Kvalitet, struktur og kontroll på data er en forutsetning for digitalisering, og er spesielt viktig når du skal ta i bruk KI.
– Digitalisering starter med å ha kontroll på egne data, sier Siw Midtgård Meckelborg, IT-arkitekt og fagsjef i Edisys Consulting AS. Det gjelder uavhengig av om målet er å sanere eller erstatte applikasjoner, forbedre prosesser, dele data i et økosystem, eller utnytte kunstig intelligens.
Hun understreker viktigheten av en solid informasjonsarkitektur for å lykkes. Informasjonsarkitektur handler om å organisere og strukturere data slik at både brukere og systemer finner riktig informasjon og kan stole på at informasjonen støtter formålet.
– For å få verdi ut av digitaliseringsprosjekter er det vesentlig å ha orden og struktur på informasjon og data slik at ulike systemer kan snakke sammen, understreker Meckelborg.
Data: forutsetning for digitalisering
Det er stor variasjon i bedriftenes motivasjon for å forbedre sin informasjonsarkitektur, fra effektivisering av bedriftens interne prosesser på den ene siden – til datadeling og samhandling i et større økosystem i den andre. Uavhengig av hvilke forretningsmål som ligger bak, ønsker de fleste bedrifter å ta i bruk ny teknologi for å oppnå effektivisering. En god informasjonsarkitektur er en forutsetning for å lykkes ved innføring av KI-baserte verktøy som får tilgang til bedriftens interne data.
Noen praktiske erfaringer
Den første og kanskje viktigste delen handler om å skaffe seg oversikt over situasjonen. Er det definert eierskap til data, og er det etablert rutiner for å sikre datakvalitet? Vi har vel alle opplevd å lete etter siste versjon av et dokument på et filområde. Dette oppleves smått irriterende for oss mennesker, men skaper store utfordringer for maskiner. Konsistente data og riktig kontekst er spesielt viktig for å oppnå verdi av KI-løsninger som Microsoft Copilot.
Edisys har siden 1993 hjulpet virksomheter med digitalisering. Erfaringsmessig er disse fire områdene viktige for å oppnå verdi:
Begreper: En felles forståelse av begreper er sentralt. Hvilke begreper brukes, hva betyr de og hvordan henger de sammen? Dette virker banalt og enkelt, men er ofte krevende. Misforståelser mellom avdelinger eller mellom utviklerne og forretningssiden kan føre til kostbare feil. Godt begrepsarbeid bidrar også til å sikre forståelsen maskin-til-maskin, og er derfor spesielt viktig når man deler data.
Struktur: Hva er sammenhengen mellom dataene, hvilke deler består de av og hvordan oppstår og forvaltes de? Det finnes en rekke teknikker og verktøy som kan brukes for modellering og strukturering av data, men kartlegging og forståelse er en god start.
Metadata: Data om data gjør systemer i stand til å søke, finne, forstå og behandle informasjonen på en hensiktsmessig måte, og gjør det mulig å beskytte og sikre informasjonen.
Forretningsprosesser: Informasjon flyter på tvers av, henger sammen med, og må forstås i lys av forretningsprosessene. Kartlegging av informasjonsflyt og forretningsprosesser avdekker ofte nye muligheter for effektivisering eller helt andre måter å løse oppgavene på.
Fra forretning til kildekode
– I alle slike prosesser er det avgjørende at arbeidet med å strukturere data henger sammen med virksomhetens overordnede strategi. Det er dette som kalles en helhetlig informasjonsarkitektur, altså at den er forankret både horisontalt og vertikalt i virksomheten. Vi pleier å si at informasjonsarkitekturen må henge sammen – hele veien fra forretning til kildekoden, avslutter Meckelborg.
