Με τον δείκτη αξίας των δεδομένων να συνεχίζει να κινείται ανοδικά, οι ευκαιρίες που προσφέρουν κάνουν το data management το πιο σίγουρο «χαρτί» μιας εποχής όπου οι προκλήσεις της ενσωμάτωσης των δεδομένων σε ένα ενιαίο οικοσύστημα στέκονται ανάμεσα σε κάθε οργανισμό και την ψηφιακή αναβάθμιση της λειτουργίας του.
Θυμάστε εκείνο το κλισέ που ήθελε τα data να είναι το νέο πετρέλαιο; Ε, μάλλον είναι η ώρα να το ξεχάσετε. Η νέα πραγματικότητα θέλει τα δεδομένα να έχουν γίνει το …νερό. Δεν υπάρχει πια ζωή χωρίς αυτά -σε αντίθεση με το πετρέλαιο- και σταδιακά και οι τελευταίοι αναλυτές παραδέχονται ότι χωρίς αυτό το «ψηφιακό νερό» δεν μπορούν να δημιουργήσουν το «αίμα» που κυλά στις φλέβες κάθε ζωντανού επιχειρησιακού οργανισμού: την πληροφορία που θα ποτίσει την γνώση, ώστε να αναπτυχθούν οι σωστές επιχειρηματικές αποφάσεις, αλλά και η ίδια η λειτουργία του οργανισμού.
Παραδόξως αυτή η αναλογία νερού και πληροφορίας λειτουργεί και αντίστροφα, αφού τα ψηφιακά δεδομένα, όπως ακριβώς το νερό, ξεχειλίζουν σήμερα από παντού, από κάθε smartphone και κάθε router, κάθε σκανάρισμα τραπεζικής κάρτας, κάθε «κλικάρισμα» συνδέσμου και κάθε κίνηση αντικειμένου που αφήνει πια ένα αδιόρατο αλλά πολύτιμο ψηφιακό ίχνος. Αυτό όμως μετέθεσε την πρόκληση από τη δημιουργία στην διαχείριση τους. Όπως και με το νερό: μπορείς να βρεις σχεδόν παντού, αλλά η ποιότητα, η διαθεσιμότητα και η ποσότητα του δημιουργούν προκλήσεις άλλου επιπέδου. Έτσι αυτή τη στιγμή μπορείς να αντλείς ψηφιακά δεδομένα από παντού, αλλά το να τα διαχειριστείς με έναν τρόπο που να τα κάνει βιώσιμη λύση αντί για πρόβλημα είναι μια τελείως διαφορετική υπόθεση. Θυμίζει το δράμα του διψασμένου ναυαγού στη βάρκα που περιτριγυρίζεται από άπειρα λίτρα νερού που δεν πίνεται. Και αυτή η υπόθεση ήταν ήδη περίπλοκη πριν ακουστεί τόσο δυνατά η σειρήνα της τεχνητής νοημοσύνης, η δημιουργία και διαρκής εξέλιξη της οποίας ζητάει δύο πράγματα σε πρωτοφανείς ρυθμούς. Ενέργεια και Δεδομένα.
Και είναι αρκετά παλιά. Όπως μας θυμίζει ο Αντώνιος Χατζηπαυλής, Managing Director, Data & AI Solutions Architect της Xlytica, η ενσωμάτωση των δεδομένων σε ένα ενιαίο οικοσύστημα είναι κρίσιμη για την αποτελεσματική διαχείριση και αξιοποίηση τους σε έναν οργανισμό και σκοπό έχει να μετατρέψει τα application data σε corporate data. «Τα οφέλη της ενσωμάτωσης είναι ξεκάθαρα εδώ και χρόνια σε όλους μιας και θα προσδώσει συνοχή, ποιότητα, κλιμάκωση, καλύτερη λήψη αποφάσεων, αυτοματισμούς και data governance. Από τις αρχές της δεκαετίας του 1980 έχει γίνει σαφές ότι θα πρέπει να έχουμε ένα ενιαίο οικοσύστημα δεδομένων. Πρωτεργάτες σε αυτό ήταν o Inmon και ο Kimball και πάνω σε αυτούς έχουν εξελιχθεί οι αρχιτεκτονικές (Data Lakes, Lakehouse, Warehouses), τα design patterns (Lambda, Kappa, Data Mech, Medallion, Data Vault), οι τεχνολογίες αλλά και πλατφόρμες που υλοποιούν αυτά (Microsoft Fabric, Databricks, Snowflake κ.α.) που έχουμε σήμερα».
