Neváhejte s datovou analýzou a umělou inteligencí

Ve společnosti Ocean Technologies Group (OTG) musí technický ředitel Ian Hepworth integrovat nejen údaje o údržbě a posádce z 20 000 plavidel spravovaných platformou OTG, ale i ze šesti dalších společností, které OTG ovládla. Kromě toho, že chce mít firma svá aktuální data přesná a dostupná, chtěla by také využít historická data za desítky let k identifikaci potenciálních rizik pro provoz lodí a příležitostí ke zlepšení.

Každá z převzatých společností měla vícero souborů dat s různými primárními klíči, Ian Hepworth vysvětluje situaci. „Potřebovali jsme chytrý nástroj, který by nám pomohl efektivně uložit tato data do datového skladu a umožnil nám začít vytvářet pohledy na zákazníky,“ dodává. Využití integrační platformy SnapLogic podle něj zbavilo vývojáře nutnosti ručně vytvářet rozhraní API pro jednotlivé zdroje dat a pomohlo s čištěním dat a jejich rychlým a efektivním ukládáním do skladu. Platforma SnapLogic však nejen usnadnila práci jeho zaměstnanců, ale také poskytla rozhraní API, které umožňuje stahovat data i zákazníkům společnosti OTG.

Modelování, pochopení a transformace dat

Problém společnosti Comcast spočíval v tom, že shromažďovala velké množství informací o potenciálních problémech se zabezpečením a spolehlivostí, ale neměla k dispozici žádný jednoduchý způsob, jak všechna tato data vyhodnocovat, říká Noopur Davis, EVP, CISO a hlavní produktový ředitel pro ochranu osobních údajů. 

Po přesunu drahého lokálního datového jezera do cloudu vytvořila společnost Comcast třívrstvou architekturu. První vrstva uchovává hrubá data za poslední rok v levnějším a rychlejším úložišti pro méně časté případy použití, jako je například forenzní analýza. Druhá vrstva ukládá aktuálně potřebná data včetně metadat, plně normalizovaná a v časové řadě, takže je mají analytici okamžitě k dispozici. Třetí vrstva na nejdražším, ale nejvýkonnějším úložišti obsahuje datová tržiště a datové sklady nakonfigurované s potřebnými datovými vazbami pro nejčastější případy použití a druhy uživatelů.

Přečtěte si také:

Nové nastavení ve Windows 11 zabrání aplikacím, aby vás špehovaly

Společnost Comcast se při prediktivní analýze zaměřuje na části své bezpečnostní infrastruktury, které jsou kriticky důležité z hlediska kontinuity provozu, jako je například zabezpečená Wi-Fi v maloobchodních prodejnách. Stejně jako jiné podniky se přiklání k užívání datových struktur, které umožňují různým oprávněným uživatelům přistupovat k datům z jednoho „zdroje pravdy“, namísto vytváření kopií pro každého nového uživatele, jenž je potřebuje. Podle Davise nejde ani tak o snížení nákladů na přenos nebo ukládání dat jako spíše o usnadnění práce správcům dat. Společnost Comcast podle ní také ušetřila desítky milionů dolarů tím, že vyřadila nástroje pro správu dat, jejichž funkce nyní zajišťuje datové jezero.

Ve společnosti Paytronix, která spravuje věrnostní, on-line objednávkové a další systémy pro své zákazníky, chtěl ředitel datové vědy Jesse Marshall omezit vlastní kódování datových transformací – převod, čištění a strukturování dat do podoby použitelné pro analýzy a reporty.

Přečtěte si také:

Konec pohádky. Nejvyšší platy už nerostou. Nejvíc si vydělá IT ředitel v Praze

Aby se jeho pracovníci nemuseli zabývat údržbou a opravami dřívějších transformací a mohli se soustředit na nové projekty, používá nástroj Coalesce, který poskytuje rozhraní pro snadné vytváření transformací přetažením myší a usnadňuje řešení problémů s transformací dat a také jejich údržbu v závislosti na změnách v infrastruktuře společnosti.

