Ghi chú của biên tập viên: Bài bình luận này của Chủ tịch Palantir, Shyam Sankar, ban đầu được xuất bản trên Tạp chí Kinh doanh St. Gallen .

Dữ liệu thường được rao bán như một loại dầu mới, một tài sản khổng lồ chưa được khai thác với sức mạnh biến đổi thế giới. Giống như dầu mỏ, dữ liệu đã tạo ra một ngành công nghiệp béo bở của những người khổng lồ ở Thung lũng Silicon như Google và Netflix, những công ty có thành công dường như dựa trên việc thu thập, tạo và vũ khí hóa dữ liệu.

Nhưng quá thường xuyên, dữ liệu được rao bán như dầu rắn . Các công ty phần mềm coi dữ liệu là liều thuốc chữa bách bệnh cho mọi vấn đề, hứa hẹn cách duy nhất để tồn tại trong thời đại kỹ thuật số là mua các công cụ để thu thập dữ liệu, sau đó mua thêm các công cụ để sử dụng dữ liệu đó. Thực tế là hầu hết các công cụ này không mang lại giá trị trong các doanh nghiệp lớn và phức tạp. Trên khắp các lĩnh vực, các tổ chức đang nỗ lực để nhận ra tiềm năng của kho dữ liệu, phân tích dự đoán, học máy và các công cụ khác của họ.

Với tư cách là Chủ tịch của Palantir, một công ty công nghệ xây dựng phần mềm cho các tổ chức có môi trường dữ liệu phức tạp, tôi không lạ gì lời hứa hẹn về dữ liệu lớn. Tôi đã chứng kiến ​​một số tổ chức ưu việt nhất thế giới bị phân tâm bởi cuộc chiến chuyển đổi kỹ thuật số, chỉ để thua trong cuộc chiến chống lại các đối thủ mới nổi. Tôi đã từng chứng kiến ​​những dự án chuyển đổi mất nhiều năm để mang lại kết quả, nếu chúng hoàn toàn đạt được kết quả.

Thực hiện kém, chuyển đổi kỹ thuật số là một bài tập trong việc mua các công cụ và dịch vụ. Hoàn thành tốt, đó là một phương tiện tận dụng những điểm mạnh độc đáo của bạn để phát triển doanh nghiệp của bạn. Tôi hy vọng sẽ giúp bạn đầu tư thời gian và tiền bạc của mình một cách khôn ngoan hơn bằng cách chia sẻ hai nguyên tắc hướng dẫn của Palantir để chuyển đổi hiệu quả: giải quyết đúng vấn đề và đi theo con đường đúng đắn.

Giải quyết đúng vấn đề

Giải bài toán sai có nghĩa là gì ? Hãy tìm hiểu sâu hơn về Google và Netflix. Rất nhiều nhà cung cấp đang giới thiệu AI như một cách để tái tạo thành công của họ trong tổ chức của bạn. Nhưng Google và Netflix kiếm tiền từ các dự đoán. Hoạt động kinh doanh cốt lõi của họ được thúc đẩy bởi một mô hình duy nhất: dự đoán những gì bạn muốn nhấp vào tiếp theo. Họ đưa ra một quyết định, lặp đi lặp lại, và họ chiếm ưu thế vì họ ghi lại từng kết quả với độ chính xác cao. Kết quả đầu tiên trên tìm kiếm của Google hoặc chương trình đầu tiên xuất hiện trên trang chủ Netflix của bạn là dự đoán tốt nhất của họ về nội dung bạn muốn xem. Thay vào đó, nếu bạn nhấp vào kết quả thứ ba, chúng sẽ học hỏi từ đó và lần sau bạn có thể nhấp vào kết quả thứ hai, v.v.

Thật dễ dàng lấy ví dụ của Google và Netflix làm tín hiệu để đầu tư vào dự đoán. Nhưng đối với hầu hết các công ty, dự đoán không giải quyết được các vấn đề kinh doanh cơ bản đang diễn ra và những gì hiệu quả với Google và Netflix sẽ không nhất thiết hiệu quả với một công ty ô tô hoặc nhà điều hành vận tải hàng hóa (hoặc nhà sản xuất công nghiệp hoặc lực lượng hải quân, v.v.) TRÊN).