Πίσω στο σήμερα όπως μας λέει και ο Φώτης Δημάκης, Head of Data Science & AI, Coca Cola HBC, στην εποχή της «Επανάστασης της Τεχνητής Νοημοσύνης» όπως την χαρακτηρίζει οι επιχειρήσεις οι οποίες δημιουργούν στρατηγικά πλεονεκτήματα σε σύγκριση με τον ανταγωνισμό τους δεν είναι αυτές οι οποίες εγκαθιστούν και υιοθετούν τελευταία συστήματα τεχνολογίας. «Αυτά μπορεί να τα αγοράσει ο καθένας, δεν είναι αυτές που επενδύουν σε τεχνολογικά καταρτισμένο ανθρώπινο δυναμικό, η προσφορά πλέον καλύπτει σε καλό βαθμό την ζήτηση, ούτε αυτές που επενδύουν μονόπλευρα σε τεχνολογίες AI, Advanced Analytics και πλέον Generative AI, όλα αυτά είναι μόνο η μία πλευρά του νομίσματος» όπως τονίζει. «Οι επιχειρήσεις οι οποίες δημιουργούν στρατηγικά πλεονεκτήματα σε σύγκριση με τον ανταγωνισμό τους είναι αυτές οι οποίες επενδύουν στα συστήματα συλλογής, διαχείρισης και αποθήκευσης πληροφοριών με σκοπό την εκμετάλλευση τους για την λήψη data driven αποφάσεων. Αυτές μπορεί να παρθούν είτε συμβουλευμένοι από ένα απλό dashboard (descriptive), ένα αλγοριθμικό μοντέλο (predictive) ή πλέον από prescriptive μοντέλα όπως είναι το GenAI. Συνεπώς, η επένδυση στην Στρατηγική & Διακυβέρνηση των Δεδομένων είναι μονόδρομος για τις επιχειρήσεις που θέλουν να εξαργυρώσουν τις τεχνολογικές τους επενδύσεις και να πολλαπλασιάσουν το ROI τους επενδύοντας σε καινοτόμες λύσεις Data Science & AI».
Η άνθηση της Data Management Industry
Αυτό σήμερα το αποτυπώνουν και οι περισσότερες έρευνες που αφορούν την αγορά της διαχείρισης επιχειρηματικών δεδομένων. Ενδεικτικά η έρευνα της Business Research Insights για την αξία των εργαλείων συλλογής και διαχείρισης δεδομένων με τίτλο «Data Management Platform (DMP) Software Market Size, Share, Growth, and Industry Analysis, By Type (On-Premise, Cloud-Based and Others), By Application (Large Enterprises, SMEs and Others) and Regional Forecast From 2024 To 2032» στην οποία η συνολική αξία της αγοράς διαχείρισης δεδομένων εκτιμήθηκε την περασμένη χρονιά στα 8,2 δισεκατομμύρια δολάρια και αναμένεται να φτάσει ως το 2032 τα 16,5 δις με μέσο ετήσιο ρυθμό ανάπτυξης 9,2%. Με βασικές δυνάμεις αυτής της ανάπτυξης τις ανάγκες των εταιρειών να διαχειρίζονται big data για αναλύσεις αγοράς, καθορισμού ειδικών τμημάτων της αγοράς και δημογραφικών αγοραστικού κοινού, αποτελεσματικότερη διαφήμιση και -ναι σωστά το μαντέψατε- την εκπαίδευση των μοντέλων τεχνητής νοημοσύνης.
Η προσπάθεια μάλιστα της Precedence Research για την αξιολόγηση της συνολικής δραστηριότητας γύρω από την διαχείριση των δεδομένων παγκοσμίως δίνει πολύ πιο εντυπωσιακά δεδομένα. Στην έρευνα της με τίτλο «Enterprise Data Management Market Size and Forecast 2024 to 2034» η παγκόσμια αγορά διαχείρισης δεδομένων αξιολογείται 111,44 δισεκατομμύρια δολάρια πέρσι και αναμένεται να φτάσει τα 349,52 δις ως το 2034 με μέσο ετήσιο ρυθμό αύξησης 12,11%, που αναδεικνύει την ολοένα αυξανόμενη ανάγκη για εργαλεία διαχείρισης δεδομένων που πέρα από αποτελεσματικότητα διαθέτουν δυνατότητες διαρκούς αναβάθμισης και προσαρμογής σε όλο και περισσότερες παραμέτρους.