Možnost snadno vytvářet nové transformace umožňuje podniku vyzkoušet více analytických přístupů a získat nečekané, ale cenné poznatky. „Ve starém světě, když jsme měli deset nápadů na užitečné analýzy, měli jsme čas pracovat jen na čtyřech z nich,“ říká Jesse Marshall. „Chtěli jsme, aby tým vyzkoušel všechny nápady, i kdyby 60 % z nich nakonec nikam nevedlo.“

Udržování a zabezpečení dat v průběhu času

Navzdory potřebě většího množství kvalitnějších dat ve všech složkách podniku může být obtížné přesvědčit vedení obchodních jednotek nebo celé společnosti, že je zapotřebí vyčlenit prostředky na financování průběžného zajišťování přesnosti, aktuálnosti a bezpečnosti dat.

Yao Morin, technologický ředitel společnosti JLL, která poskytuje služby v oblasti komerčních nemovitostí, přirovnává údržbu dat k vodovodnímu potrubí, na něž nikdo nemyslí, dokud se neporouchá a nevznikne akutní problém. Aby odborníci na data získali potřebné finanční prostředky, musejí i nadále ukazovat vedení podniků přínos dat a to, že pokud data nebudou řádně udržována, nebudou k ničemu.

Přečtěte si také:

Jak poznáte, že už s tím máte seknout

V případě společnosti JLL přínos spočívá v uspokojení požadavků klientů (a nájemců, kteří obývají jejich budovy) na nové typy informací v souvislosti s návratem na pracoviště po lockdownech kvůli epidemii covidu-19. Jde například o informace o tom, zda zaměstnanci sedí izolovaně u stolů, nebo se scházejí v přeplněných konferenčních místnostech, jaká je v nich kvalita vzduchu a které služby, například restaurace, jsou otevřeny v blízkosti jejich kanceláří, aby je přilákaly zpět.

Ačkoli je pro průběžnou správu dat klíčová podpora vrcholového vedení, Girish Hoogar ze společnosti Lenovo označuje tuto práci za kolektivní odpovědnost všech. Jedním ze způsobů, jak získat podporu na základní úrovni, je podle něj najít na každém oddělení nadšence pro data a rozvíjet jejich dovednosti prostřednictvím kurzů a pravidelných setkání s dalšími takovými pracovníky. Pro lepší správu dat je podle něj zásadní také neustálé vzdělávání, školení a zvyšování kvalifikace.

„Problém, na který CIO narážejí, spočívá v tom, že představenstva a generální ředitelé bank se v mnoha případech zdráhají najímat datové analytiky, protože je nepovažují za prostředek generující zisk,“ říká Gregory Garcia z First Commerce Bank. „Ale finanční instituce vyzbrojená tuctem datových analytiků, řádně vybavených daty v reálném čase, může být efektivnější než zástup investorů, kteří se snaží slepě rozšiřovat svá portfolia, aniž mají k dispozici vhodné analytické nástroje.“

Začněte včas

Čas na standardizaci všeho od modelování dat po jejich zabezpečení nastává v okamžiku, kdy jsou data získána. „Řadu našich procesů přijímání dat jsme upravili podle šablon, které vyžadují doplnění příslušných metadat a datového slovníku, aby manažeři věděli, jaké informace mohou z datového jezera získat,“ říká Yao Morin. „Bez toho je těžké informace dodatečně přidávat.“

Ty Robbins ze společnosti First Service Credit Union nabádá k přímému komplexnímu modelování, kterým vzniknou dobře pochopená data, která lze snadno analyzovat z nových pohledů. Například dotaz na počet vkladů, jež družstevní záložna obdržela každý měsíc, bude čerpat pouze z prvků potřebných k získání údajů pro daný výkaz. Při generování souvisejícího výkazu na základě dotazu na počet nových účtů, na které byly připsány vklady, je třeba začít od začátku, což znamená ztrátu drahocenného času. „S metadatovou platformou shromáždíte všechna data související s těmito prvky v jednom pohledu, takže můžete jednoduše vygenerovat kterýkoli relevantní report,“ vysvětluje Robbins.

Kromě takovýchto přínosů pro každodenní činnosti mohou společnosti, jako je Comcast, díky správné datové architektuře a infrastruktuře vyvíjet nové atraktivní aplikace generativní umělé inteligence mnohem rychleji, než se předpokládalo. „Nejdříve však musíte mít správnou infrastrukturu a čistá data,“ říká Noopur Davis. „Vyžaduje to spoustu práce, ale když ji zvládnete, můžete dokázat úžasné nové věci.“

Autor je spolupracovník CIO.com

Článek vyšel v magazínu CIO BW 5/2023.