Các nhà khai thác đường sắt vận chuyển hàng hóa có thể dự đoán bánh xe nào có khả năng bị hỏng và các doanh nghiệp đăng ký có thể dự đoán những khách hàng nào có khả năng rời đi. Nhưng còn việc duy trì một đội xe để nó đi đúng hướng hoặc tạo ra một sản phẩm mà khách hàng muốn tiếp tục trả tiền thì sao? Dự đoán có thể giúp tối ưu hóa một phần của tác phẩm — chẳng hạn như giữ cho một bánh xe chuyển động hoặc giữ một khách hàng trên sổ sách. Nhưng đầu tư vào các quyết định sẽ giúp tối ưu hóa toàn bộ mô hình kinh doanh.

Hãy xem xét kinh doanh thuê bao. Doanh nghiệp có thể xây dựng thuật toán học máy cho chúng tôi biết khách hàng nào có khả năng rời bỏ, nhưng tại thời điểm đó, đã quá muộn để tạo ra sự khác biệt thực sự. Nếu công ty có thể dự đoán được điều đó, thì đó là do khách hàng đã không hài lòng, điều mà họ đã chỉ ra bằng cách sử dụng ít nội dung hơn hoặc tắt tính năng tự động gia hạn. Doanh nghiệp có thể cứu họ, ít nhất là tạm thời, với sự can thiệp tốn kém vào phút cuối. Nhưng điều gì sẽ xảy ra nếu họ sử dụng dữ liệu để cải thiện dịch vụ của mình để họ không muốn rời đi ngay từ đầu? (Netflix không sử dụng thuật toán để quyết định đầu tư vào nội dung gốc nào…)

Hoặc xem xét bảo trì dự đoán, chén thánh cho các nhà sản xuất và vận hành máy móc phức tạp. Một nhà điều hành vận tải hàng hóa có thể dự đoán bánh xe nào trên đoàn tàu nào trong mạng lưới đường sắt của mình có khả năng bị hỏng, nhưng việc can thiệp rất tốn kém và tác động là rất nhỏ. Điều gì sẽ xảy ra nếu người vận hành tập trung vào việc sử dụng dữ liệu của họ để cải thiện cách đặt hàng, lắp đặt và vận hành bánh xe?

Cuối cùng, việc khách hàng không hài lòng và bánh xe kêu cót két không phải là vấn đề cơ bản mà các doanh nghiệp cần giải quyết. Chúng chỉ là triệu chứng của những vấn đề thực sự, những vấn đề khiến các giám đốc điều hành thao thức hàng đêm. Những người bán dầu rắn săn mồi trên những nỗi sợ hãi này, hứa hẹn những giải pháp đơn giản cho những vấn đề phức tạp. Và đúng là các thuật toán và AI có giá trị thực sự trong nhiều tổ chức. Chúng có thể là những công cụ mạnh mẽ giúp gia tăng tài sản quý giá nhất của chúng ta: con người và kiến ​​thức.

Nhưng kinh doanh không phải là đưa ra dự đoán. Đó là về việc đưa ra quyết định và các nhà lãnh đạo doanh nghiệp không chỉ đưa ra một quyết định tại một thời điểm. Họ đang đưa ra hàng chục hoặc hàng trăm quyết định liên kết với nhau mỗi ngày để giải quyết các vấn đề cơ bản dẫn đến thành công hay thất bại trong công việc kinh doanh của họ. Việc đảm bảo các nhà lãnh đạo doanh nghiệp tập trung năng lượng của họ vào những câu hỏi phù hợp là rất quan trọng đối với bất kỳ quá trình chuyển đổi kỹ thuật số nào.