Μοιάζει σαν ο στόχος ολόκληρου του παγκόσμιου ΙΤ είναι η ενσωμάτωση δεδομένων σε ένα ενοποιημένο ΙΤ οικοσύστημα, με στόχο την ενίσχυση της λήψης αποφάσεων, τη βελτίωση της λειτουργικής αποτελεσματικότητας και τη δυνατότητα καινοτομίας, όπως το ΑΙ. Ακόμα και αν αυτός ο στόχος έχει περισσότερα προβλήματα και προκλήσεις που μπορεί κανείς να φανταστεί με τους βασικότερους να αναπτύσσονται γύρω από την πολυπλοκότητα της διαχείρισης δεδομένων, της τεχνολογικής ολοκλήρωσης, της οργανωτικής ευθυγράμμισης και των εξελισσόμενων ρυθμιστικών κανόνων.
Αλλά οι ειδικοί του Ελληνικού ΙΤ είναι μάλλον καλύτεροι στο να εξηγήσουν αυτό τον «αγώνα» που στα «χαρτιά» μοιάζει πάντα με μια πολύ συγκροτημένη στρατηγική προσέγγισης και διαχείρισης των δεδομένων αλλά στην πραγματικότητα δεν είναι καθόλου έτσι.
Ο χαμός στην …κουζίνα του ΙΤ
«“Χάος”, “αταξία”, “πανικός”, “νεύρα”, “συγκρούσεις”. Λέξεις που αντικατοπτρίζουν την κατάσταση στο εστιατόριο της σειράς “The Bear”, εκεί όπου ο νεαρός σεφ Carmy επιστρέφει για να αναλάβει την οικογενειακή επιχείρηση. Αντιμέτωπος με μια ομάδα που έχει συνηθίσει να δουλεύει ανοργάνωτα, ο Carmy προσπαθεί να επιφέρει αλλαγές και να αναμορφώσει τη λειτουργία του εστιατορίου. Το ταξίδι του περιλαμβάνει την αναγνώριση των προβλημάτων, την εφαρμογή νέων διαδικασιών και την ενίσχυση της συνεργασίας μεταξύ των μελών της ομάδας» μας λέει ο Γιώργος Βεζυράκης, Head of Business Analysis της Edenred Greece, παραλληλίζοντας τη διαδικασία μετασχηματισμού της κουζίνας με την ανάγκη για στρατηγική προσέγγιση στη διαχείριση δεδομένων που αντιμετωπίζουν πολλοί οργανισμοί. «Στην εποχή των δεδομένων, οι οργανισμοί καλούνται να προσαρμοστούν σε ένα συνεχώς μεταβαλλόμενο τοπίο, όπου η σωστή διαχείριση και ανάλυση των πληροφοριών είναι κρίσιμη για την επιτυχία τους. Στην πράξη, η διαχείριση δεδομένων είναι μια απαιτητική διαδικασία. Η πρόκληση έγκειται στον όγκο και την ποιότητα των δεδομένων καθώς και στη διαφορετικότητα των πηγών προέλευσής τους. Πόσες φορές έχουμε ακούσει εκφράσεις όπως “είναι μεγάλο και δεν κατεβαίνει”, “πήρα την πληροφορία από το xx σύστημα και έβγαλε διαφορετικό αποτέλεσμα”, “βρίσκω text characters μέσα σε πεδίο με αριθμούς”, “κάτι έχουμε σχετικά με αυτό αλλά είναι σε περίεργο format” και πολλές άλλες. Σε αυτές τις προκλήσεις προστίθενται θέματα ασφάλειας και διαχείρισης προσωπικών δεδομένων».
