A data governance megtérülése
Idő most, mozgástér később
- AI az üzletben
A vezetői megbeszélés első húsz perce arról szól, melyik szám a helyes. A pénzügy egy számot hoz, az értékesítés egy másikat, és mire kiderül, melyik kimutatás mit tartalmaz, a döntés a következő hétre kerül. Ez a húsz perc a data governance hiányának költsége.
Ugyanez a költség máshol is megjelenik: a kézzel újraépített kimutatásokban, a jóváírásokban, a kétszer kiküldött ügyfél-megkeresésekben és a vitatott számok miatt csúszó döntésekben. A Gartner 2020-as kutatása szerint a gyenge adatminőség átlagosan legalább évi 12,9 millió dollárba kerül egy szervezetnek.
A kérdés tehát az, hogy előre beruház-e a cég a data governance-be, vagy utólag fizet, javítás formájában. Az előre fizetett összeg pontosan látszik: egy felmérés, egy adatkatalógus vagy egy adatgazdai szerepkör bekerül a költségvetésbe. Az utólagos javítás ára és az előre fizetett munka hozama viszont sehol nem jelenik meg. Ez a cikk azt veszi végig, mi térül meg ebből a befektetésből rövid távon, és mi térül meg hosszú távon.
Rövid távon eltűnik a felesleges egyeztetés
A data governance korai eredménye a mindennapi működésben jelentkezik, ezért előbb látszik a munka ütemén, mint a pénzügyi kimutatásokon.
- Csökken a havi zárás és a jelentéskészítés időigénye. Ha a bevételre, az ügyfélre és a termékre egyetlen elfogadott meghatározás van érvényben, akkor elmarad a hónap eleji egyeztetőkör, amelyen a területek a saját számaikat hasonlítják össze. Ami korábban hosszas nyomozás volt a rendszerek között, az most rövid ellenőrzéssé egyszerűsödik.
- A vezetői megbeszélés a kész számokból indul. A vezetői egyeztetésen arról esik szó, mit tegyen a cég az adatokkal, a számok helyességének vitája pedig lekerül a napirendről. A vezetők ezt a változást veszik észre elsőként, és ha ez egyszer megtörtént, a cég nehezen esik vissza a korábbi állapotba.
- Rutinmunkává egyszerűsödik a személyes adatokra vonatkozó adatkérés. Ha írásban megvan, hol tárolja a cég a személyes adatokat, akkor a GDPR szerinti érintett kérelem és a belső ellenőr kérdése is rövid lekérdezésre szűkül, és elmarad az a kapkodás, amelyben négy osztály ugyanazt az információt keresi.
- Hamarabb dolgoznak önállóan az új kollégák. Az az elemző, aki meg tudja nyitni az adatkatalógust, és meg tudja találni benne egy adatmező gazdáját, az első hetektől kezdve sokkal kevesebbszer fordul segítségért a kollégáihoz.
Az eddig felsorolt eredményekhez nem kell kész, vállalati szintű data governance program. Elég néhány olyan adatterületen rendet tenni, amelyen a cégben egyébként is folyamatosan vita van.
Az adatgazdák ismerete önmagában még nem elég: az is számít, hogy a munkatársak gyorsan megtalálják és használni tudják a megbízható vállalati tudást. Ennek gyakorlati megközelítését bemutatjuk az AI Kereső: A szervezeti tudás magabiztos döntésekké alakítása → cikkünkben
A következő szakaszban a költségek is csökkennek
Amint az adatokért felelős felelősségek és a közös meghatározások megszilárdulnak, a data governance hatása a költségvetésben is megjelenik.
- Csökken az utólagos javítások mennyisége. Az a hiba, amelyet a cég már a rögzítéskor kiszűr, töredékébe kerül annak a hibának, amelyet később az ügyfél talál meg. A jóváíró számlák, a javított bizonylatok és az újraküldött szállítmányok mind egy-egy rekordhibára vezethetők vissza.
- Elindulhat a folyamatok automatizálása. A folyamatautomatizálás és a rendszerintegráció az egymásnak ellentmondó adatok miatt akadnak el. A megbízható törzsadat szinte minden automatizálási elképzelés előfeltétele, és ez magyarázza, hogy két cég ugyanazokkal az eszközökkel miért ér el egészen más eredményt.
- Kisebb költséggel jár egy rendszercsere. Az ERP- és CRM-migrációk munkájának túlnyomó része az adatelőkészítés. Amelyik cég folyamatosan fenntartja a data governance-t, az egyszer fizeti meg az adatelőkészítést; amelyik cég elhanyagolja, az minden egyes projektben újra kifizeti ugyanezt.
- Célba érnek a mesterséges intelligenciára épülő projektek. A Gartner arra számít, hogy a vállalatok 2026 folyamán a mesterséges intelligenciára (MI) épülő projektjeik 60 százalékát feladják ott, ahol az adatállomány erre nem alkalmas. A Gartner 2024 harmadik negyedévében 248 adatkezelési vezetőt kérdezett meg, és közülük csaknem kétharmad (63%) vagy nem alakított ki az MI-hez illeszkedő adatkezelési gyakorlatot, vagy nem tudja, hogy a cégében létezik-e ilyen gyakorlat. Az MI-projekt és a data governance tehát ugyanahhoz a kérdéshez vezet: megbízható-e a cég adatállománya? A különbség csak annyi, hogy a data governance a projekt előtt teszi fel ezt a kérdést, míg az MI-projekt menet közben kérdez.
