في وقت سابق من هذا العام، ذهب أحد معارفي لإجراء الفحص الطبي السنوي، واكتشف طبيبه نبضات قلب غير عادية. وعلى الفور، تم إدخال جهاز رسم القلب، وأجرى له رسم قلب في العيادة. وبعد بضعة أيام، ذهب إلى نفس المنشأة حتى يتمكن قسم أمراض القلب من إجراء اختبار الإجهاد. أحضر قسم أمراض القلب جهاز رسم القلب، وسأل، “انتظر، لقد أجريت للتو رسم قلب قبل بضعة أيام. ألا تملكون هذا السجل؟”
قال طبيب أمراض القلب “نعم”، ولكن على الرغم من أن أخصائيي أمراض القلب حصلوا على نتائج تخطيط القلب من عيادة طبيبه في الطابق العلوي، إلا أنهم أرادوا إجراء اختبارهم الخاص.
كانت نتيجة صديقي رائعة، ووجدوا أن قلبه طبيعي. ولكن عندما شاركني هذا الشخص، الذي كان أيضًا متخصصًا في تكنولوجيا المعلومات، قصته، حككنا رؤوسنا في حيرة من أمرنا بشأن سبب إصرار قسم أمراض القلب على إجراء تخطيط كهربية القلب الخاص به. لقد افترضنا أن إنهم ببساطة لم يثقوا بالبيانات التي كانت لديهم بالفعل.
إنها قصة مألوفة واجهها العديد من مسؤولي المعلومات منذ بدء مبادرات التحول الرقمي: ماذا يمكنك أن تفعل، وكيف يمكنك تعزيز معرفة المستخدم الرقمية إذا كنت لا تستطيع الوثوق بالبيانات؟
إن السوق يدرك هذا أيضًا. ولهذا السبب هناك عدد لا يحصى من العروض لأدوات إعداد البيانات وتنظيفها التي تستخرج البيانات وتحولها وتحملها (ETL) لتحويلها إلى بيانات عالية الجودة ثم توضع في مستودعات بيانات مركزية يمكن للجميع استخدامها.
يبدو هذا جيدًا، ولكن ما مدى سهولة وضع إعداد البيانات موضع التنفيذ؟
منذ عامين، كتبت مجلة هارفارد بيزنس ريفيو“لقد عملت الشركات على تصبح أكثر اعتمادًا على البيانات “لقد كانت هذه الجهود متباينة في السنوات الأخيرة، وكانت النتائج متباينة. وتتجلى هذه الجهود بمرور الوقت في المنظمات، والمثابرة والمرونة والتنفيذ والدافع الدؤوب لاستخدام البيانات لاتخاذ قرارات تجارية أكثر استنارة هي ما يميز تلك الشركات التي تنتصر عن تلك التي تستمر في النضال. ولكن في حين أن المهمة قد تظل ثابتة، فإن التفاصيل تتغير”. وتابعت هارفارد بزنس ريفيو قائلة إن 26.5% فقط من المنظمات التي شملها الاستطلاع أفادت بأنها أنشأت منظمة تعتمد على البيانات، وقال 91.9% من المديرين التنفيذيين إن التغييرات الثقافية تشكل تحديًا لتصبح مدفوعة بالبيانات.
بالنسبة لمديري تكنولوجيا المعلومات، تكون هذه التغييرات والتحديات أكثر وضوحًا عندما يحين وقت وضع الميزانية. فكيف يمكنك تبرير استثمار كبير في وقت الموظفين وأدوات تنظيف البيانات وإعدادها عندما يكون كل هذا عملًا “مكتبيًا خلفيًا” لا يرى أحد فائدة مسبقة منه؟
إن الأمر صعب. وما اكتشفه معظم مديري تكنولوجيا المعلومات وممارسي البيانات هو أنه لا يمكنك تبرير استثمار كبير في إعداد البيانات في معظم الحالات. أي ما لم تكن الحاجة إلى بيانات دقيقة وفي الوقت المناسب وذات صلة تشكل قدرًا كبيرًا من المخاطر على الأنظمة التي تديرها الشركة بحيث لا يمكنك تجنبها.