Πώς μπορούμε να τακτοποιήσουμε αυτή τη χαοτική “κουζίνα”;
«Για αρχή, οι οργανισμοί οφείλουν να επενδύσουν στους κατάλληλους ανθρώπους με την απαιτούμενη τεχνογνωσία, οι οποίοι θα διασφαλίσουν ότι τα δεδομένα θα είναι Ασφαλή, Οργανωμένα, Προσβάσιμα, Συμμορφωμένα, Αξιόπιστα και Επικυρωμένα. Κάθε μια από αυτές τις ιδιότητες αποτελεί και μια ανεξάρτητη εργασιακή οντότητα. Η επένδυση στα κατάλληλα εργαλεία και συστήματα (Data Governance tools, ETL tools, cloud solutions) είναι εξίσου σημαντική για την αυτοματοποίηση διαδικασιών ελέγχου και καθαρισμού των δεδομένων, καθώς και για τη συγκέντρωση πληροφοριών από διαφορετικά συστήματα, εξασφαλίζοντας την ασφάλεια και τη συμμόρφωση με τους κανόνες προστασίας προσωπικών δεδομένων. Απαραίτητο βήμα στρατηγικής είναι επίσης η εκπαίδευση των ανθρώπων σχετικά με το σύνολο της διαχείρισης των δεδομένων». Στη συνέχεια όπως μας εξηγεί και έχοντας εξασφαλίσει όλα τα παραπάνω βήματα, τα δεδομένα μπορούν πλέον να χρησιμοποιηθούν για ανάλυση και εξαγωγή χρήσιμων συμπερασμάτων, προσφέροντας άμεσο όφελος στον οργανισμό. «Σε αντίθετη περίπτωση, ο οργανισμός κινδυνεύει με σοβαρά οικονομικά και όχι μόνο “χτυπήματα” που μπορούν να επηρεάσουν την εύρυθμη λειτουργία του. Τα δεδομένα στη σύγχρονη εποχή αποτελούν περιουσιακό στοιχείο για κάθε οργανισμό, και ως τέτοια πρέπει να αντιμετωπίζονται. Όσο καλύτερα τα υλικά και η ικανότητα αυτών που τα διαχειρίζονται τόσο καλύτερο και το φαγητό θα συμπλήρωνε και ο Carmy».
Συμπτώματα και θεραπείες
Ποια είναι όμως τα σημάδια που προειδοποιούν ότι ένας οργανισμός αντιμετωπίζει προβλήματα data management; Για τον Αλέξανδρο Ζούκο Business Integration & Performance Manager, της Saracakis Group of Companies υπάρχει μια σειρά από συμπτώματα που εμφανίζονται και αρχίζουν από τα εμπορικά τμήματα όπου εμφανίζονται σαν δυσκολία στη λήψη Data-driven αποφάσεων. «Συνήθως δημιουργείται από έλλειψη διαφάνειας στο σύστημα με ασυνέπεια των δεδομένων λόγω ύπαρξης πολλών εκδοχών που θα διαφέρουν μεταξύ τους. Όσο λιγότερο διαφέρουν οι εκδοχές μεταξύ τους τόσο δυσκολεύει και η επιλογή της σωστής, ειδικά εάν ο οργανισμός εμπεριέχει δομικές πολυπλοκότητες. θα διαπιστωθεί και από τα αυξημένα κόστη αποθήκευσης, συντήρησης και αύξησης του χρόνου επεξεργασίας των δεδομένων» όπως μας εξηγεί.
Έτσι όπως μας αναφέρει ανάλογα με την ωριμότητα της επιχείρησης τα προβλήματα εντοπίζονται σε 3 επίπεδα.
1. Κακή ποιότητα δεδομένων, αποσπασματική αποθήκευση δεδομένων και έλλειψη κατάλληλα εκπαιδευμένου προσωπικού για την ανάλυση και διαχείριση δεδομένων.
2. Δυσκολία πρόσβασης, ανεπάρκεια ασφαλείας και δυσκολίες στην τήρηση νομοθετικών και κανονιστικών απαιτήσεων, όπως GDPR ή CCPA.
3. Υπερφόρτωση δεδομένων δηλαδή συλλογή υπερβολικού όγκου δεδομένων χωρίς στρατηγική αξιοποίησης.
