1980. gados piegādātāji, piemēram, Procter & Gamble, zināja maz par sava produkta pārdošanu pieaugošajā mazumtirdzniecības milzī Walmart, izņemot tad, kad ieradās papildinājuma pasūtījumi. Tomēr ap šo laiku Walmart sāka eksperimentēt ar plašo datu koplietošanu, izmantojot īpašu programmatūru, kas atviegloja elektronisko datu apmaiņu (EDI). Drīz vien P&G varēja piekļūt datiem no brīža, kad prece tika nosūtīta mazumtirgotājam līdz tās pārdošanai Walmart kasē.
Šis jaunais datu avots, kas ietvēra gan krājumu līmeņus, gan veikalu pārdošanas datus, pārveidoja P&G izpratni par saviem produktiem un Walmart ļāva labāk prognozēt un pārvaldīt krājumus. Sadarbība noveda pie 50 miljonu dolāru peļņas pieauguma P&G pirmajos astoņos mēnešos un mudināja Walmart paplašināt datu koplietošanas piedāvājumu citiem piegādātājiem. Un no turienes viss ir vēsture.
Citas kompānijas arī ir iesaistījušās datu koplietošanā, radot no tās ievērojamu vērtību – un ne tikai mazumtirdzniecībā. Piemēram, datoru industrijā bieži tiek koplietoti dati starp oriģinālo aprīkojuma ražotājiem (OEM), mikroshēmu ražotājiem un programmatūras uzņēmumiem. Datu koplietošana nav ierobežota tikai ar piegādes ķēdēm; tā var ietvert arī konkurentus. Piemēram, ASV autotransporta apdrošināšanas nozarē uzņēmumi apvienojās cīņai pret krāpniecību, izveidojot prasību vēstures informācijas apmaiņu. Ņemot vērā izaicinājumu diapazonu un mērogu, ko datu koplietošana var risināt, OECD novērtē tās vērtību par 2,5% no globālā IKP.
Neskatoties uz to lielo potenciālo vērtību, tomēr lielākā daļa uzņēmumu joprojām ir pretojušies datu sadarbībai. Kāpēc vairāk uzņēmumu nekoplieto datus ar citiem, lai risinātu lielas, nozares plašas problēmas, kuras viņi vienkārši nevar atrisināt vieni paši? Galvenais iemesls ir vadītāju ilgstošais uzskats, ka datu koplietošana ir vairāk problēmu nekā tā vērts, radot operacionālus un regulatīvus šķēršļus, kā arī radot jaunus stratēģiskus riskus.
Šī domāšana, kā mēs nesen apgalvojām, ir aizvien novecojusi, jo tehnoloģija ir būtiski mainījusi riska un atalgojuma attiecību datu koplietošanā. Izpratne par to, ko tehnoloģija tagad padara iespējamu, vajadzētu likt daudziem vadītājiem pārskatīt savu attieksmi pret datu koplietošanu.
Operacionālo šķēršļu mazināšana
Daudzi uzņēmumi uztraucas, ka viņiem trūkst iekšējās ekspertīzes vai digitālās infrastruktūras, lai padarītu datu koplietošanu efektīvu un drošu. Datu formātu standartizācijas trūkums vai vispasaules pieņemtu protokolu trūkums datu apmaiņai ir padarījis vēl grūtāku uzņēmumiem pārvarēt šos trūkumus.
Tomēr šodien tehnoloģija kompensē šos trūkumus. Platformas kā Databricks, mākoņdatošanas uzņēmums, tagad ļauj droši glabāt, koplietot un visaptveroši analizēt uzņēmuma datu kopas. Lai gan pilnīga datu standartizācija vēl nav notikusi, lietojumprogrammu saskarnes (API) izplatība ir nozīmīgs solis uz priekšu savietojamībā. Savienojot dažādas platformas, sistēmas un lietojumprogrammas, API ir ļaujušas panākt augstu automatizācijas pakāpi, tādējādi dati tagad tiek izmantoti maksimāli.
Ģeneratīvo AI tehnoloģiju parādīšanās vēl vairāk atvieglos datu sagatavošanas un tīrīšanas procesus, uzlabojot datu precizitāti, pilnīgumu un konsekvenci, vienlaikus ievērojami samazinot cilvēka piepūli. Izmantojot uzlabotas algoritmus neprecizitāšu un nesakritību noteikšanai, labošanai vai novēršanai datu kopās, ģeneratīvajai AI var automatizēt ikdienišķus un atkārtotus uzdevumus datu pārvaldībā, atbrīvojot vērtīgus resursus uzņēmumiem.
Regulatīvajai atbilstībai
AI laikmetam ir pieaugusi jutība pret datu privātumu. Patiešām, stingri noteikumi kā Eiropas Savienības Vispārīgais datu aizsardzības reglaments (GDPR) vai Kalifornijas patērētāju privātuma akts (CCPA) ir samazinājuši daudzu organizāciju entuziasmu par datu koplietošanu. Tehnoloģija tomēr var palīdzēt nodrošināt atbilstību datu privātuma noteikumiem un ierobežojumiem pārrobežu datu pārsūtīšanai.
