AI ubrzava, ali data svijet zaostaje, što kompanije moraju promijeniti

Cloud od opcionalne tehnologije postao nužnost te zašto je njegov glavni doprinos u ubrzavanju isporuke vrijednosti i oslobađanju timova od infrastrukturnih briga, ističe za ICTbusiness.info Martin Markač, Line of Business Director Data & Analytical Solution u Solvershipu i dodaje da živimo u vremenu ključnih promjena i izazove koji oblikuju današnji svijet podataka. 

Prema njegovim riječima razvoj modernog data stacka omogućio je i manjim tvrtkama da izgrade konkurentne platforme, ali kako sam ističe to je dovelo do sve veće konfuzije na tržištu zbog preobilja alata i agresivnih prodajnih taktika.

On posebno ističe potrebu povezivanja poslovnih i data timova, jer bez poslovne svrhe svaka data transformacija ostaje samo tehnički eksperiment. Markač objašnjava i kako Solvership pomaže kompanijama u toj transformaciji, spajajući tehnološku i organizacijsku stranu promjena.

Je li cloud u data svijetu danas još uvijek stvar izbora ili nužnost?

Cloud se najprije počeo koristiti u aplikativnom svijetu tamo gdje je bilo važno brzo reagirati na promjene opterećenja, npr. kod web aplikacija ili e-commerce platformi. Peakovi su bili nepredvidivi, i cloud je ponudio rješenje kroz automatsko skaliranje i fleksibilno plaćanje.

Dok su svi pričali o naprednim primjerima poput Netflixa, Airbnba, Metee ili Googlea, stvarnost većine organizacija bila je i još uvijek jest puno jednostavnija: većina se još bori da uopće dobro postavi klasičnu analitiku, a daleko su od realtimea, ML-a i drugih grana AI-a.

Međutim, kako se cloud razvijao, cijena je pala u drugi plan, a fokus se prebacio na jednostavnost i brzinu isporuke vrijednosti. Danas cloud ne biramo zato što je jeftiniji, već zato što omogućuje timovima da se manje bave infrastrukturom, a više usredotoče na podatke i poslovne rezultate.

Kada pogledamo začetnike modernog data stacka, koji već imaju više od desetljeća postojanja (Snowflake, dbt, Looker), vidimo da su oni stvorili potpuno novo tržište. Male i srednje kompanije, koje nikada nisu imale velike budžete za kapitalne investicije ili velike interne data timove, sada mogu izgraditi data platforme koje ozbiljno konkuriraju, a ponekad čak i nadmašuju one većih igrača.

Rijetko tko danas ozbiljno dovodi u pitanje budućnost clouda u području podataka.

Koliko se data svijet promijenio u zadnjih 10 godina?

Data svijet se u zadnjih deset godina promijenio dramatično barem tehnički gledano. Imamo ogroman broj novih alata, platformi i pristupa koji obećavaju bržu, jednostavniju i skalabilniju obradu i analizu podataka. Međutim, upravo ta eksplozija mogućnosti dovela je i do velike konfuzije na tržištu.

Danas živimo u tzv. vendor tržištu, gdje su prodajne taktike postale izuzetno agresivne, a broj ponuđača i buzzworda gotovo nebrojen. Kompanije su često suočene s paralizom izbora ne znaju kome vjerovati, koji alat će im stvarno pomoći, a koji samo lijepo izgleda na slajdovima.

U međuvremenu, mnoge su tvrtke ulagale značajna sredstva u izgradnju internih data timova i alata, ali rezultati često nisu opravdali očekivanja. Umjesto da bude partner poslovanju, data tim je u mnogim organizacijama postao zaseban silos, zaokupljen tehničkim izazovima i "idealanim arhitekturama", dok su stvarne potrebe biznisa ostale po strani. Razilaženje između biznisa i data timova danas je, nažalost, veće nego ikad.

Iako je tehnologija dramatično napredovala, velik broj organizacija nije uspio iskoristiti te prednosti jer su promašili osnovnu stvar povezati tehnološki napredak s konkretnim poslovnim problemima.

Kako potaknuti biznis i data timove da konačno pričaju istim jezikom?

Primarno kroz edukaciju decision makera u data području i internih timova. Iako je tržištu dosad odgovarala kompleksnost, AI je nenamjerno značajno utjecao i na ovaj dio. Ubrzao je i automatizirao zadatke oko kojih su se timovi ranije previše trošili. Pritisak na isporuku rezultata dodatno je ubrzao shvaćanje kako AI najviše ovisi o kvalitetnim podacima i dobrim data modelima, a oni su rezultat razumijevanja poslovnih potreba i procesa, te podataka koji nastaju upravo iz tih procesa koje stvara samo poslovanje.