Για την Ελίζα Σκοπλάκη, Data Governance & BI Manager της Sunlight, πολλοί οργανισμοί συνειδητοποιούν την σημασία του data management και κατά συνέπεια την ανάγκη για ένα ενιαίο οικοσύστημα και την υιοθέτηση στρατηγικών data governance μόνο όταν προκύψουν συγκεκριμένα προβλήματα, όπως:
• Δυσκολία στο reporting κυρίως όταν δεδομένα έρχονται από πολλαπλές πηγές και πρέπει να συνδυαστούν: Η αποθήκευση δεδομένων σε διαφορετικά συστήματα και εργαλεία δυσκολεύει τη συνολική ανάλυση, προκαλεί καθυστερήσεις και λάθη
• Ασάφεια στους επιχειρησιακούς όρους: Η έλλειψη κοινής αντίληψης για τον ίδιο όρο μεταξύ τμημάτων οδηγεί σε ασυμφωνίες.
• Χαμηλή ποιότητα master data: Επηρεάζει αρνητικά τόσο το reporting, αλλά προκαλεί και προβλήματα στις καθημερινές λειτουργίες της επιχείρησης.
Όπως μας εξηγεί για την αντιμετώπιση αυτών των προβλημάτων, οι παρακάτω στρατηγικές είναι κρίσιμες:
• Δημιουργία ενός Data Warehouse ή Data Lake
– Ανάλογα με τις ανάγκες του οργανισμού, είναι απαραίτητη η δημιουργία ενός Data warehouse ή Lakehouse που θα λειτουργεί ως το Single Source of Truth.
– Η επιλογή του κατάλληλου προγράμματος/λύσης πρέπει να είναι ικανοποιεί τις ανάγκες της εταιρείας και να είναι ευέλικτη χωρίς να είναι υπερβολικά ακριβή.
– Η ασφάλεια των δεδομένων πρέπει να παίζει πρωταγωνιστικό ρόλο σε ένα ενιαίο οικοσύστημα
• Σχεδιασμός και Υλοποίηση Data Model με:
– Ομοιομορφία: Το data model εξασφαλίζει συνέπεια σε όρους και μορφή των δεδομένων, μειώνοντας τη σύγχυση και τις ασυμφωνίες.
– Ακρίβεια: Ορίζει σαφείς κανόνες που διασφαλίζουν την αξιοπιστία και την ποιότητα των δεδομένων.
– Ευελιξία: να μπορεί να ενσωματώσει δεδομένα που έρχονται καινούργιες πηγές δεδομένων.
– Απόδοση: εξασφαλίζει γρήγορη ανάκτηση δεδομένων για πιο αποτελεσματική λήψη αποφάσεων.
• Data Governance Framework
– Data ownership από τα επιχειρησιακά τμήματα.
– Καταγραφή και σαφής ορισμός επιχειρησιακών όρων μέσω κατάλληλων εργαλείων data governance.
– Εφαρμογή κανόνων δημιουργίας, συντήρησης και διαγραφής των επιχειρησιακών όρων (CRUD)
– Εφαρμογή κανόνων ποιότητας master data, εξασφαλίζοντας ότι τα δεδομένα είναι ακριβή και αξιόπιστα.
– Καλλιέργεια data literacy σε όλα τα επίπεδα, βοηθά τους εργαζομένους να καταλαβαίνουν πλήρως τη σημασία των δεδομένων και να τα χρησιμοποιούν αποτελεσματικά.
«Όταν εξασφαλίσουμε ότι η ποιότητα των δεδομένων είναι ικανοποιητική, τότε μπορούμε με AI και ML να αρχίσουμε να βελτιώνουμε διάφορες διαδικασίες όπως η μείωση του κόστους παραγωγής, η προληπτική συντήρηση, αλυσίδα εφοδιασμού, ακριβής πρόβλεψη της παραγωγής, επιτυγχάνοντας μέγιστη αποδοτικότητα και ανταγωνιστικότητα. Για να πετύχει το εγχείρημα, πέρα από τα κατάλληλα εργαλεία, απαιτείται βαθιά αλλαγή στη νοοτροπία της εταιρείας. Καθοριστικότατο ρόλο όμως παίζει η ενεργή υποστήριξη από την ανώτατη διοίκηση, μέσω επενδύσεων, εξειδικευμένο ανθρώπινο δυναμικό και εκπαίδευση» καταλήγει.
Κλασσικά διλήμματα: «Ποιότητα ή Ποσότητα»και «Ταχύτητα ή Ασφάλεια;»
Για τον Αλέξανδρο Ζούκο η στρατηγική διαχείρισης δεδομένων έχει τρεις πυλώνες:
1. Καθαρό όραμα και στρατηγική δηλαδή η διαχείριση δεδομένων που πρέπει να ευθυγραμμίζεται με τους επιχειρηματικούς στόχους.
