tredje artikel.