Denne klumme er et debatindlæg og er alene udtryk for forfatterens synspunkter.
Nærmest alle er optaget af, hvordan AI i den ene eller den anden form kan gøre forretningen mere profitabel, processerne smartere og (måske) medarbejderne færre.
Det fylder imidlertid ikke altid helt så meget, hvordan man støber det fundament, som får AI-projektet til at lykkes. Men her spiller master data en helt central rolle.
For er der ikke styr på dem, kommer hverken AI, analytics eller automatisering til at fungere ordentligt. Garbage in – garbage out. Præcis som det altid har været med IT-projekter.
Det er præmissen bag ”Master Data Governance Framework”, en ny håndbog af danske Peter Folmer Hansen.
Forfatteren er senior master data-analytiker og -arkitekt med over 20 års erfaring og driver til daglig konsulentvirksomheden Streamline Data Consulting.
Hans udgangspunkt er, at mange virksomheder kaster sig over AI og automatisering oven på et datagrundlag, der simpelthen ikke er klar til at understøtte opgaven. Så her er det forfatterens mission at klæde læseren på til at gribe opgaven struktureret og effektivt an.
Bogen er bygget op om et governance-framework med tre sammenkoblede "tandhjul": Master data, systemer og organisation.
Undervejs gennemgår den, hvordan man kortlægger sine datatyper, modellerer data uden tungt teknisk maskineri, tegner data- og systemlandskaber samt opbygger en master data-organisation med definerede roller, og udvælger platforme.
Herunder også, hvordan AI og machine learning kan bruges til at nå frem til ét fælles datagrundlag, et såkaldt single source of truth.
Forfatteren beskriver selv bogen som en praktisk opslagsbog frem for en teoribog, med ikke-tekniske illustrationer, cases og konkrete værktøjer.