Koliko je navedeno teško ostvarivo u velikim organizacijama? Kako uskladiti brojne stakeholdere, iskoristiti cloud i nositi se s legacyem?

Teško – jer to nije primarno tehnološki, već organizacijski problem. Prvi korak je prestati uvoditi promjene samo radi promjene, već imati jasan poslovni cilj i svrhu svake data inicijative.

Poslovna i data strategija moraju biti usko povezane, legacy sustavi i njihova ograničenja moraju se adresirati, a edukacija mora postojati s obje strane. Biznis mora razvijati data pismenost, kako bi prepoznao gdje mu tehnologija stvarno može pomoći, dok se data timovi moraju vratiti osnovama analize od razumijevanja procesa, kvalitetnog data modeliranja i dokumentiranja transformacija, do povezivanja podataka s poslovnom logikom.

U toj priči, domain knowledge je preduvjet za svakog senioritetnog člana data tima.

Negdje putem smo zaboravili ključnu razliku između Software Engineera i Data Engineera. Data svijet je uvijek bio više fokusiran na razumijevanje i kontekst podataka, procese iz kojih oni nastaju i kako ih transformirati da bi postali korisni za donošenje odluka. A Software Engineer? Njegova je uloga prvenstveno graditi sustave koji su robusni, skalabilni i održivi, pisati kod koji omogućava da proizvodi rade pouzdano, da korisnici imaju konzistentno iskustvo i da cijeli ekosustav može rasti bez raspadanja pod vlastitom težinom.

Bez poslovne svrhe, svaka data transformacija je samo tehnički eksperiment.

Kako Solvership konkretno pomaže kompanijama u toj transformaciji?

Naš zadatak nije samo "preseliti sustav u cloud", nego pomoći organizacijama da redizajniraju svoj data ekosustav na način koji je dugoročno održiv, fleksibilan i poslovno isplativ. To uključuje kombinaciju tehničkog znanja, iskustva s kompleksnim migracijama i sposobnosti da vodimo promjenu unutar organizacije, jer tehnička transformacija bez organizacijske transformacije rijetko uspijeva.

Na razini konkretnih koraka, to često uključuje Migraciju orkestracije s monolitnih ETL/ELT rješenja na orkestracijske frameworke poput Airflowa ili Dagstera, što omogućuje fleksibilnost pozivanja Data integracija u novim i postojećim legacy alatima. Migraciju povlačenja podataka iz legacy alata prema modernin servisima s dodavanjem novih vrijednosti frekvencija dolaska novih podataka na platformu (npr. CDC). Postupno vađenje i refaktoriranje logike iz starih alata, ali tako da svaki korak stvara novu vrijednost, bilo kroz poboljšanje kvalitete podataka, smanjenje vremena isporuke ili otključavanje novih analitičkih mogućnosti. Postavljanje čvrstih temelja za data governance, odnosno vlasništva nad podacima, jasnog mapiranja svih aktivnosti na poslovnu vrijednost i upravljanja kvalitetom podataka.

Pored tehnološkog dijela, radimo i na edukaciji timova, razbijanju silosa i razvoju zajedničkog jezika između biznisa, aplikativnih timova i data timova. U tom smislu, često djelujemo i kao facilitatori promjene, a ne samo kao tehnički konzultanti.

Što nam donosi AI u data svijetu?

AI nije samo nova tehnologija on mijenja ulogu data svijeta iz temelja. Data svijet je oduvijek bio most između poslovanja koje generira podatke, aplikativnih timova koji ih zapisuju, i analitičara koji ih koriste. AI samo dodatno naglašava važnost tog mosta.

Uspješna primjena AI-ja ovisi o povezanosti o tome koliko su ti svjetovi dobro sinkronizirani. I tu leži izazov: danas više nego ikad trebamo ljude koji znaju povezati točke ne samo tehnički, već i kontekstualno i strateški.

Kratkoročno, očekujem rast potražnje za seniorima i konzultantima koji razumiju i tehnologiju i biznis. S druge strane, sve veća automatizacija development taskova kroz AI alate smanjuje potrebu za klasičnim junior pozicijama, što predstavlja ozbiljan izazov za budućnost. Ako ne razvijemo nove načine obrazovanja i mentoriranja mladih stručnjaka koji će im omogućiti da razviju sustavno razmišljanje, poslovno razumijevanje i soft skillove riskiramo da ostanemo bez nove generacije ljudi koji će znati graditi sustave, a ne samo rješavati zadatke.

Bez tog dugoročnog ulaganja, AI bi umjesto da nas približi viziji pametnijeg poslovanja, mogao dodatno produbiti jaz između onih koji razumiju cijelu sliku i onih koji znaju koristiti samo alate.