Jauni rīki – piemēram, IBM Security Guardium – ļauj uzņēmumiem pseudonimizēt vai anonimizēt personas datus, kas ir nozīmīgs solis individuālajai privātumam un ļauj droši izmantot datus atbilstoši privātuma likumiem. Jutīgo datu atklāšanas rīki tagad spēj skenēt un analizēt organizāciju datu krātuves, lai atklātu tur slēpto jutīgo vai konfidenciālo informāciju. Izmantojot šīs uzlabotajam skenējošajam tehnoloģijam, organizacijas var ievērojami samazinat nejaušas datu izpaušanas vai atbilstības pārkāpumu risku.
AI radīto sintētisko datu izplatība arī samazina riskus, kas saistīti ar jutīgu datu apstradi, radot mākslīgus datu kopas, kas imitē reallife datu kopu statistiskos parametrus bez pašiem reallife datiem. Sintetisko datu ģeneračijas tehnikas arī ir grūti atgriezties inženierzinatnju darbavietas komandai ļauj uzņemumiem dalities ar attiecigajiem ieskatim bez konfidencialo neapstradato personigo datu kompromitacijas. Sintetisko datu izmantosana ir seviski soliga biznesa datubazes paplasinasanai AI modelem apmacibai pat ja tam ir ierobezojumi citam pielietojumam (piemeram personalizacijai pielagota realiem klientiem).
Palielinata atkariba no sintetiskiem datiem tomers bus atkariga no tas ka esoosas regulativas sistemas pielagosies jaunam AI raditam datiem jo esoosas noteikumi tika izstradati ar neapstradatiem datiem prata. Aiz regulacijas par datiem ir ari antimonopola bažas par uznemumiem kas nosledz datu koplietosanas ligumus viens ar otru. Bet pagatnes un tagadnes sadarbibas modeļi ir paradiju ka dati kuru merkis ir risinat nozares plašas problemas var sanemt stipru valdibu atbalstu. Piemeram Catena-X datubazes tiks izmantotas automobilizacijas industrijas entuziasmi atbalsta Vacijas valdiba.
Uzticibas pardefinesana
Tehnologijas lielakais ietekme ir veids ka tas pardefine uzticibu kas nepieciesama uznemumiem sadarboties un dalities ar saviem datiem. Moderna programatura piemeram ir parveidojusi datu koplietosanas ligumus kas regule datu daribas padarot tos vieglak izveidot un uzraudzit procesus un politiku ko partneriem jabut istenojam lai aizsargatu datus.
Visaptverosas zurnalu sistemas ari ir padaritas iespejamas lai ierakstit katru pieejas gadibiju un darbibu kas veikta ar datiem radot caurspidigu un verificetu revizijas celinju. Sis zurnali ir neatnemama dala no robustiem drosibas ietvariem nodrosinot ka dati paliek gan pieejami likumigai izmantosanai gan drosi aizsargati pret nelikumigu pieeju.
Virtuala datubazes izplatiba piemeram Snowflake Global Data Clean Room atlauj partnera datus dalities ar konkretam atlaujam un ierobezojumiem ka ari sekojis datubazes pieejamibai un izmantosanai. Turklata izkliedeta registra tehnologija piemeram blokķede var piedavat drosu un verificetu vide datubazes apmainai. Sis tehnologijas garantetu integritati un sekojamibu datubazes daribam nodrosinot caurspidibu un drosibu datubazes dalisanas praksei.
Kopuma saskatot sis tehnologiskas attistibas padara vieglaku uzsakt datubazes dalisanos pat starp uznemumiem kam nav ilgas sadarbibas vestures. Uzticiba joprojam ir nepieciesama starp uznemumiem lai iesaistitos datubazes sadarbiba bet jaunas tehnologijas un riki ir padariti vieglaku dalities datus mazak par ticibas lecienu vaditajiem kuri bažijas ka vinu dati tiks izmantoti pret uznemumu konkurentiem. Kopa ar operacionalo sarezgitibu un regulativo riskiem ap privatumu tehnologiskie sasniegumi ir pamatigi mainiju uznemumu ieprieksejo riska atlides kalkulu.
Nobeigums
Idea par uznemumu kas dalijas ar saviem kareti sargatajiem datiem – gan piegades ķede gan pat ar konkurentiem visa industrijas spektra – joprojam daudziem vaditajiem ir neiespejama. Bet tam nav jabut tada veida. Tehnologija ir radijusi jaunas iespejas sadarboties lai risinatu sareztus jautajumus sakanot no krapsanas noteiksanas lidz piegades ķedes optimizesanai un zalu atklasanai – padarot vieglaku uztvert lielako vertibu kas slup tadas partneribas. Tadel tagad ir laiks vaditajiem parskatit savu nostaju pret datubazes dalisanos.
