DAMA Slovenija: Zakaj je Data Management v dobi AI še pomembnejši
Podatki so strateško sredstvo. Bolj kot jih uporabljamo za AI, pomembneje je, da jih razumemo, jim zaupamo in jih sistematično upravljamo.
Članek pripravil: Mitja Hafner, predsednik DAMA Slovenija
Podjetja danes veliko govorijo o umetni inteligenci, podatkovnih produktih, napredni analitiki in vse bolj tudi o AI agentih. Toda v ozadju vseh teh rešitev ostaja osnovno vprašanje: ali razumemo podatke, na katerih temeljijo, jim lahko zaupamo in vemo, kdo je zanje odgovoren?
DAMA izhaja iz preprostega načela: podatki so strateško sredstvo organizacije in jih je treba sistematično upravljati. Tako kot organizacije upravljajo finance, ljudi, infrastrukturo in druga ključna sredstva, potrebujejo tudi pri podatkih jasna pravila, odgovornosti, procese in standarde.
Z razvojem AI to načelo ne izgublja pomena. Ravno nasprotno – postaja še pomembnejše.
Pri klasični analitiki je uporaba podatkov pogosto potekala skozi razmeroma jasen proces. Nekdo je pripravil podatke, izdelal poročilo ali analizo, rezultat pa je pred odločitvijo praviloma pregledal človek. AI ta model spreminja.
AI sistemi lahko podatke uporabljajo v bistveno večjem obsegu, hitreje in za več različnih namenov. Pri agentnih rešitvah lahko rezultat uporabe podatkov vodi tudi neposredno v naslednjo odločitev ali akcijo. Napaka, ki je nekoč vplivala na eno poročilo, se lahko zato ponovi pri velikem številu odločitev.
S tem se poveča pomen vprašanj, ki jih Data Management pozna že dolgo:
AI teh vprašanj ni ustvaril. Povečal je posledice, če nanje nimamo dobrih odgovorov. Če različni deli organizacije različno razumejo pojem »stranka«, »prihodek«, »aktivni uporabnik« ali »tehnično sredstvo«, je to težava že pri poročanju. Če pa takšne podatke neposredno uporablja AI za priporočanje, napovedovanje ali odločanje, postane isti problem večji.
Prav zato ima v DAMA okviru Data Governance osrednje mesto. DAMA Wheel ga postavlja v središče različnih področij Data Managementa: Data Architecture, Data Modeling, Metadata Management, Data Quality, Master & Reference Data, Data Integration, Data Security, Business Intelligence in drugih.
Data Governance pri tem ni še ena ločena iniciativa. Njegova naloga je povezovanje. Opredeljuje, kdo odloča, kdo je odgovoren, katera pravila veljajo in kako organizacija rešuje vprašanja, povezana s podatki. Določa Data Ownerje in Data Stewarde, skupne standarde, procese odločanja in odgovornosti.
AI to povezovalno vlogo še okrepi. Za AI namreč ni dovolj, da so podatki tehnično dostopni. Potrebujemo tudi kontekst: metapodatke, poslovne definicije, podatke o izvoru, razumevanje kakovosti in dovoljenih načinov uporabe. Če AI sistem uporablja več podatkov iz več virov, morajo biti te informacije dostopne in povezane.
Tako se pokaže, zakaj DAMA Data Managementa ne obravnava kot zbirko nepovezanih disciplin, ampak kot povezan sistem podatkovnih zmožnosti. Data Governance je lepilo, ki ta področja usmerja in povezuje.
AI prinaša tudi nove vrste podatkov in nove situacije. Tradicionalni Data Governance se je pogosto osredotočal predvsem na strukturirane podatke v podatkovnih bazah, podatkovnih skladiščih in poslovnih aplikacijah. AI pa vse pogosteje uporablja tudi dokumente, besedila, slike, zvok in druge oblike nestrukturiranih podatkov.
Poleg tega moramo razmišljati o podatkih skozi celoten življenjski cikel AI: podatkih za učenje in evalvacijo modelov, podatkih, ki jih AI uporablja pri izvajanju, ter tudi o rezultatih, ki jih AI ustvarja. Vprašanje zato ni več samo, ali so podatki pravilni. Dodajamo nova vprašanja: ali so primerni za konkreten AI namen, ali razumemo njihovo poreklo, ali vsebujejo pristranskosti, ali jih smemo uporabiti in ali lahko pojasnimo, kateri podatki so vplivali na rezultat?
To pomeni, da mora tudi Data Governance slediti podatkom vse dlje skozi njihov življenjski cikel. Hkrati se povečuje potreba po povezovanju Data Governance z varnostjo, zasebnostjo, arhitekturo, kakovostjo podatkov, metapodatki in upravljanjem AI.
Pri tem je pomembno ločiti dve povezani področji. Data Governance upravlja podatke. Skrbi, da so podatki razumljeni, ustrezno kakovostni, sledljivi, pravilno uporabljeni in da imajo jasno določeno odgovornost. AI Governance upravlja AI sistem. Naslavlja vprašanja, kot so odgovorna uporaba modela, pojasnljivost, evalvacija, spremljanje delovanja, tveganja, človeški nadzor in odgovornost za odločitve.
Poenostavljeno: Data Governance pomaga zagotoviti, da AI temelji na zaupanja vrednih podatkih, AI Governance pa, da se AI uporablja odgovorno. Eno drugega ne nadomešča. AI Governance težko učinkovito upravlja sistem, če organizacija ne ve, od kod prihajajo podatki, kaj pomenijo in ali jim lahko zaupa.
Celovit pogled na ta vprašanja je ena ključnih vrednosti DAMA-DMBOK®, referenčnega okvira dobrih praks za Data Management. Njegova vrednost ni v tem, da organizacijam predpiše eno samo rešitev. Omogoča jim skupen jezik in strukturo, s pomočjo katere lahko ocenijo, katere podatkovne zmožnosti že imajo in katere morajo še razviti.
Tudi področje Data Managementa se ob razvoju AI spreminja. DAMA zato pripravlja DAMA-DMBOK® 3.0, ki bo nadgradil obstoječi okvir in ga prilagodil spremembam v načinu upravljanja in uporabe podatkov. DAMA podatkovno stroko razvija tudi prek mednarodnega certificiranja CDMP® – Certified Data Management Professional.
Leta 2026 je bila ustanovljena tudi DAMA Slovenija, slovenski chapter DAMA International. Gre za neprofitno in vendor-neodvisno strokovno združenje, katerega namen je povezovanje podatkovnih strokovnjakov, izmenjava znanja in dobrih praks ter razvoj lokalne strokovne skupnosti.
Naš cilj je ustvariti prostor, kjer se lahko strokovnjaki iz različnih organizacij, industrij in vlog pogovarjamo o tem, kaj pri upravljanju podatkov v praksi deluje, kaj ne in kako se moramo kot stroka razvijati tudi zaradi AI.
Na NTK bomo v predavanju »DAMA Slovenija: Zakaj je Data Management v dobi AI še pomembnejši« predstavili DAMA International, DAMA Slovenija ter ključne gradnike, kot so DAMA-DMBOK®, DAMA Wheel in CDMP®. Predvsem pa bomo odprli vprašanje, ki postaja z razvojem AI vse pomembnejše.
AI ne zmanjšuje potrebe po upravljanju podatkov – ravno nasprotno. Bolj kot podatke uporabljamo za AI, pomembneje je, da jih razumemo, jim zaupamo in jih sistematično upravljamo.
Več o DAMA Slovenija: www.dama-slovenia.si