2. Επένδυση στην ποιότητα δεδομένων, δηλαδή συνεχής παρακολούθηση και επικύρωση τους.
3. Υιοθέτηση τεχνολογιών ενοποίησης όπως Data lakes/warehouses καθώς και σύνδεση διαφορετικών συστημάτων.
Όπως μας εξηγεί όμως ενώ ο όγκος των δεδομένων μπορεί να προσφέρει πληθώρα πληροφοριών, η έλλειψη ποιότητας μπορεί να καταστήσει αυτά τα δεδομένα άχρηστα. «Η λύση αρχίζει από τον καλό σχεδιασμό των διαδικασιών που θα τα γεμίσουν και την γραμμικότητά τους που λύνει 80% του προβλήματος. Μετά έχουμε Data Cleaning και Preprocessing Tools, Data Quality Frameworks π.χ (ISO 8000), χρήση στρατηγικών Data Curation, όπου τα δεδομένα που συλλέγονται είναι στοχευμένα και συνδέονται με επιχειρησιακούς στόχους και Data Enrichment δηλαδή αυτόματο εμπλουτισμό δεδομένων».
Σε ότι αφορά την πάγια αναζήτηση όλο και μεγαλύτερης ταχύτητας πρόσβασης τα πράγματα είναι λίγο πιο δύσκολα, αφού η απαίτηση για ανάλυση δεδομένων σε πραγματικό χρόνο συγκρούεται συχνά με την ανάγκη για ασφάλεια και συμμόρφωση. «Σαν τεχνολογικές λύσεις έχουμε Edge Computing που μεταφέρει την επεξεργασία δεδομένων πιο κοντά στις πηγές τους (συσκευές IoT, αισθητήρες), μειώνοντας τον χρόνο επεξεργασίας και τον κίνδυνο ασφαλείας από μεταφορές δεδομένων μέσω του δικτύου. Αλλά και την Zero Trust Architecture δηλαδή αρχιτεκτονική που εξασφαλίζει ότι κάθε πρόσβαση σε δεδομένα επαληθεύεται, ανεξαρτήτως προέλευσης και κρυπτογράφηση σε πραγματικό χρόνο και τέλος Data Masking» όπως μας εξηγεί.
Τhe Never Ending Story και το μέλλον του Data Management
Στο ταξίδι προς το «ιδανικό» data management κρύβονται παγίδες στη διαδικασία βελτιστοποίησης, όπως μας εξηγεί και ο Αντώνιος Χατζηπαυλής. «Οι οργανισμοί, στη προσπάθεια τους να υλοποιήσουν ενιαίο οικοσύστημα δεδομένων πρέπει να αποφύγουν το κίνδυνο να δημιουργήσουν data swaps που πρακτικά είναι άχρηστα. Για αυτό θα πρέπει να εντοπίσουν ποια είναι τα application data που έχουν business value, ποιο είναι το προφίλ των χρηστών που θα χρησιμοποιήσει αυτά, και πως μπορούν μεταξύ τους να συνδεθούν. Ένα ενιαίο οικοσύστημα δεδομένων δεν φτάνει απλά να έχει τα δεδομένα. Θα πρέπει να έχει metadata που θα οδηγήσουν τους χρήστες να βρίσκουν τα δεδομένα ευκολότερα και να κατανοούν τι αυτά περιέχουν, να έχει data models που να λειτουργούν αφαιρετικά ώστε να μειώνουν τις δυσκολίες ανάλυσης, να υπάρχει data lineage για να βοηθάει το χρήστη στην κατανόηση της προέλευσης δεδομένων και των μετασχηματισμών που αυτά έχουν υποστεί και φυσικά data governance» όπως εξηγεί.