Đi đúng đường

Một khi chúng ta tập trung vào đúng vấn đề, câu hỏi sẽ trở thành cách giải quyết nó. Các tổ chức thường cố gắng bắt chước các công ty mới nổi ở Thung lũng Silicon trong quá trình chuyển đổi kỹ thuật số của họ, nhưng những gì phù hợp với một công ty công nghệ non trẻ có thể không phù hợp với một tổ chức đã tồn tại hàng thập kỷ.

May mắn thay, điều khiến quá trình chuyển đổi trở nên khó khăn cũng chính là điều khiến nó trở nên có giá trị. Một tổ chức với hàng thập kỷ tích lũy kiến ​​thức nhân loại và dẫn đầu thị trường bắt đầu từ một vị trí có sức mạnh tương đối. Chìa khóa để duy trì vị trí đó là đưa công nghệ vào theo cách thúc đẩy tổ chức tiến lên đồng thời tôn vinh hành trình tiến hóa của tổ chức.

Thật hấp dẫn khi dẫn đầu với công nghệ, đi sâu vào dữ liệu và đưa ra một “cái nhìn sâu sắc” (ví dụ: những khách hàng thường xuyên tắt tính năng tự động gia hạn sẽ hủy hoàn toàn đăng ký của họ). Nhưng nếu chúng ta bắt đầu bằng cách đào sâu những hiểu biết sâu sắc để xây dựng mô hình, thì chúng ta sẽ bỏ qua phần quan trọng: cách chúng ta thực sự triển khai hiểu biết sâu sắc, học hỏi từ nó và tinh chỉnh nó. Chúng ta cũng có nguy cơ mắc nhiều lỗi tương quan/nhân quả khi tìm kiếm cái nhìn sâu sắc kỳ diệu thay vì thực hiện công việc khó khăn, chậm chạp để hiểu hệ thống. Việc xây dựng một mô hình dự đoán một điểm lỗi duy nhất trong một hệ thống phức tạp không tính đến tất cả các quyết định ngược dòng dẫn đến kết quả đó. Có lẽ ngấm ngầm hơn, nó coi tất cả các vấn đề cố hữu trong hệ thống đó như một điều hiển nhiên.

Chuyển đổi hiệu quả bắt đầu với con người. Các tổ chức chạy trên các vòng quyết định xảy ra tự nhiên. Khi chúng tôi bắt đầu một mối quan hệ khách hàng mới, điều đầu tiên chúng tôi làm là tìm kiếm con người ở trung tâm của các vòng quyết định này. Đây là những công nhân dây chuyền lắp ráp, quản lý bảo trì, đại diện bán hàng, nhà sinh vật học, v.v., những người thực sự làm công việc thực hiện sứ mệnh của tổ chức. Chúng tôi hỏi họ: Bạn đưa ra quyết định gì? Với những thông tin gì? Dưới những ràng buộc nào? Khi chúng ta bắt đầu hiểu hệ thống, chúng ta có thể bắt đầu tối ưu hóa nó.

Nhưng sự tập trung vào người vận hành không dừng lại ở nơi công nghệ bắt đầu. Thông thường, “dữ liệu” (và dữ liệu lớn, AI, ML, v.v.) được coi là một phần riêng biệt, có tính chuyên môn cao của một tổ chức. Đây là một sự thất bại trong việc tôn vinh thực tế của tổ chức, và trên thực tế, nó còn bóp méo nó hơn nữa bằng cách thêm một lớp quan liêu nữa. Chúng tôi đã chấp nhận rằng các doanh nghiệp trong thế giới thực được xây dựng trên các vòng quyết định, không phải các điểm quyết định đơn lẻ, với con người nhất thiết phải là trung tâm. Sự chuyển đổi tốt nhất mang lại công nghệ để tăng cường chúng.

