Gartner

Gartner Predicts 80% of D&A Governance Initiatives Will Fail by 2027, Due to a Lack of a Real or Manufactured Crisis

การ์ทเนอร์คาดการณ์ 80% ของโครงการริเริ่มด้านธรรมาภิบาล D&A จะล้มเหลว ภายในปี 2570 เนื่องจากขาดวิกฤตที่เกิดขึ้นจริง หรือ Manufactured Crisis

By 2027, 80% of data and analytics (D&A) governance initiatives will fail due to a lack of a real or manufactured crisis, according to Gartner, Inc.

“A D&A governance program that does not enable prioritized business outcomes fails,” said Saul Judah, VP Analyst at Gartner. “Through recent crises, such as COVID-19 or increased energy costs, chief data & analytics officers (CDAOs) who successfully helped their organizations navigate through those disruptions, understood the crisis and quickly pivoted D&A to help business leaders address it.”

Taking a strategic approach to D&A governance and positioning it as an essential business-centric model is more significant than a tactical approach, where D&A teams operate governance reactively, focusing on just one asset – data-only governance.

“CDAOs should stop taking a center-out, command-and-control approach to D&A governance, and instead, rescope their governance to target tangible business outcomes, make it sensitive to opportunity and risk, and agile and scalable as their organization evolves,” said Judah.

Gartner analysts said that the typical “one-size-fits-all” governance approach used today is not the approach needed by most organizations (see Figure 1).

Figure 1. One-Size-Fits-All Model Is No Longer Enough
Figure 1. One-Size-Fits-All Model Is No Longer Enough

Adoption of GenAI Will Refresh Outdated D&A Governance

As the adoption of artificial intelligence (AI) and generative AI (GenAI) technologies accelerates, CDAOs also have the chance to renovate outdated D&A governance practices, and include AI as part of their improved governance program. AI governance is the process of assigning and assuring organizational accountability, decision rights, risks, policies and investment decisions for applying AI.

At the same time, CDAOs should incorporate AI and GenAI-enabled capabilities to their D&A governance program. Gartner predicts that by 2027, the application of GenAI will accelerate time to value of D&A governance and master data management programs by 40%.

“Before CDAOs embark on delivering GenAI use cases, they must ensure their organization’s core, genetic information is well governed. For this, they should use and prioritize GenAI capabilities that would lead to faster time to value for their governance program,” said Anurag Raj, Sr Principal Analyst at Gartner. “GenAI capabilities can help in this through ramping productivity in governance activities such as cataloguing and classification, broader and easier adoption (e.g., better self-service capabilities), or capabilities that solve specific business challenges, such as enriching customer data for better targeting.”

การ์ทเนอร์เผยในปี 2570 ประมาณ 80% ของโครงการธรรมาภิบาลด้านข้อมูลและการวิเคราะห์ (หรือ D&A) จะเผชิญกับความล้มเหลว เนื่องจากขาดวิกฤติที่เกิดขึ้นจริงหรือ Manufactured Crisis

ซาอูล ยูดาห์ รองประธานฝ่ายวิจัยการ์ทเนอร์ กล่าวว่า “โปรแกรมธรรมาภิบาลข้อมูลและการวิเคราะห์ที่ไม่ตอบโจทย์ผลลัพธ์ทางธุรกิจจะพบกับความล้มเหลว ในช่วงที่ผ่านมาวิกฤติที่เกิดขึ้น เช่น โควิด-19 หรือการเพิ่มขึ้นของต้นทุนด้านพลังงาน ผู้บริหาร Chief Data & Analytics Officers หรือ CDAO ที่ช่วยให้องค์กรฝ่าฟันอุปสรรคเหล่านั้น เข้าใจวิกฤติและขับเคลื่อน D&A อย่างรวดเร็วสามารถช่วยให้ผู้นำธุรกิจรับมือสถานการณ์ได้อย่างรวดเร็ว”

การใช้แนวทางเชิงกลยุทธ์เพื่อกำกับดูแลข้อมูลและการวิเคราะห์ และวางตำแหน่งให้เป็นโมเดลธุรกิจหลักที่มีความสำคัญมากกว่าเชิงแทคติก โดยทีม D&A ดำเนินการกำกับดูแลแบบรีแอคทีฟ มุ่งเน้นไปที่สินทรัพย์เพียงรายการเดียว นั่นคือ ข้อมูล

“ผู้บริหาร CDAO ควรหยุดใช้แนวทางที่เน้นการสั่งการและควบคุม ไปเป็นการกำกับดูแล D&A และกำหนดขอบเขตการกำกับดูแลเพื่อเน้นผลลัพธ์ทางธุรกิจที่จับต้องได้ พร้อมปรับเปลี่ยนไปตามโอกาสและความเสี่ยง รวมถึงเพิ่มความคล่องตัวและปรับขนาดตามการเติบโตขององค์กร” ยูดาห์กล่าวเพิ่ม