Προειδοποιεί όμως ότι όποια πλατφόρμα και να επιλέξει ένας οργανισμός για την υλοποίηση του ενιαίου οικοσυστήματος θα πρέπει να γίνει κατανοητό ότι θα υπάρχει learning curve . «Αυτό σημαίνει ότι πρέπει να επενδύσει στην εκπαίδευση των στελεχών του πριν την έναρξη της υλοποίησης. Το “θα μάθουμε στην πράξη” δεν ισχύει καθώς “η εμπειρία πρώτα σε εξετάζει και μετά σε μαθαίνει”. Καλύτερα να μάθεις πρώτα καλά τι κάνει η κάθε τεχνολογία και αρχιτεκτονική, να κατανοήσεις πως θα την μετατρέψεις σε εργαλείο για την κάλυψη των αναγκών σου, παρά να αρχίζεις να υλοποιείς με βάση την εμπειρία σου και μετά να ανακαλύψεις ότι αυτό δεν είναι σωστό. Η υλοποίηση ενός ενιαίου οικοσυστήματος δεδομένων δεν είναι τεχνολογικό πρόβλημα, είναι κυρίως θέμα στρατηγικής για τα δεδομένα. Είναι ένα μεγάλο ταξίδι που θα σταματήσει μόνο όταν ένας οργανισμός σταματήσει να παράγει νέα δεδομένα που έχουν επιχειρηματική αξία».
Σε αυτό το ταξίδι της εξέλιξης του data management ο Αλέξανδρος Ζούκος ξεχωρίζει ανάμεσα στις νέες τεχνολογίες αλλά και προσεγγίσεις κάποιες που θα έχουν ιδιαίτερη σημασία στο άμεσο μέλλον:
• Τα Data Fabric και Data Mesh: Το Data Fabric για ενιαία αρχιτεκτονική που επιτρέπει την εύκολη πρόσβαση και διαχείριση δεδομένων από διαφορετικές πηγές, ανεξαρτήτως της τοποθεσίας τους (cloud, on-premises). Το Data Mesh για αποκεντρωμένη προσέγγιση που δίνει έμφαση στη διαχείριση δεδομένων από τις ίδιες τις επιχειρησιακές ομάδες, προωθώντας τη συνεργασία.
• Τεχνολογίες Blockchain και Data Provenance: Το Blockchain για ασφαλή και αμετάβλητη καταγραφή δεδομένων που εξασφαλίζει διαφάνεια και εμπιστοσύνη. Το Data Provenance για ιχνηλασιμότητα και ιστορικό δεδομένων.
Στην ίδια φιλοσοφία o Φώτης Δημάκης στρέφει το σημείο εστίασης πιο μακριά στον ορίζοντα. «Αν υποθέσουμε ότι με ένα “μαγικό ραβδί” έχουμε λύσει όλα τα βασικά προβλήματα σχετικά με τα δεδομένα μιας εταιρείας όπως το Data Quality, το Data Cataloguing, το Data Integration από πολλαπλά συστήματα συλλογής δεδομένων και την βελτιστοποίηση της ταχύτητας συλλογής αυτών (static vs dynamic data), η μεγαλύτερη πρόκληση που ανοίγεται μπροστά μας είναι η δημιουργία δεδομένων με βάση υπάρχοντα δεδομένα. Με την αξιοποίηση των τεχνολογιών GenAI (image, video, voice, text κλπ) έχουμε την δυνατότητα να δημιουργήσουμε δεδομένα που πριν λίγα χρόνια δεν θα μπορούσαμε καν να φανταστούμε. Θα κλείσω με μερικά παραδείγματα από το Industry μου. Μια φωτογραφία του καταστήματος από τον πωλητή μας μπορεί να βελτιώσει την ποιότητα των Customer Master Data ή / και να δημιουργήσει win-win τακτικές. Η εξέταση ενός τηλεφωνήματος στο call center μπορεί να λύσει ένα πρόβλημα που επηρεάζει σημαντικό αριθμό πελατών. Ένα συμβόλαιο εκατοντάδων σελίδων μπορεί να αποτρέψει ένα penalty πολλών χιλιάδων ευρώ σε περίπτωση αθέτησης συμφωνίας στις παραδόσεις παραγγελιών. Συμπερασματικά, η σύμπλευση των δύο πιο πρόσφατων τεχνολογικών επαναστάσεων, της Πληροφορίας και της Τεχνητής Νοημοσύνης, θα δημιουργήσει μια νέα εποχή στην οποία θα υπάρχουν δύο επιλογές, είτε να την ακολουθήσεις είτε να σε προσπεράσει και αναπόφευκτα να βρεθείς εκτός αγοράς. Η επιλογή (ακόμα) υπάρχει».