Tại Palantir, từ lâu chúng tôi đã tin rằng công nghệ mạnh mẽ nhất kết hợp các kỹ năng bổ sung của con người và hệ thống máy tính. Chúng ta thường nghe nói rằng người lao động trong nền kinh tế toàn cầu ngày nay sẽ phải được đào tạo lại để tương tác với công nghệ của ngày mai. Khung này giả định rằng công nghệ là không thể tránh khỏi và trách nhiệm của người lao động là phải điều chỉnh, nhưng kinh nghiệm không chứng minh được điều này. Hãy nhìn vào Hệ thống sản xuất của Toyota, được xây dựng dựa trên khái niệm “tự động hóa với sự tiếp xúc của con người” và luôn là nguồn tạo ra tỷ suất lợi nhuận tốt nhất cho ngành ô tô, bao gồm cả những công ty mới nổi như Tesla, công ty mà Elon Musk đã đưa con người trở lại dây chuyền lắp ráp từng được tự động hóa . Trích dẫn lời của Musk: “Vâng, tự động hóa quá mức ở Tesla là một sai lầm. Nói chính xác, sai lầm của tôi. Con người bị đánh giá thấp.” Chúng ta có thể xem mea culpa của anh ấynhư bằng chứng về tính ưu việt của việc ra quyết định của con người - một minh họa về khả năng thay đổi của anh ta để đáp ứng việc học.

Kiến thức và sự hiểu biết là những gì phân biệt một tổ chức với các đối thủ cạnh tranh của nó. Dữ liệu chỉ là một xấp xỉ cho kiến ​​​​thức. Nó là cần thiết, nhưng không đủ; chúng ta phải sắp xếp dữ liệu thành kiến ​​thức và tổng hợp kiến ​​thức thành sự hiểu biết, và để làm được điều đó, chúng ta cần sự phán đoán của con người. Công nghệ bổ sung cho các kỹ năng và kiến ​​thức hiện có của nhiều loại lao động khác nhau mà không cần đào tạo lại hoặc điều chỉnh mạnh mẽ sẽ tạo ra kết quả nhanh nhất và bền vững nhất. Một nửa số người sử dụng Palantir Foundry trong ngành công nghiệp nặng là công nhân cổ xanh trên sàn nhà máy. Họ sử dụng Foundry để đưa ra quyết định dựa trên dữ liệu và Foundry ghi lại các quyết định của họ. Các đồng nghiệp tại văn phòng của họ phân tích, giải thích và khi thích hợp, lập mô hình kết quả để thực hiện các điều chỉnh liên tục nhằm cải thiện toàn bộ hệ thống.

Phần kết luận

Kỹ năng bán hàng dầu rắn đã khiến chúng tôi tin rằng các doanh nghiệp hiện đại cần các công cụ dữ liệu lớn để cạnh tranh. Nhưng tôi hy vọng tôi đã thuyết phục được bạn rằng bản thân việc coi công nghệ là một mục tiêu sẽ không giúp bạn đạt được thành công lâu dài. AI và ML không phải là viên đạn bạc — nguồn alpha thực sự trong thị trường ngày nay là tốc độ học tập của bạn chứ không phải công nghệ của bạn. Bạn giành chiến thắng khi bạn có thể đánh giá các quyết định của mình và thực hiện các thay đổi dựa trên kết quả của chúng nhanh hơn đối thủ cạnh tranh của bạn. Dữ liệu và công nghệ sẽ giúp bạn có lợi thế trong trận chiến này, nhưng chỉ khi chúng hỗ trợ những người đưa ra quyết định, thay vì cản trở họ.

Tìm ra đúng vấn đề và giải quyết nó bằng cách tiếp cận phù hợp, bắt đầu từ con người của bạn và những quyết định mà họ đưa ra. Đầu tư tiền công nghệ của bạn vào một hệ thống cải thiện theo thời gian khi mọi người làm việc cùng nhau để tạo ra kiến ​​thức, đưa ra quyết định và học hỏi từ chúng. Những vòng quyết định này, dòng kiến ​​thức của con người, là động cơ cung cấp năng lượng cho doanh nghiệp của bạn. Đừng tìm đến công nghệ để thay thế động cơ này - hãy tìm đến công nghệ để tăng tốc cho nó.

Tác giả

Shyam Sankar (Chủ tịch, Palantir Technologies)

Được xuất bản lần đầu tại http://www.stgallenbusinessreview.com vào ngày 9 tháng 5 năm 2019.