นักวิเคราะห์การ์ทเนอร์กล่าวว่าแนวทางธรรมาภิบาลในแบบ “One-Size-Fits-All” ที่ใช้ในปัจจุบันไม่ใช่แนวทางที่องค์กรส่วนใหญ่มองหา (ดูรูปที่ 1)

รูปภาพที่ 1. โมเดลการดำเนินงานแบบ One-Size-Fits-All ไม่เพียงพออีกต่อไป
รูปภาพที่ 1. โมเดลการดำเนินงานแบบ One-Size-Fits-All ไม่เพียงพออีกต่อไป

ข้อจำกัดธรรมาภิบาล Data & Analytics  ในโมเดล One Size Fits All ไม่เพียงพออีกต่อไป

ธรรมาภิบาลที่มีวันนี้ ธรรมาภิบาลที่ต้องการในอนาคต
  • โมเดลแบบ One size fits all โดยสั่งการ (Center-Out)
  • นวัตกรรมที่ใช้เพื่อการกำกับดูแลไม่ใช่เรื่องหลัก
  • สร้างมาตรฐานชัดเจน: มุ่งเน้นการควบคุม
  • ให้สิทธิการตัดสินใจบางส่วนและไม่เชื่อมต่อกับการตัดสินใจในระดับท้องถิ่น
  • Passive; เน้นปฎิบัติตามกรอบที่กำหนด
  • มีหลากหลายรูปแบบ ปรับเปลี่ยนได้ตามบริบท
  • ส่งเสริมนวัตกรรมเป็นศูนย์กลางในการกำกับดูแล
  • ยืดหยุ่นและไดนามิกทั่วทั้งองค์กรรวมถึงในระบบนิเวศ
  • สิทธิตัดสินใจแบบกระจาย ทั้งแบบทางการและไม่เป็นทางการ: โดยยึดโยงกับคุณค่าเป็นหลัก
  • Active; เน้นปรับเปลี่ยนไปตามโอกาสและความเสี่ยง

ที่มา: การ์ทเนอร์

การนำ GenAI มาใช้จะรีเฟรชการกำกับดูแล D&A ที่ล้าสมัย

จากที่มีการนำเทคโนโลยีปัญญาประดิษฐ์ (AI) และ Generative AI (GenAI) มาใช้มากขึ้น ผู้บริหาร CDAO สามารถดึงศักยภาพของเทคโนโลยีนี้มาใช้ปรับปรุงแนวทางปฏิบัติด้านการกำกับดูแล D&A ที่ล้าสมัย และรวม AI ไว้เป็นส่วนหนึ่งของโปรแกรมการกำกับดูแลที่ได้รับการพัฒนาต่อยอด ซึ่งธรรมภิบาล AI คือ กระบวนการมอบหมายและรับประกันความรับผิดชอบขององค์กร สิทธิ์การตัดสินใจ ความเสี่ยง นโยบาย และการตัดสินใจลงทุนเพื่อนำ AI มาใช้

นอกจากนี้ ผู้บริหาร CDAO ควรรวมความสามารถของ AI และ GenAI เข้ากับโปรแกรมธรรมาภิบาล D&A  โดยการ์ทเนอร์คาดการณ์ว่าภายในปี 2570 การใช้ GenAI จะเร่ง Time to Value ของโปรแกรม D&A และโปรแกรมการจัดการข้อมูลหลัก หรือ Master Data Management Programs ได้มากถึง 40%

อนุรัก ราช นักวิเคราะห์หลักอาวุโสการ์ทเนอร์ กล่าวเพิ่มเติมว่า “ก่อนที่ผู้บริหาร CDAO จะเริ่มส่งมอบเคสการใช้งาน GenAI จะต้องตรวจสอบให้มั่นใจว่าข้อมูลพันธุกรรมหลักขององค์กร  ได้รับการควบคุมอย่างดี ด้วยเหตุนี้พวกเขาควรใช้และจัดลำดับความสำคัญของความสามารถ GenAI ที่จะนำไปสู่คุณค่าที่เร็วขึ้นสำหรับโปรแกรมการกำกับดูแล โดยความสามารถของ GenAI สามารถช่วยเรื่องนี้ได้ด้วยการเพิ่มประสิทธิภาพในกิจกรรมการกำกับดูแล เช่น การจัดทำรายการและการจำแนกประเภทข้อมูล การนำข้อมูลไปใช้ในวงกว้างและง่ายขึ้น อาทิ ความสามารถในด้านการบริการตนเอง (Self-Service) ที่ดีขึ้น หรือความสามารถที่ช่วยแก้ปัญหาความท้าทายทางธุรกิจที่มีความเฉพาะเจาะจง เช่น การเพิ่มคุณค่าข้อมูลลูกค้าเพื่อกำหนดเป้าหมายได้ชัดเจนยิ่งขึ้น”