لا تستطيع المستشفيات والعيادات الطبية تحمل تكاليف الحصول على بيانات فاسدة أو أقل دقة إذا كانت تستخدم الذكاء الاصطناعي أو التحليلات حول الأسباب المحتملة لحالة معينة. وينطبق هذا أيضًا إذا كانت تستخدم الذكاء الاصطناعي للكشف عن أفضل مسارات العلاج لنوع معين من السرطان، أو إذا كانت بحاجة إلى التحقق من نتائج القلب والثقة فيها.
لا يستطيع مراقبو الحركة الجوية تحمل الحصول على معلومات غير دقيقة حول أنماط الرحلات الجوية، أو حركة الطيران الواردة والصادرة، أو توافر المدرجات، أو الظروف الجوية الحالية. تحتاج شركات الطاقة الكهربائية إلى معلومات محدثة حول سلامة شبكة توزيع الطاقة لديها وقدرتها على التعطل إلى مصادر أخرى في حالة حدوث كارثة طبيعية أو انقطاع. وكلها أمثلة على حالات استخدام بالغة الأهمية تعتمد على البيانات ولا تتطلب أقل من بيانات دقيقة وذات صلة وكاملة وفي الوقت المناسب.
والخلاصة بالنسبة لمديري تكنولوجيا المعلومات هي أنهم يستطيعون الحصول على التمويل والدعم لتنظيف البيانات وإعدادها إذا ربطوا ما يُنظر إليه عادةً على أنه تمرين لتنظيف البيانات في المكاتب الخلفية بتطوير نظام بالغ الأهمية والذي لن ينجح إلا إذا كانت البيانات جيدة.
إن الاختبار الحاسم لمقترح إعداد البيانات يتلخص في تجربته في اجتماعات غير رسمية أو حتى في عرض تقديمي أمام الرئيس التنفيذي ومجلس الإدارة لقياس مدى استجابتهم له. وإذا كان إعداد البيانات يشكل بوضوح شرطاً إلزامياً لتطبيق مثل الذكاء الاصطناعي لتشخيص السرطان أو علاجه، فسوف تتم الموافقة عليه، ما لم تكن هناك مشكلة تتعلق بالقدرة على تحمل تكاليف إعداد البيانات والنظام.
وهذا هو الوقت المناسب أيضًا لشرح سبب تحول إعداد البيانات إلى تمرين مستمر مع نمو النظام.
على سبيل المثال، بدأت إحدى العيادات الطبية الأوروبية بنظام يعتمد على الذكاء الاصطناعي لتشخيص وعلاج السرطان، والذي قام بتحليل جميع بيانات المرضى المتاحة من مصادر البيانات داخل الدولة. ورغبة منها في توسيع نطاق بيانات المرضى، اختارت العيادة بعد ذلك توسيع نطاق خلاصات بيانات المرضى من جميع البلدان الأوروبية. وتطلب توسيع نطاق البيانات فحص البيانات الواردة من كل مصدر جديد وتنظيفها وتنسيقها وتحميلها في مستودع البيانات المركزي للعيادة حتى يتمكن نظام الذكاء الاصطناعي من معالجة البيانات الجديرة بالثقة وذات الجودة العالية.
هناك العديد من الأمثلة حيث تحتاج البيانات في تطبيق واحد إلى النمو أو التوسع حتى تصبح مفيدة، وهناك حاجة إلى المزيد من إعداد البيانات. هذه هي أفضل الأماكن لتطبيق إعداد البيانات، لأن البيانات عالية الجودة تشكل الأساس للثقة في الأنظمة المهمة للمهمة، ويفهم الجميع في العمل سبب أهميتها للمهمة.