Hosszú távon nagyobb lesz a cég mozgástere
Hosszabb távon megváltozik a data governance eredményének jellege: már nem a megtakarított idő a lényeg, hanem az, hogy a cég szabadabban léphet.
- A cégben felhalmozott adatismeret a munkatársak váltása után is megmarad. Ha a fogalmak meghatározása írásban rögzítve van, az adatokért viselt felelősség pedig szerepkörhöz és nem személyhez kötött, akkor egy tapasztalt elemző kilépése kezelhető helyzet marad, nem pedig hónapokra visszavető veszteség.
- Beállítási feladattá egyszerűsödik egy új adatszolgáltatási előírás. Minden új adatszolgáltatási kötelezettség ismerős adatkörnyezetbe érkezik, és arra a kérdésre, hogy egy adott szám honnan jön, már írásban is van válasz.
- Gyorsabban zajlik le egy felvásárlás vagy egy új piacra lépés. Egy megvásárolt cég beillesztése jórészt abból áll, hogy a két cég adatait össze kell fésülni. Annak a csapatnak, amely már egyszer végigvitte a data governance bevezetését, erre már van kész módszere.
- Az ügyfelek felé is értéket teremt a rendezett adat. A megbízható belső adat teszi vállalhatóvá az ügyfeleknek átadott kimutatásokat, a szolgáltatási szint igazolását, valamint azokat a vezetői irányítópultokat, amelyeket a cég az ügyfeleivel közösen használ.
A data governance nemcsak az adatokról szól, hanem a folyamatok, a felelősségi körök és a mindennapi működés átalakításáról is. Ennek szervezeti oldalát mutatjuk be az Az AI és Ember együtt: Hogyan alakítható át a szervezet? →cikkünkben
Öt kérdés, amelyből kiderül, hol tart a céged
- Ha ebben a hónapban két osztály másképp jelenti ugyanazt a számot, ki dönti el, melyik szám a helyes?
- Meg tudod nevezni azt a személyt, aki az ügyfelek törzsadatáért felel?
- Mennyi idő alatt lehet felsorolni, hogy egy ügyfél személyes adatai mely rendszerekben találhatók?
- Ha egy adatmező jelentése megváltozik, ki kap erről értesítést?
- Melyik volt a legutóbbi döntés, amely azért csúszott, mert vitatottak voltak a számok?
Ha ezekre a kérdésekre több helyre kell telefonálnod a válaszért, akkor a gyorsabb zárás, az elmaradó egyeztetőkörök és a rutinná váló adatkérések a te cégednél is elérendő eredmények.
A data governance kétféle nyereséget termel
A data governance kétféle nyereséget termel. Az első nyereség az idő, és ez hónapokon belül láthatóvá is válik. A második nyereség a mozgástér, amely lassabban gyűlik: a mozgástér adja meg a szabadságot ahhoz, hogy a cég rendszert cseréljen, új piacra lépjen vagy MI-modellt állítson üzembe anélkül, hogy előtte hónapokat kellene adattisztítással töltenie.
Hol tart most a céged?
Ha a cégednél több rendszerben vannak az adatok, a kimutatásokat kézzel kell összerakni, vagy a működés egy része Excelre épül, akkor egy strukturált felmérés a legjobb első lépés. Az Omnit Adat-helyzetkép két-három hetet vesz igénybe. A két-három hét alatt két-három műhelymunkát tartunk a saját csapatoddal, a végén pedig egy nyolc-tizenkét oldalas vezetői összefoglalót kapsz arról, hol szakad meg az adataid útja, mibe kerül ez a cégednek, és melyik három lépést érdemes először megtenned. Az Adat-helyzetkép ára 1 450 eurótól indul, áfa nélkül.
Források
- Gartner. (2020). Magic Quadrant for Data Quality Solutions. Gartner Research. A Gartner Data Quality témaoldalán hivatkozott kutatás, amely szerint a gyenge adatminőség átlagosan legalább évi 12,9 millió amerikai dollárba kerül egy szervezetnek. Cikk megnyitása →
- Gartner. (2024. február 28.). A Gartner előrejelzése szerint 2027-re a data governance és analitikai kezdeményezések 80%-a kudarcba fullad. Gartner Newsroom. Az előrejelzés Saul Judah vezető elemző kommentárjával együtt jelent meg. Cikk megnyitása →
- Gartner. (2025. február 26.). A Gartner előrejelzése szerint 2026-ig az AI-projektek 60%-át feladják a nem megfelelő adatminőség miatt. Gartner Newsroom. A közlemény tartalmazza a 2024 harmadik negyedévében 248 adatkezelési vezető körében végzett felmérés eredményeit is az AI-hoz szükséges adatkezelési gyakorlatokról. Cikk megnyitása →
Fekszi Csaba
Fekszi Csaba informatikai szakértő, több mint két évtizedes tapasztalattal az adatmérnökség, a rendszerarchitektúra és az Mesterséges Intelligencia alapú folyamatoptimalizálás területén. Munkájának középpontjában olyan skálázható megoldások tervezése áll, amelyek mérhető üzleti értéket teremtenek.
Kapcsolódó cikkek
A felszín alatti 70%, amit a legtöbb ajánlat nem mutat meg
Gyakorlati útmutató pénzügyi és felső vezetőknek középvállalatoknál
A vállalati mesterséges intelligencia valódi akadályai, és hogy mit csinálnak másképp a sikeres cégek
Biztos benne, hogy az AI a megfelelő következő lépés?
Segítünk feltárni a valódi lehetőségeket, korlátokat és a reális következő lépéseket.