Modernes Datenmanagement, das verborgene Gehirn der KI

Das typische Gehirn eines Erwachsenen wiegt etwa 3 Pfund. und verbraucht 20 Watt Leistung. Es ist eine bemerkenswert effiziente Maschine. Der mit dem Nobelpreis ausgezeichnete Psychologe Daniel Kahneman spielt auf diese effizienzsuchende Funktion an, wenn er das Denken in System 1 und System 2 beschreibt. Er bewies, dass wir eine unbewusste und damit leistungsschwache Methode der Informationsverarbeitung haben. Sie operiert häufiger als die hochrangige Exekutivfunktion.

Neuroanatomie-Experten glauben, dass Erinnerungen mit Emotionen kodiert sind, aber diese Emotionen werden nicht individuell gespeichert. Sie sind im Wesentlichen Referenzen, die im limbischen System aufgebaut und gespeichert sind. Grundsätzlich erinnern wir uns an ein Ereignis und dann gibt es eine Nachschlagetabelle dafür, wie wir uns dabei gefühlt haben. Es hat auch einen starken Einfluss darauf, wie wir unbewusst Entscheidungen treffen.

Dieses limbische System, das sich im Mittelhirn befindet, beeinflusst zukünftige Entscheidungen, weil es das emotionale Gedächtnis als Rahmen dafür verwendet, was uns dienen oder was uns töten könnte. Ohne sie treffen wir suboptimale Entscheidungen, weil wir den Kontext für Risiko oder Belohnung verlieren.

Ebenso führt die KI-Analyse ohne die richtigen Daten zu einer fehlerhaften Zukunft. Daher lohnt es sich, darüber zu sprechen, wie wichtig es ist, „alle richtigen Daten“ zu organisieren und zu präsentieren. Die Verwaltung der chaotischen, großvolumigen, unstrukturierten Daten sollte für die KI als ebenso wichtig angesehen werden wie das limbische System für die Vorhersagefunktion des menschlichen Gehirns.

Es gibt jedoch noch andere Faktoren für die automatische Entscheidungsfindung, die über das emotionale Gedächtnissystem hinausgehen. Lassen Sie uns die Gehirnmetapher weiter untersuchen. Kevin Simler und Robin Hanson argumentieren in ihrem Buch: Der Elefant im Gehirn: Versteckte Motive im Alltag, wie unbewusst wir über die Natur unseres eigenen Verhaltens sind. Sie argumentieren, dass wir wie unsere Primaten-„Cousins“ handeln, wenn wir nach sozialen Motiven handeln. Ob Sie diese Evolutionsbiologie betrachten oder in der Herkunftsfamilie gelernt haben, ist weniger wichtig als zu verstehen, dass in unserem menschlichen Gehirn noch etwas anderes verborgen ist.

Dieser blinde Fleck könnte auch erklären, warum Technologen Datenmanagement oft als Phänomen der Kultur übersehen. Typischerweise schreiben Experten nur über Datenmanagement in zwei Dimensionen. Die erste ist technologieorientiert. Es beginnt mit Bytegrößen, Durchsatz und Zugriffsmustern. Dies ist eine Plattform-Denkweise, die die Beschaffung, Speicherung und Verfügbarkeit von Daten ermöglicht. Es hat eine starke Ausrichtung auf Metadaten (Daten über Daten), da dies das Lenkrad ist, mit dem das Auto gefahren wird.

Die zweite häufig genutzte Dimension ist der Prozess. Diese Ansicht auf Systemebene umfasst die gesamte Pipeline, von der Erfassung an der Quelle über das Sortieren und Mischen bis hin zur Katalogisierung, Präsentation und schließlich zur Archivierung. Es ist die Farm-to-Table-Perspektive. Oder besser gesagt Farm-to-Tupperware-Sicht. Es befasst sich mit dem „Wie“, während die Technologie eine „Was“-Perspektive einnimmt.

Die dritte und wohl unsichtbare Dimension liegt in der Kultur oder dem „Wer“. Kultur kann als eine Reihe von Verhaltensweisen beschrieben werden, die durch ein gemeinsames Glaubenssystem verankert und durch Gruppennormen gebunden sind. Kultur zieht die Marionettenfäden von Prozess und Technologie. Dennoch ist es der am meisten übersehene Faktor im Datenmanagement.

Viele Institutionen rennen um den Einsatz von Technologie und Werkzeugprozessen, ohne vorher zu verstehen, wie ihre Kultur reifen soll. Sie wären besser bedient, wenn sie sich selbst so modellieren würden, wie positive Psychologen die erfolgreichsten Menschen untersuchen. Diese Forscher untersuchen die Glaubenssysteme und Verhaltensweisen, die bei den wirklich Vollendeten üblich sind.

Obwohl es sich lohnen würde, einige Fallstudien zu liefern, um diesen Punkt zu beweisen, werden wir der Kürze halber eine Zusammenfassung der Ergebnisse der erfolgreichsten im Datenmanagement präsentieren.

Es beginnt mit einer Verschiebung der Glaubenssysteme rund um Daten. In diesem neuen Paradigma sind Daten einfach kein Artefakt dessen, was passiert ist; Es ist ein Vermögenswert mit enormen wirtschaftlichen Auswirkungen. Und im Gegensatz zu anderen Posten in der Bilanz kann es im Laufe der Zeit an Wert gewinnen.

Vor diesem Hintergrund finden Sie unten eine Checkliste mit neuen Verhaltensweisen, die mit einer veränderten Denkweise in Bezug auf Daten verbunden sind.

• Daten werden in einer Struktur zusammengefasst, nicht zentralisiert oder isoliert.
• Wissen wird nach Kontext organisiert und sowohl von Herausgebern als auch von Abonnenten gekennzeichnet.
• Modelle werden für kontinuierliches Lernen und Verantwortlichkeit aufbewahrt.
• Transparenz (Beobachtbarkeit) mildert rechtlichen und regulatorischen Druck.
• Eine breitere Sichtweise der Ethik geht über die anfänglichen Bedenken hinsichtlich der Privatsphäre hinaus.
• Maschinelles Lernen automatisiert Data-Engineering-Aufgaben.
• Wissensarbeiter werden zu Wertschöpfungsarbeitern.
• Datenbasierte Top-down-Entscheidungen entwickeln sich zu gemeinsamen Bottom-up-Erkenntnissen.
• Daten werden nach wirtschaftlichen und nicht nach buchhalterischen Gesichtspunkten gemessen.

Wenn Ihre Organisation also darauf abzielt, KI zu nutzen, übersehen Sie nicht die Bedeutung eines modernen Datenmanagements und die Grundlagen, aus denen es besteht. Beginnen Sie damit, den Ist-Zustand mit dem Soll-Zustand zu vergleichen. Entwickeln Sie einen interdisziplinären Ansatz, um die Lücken zu schließen. Stützen Sie sich bei der Formulierung eines Spielplans stark auf Technologen, Verfahrenstechniker, Organisationsentwickler und Wirtschaftswissenschaftler.

Wenn Sie daran interessiert sind, tiefer in diese Philosophie des modernen Datenmanagements einzusteigen, sehen Sie sich bitte dieses Whitepaper an, das von Bill Schmarzo, Dekan für Big Data und geschätzter Kollege bei Dell Technologies, verfasst wurde.

Dieser Inhalt wurde von Dell Technologies erstellt. Es wurde nicht von der Redaktion des MIT Technology Review geschrieben.